基于支持向量机算法的微注射成型工艺参数优化

为了控制菲涅尔透镜在注塑过程中的翘曲变形量,采用支持向量机算法建立了菲涅尔透镜的翘曲预测模型,并对该模型的预测精度进行了研究.采用正交试验法获取注塑工艺参数,各组注塑工艺经Moldflow仿真得出模型的训练样本及检验样本数据.然后,对支持向量机算法建立的翘曲预测模型进行样本学习,训练完毕后由检验样本验证该模型的预测精度.实验结果表明:采用支持向量机算法建立的预测模型预测误差比较稳定,均在0.2%以内.因此,采用支持向量机算法建立菲涅尔透镜的翘曲预测模型可有效地预测菲涅尔透镜的最大翘曲量,且预测的精度与稳定性较高.     

支持向量机在混炼胶质量预测中的应用

介绍支持向量机（SVM）的原理，并试验研究密炼过程中应用SVM模型对混炼胶质量进行预测。结果表明，SVM预测模型所得结果与回归分析法模型的预测结果接近，且具有更强的泛化能力；其预测误差控制在门尼粘度均值的3％以内。     

基于人工智能算法的氯盐侵蚀混凝土预测模型

本文基于机器学习算法建立了输电塔桩基混凝土氯离子浓度预测模型,通过相关系数、均方根误差、绝对平均误差和方差比对模型进行检验,并根据蒙特卡洛模拟对模型的稳健性进行分析,同时基于海马优化器对模型进行优化。结果表明,支持向量机(SVM)模型、随机森林(RF)模型和梯度提升树(GBDT)模型都可以准确预测输电塔桩基混凝土中氯离子浓度,相关系数R²均大于0.880,均方根误差小于0.009,绝对平均误差小于0.006,方差比大于0.890。根据误差和稳健性分析结果,建议混凝土中氯离子浓度的预测计算优先使用GBDT模型和SVM模型。根据优化结果,海马优化器能显著提升模型的性能。     

双向门控循环神经网络的SO_2排放浓度预测模型

火力发电站脱硫系统数据具有大惯性和延时性等特点,且影响SO_2排放浓度的因素众多。为此,建立了基于双向门控循环神经网络(biGRU)的SO_2排放浓度预测模型。以分析得到的主成分为输入变量,SO_2排放浓度为输出变量,通过训练对脱硫系统SO_2排放浓度数据进行预测,并进行比较。结果表明,与传统的RNN以及LSTM模型相比,biGRU模型能够获得较高的预测精度,其对称平均绝对百分比误差相较于RNN和LSTM分别下降了4.235%,0.718%,其均方根误差分别下降了1.942,0.443 mg/Nm³。该模型预测误差较低,泛化能力较好,具有较高的实际应用价值,有利于实现排放控制和节能减排。     

基于MIC-CFS-LSTM的SCR出口NOx浓度动态预测

针对燃煤机组选择性催化还原(SCR)系统出口氮氧化物(NO_x)预测模型精度不高的问题，提出一种基于最大信息系数(MIC)和长短期记忆(LSTM)神经网络的预测模型方法。首先采用MIC估计各变量的延迟时间，对数据进行时延重构；然后采用重构后数据的MIC值作为评价各输入变量和输出变量间相关性大小的指标，并结合基于关联性的特征选择算法(CFS)进行输入变量筛选；最后基于时延重构和变量筛选后的数据，采用LSTM神经网络建立了SCR出口氮氧化物浓度动态预测模型。该模型被用于广东某320 MW燃煤机组实际运行数据分析。结果表明，经时延重构和变量筛选后所建立的LSTM预测模型具有较高精度，优于深度神经网络(DNN)模型和径向基函数(RBF)神经网络模型，平均绝对百分比误差达2.58%,均方根误差达2.02,可满足现场运用要求。     

基于RBF神经网络和遗传算法的注塑成型质量控制与预测

针对注塑产品容易产生翘曲和缩痕的问题,以某检测仪外壳为研究对象,运用RBF神经网络模型和遗传算法,对注塑成型质量进行控制与预测。基于正交试验方案,运用Moldflow有限元分析软件获得试验结果;利用样本数据建立试验因素与响应值之间的RBF神经网络模型,并用最优拉丁超立方抽样技术,获得样本点对模型精度进行检验;运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对注塑成型工艺参数进行多目标优化,达到有效控制和预测翘曲变形、体积收缩率和缩痕指数的目的,并经模拟和试模验证误差较小。结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0.394 mm,外观无缩痕。     

