共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
基于Bayesian正规化BP神经网络的粘结NdFeB永磁体性能预测 总被引:1,自引:1,他引:0
基于MATLAB平台和现有的少量实验数据,采用Bayesian正规化法,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP(Back Propagation)神经网络预测模型,并通过测试样本检验了ANN(Artificial Neural Network)模型的准确性.实验表明,建立的Bayesian正规化BP神经网络模型不仅能准确地拟合训练值,而且能很好地预测未知样本,将该模型应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值. 相似文献
6.
7.
8.
在粘结NdFeB磁体模压成形过程中存在较大的压力损失,引起磁体密度分布不均匀,致使磁体密度减小。本文研究了压制压强、预压成形和压制方式等对粘结NdFeB磁体结构和磁性能的影响及机理。研究表明:随着压制压强提高,粘结NdFeB磁体的密度和磁性能显著增大;粒度配合、预压成形和双向压制等办法均可增大粘结NdFeB磁体的密度和磁性能;在适当的压制压强下,将粒度配合、预压成形及双向压制工艺结合,制备出密度达到6.5g/cm^3、磁能积达到104kJ/m^3的粘结NdFeB磁体。 相似文献
9.
研究了Nd15.5Fe78B6.5合金粉末经不同的干燥途径、粉末干燥后放置不同时间、磁体经烧结后回火等工艺对永磁合金磁性能的影响。结果表明:合金粉末经吸滤器干燥对磁体磁性能影响不大,是降低生产成本的一条很好的途径;粉末干燥后在空气或氩气中放置一段时间再进行压制、烧结,对磁性能影响不大,并且随着放置时间延长,磁性能有上升的趋势;烧结磁体回火后,对其磁性能影响比较显著。 相似文献
10.
《中国钨业》2017,(2):60-64
针对钨离子交换穿漏时间频繁检测、检测滞后、相对误差大、工人劳动强度大的问题,基于神经网络学习预测的思想和结合钨冶炼厂实际生产情况,以交前液的pH值、波美度、电导率、流速为输入量,以穿漏时间为输出量,建立最小二乘法支持向量机(LS-SVM)穿漏时间预测模型,并用粒子群算法(PSO)选取核参数γ和误差惩罚参数c。仿真分析表明该模型能够很好地对离子交换穿漏时间进行预测,预测精度高,最大绝对误差为8 min,最大相对误差为1.538 5%,符合钨离子交换工艺要求,可取代人工检测,降低工人劳动强度,减少钨资源浪费,有利于实现整个离子交换过程的自动控制。 相似文献
11.
综述了制备粘结NdFeB磁体的原料、成型工艺和防腐方法;概述了近年来在磁粉和磁体制备、磁体防护等方面的最新研究进展。认为随着粘结NdFeB磁体应用的不断扩展和需求的增长,其研究也将不断深入,产量也将不断扩大。 相似文献
12.
13.
14.
快淬NdFeB磁粉的制备过程中有许多因素影响磁粉性能的均匀性 ,致使出现部分低性能的磁粉 ,磁选可把低性能的磁粉分离出来。研究了磁选时辊轮转速、磁选次数以及磁场强度对快淬Nd9.5(FeCoZrAl) 84 .5B6 磁粉分离效果的影响。研究表明 ,选择合适的磁选工艺参数能有效分离低矫顽力的磁粉。与未磁选的Nd9.5(FeCoZrAl) 84 .5B6 磁粉制作的粘结磁体相比 ,磁选后的磁粉制作的粘结磁体磁性能有较大的提高 ,最佳磁性能为 :Br=697.4mT ,Hcb=44 2kA·m- 1 ,Hcj=741kA·m- 1 ,(BH) max=77kJ·m- 3。 相似文献
15.
The present paper describes the effect of alloy composition,homogenization anddehy-drogenization procedures on magnetic properties of NdFeB type of HDDR powders and the bondedmagnet.The results showed that the powders prepared by HDDR process possesses useful magnetic proper-ties and a better thermal stability than the sintered NdFeB magnet does. 相似文献
16.
The prediction of the alkalinity is difficult during the sintering process. Whether or not the level of the alkalinity of sintering process is successful is directly related to the quality of sinter. There is no very good method for predicting the alkalinity by now owing to the high complexity, high nonlinearity, strong coupling, high time delay, and etc. Therefore, a new technique, the grey squares support machine, was introduced. The grey support vector machine model of the alkalinity enabled the development of new equation and algorithm to predict the alkalinity. During modelling, the fluctuation of data sequence was weakened by the grey theory and the support vector machine was capable of processing nonlinear adaptable information, and the grey support vector machine has a combination of those advantages. The results revealed that the alkalinity of sinter could be accurately predicted using this model by reference to small sample and information. The experimental results showed that the grey support vector machine model was effective and practical owing to the advantages of high precision, less samples required, and simple calculation. 相似文献