锥形双螺杆挤出机熔体输送段相似放大设计

采用微元法将锥形双螺杆挤出机的锥螺杆微元近似为圆柱形螺杆微元,建立了锥形双螺杆挤出机熔体输送段的相似放大理论,推导得到剪切速率和产量相似准则.对小端直径为33 mm的基准机型到小端直径为65 mm的目标机型进行相似放大设计,并通过Polyflow数值模拟分析了槽深指数对剪切速率和产量的影响,完成了相似放大效应的验证和相...     

啮合同向双螺杆挤出机普通螺纹元件末端共混物的混合形态Ⅱ.混合形态的计算

用物料三维流动路径结合分散模型计算了螺纹元件出口处分散相液滴的直径。分析了螺杆转速、挤出机产量和液滴初始直径对末端分散相液滴直径的影响。结果表明。当液滴初始直径较大时,其集聚变化率随着初始直径的变化而变化较小;提高螺杆转速和降低挤出机产量可以提高螺纹元件的分散效果。当液滴初始直径较小时。其集聚变化率随着初始直径的变化而急剧变化;提高螺杆转速和降低挤出机产量有利于集聚的发生。分散效果较差。螺杆转速和挤出机产量的变化对末端分散相液滴直径的分布范围影响不大。     

挤出机-胶料之间的相互关系

在橡胶工业中使用挤出机的作业,涉及到各种直径、长度、形状和类型的挤出机.这些挤出机必须以有利的产量,能挤出多种种类和形状并且均匀一致的胶料. 挤出机大致可分成以下几类: 喂料方法:热喂料冷喂料机头系统的要求:高压低压     

响应曲面法优化啮合同向双螺杆挤出机固体输送段主机功率消耗和固体输送量的研究

采用响应曲面法中Box-Behnken方法设计试验并分析,建立了啮合同向双螺杆挤出机固体输送段功率消耗和固体输送量的多因素二次多项式数学模型.探讨了主要因素对功率和输送量的影响及其交互作用.验证了模型的有效性.模型所预测的功率和输送量与试验得到的数据误差小于10%.利用试验得到功率和固体输送量的回归方程,可实现对啮合同向双螺杆挤出机固体输送段功率消耗和固体输送量的预测和优化,提高能效,节约能源.     

国外动态

提高挤出机产量提高挤出机产量对那些既想提高挤出机的产量又不想花费太长滞机时间和费用的加工厂家，IDI（加大挤出机内径尺寸）改型方案是一种经济实惠的、简便易行的解决方法。IDI改型套件很简单，只涉及挤出机机筒、喂料段、螺杆和滤胶板的以大换小。IDI套件适于64、89、114、152mm直径挤出机的加大。一台64mm挤出机可以加大为75mm，89mm的可加大为100mm，114mm可加大为130mm，152mm可加大为175mm等规格的挤出机。由于机筒直径增大了，那么就要相应增大L/D比，以保持原来的L/D比例。改型后的挤出机产量可增加２５％，或更高些。(X…     

串联式磨盘螺杆挤出机混炼段相似放大理论

基于串联式磨盘螺杆挤出机系列产品研发的经验体会,以混合相似放大准则为依据,分别以CPJ30/70和CPJ90/150串联式磨盘螺杆挤出机作为基准机型和目标机型,通过选择能够影响聚合物混合效果的参数来提出混炼段相似放大设计理论模型。并借助Polyflow软件进行数值模拟,分析放大前后混炼段的流场特征和混合指标,来验证提出的相似放大设计模型的可行性。     

挤出机节能的研究

选择进料状况、螺杆转速、节流阀、换网器和模板及切粒机等因素对挤出机机组的影响进行了系统分析、研究，发现这些因素对挤出机的负荷和能耗影响较大。进行长期的试验研究表明：物料表观密度和进料温度的增加可提高产量，降低能耗；螺杆转速的增加使产量与转速比下降；节流阀的改变可影响挤出机的产量和能耗；改变换网器和模板的孔数可大幅度降低熔融物料的压力，孔数每增加10％压力约降5％，孔径扩大10％压力约降30％。切粒机刀数的增加明显提高了机组的产量。通过这些节能措施的实施，挤出机的比能耗由原来的0．161－0．167kW.h/kg下降至0．143－0．151kW.h/kg，产量增加了1t／h以上。     