支持向量机法预测严酷环境混凝土的抗压强度

以16种强度影响因素为输入参量,混凝土抗压强度为输出参量,通过支持向量机(SVM)法建立预测模型。搜集处理了6300组样本数据,以5900组样本为训练集,400组样本为测试集,采用K-交叉验证法选择得到最佳的核函数参数g和惩罚因子c;以决定系数(R^2)、平均相对误差(MAPE)和均方根误差(RMSE)为指标评价模型的预测精度。结果表明,SVM预测模型可以较好地用于混凝土抗压强度预测,且泛化能力较强。     

基于灰色关联分析的注塑工艺多目标优化及PSO–SVM预测模型的建立

针对某电器活动上盖翘曲变形及体积收缩问题,对相关注塑工艺参数进行正交实验设计,在Moldflow中模拟分析,并对翘曲变形量及体积收缩率进行信噪比优化处理。利用灰色关联分析法得到翘曲变形量和体积收缩率的灰色关联度,通过对灰色关联度进行极差分析得到各注塑工艺参数对塑件综合目标(翘曲变形量及体积收缩率同时较小)的影响程度为:保压时间>注塑时间>模具温度>熔体温度>保压压力>冷却时间,同时由灰色关联度极差分析结果得出最优工艺参数组合,在最优工艺参数组合下的翘曲变形量相对于正交实验水平下最小翘曲变形量降低了11.8%,体积收缩率相对于正交实验水平下最小体积收缩率降低了5.9%。最后采用粒子群优化算法(PSO)优化后的支持向量机(SVM)神经网络模型对该塑件翘曲变形量及体积收缩率进行预测,通过与不优化的SVM神经网络及BP神经网络预测模型相比发现,PSO–SVM神经网络模型预测精度及稳定性都优于SVM及BP神经网络,可以用于塑件翘曲变形量和体积收缩率的协同优化,解决塑件实际翘曲变形及体积收缩问题。     

注塑制品翘曲变形的数值模拟优化与预测

以电池后盖板为CAE模拟分析模型,利用正交试验设计方法,将减小制品翘曲变形量作为优化目标,得到各工艺参数对制品翘曲变形量的影响程度及最优化工艺参数组合。利用径向基函数RBF神经网络对制品翘曲量进行预测,建立了各工艺参数与制品翘曲变形之间非线性映射关系模型,并与BP神经网络进行了对比。结果表明:RBF神经网络模型,可以较准备地预测制品的翘曲变形,并且在精度、训练速度等方面优于BP网络。     

基于深度残差网络的塑料齿轮玩具网络模型

为提升塑料齿轮玩具工艺参数缺陷预测性能,应用深度学习卷积神经网络技术,提出2个基于深度残差网络的塑料齿轮玩具网络模型,称为模型1、模型2。经仿真分析可知:当批次样本量为8、训练代数为1 000时,模型2对体积收缩率、翘曲量的预测误差百分比分别为0.009 7%、0.010 2%,优于模型1;模型2对塑料齿轮玩具工艺参数体积收缩率、翘曲量预测精确率分别为92.146 8%、90.288 4%。说明模型2应用深度残差网络可提取多样化、抽象的语义特征,具备较小的预测误差百分比、较高的预测可信度和较高的预测效率。研究结果可为当前塑料齿轮玩具工艺参数预测工作提供一定的参考。     

乙苯,苯乙烯的生产及合成乙苯,苯乙烯催化剂的研究进展

苯乙烯是重要的石油化工原料。本文介绍了国内外苯乙烯生产的发展概况，合成乙苯，苯乙烯所用的催化剂种类，并就苯乙烯生产及催化剂的发展趋势提出了自己的观点。     

生物质气化及生物质与煤共气化技术的研发与应用

总结了生物质原料的特点及生物质单独气化的缺点;介绍了国内外生物质气化技术及生物质与煤共气化技术的研发与应用现状;分析了在此领域国内外的发展趋势与前景;概括了开展生物质与煤共气化技术研发的意义。     

Kinetics and Mechanism of Oxidation of Mono- and Polyacetals

Abstract

Kinetics and mechanisms of oxidation of 6 acetals by molecular oxygen and ozone in liquid phase have been studied. Reaction with molecular oxygen (70°C, 15–16 hr) leads to the formation monoethers of the corresponding glycols with 68–90% selectivity. Salts of metals and complexes with crown-ethers have increased the reaction rate significally. Ozone have reacted with acetals with formation similar products. The mechanisms of intermediate stages have been proposed.     

