用人工神经网络预测混杂复合材料混杂效应

本研究建立一个二输入单输出的BP人工神经网络模型，并用QBASIC语言编制了相应的软件。利用该神经网络模型对混杂效应与混杂比及分散度系数间关系进行了预测。研究结果表明，网络经过61223次的迭代，预潮值误差为0．12％，具有很高的预测精度，可用于混杂复合材料混杂效应的预测。     

用人工神经网络预测二元气液平衡数据

提出应用人工神经网络对溶液热力学模型进行模拟的思路,举DMF（二甲基甲酰胺）＋water体系的溶液热力学模型为例进行模拟,预测特定条件下气相组成并与实验测定结果比较。结果表明,本文所提出的人工神经网络能够很好的模拟溶液热力学模型,对相关数据具有很强的预测能力,精度能满足应用要求。     

用人工神经网络预测聚乙烯及其共混物机械性能

人工神经网络专家系统具有学习、记忆和泛化推广功能.MATLAB软件可根据用户的要求自动生成人工神经网络程序.本文应用BP模型人工神经网络对聚乙烯及其共混物的机械性能进行预测研究.结果表明,所建立的网络程序具有高速、容错和自适应等特点,在本领域的应用性能良好,预测准确率较高,达到预期的效果.     

用人工神经网络方法预测鼓泡塔气含率

A new correlation for the prediction of gas hod up in bubble columns was proposed based on an extensive experimental database set up from the literature published over last 30 years .The updated estimation method relying on artificial neural network,dimensional analysis and phenomenological approaches was used and the model prediction agreed with the experimental data with average relative error less than 10%.     

人工神经网络及其在陶瓷纤维使用寿命预测中的应用

用人工神经网络模型对陶瓷纤维进行寿命预测是一个新颖的思路,实际应用中影响纤维寿命因素的非常复杂,很多难于进行量化,使用人工神经网络的方法,可以抓住问题的主要矛盾。迅速在影响因素和纤维寿命之间建立联系,随着样本的丰富,模型的预测效果会越来越好。     

人工神经网络在注塑参数预测中的应用

应用人工神经网络技术建立了注塑工艺参数值快速预测的双层BP网络模型。利用CAE软件进行模拟,获取训练样本。用Matlab语言编制了应用程序,对网络的训练及参数预测的过程进行求解。将网络预测结果与模拟所得验证数据进行比较和误差分析,显示出BP网络的稳定性和可靠性。经实例验证,表明人工神经网络技术应用于注塑参数值的快速预测和选取方面是可行的。     

人工神经网络在深基坑变形预测中的应用

以 BP人工神经网络为基础 ,利用其强大的非线性映射能力 ,建立深基坑支护结构最大侧向位移的预测模型。在利用实测数据进行网络训练的基础上 ,对悬臂支护结构最大侧向位移进行预测 ,结果表明预测值与实测值吻合较好 ,显示了该方法进行深基坑变形预测的有效性。     

人工神经网络及其在陶瓷纤维使用寿命预测中的应用

用人工神经网络模型对陶瓷纤维进行寿命预测是一个新颖的思路。实际应用中影响纤维寿命因素的非常复杂,很多难于进行量化。使用人工种经网络的方法,可以抓住问题的主要矛盾,迅速在影响因素和纤维寿命之间建立联系,随着样本的丰富,模型的预测效果会越来越好。     

地下水水位预测的人工神经网络模型研究

地下水系统是一个复杂的随机系统,本文根据地下水水位与其影响因素之间存在的相关关系,建立了一个基于神经网络的地下水水位预测模型,并将其用于研究区地下水水位的预测,结果表明该方法具有较高的预测精度。     

基于人工神经网络方法预测水性聚氨酯粒径

以聚醚多元醇、异氰酸酯以及二羟甲基丙酸(DMPA)为原料合成了一系列水性聚氨酯,并以正交试验的结果,进行了人工神经网络的研究,据此考察了DMPA含量、中和度、R值、官能度和分散速度对水性聚氨酯乳液粒径的影响,在给定的误差范围内,预测了乳液的平均粒径。实验结果表明:神经网络与正交试验方法相结合,能够预测实验的结果,减少实验的次数。     

用人工神经网络研究对氯苯氧乙酸钾的合成工艺

用BP神经网络对相转移催化合成对氯苯氧乙酸钾工艺进行了研究,结果表明,在KOH的量为18 33g,反应时间1 0～6 0h、反应温度50 0～90 0℃、甲苯用量10 0～80 0mL、催化剂四丁基溴化铵用量0 20～1 80g、n(对氯苯酚)∶n(一氯乙酸)=1 00∶(1 00～4 00),具有两层隐层的BP网络可较好地体现对氯苯氧乙酸钾合成规律,对其合成有较高的预测能力。反应时间的延长、甲苯用量的提高对对氯苯氧乙酸钾的生成量的增加影响不大;相转移催化剂四丁基溴化铵量增加反而导致对氯苯氧乙酸钾一定程度的下降;尤其是原料配比(对氯苯酚与一氯乙酸的量比)升高对对氯苯氧乙酸钾的生成影响较大。在上述反应条件范围内,反应时间为1h、反应温度90℃、四丁基溴化铵0 20g、甲苯10 0mL、n(对氯苯酚)∶n(一氯乙酸)=1 00∶4 00、KOH18 33g时对氯苯氧乙酸钾的生成量最大,实验值为15 1478g,网络预测值是16 3670g。     

基于人工神经网络的橡胶螺杆挤出机智能化设计

通过人工神经网络建立了挤出机的智能化设计模型.该模型可以进行多影响因素下的多目标分析,并应用于橡胶挤出机的结构选型、结构设计、找出最佳的工艺参数等.改进了过去单凭产量来选择螺杆直径的简略的方法.由实验数据和专家经验作为样本训练得到的智能模型,能达到更符合实际情况、综合考虑产量和胶料特性等诸多因素来选择出合理的挤出机直径和挤出机工作转速等多目标的智能化的设计方法.     

