差分拉曼光谱结合机器学习对汽车灯罩的可视化研究

为实现对汽车灯罩的快速无损、高效便捷的分类及预测,提出一种基于差分拉曼光谱结合机器学习对灯罩的可视化鉴别方法。利用差分拉曼光谱仪对32个品牌、9种车型共计46种汽车灯罩样品进行了检测,得到了样品的差分拉曼光谱图。对光谱数据先进行主成分分析降维,用提取到的5个PCA对样品进行自组织映射(SOM)聚类,同时对聚类结果可视化处理,再结合多元无序logistic回归、可优化支持向量机(SVM)对样品进行分类预测。46个样品被分为7类,多元无序logistic回归、可优化支持向量机的准确率皆为100%,实现了对样品的分类及预测。差分拉曼光谱准确高效,谱峰尖锐清晰,可以分析样品的主要成分及填料。SOM函数分类效果较好,所建立的分类模型可以精准地对不同来源汽车灯罩样品进行区分及归属预测,为汽车灯罩物证溯源提供了一种新的思路和技术手段。     

基于Fisher判别⁃支持向量机的汽车灯罩显微激光拉曼光谱研究

为实现对司法鉴定工作中经常遇到的汽车灯罩类物证进行数据化、可视化的无损高效率鉴别,采用PCA主成分分析前处理结合FDA-SVM（RBF）组合分析鉴别物证的方法,对获取的“奥迪”“别克”等18个品牌的173组拉曼红外光谱数据进行了实验和理论分析。借助Pearson相关性分析和PCA主成分分析的结果选择特征位移,分别建立基于Fisher判别分析和SVM支持向量机的数据分类模型。结果表明,FDA模型和SVM（RBF）模型对灯罩样本的综合区分准确率分别为97 %和51.85 %,SVM模型对“奔驰”“别克”等8个品牌的区分准确率达到了100 %,FDA与SVM模型互相补充的FDA-SVM（RBF）模型可对不同品牌灯罩拉曼红外光谱进行准确区分,分类效果较好。该方法高效、准确,对侦查破案中借助灯罩物证鉴定缩小侦察范围有一定的参考意义。     

基于稳健设计的汽车尾灯罩注塑工艺优化

以某汽车尾灯罩的翘曲变形量为主要优化目标,应用Moldflow软件,采用稳健设计的方法,结合随形冷却水道设计,对汽车尾灯罩注塑工艺参数进行优化,确定模具温度、熔体温度、注射时间、冷却时间、速度/压力转换作为参数,得到了各工艺参数的最优组合为：模具温度75℃,熔体温度250℃,注射时间1.8 s,冷却时间12.0 s,速度/压力转换100%。结合随形冷却水道的设计模拟优化后,翘曲变形量由最初的0.411 8 mm优化为0.154 4 mm,翘曲变形量减少了62.51%,说明稳健设计方法结合随形冷却水道设计对提升复杂零部件产品质量起到了重要作用。     

具有多种脱模结构的汽车灯罩精密模具设计

按照汽车灯罩的结构和外观要求,设计了一款精密塑料模具.运用热流道与冷流道相结合的进料系统,从产品内表面浇注,解决了产品外表面不允许有注塑缺陷的问题;针对产品边缘有一个分叉的特征,通过采用油缸带动定模斜抽芯进行脱模,在两板模的基础上解决定模斜抽芯的抽芯问题;采用组合式斜顶结构形式,通过将动模斜顶座的滑槽做成斜面,解决了产...     

高光谱结合人工神经网络对丹参药材的质量评价

采用高光谱结合人工神经网络,建立了不同来源的丹参药材的鉴别方法。采集了8类不同来源丹参药材样品的高光谱数据,用Savitzky-Golay平滑滤波方法对高光谱数据进行预处理,再采用反向传播-人工神经网络方法建立分类模型。结果显示,经Savitzky-Golay平滑滤波光谱预处理后,建立的模型对测试集的分类准确率达到98.75%。研究表明,高光谱结合人工神经网络方法是一种很有前景的丹参药材的质量评价方法。     

基于Mold?ow的路灯灯罩浇注和冷却系统优化设计

基于Moldflow软件,以路灯灯罩塑件的翘曲变形为研究对象,设计了3种浇注系统方案并进行分析对比,从而确定最佳浇注系统;在此基础上设计了2种冷却系统和保压工艺方案,并进行了分析对比研究,最终使塑件的总翘曲变形量降至1.717 mm,较初始系统的总翘曲变形量(2.543 mm)下降了32.5%,塑件Z向翘曲变形量降至0.474 3 mm,较初始系统的翘曲变形量(1.312 mm)下降了63.9%。研究结果对缩短模具设计周期、提高模具设计质量、提升产品注塑质量具有重要的指导意义。     

基于人工神经网络的粉煤灰科学分类

鉴于目前国内在粉煤灰分类方面存在的片面性,我们结合人工神经网络(ANN)理论,提出了基于人工神经网络的粉煤灰科学分类方法。该方法充分考虑了粉煤灰的火山灰活性,并考虑了细度、玻璃体、烧失量、K2O、SO3、CaO多种因素对分类的影响。实例表明,按本文提出的方法建立的网络模型比较合理,精度比较高,克服了以往分类方法的片面性,能比较全面地反映粉煤灰的品质性能,为粉煤灰的多元化利用提供依据。     