响应曲面法优化啮合同向双螺杆挤出机固体输送段主机功率消耗和固体输送量的研究(Ⅱ)

采用响应曲面法(RSM)中Box-Behnken方法设计实验并分析,建立了啮合同向双螺杆挤出机固体输送段,单导程螺纹元件粉料输送的功率消耗和固体输送量的多因素二次多项式数学模型.探讨了主要因素对功率和输送量的影响及其交互作用.验证了模型的有效性,模型所预测的功率消耗和输送量与实验得到的数据误差小于10%.利用实验所得功...     

新型销钉机筒和复合挤出系统

1976年到1977年设计的首批销钉机筒很难与现在的销钉式挤出机相比较。这些销钉式挤出机具有众所周知的功能,它比热喂料或冷喂料挤出机有更多的优点。根据螺杆直径的不同,销钉式挤出机的产量能达到200～9000kg/h。这种产量范围完全可以满足各种橡胶厂和轮胎厂的要求。在开始使用这种挤出机时,由于它产量大,耗能少的特点,就获得较好的评价。而今天,销钉式挤出机的其它优点使得它的应用范围     

平行双螺杆挤出机的螺杆几何学

在Booy全啮合理论的基础上,从螺杆元件加工性能的角度,对平行双螺杆挤出机螺杆几何学进行了深入研究.利用有限元数值模拟的方法从产量、齿轮箱轴承受力、比能耗、停留时间以及螺杆元件力学性能等方面量化对比了法向等间隙修正法和中心距修正法设计螺杆元件的性能.结果表明:法向等间隙修正法设计螺杆元件的加工性能更加优异.研究内容对平行双螺杆挤出机螺杆元件设计具有一定的指导意义.     

基于人工神经网络的BaTiO3陶瓷配方研究

人工神经网络具有巨量并行、结构可变、变度非线性等特点，其建立数学模型并不需要预先知道太多有关问题背景的知识，这尤其适用于陶瓷配方研究中某些机理尚未完全清楚、传统数学方法无法分析的情况，本工作将人工神经网络技术用于介电陶瓷的配方性能分析，以BaTiO3为研究对象选取了几种掺杂剂，在均匀实验设计的基础上，用BP人工神经网络对所得实验结果进行了分析，并且用图形化方式直观地表达了出来，根据实验结果，并与多重非线性回归模型相比发现，人工神经网络模型比多重非线性回归模型更加准确且能给出配方组成与性能更丰富的信息，这对于研究各组分作用规律并获得介电陶瓷多性能指标的优化配方具有重要的指导作用。     

橡胶冷喂料挤出机螺杆造型及工艺参数与挤出温度的数学模型

研究了螺杆造型（长径比，螺旋升角，螺槽深度，螺杆几何压缩比），挤出工艺（螺杆转速，机头口型）和胶料种类对橡胶冷喂料挤出机挤出温度的影响，并对各实验因素及实验结果做了统计分析，得出了他们之间的定量数学模型。     

橡胶弯管挤出成型规律及应用数学模型

对橡胶弯管挤出成型规律进行了实验和理论研究并得出了应用数学模型。把偏心圆环柱域当作平行平板处理能够反映出弯管的弯曲半径与机头几何参数和物料流变参数间的应变趋势,经实验修正后的修正公式可以正确地描述它们之间的定量关系,并可作为进行计算机控制的数学模型;对于幂律流体在偏心圆环柱域中心轴向层流流动,选用双圆柱坐标进行了有限差分法数值计算,得到的弯曲半径数值计算值与实验值基本吻合。     