人工神经网络在玻璃纤维弹性模量预测中的应用

传统玻璃成分设计方法不仅计算繁琐、工作量大,效率低,而且精度较低,生产者迫切希望能改进玻璃成分设计方法.计算机辅助建模大大缩短了新材料、新工艺和新设计从实验室转移到生产现场所需的时间,为玻璃成分设计提供了强有力的技术支持.人工神经网络是用工程技术手段模拟生物神经网络结构特征的一类人工系统.它具有很强的自学习能力,能够从已有的实验数据中获取有关材料的组分、工艺和性能之间的规律,并达到预测的目的.本文主要研究了人工神经网络在玻璃成分设计中,尤其是在预测玻璃性能方面的应用.     

陶瓷原料分类的人工神经网络模型

抽取陶瓷原料特征参数,建立3层BP人工神经网络模型,据此对陶瓷原料进行模式识别和分类.研究结果表明:经该模型计算所得的分类结果和实际情况相吻合.该方法有助于在配方过程中遴选陶瓷原料,值得推广.     

人工神经网络的发展及其在控制中的应用

本文综述了人工神经网络的发展历程,介绍了神经网络的基本结构和训练原理,并着重阐述了在化工过程控制领域中的应用现状和前景。     

人工神经网络方法用于超临界流体萃取模拟

在15－30MPa和303－323K条件下,用超临界CO2流体萃取沙棘籽油,结果表明,最高沙棘油收率（30MPa,308K)可达到90％以上,对过程进行动力学模拟,建立了超临界萃取过程的人工神经网络（ANN）模型,以MATLAB软件为平台,编制了SFE－ANN模拟程序系统,采用3层BP网络结构,以压力,温度、萃取时间为输入,以萃取出油量为输出对网络进行训练,由此得到的网络可以对萃取速率和单位时间床高方向的萃取出油量进行准确的模拟和预测,与实验结果比较证明,训练样本集误差为0．2％,测试样本集误差为0．5％,模拟误差小于6％。     

人工神经网络在高分子复合材料研究中的应用

人工神经网络(ANN)的基本结构是根据大脑的结构来建立的,是原始的人工神经元的简单的聚集,它可以用来模拟各种复杂的科学工程问题。ANN在材料学研究方面得到了广泛应用,主要用于金属材料性能方面的预测。近年来,其也逐渐被用于高分子复合材料的研究,主要对人工神经网络近些年在高分子复合材料性能的预测方面做了总结,其中包括对高分子复合材料的疲劳寿命、摩擦性能、复合加载情况和动态力学性能等的模拟预测。     

苯乙烯-马来酸酐本体共聚合过程的神经网络建模

人工神经网络(ANN)是一种有效的建模方法,尤其适用于机理复杂的化工过程,故应用ANN技术来研究苯乙烯-马来酸酐半连续本体共聚合过程的建模方法,并用原始实验数据训练BP网络,来预测本体共聚合过程的目标变量——反应转化率是合适的。由于标准BP训练算法的训练速度较慢,提出了一种改进的训练算法(marquardt算法)来提高网络的训练速度。结果表明,改进的训练算法提高收敛速度10倍以上,在不同的初始条件下,如停留时间5小时、聚合温度110-120℃和马来酸酐进料分量7％-10％,能得到满意的收敛点。在3个输入和1个输出(转化率)的情况下,估计结果的最大相对误差为10％-15％,平均相对误差小于5％。转化率的模型预测结果与原始实验数据具有良好的拟合。此方法可以有效地用于此类聚合过程的模型化。     

利用ANN法预估芳香族多硝基化合物的密度

运用神经网络模型,采用误差反向传播算法,对一系列芳香族多硝基化合物的密度进行了预测.结果表明,芳香族多硝基化合物的密度与其分子结构存在良好的相关性,选用分子结构描述码作为输入特征参数能取得较高的预估精度,预测结果的相对误差一般在±10%以内.     

神经网络动力学光度法同时测定烟草中铈和镧

在酸性介质中Ce4＋和La3＋同时阻抑溴酸钾氧化甲基红褪色反应,研究发现：两者对溴酸钾氧化甲基红褪色反应阻抑作用不具有加和性,根据这一现象,用人工神经网络处理非线性体系的优势进行数据处理,从而建立了一种同时测定Ce4＋和La3＋混合物的人工神经网络阻抑动力学光度法。对3种烟草样品进行测定,回收率位于95.0%~104.0%之间,RSD均小于4%,结果良好。