差分拉曼光谱结合人工神经网络对药品塑料包装瓶的分类研究

建立一个无损检验药品塑料包装瓶并对其进行分类的模型。利用差分拉曼光谱技术对47个样品进行检测,首先在原始数据的基础上进行差分拉曼光谱分析并进行人工分类,再运用Fisher判别法(FDA)和主成分分析法(PCA)对数据进行处理,结合人工神经网络算法(ANN-MLP/RBF)构建分类模型。在多层神经网络(MLP)模型中,使用原始数据、FDA处理后的数据、PCA降维后的数据对样本分类的正确率分别为87.23%、93.62%、97.87%,MLP模型下对样本分类的整体准确率为93%;在径向基神经网络(RBF)模型下,使用原始数据、FDA处理后的数据、PCA降维后的数据对样本分类的正确率分别为87.23%、93.62%、95.74%,RBF模型下对样本分类的整体准确率为92%。在研究相同条件下对药品塑料包装瓶进行分类时,采用PCA+MLP模型为最佳方案。     

红外光谱结合化学计量学鉴别西红花的产地

西红花不仅是在世界范围内广泛使用的传统香料,也是一味著名的中草药,其品质与产地密切相关。迫切需要寻找一种能快速对西红花进行产地判别的方法。基于不同产地西红花样品近、中红外光谱数据特征,采用Savitzky-Golay平滑(SG平滑)、多元散射校正、标准正态变量变换、一阶导数和二阶导数等预处理算法对光谱数据进行降噪处理,可以减小试验样本、测定环境以及仪器噪音对光谱数据的影响。结合偏最小二乘判别分析(Partial least square-discriminant analysis, PLS-DA)、决策树(Decision tree, DT)和支持向量机(Support vector machine, SVM)方法分别建立近红外光谱、中红外光谱、近中红外融合光谱分类模型,并采用移动窗口偏最小二乘法(Moving window partial least square method, MWPLS)提取光谱特征区间可以提升建模速度和分类精度。基于预测结果的准确率、混淆矩阵(Confusion matrix)和ROC曲线下面积(Area under curve, AUC)以选择最优分类模型。...     

基于人工神经网络的炸药性能研究

为了解人工神经网络方法在炸药性能预测的应用及发展,分析总结了BP神经网络在炸药性能预测方面的应用。选取合适的参考量作为输入,建立BP网络学习样本、训练样本,构建网络,训练并优化网络,调整隐含层节点数和迭代次数,使得预测误差处于可接受范围。通过对炸药的装药密度、爆热、爆速以及撞击感度等性能的研究,认为人工神经网络会对炸药更多的性能进行精确的预测,有重要参考价值。     

基于遗传算法的人工神经网络在油水层识别中的应用

油水层识别是测井二次解释的重要内容。基于遗传算法的人工神经网络方法具有自学、自适应和抗干扰等特点，能有效地区分油水层。实际应用表明，其误判率远低于传统方法。     

人工神经网络软测量仪表延迟时间处理及动态特性研究

采用BP和RBF网络,开发了人工神经网络软测量仪表软件,实现了不可测变量的在线观测。讨论并解决了延迟时间的确定与处理、动态特性的拟合等主要难点问题。利用三层BP网络辨识出非线性对象的延迟时间;采用将输出量引入到多层静态神经网络的入口和对输入数据进行衰减加权的方法,完成对系统动态特性的表征,使所开发的神经网络软测量仪表更真实地反映了系统的静态和动态性能,准确性高且有更好的适应性。     

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。     

化学计量学中人工神经网络部分课程建设探讨

人工神经网络是《化学计量学》课的一个重要组成部分,所建立的模型常常用于解决各种复杂任务。为了使抽象的理论更容易为学生所理解,在教学中采用多种教学手段,例如激发学生的学习兴趣和在教学中对人工神经网络与神经系统(尤其是脑)进行类比。课程中讲解的主要内容为反向传输人工神经网络与kohonen自组织映射及其在化学中的应用。     

基于神经网络的化工过程测量数据在线校正技术的研究

研究了人工神经网络在化工过程测量数据校正中的应用，提出了新的样本构造方法和神经网络的在线训练策略。对某乙烯装置裂解气分离系统测量数据，应用自行设计开发的改进算法的神经网络与数据校正系统集成运行，结果表明基于神经网络的数据校正技术能对测量数据中所含的随机误差和过失误差进行同时校正，提高过程数据的精度和校正过程的稳定性，同时满足数据校正的实时性要求。     

计算机与网络技术在汽车设计上的应用

随着人们对于汽车的舒适性的要求不断提高，各种计算机控制的设备越来越多的应用在汽车上，对于汽车（特别是轿车）的设计无疑会带来一次汽车设计上的变革     

色谱指纹图谱识别的人工神经网络方法对比研究

将反传人工神经网络、径向基人工神经网络和自组织竞争人工神经网络方法用于清热解毒口服液色谱指纹图谱的解析。建立了清热解毒口服液色谱指纹图谱三种人工神经网络模型,采用留一法评价三种网络的学习能力,结果表明,与反传人工神经网络和径向基人工神经网络相比,自组织竞争人工神经网络有更强的自学习能力和泛化能力。     

神经元网络在化学工程中的应用与发展

综述了神经元网络在化工领域中的应用状况，并指出了今后的发展趋势。     

人工神经网络在混凝土强度预测中的应用

人工神经网络技术综合考虑了高强度、高性能混凝土强度的各种影响因素,可用于预测混凝土强度。本文选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值,建立起混凝土强度预测BP网络模型,进而对混凝土配合比强度实验数据进行分析预测,结果效果良好。表明该方法用于高性能混凝土强度预测方面是可行的。