齿球型氧化铝载体成型工艺优化

利用Box-Behnke效应面法对影响齿球型载体成型工艺的主要因素:水粉比、捏合机频率、胶溶时间和挤条机压力进行试验设计。以齿球型载体成品率为响应函数,建立相应的数学模型,优化试验方法。得到的最佳试验条件为:水粉比为1.40、捏合机频率为35 Hz、胶溶时间为40 min、挤条机压力为13 MPa。此时齿球型载体成品率为98%。按照该方法重复3次实验,均得到成品率为98%的齿球型载体,达到优等品水平。Box-Behnke实验设计法用于齿球型载体成型工艺优化筛选是可行的,数学模型的预测值与实验观察值相符。     

橡胶在销钉机筒挤出机中的流动分析

建立了销钉机筒挤出机的非牛顿流体流动模型,并计算出压力场、流动场和螺杆的特性曲线,结果表明,随着流体非牛顿特性的增强,螺杆的生产能力降低;随着螺杆螺槽上切口的增多,逆流增多,挤出产量降低,机筒上的销钉对挤出特性影响很小,销钉式挤出机的挤出特性与螺杆上有切口的挤出机的挤出特性相似。     

BP神经网络关联乙醇-水-异辛醇(含KF)体系液液平衡数据

基于神经网络模型,编写通用计算机程序,对乙醇-水-异辛醇三元含盐体系在25℃下的液液平衡数据进行关联,并与文献中所提出的Hand方程进行对比,结果表明:神经网络模型对上述体系平衡数据的关联精度优于Hand方程。神经网络模型为多元液液平衡计算提供行之有效的工具。     

四复合橡胶挤出机组研制

介绍国产四复合橡胶挤出机组结构形式、螺杆及驱动功率选择、四复合机头的理论力学受力分析、三维建模及有限元分析、液压系统,四复合橡胶挤出机组的参数确定、温控系统和三维集成,并将投入使用的国产四复合橡胶挤出机组与国外同类产品进行对比。结果表明,国产四复合橡胶挤出机组性能达到国际先进水平。     

Modelling of A Fluidized Bed Drier Using Artificial Neural Network

ABSTRACT

Proper modelling of a fluidized bed drier (FBD) is important to design model based control strategies. A FBD is a non-linear multivariable system with non-minimum phase characteristics. Due to the complexities in FBD conventional modelling techniques are cumbersome. Artificial neural network (ANN) with its inherent ability to “learn” and “absorb” non-linearities, presents itself as a convenient tool for modelling such systems.

In this work, an ANN model for continuous drying FBD is presented. A three layer fully connected feedfordward network with three inputs and two outputs is used. Backpropagation learning algorithm is employed to train the network. The training data is obtained from computer simulation of a FBD model from published literature. The trained network is evaluated using randomly generated data as input and observed to predict the behaviour of FBD adequately.     

基于人工神经网络的咖啡因溶解度的建模

利用激光法测定的0-50℃温度范围内咖啡因在水和乙醇中的溶解度数据，经过比较选择了较好的人工神经网络模型—2-2-1向后传播(BP)人工神经网络模型，利用训练后的2-2-1BP人工神经网络模型对非线性的咖啡因溶解度数据进行了再现回归、内插和外推，在水中溶解度数据的回归、内插的误差均在0．07％以内，外推的误差在0．2％以内；在乙醇中的溶解度数据的回归误差在0，07％以内，内插和外推误差均在4％以内，效果十分令人满意。     

应用经遗传算法优化的BP神经网络预测催化裂化装置焦炭产率

焦炭是催化裂化装置的主要副产物,准确预测催化裂化焦炭产率对提高装置的操作平稳度和经济效益具有重要意义。人工神经网络(ANN)具有强大的自学习和自适应能力,在非线性预测方面具有明显的优势。本研究将遗传算法(GA)与BP神经网络相结合,基于某炼厂催化裂化装置的生产数据,分别从原料、催化剂和操作条件3个方面选取28个关键影响参数建立了催化裂化焦炭产率预测模型,分别将BP神经网络和经遗传算法优化的BP神经网络(GA-BP)的预测结果与工业数据进行对比。结果表明,经遗传算法优化的预测模型无论在预测结果的准确性还是稳定性方面效果更好。最后,本研究还通过考察原料残炭、反应温度等单一关键参数对焦炭产率的影响,进一步证明了经遗传算法优化的BP神经网络预测模型的准确性。