责任和责任心的涵义与结构

责任是人应主动承担的角色义务和对其因过失所造成后果应承担的责罚.有两层涵义:一是义务;二是后果.责任心是个体自觉做好分内事务和履行道德义务的心理倾向,是个性心理品质成分中自我特征维度上的重要内容.责任心具有两个方面的涵义:一是角色分内职责;二是角色道德义务.责任心是一种通过责任认知、责任个性和责任适应的动态形式表现出来的静态品质,责任心是责任心过程结构与责任心关系结构相互制约、相互影响的统一体.     

Electronic structures and reactivities of monometallic and bimetallic clusters of Au and Cu

The variation of the Au 4f binding energy of Au clusters with the cluster size has been established by measuring the binding energies of clusters whose size distributions were independently determined by HREM and STM. The binding energy increases significantly when the cluster size is less than 2 nm. Au-Cu bimetallic clusters of the composition Cu₃Au have been deposited for the first time on carbon substrates. The shifts in the core level binding energies of the bimetallic clusters show the effect of alloying in the case of large clusters, but show effects of both alloying and cluster size in the case of the small clusters. The interaction of CO with Cu₃Au clusters is stronger than with a bulk Cu metal. The interaction of CO with small Cu clusters also seems to be stronger than with bulk Cu or with large Cu clusters.     

泡沫起泡性、稳定性及评价方法

本文论述了泡沫的两个基本性质:起泡性和稳定性。对起泡性和提高泡沫稳定性的方法作了评价。     

甘油锌和光稳定剂NBC、BZ的光稳定作用测试与评价

对用甘油锌作光稳定剂的光稳定作用进行了测试，并与光稳定剂NBC，BZ进行了比较。研究了甘油锌，NBC和BZ与双酚A的复配效果。研究结果表明，甘油锌是一种性能优良的光稳定剂。     

实施水泵节能技改 实现节能降耗

介绍了内蒙古亿利化学工业有限公司在满足生产的前提下,对现有的循环水泵实施的节能技改及效果。     

医药和农药纳米剂型研究和应用

系统介绍了医药和农药纳米剂型研究进展和应用前景。医药微乳剂和纳米悬浮剂可显著改善药物的悬浮性和分散性,提高生物利用度。载药纳米微粒具有缓释功能,延长药物在体内的半衰期,并可实现药物的靶向定位给药。农药微乳剂具有增溶和渗透作用,提高农药的传递效率和使用安全性。农药纳米悬浮剂和载药纳米粒均可显著提高药效。纳米技术为医药和农药剂型的研究提供了新机遇,具有广阔的应用前景。     

Antioxidative activity and phenolic composition of pilot-plant and commercial extracts of sage and rosemary

Eight sage (Salvia officinalis) and twenty-four rosemary (Rosmarinus officinalis) extracts, originating from pilot-plant or commercial sources, had different antioxidative activities as measured by accelerated autoxidation of methyl linoleate. Twenty-seven compounds were characterized in the Labiatae family extracts by high-performance liquid chromatography (HPLC) coupled with mass spectrometry, equipped with an atmospheric pressure chemical ionization interface, and by HPLC coupled with a photodiode array spectrophotometer. Twenty-two compounds were identified, including phenolic acids, carnosol derivatives, and flavonoids. The extracts showed great variation in their HPLC profiles, and no correlation was apparent between their antioxidative efficiency and their composition, in twenty specific phenols. Data indicated that the most effective compounds were carnosol, rosmarinic acid, and carnosic acid, followed by caffeic acid, rosmanol, rosmadial, genkwanin, and cirsimaritin.