人工神经网络在材料性能研究中的应用

人工神经网络技术广泛应用于复杂系统的建模中,已成为材料科学研究中常用的建模方法.介绍了BP神经网络及其建模的重要特征,综述了神经网络技术在材料性能预测方面的研究情况.     

人工神经网络在钢铁材料研究中的应用

人工神经网络是近年发展起来的模拟人脑生物过程的具有人工智能的系统,在钢铁材料研究中有着广阔的应用前景.人工神经网络可根据钢的化学成分和/或加工工艺参数对微观组织、相变温度和时间及性能等做出快速准确预测,并可用于研究钢的上述各影响因素间的相互关系.研究人工神经网络也可用于钢的冶金过程及钢的表面处理过程工艺参数的预测及控制.     

人工神经网络在材料科学研究中的应用

人工神经网络模型已成为材料科学中广泛使用的技术，综述了人工神经网络在材料设计，材料加工的智能控制，材料相变研究和材料性能预测等方面的应用。     

人工神经网络在材料设计中的应用

在实验数据的基础上,利用人工神经网络建立高Ｃｏ－ Ｎｉ 二次硬化钢的力学性能与合金成分及热处理温度对应关系的模型． 首次提出将五个材料力学性能指标及部分合金成分作为网络的输入,其它合金成分和热处理温度作为网络的输出,根据要求的力学性能设计材料的合金成分含量及热处理条件,获得了满意的结果,为高性能材料设计提供了一定的理论辅助手段．     

人工神经网络在摩擦材料制备中的应用

采用热压成型的方法制备掺杂粉煤灰、以无机纤维为增强体的摩擦材料,并测试其磨损性能。选用BP神经网络建模,以摩擦材料配方、制备工艺、测试条件为输入变量,以材料的磨损率为输出变量,采用L-M算法对网络进行训练。结果表明,模型可以对材料磨损性能进行有效的预测,可用于配方及制备工艺的优化。     

人工神经网络在材料制备工业中的应用

人工神经网络具有非线性的自适应信息处理能力,已广泛应用于化工、通信、控制及优化等领域.在简单介绍人工神经网络方法的基础上,重点综述了该方法在陶瓷工业的原料分类、配方优化、缺陷分析、性能预测等方面的应用情况,指出在应用过程中可能存在的问题以及未来的发展趋势.     

人工神经网络在优化BaTiO3陶瓷配方研究中的应用

首次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，建立了相应配方的数学模型并将其与多重非线性回归模型的结果进行了比较。通过对人工神经网络配方数学模型的二次分析，得到了比多重非线形回归模型更加丰富的配方信息和内在规律，并且用图形化方式直观地表达了出来。在进一步对配方结果的优化和验证的基础上发现实验结果能够较好地符合理论预测，说明人工神经网络对于获得多性能指标要求介电陶瓷的最优化配方具有较好的指导作用。     

人工神经网络在建筑物物理力学参数识别中的应用

基于神经网络的BP算法,建立了识别建筑物物理力学参数的数值方法.在经典的BP算法中,网络中的权值的确定是将权值的计算修正过程描述为网络的训练过程,其中迭代步长由经验选定,常常造成收敛速度慢,并且收敛速度与初始权值的选择有关以及引起振荡等问题.在网络的训练过程中采用改进的BP算法,通过对学习算子的优化搜索,大大提高了网络的收敛速度,解决了BP算法迭代过程中目标函数的震荡问题.数值计算表明,所提出的改进的BP算法进行建筑结构物理力学参数识别的收敛速度和识别精度都得到了提高.     

基于改进人工神经网络的SMT质量智能鉴别

采用了一种改进的BP神经网络,针对BP神经网络的不足进行了改进:采用变学习率法减少网络训练时间、采用高斯惩罚函数避免局部最小值,并使整个网络能自主调整其隐层节点的数量.运用改进的BP神经网络对于样本进行训练,训练后的神经网络能够较为精确的预测SMT产品质量问题.     

Origin软件在材料科学实验数据处理中的应用

Origin是当今世界上最著名的科技绘图和数据处理软件之一。运用Origin 7.0软件对“居里点测定”和“镁合金腐蚀”实验中的实验数据进行处理、作图并对图形进行分析。运用该软件处理实验数据，结果完全符合实验要求。     

人工神经元网络技术在过热蒸汽计量中的应用

本文基于对充满管道过热蒸汽质量流量计量传统算法的非数理统计性的分析及人工神经元网络本征滤波性能的分析,提出采用具有较强滤波性能的ＢＰ模型代替传统信息处理过程而又以经典公式和传统算法为依据的实时信息处理方法。这种技术不仅有效地节省了时空量,而且有效的抑制了内外随机干扰,可为进一步提高计量技术的准确度、可靠性、规格化水平和通用性、并为传感器－信号调整－变送器高度集成化技术提供可靠的途径。     

Sequential forecast of incident duration using Artificial Neural Network models

This study creates an adaptive procedure for sequential forecasting of incident duration. This adaptive procedure includes two adaptive Artificial Neural Network-based models as well as the data fusion techniques to forecast incident duration. Model A is used to forecast the duration time at the time of incident notification, while Model B provides multi-period updates of duration time after the incident notification. These two models together provide a sequential forecast of incident duration from the point of incident notification to the incident road clearance. Model inputs include incident characteristics, traffic data, time gap, space gap, and geometric characteristics. The model performance of mean absolute percentage error for forecasted incident duration at each time point of forecast are mostly under 40%, which indicates that the proposed models have a reasonable forecast ability. With these two models, the estimated duration time can be provided by plugging in relevant traffic data as soon as an incident is reported. Thereby travelers and traffic management units can better understand the impact of the existing incident. Based on the model effect assessments, this study shows that the proposed models are feasible in the Intelligent Transportation Systems (ITS) context.     

人工神经网络在材料研究中的应用

简略介绍了人工神经网络的基本思想及特点,综述了人工神经网络在材料性能预测、工艺参数优化、相变规律的研究、微观组织模拟等领域的应用情况.对人工神经网络研究中存在的问题进行了分析,展望了其应用前景.     

人工神经网络在皮尔斯电子枪设计中的应用

基于人工神经网络（ANN）的皮尔斯电子枪初值设计方法,不但能有机地结合迭代综合法与非迭代综合法的优点,还能把前人体现在实验数据中的设计经验通过训练样本融入到其中,从而设计出很接近实验值的新电子枪。在有较多电子枪实验数据的情况下,ANN法的优点尤为显著,经20多支电子枪的检测结果表明：ANN法的设计值比综合法的计算值更接近实验结果。     

三维面形测量中的基于神经网络的数据修补技术

提出了一种基于神经网络的数据修补方法。在BP算法的基础上,利用遗传算法强大的全局搜索能力使网络学习跳出局部极小值,从而提高了样本的训练质量和速度。试验结果表明;该算法精度高、速度快,优于以往文献中提出的数据修补方法,在机器视觉、工业检测、逆求工程等领域具有重要意义和广阔的应用前景。     

数据采集处理系统在真空预冷实验中的应用

在真空预冷实验中,数据的采集处理非常重要.本文介绍了VAC-0.2型真空预冷实验机的数据采集处理系统,以白菜、生菜和黄瓜三种蔬菜作为实验对象,得到了这几种蔬菜的真空预冷实验数据,为真空预冷技术的推广应用提供参考.     

利用人工神经网络进行多光谱温度测量的研究

如何用辐射方法测物体的真实温度是长期存在的难题。本提出了一种测量目标真实温度的新方法,即基于神经网络模型的多光谱测温方法,并给出了仿真实验结果。