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.     

人工神经网络及其在化工领域中的应用

人工神经网络所具有的自学习、高容错和高度非线性描述能力等优点,使得其在人工领域中得到广泛的应用,这些应用包括定量结构-活性/性质相关性分析、谱图分析、化合物结构解析、化工过程控制和蛋白质结构预测等。     

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。     

基于BP神经网络的PID算法研究与应用

针对实际非线性、不确定系统,文章将提出基于BP算法神经网络PID算法,阐述了三层BP网络设计方法。最后用于一个慢变性被控对象进行仿真,结果表明,此控制方法能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时出现的参数整定不良等问题。     

人工神经网络在污水处理中的应用

文章对污水处理系统的特点进行了分析,并针对时变性、非线性、复杂性和不确定性的特点,提出应用人工智能技术对其进行智能控制是实现城市污水处理系统自动控制的重要方法。对人工神经网络控制特点进行了介绍,综述了国内外人工神经网络在污水处理不同领域中的应用研究,并结合国内外研究动态,简要分析了人工神经网络污水处理今后的发展方向。     

BP网络培训算法的改进及其ANN在催化精馏水解塔模拟中的应用

将人工神经网络法应用到催化精馏塔的模拟,并用逐批处理及非单调线性搜索等方法对标准ＢＰ算法进行改进,效果满意     

玻璃纤维在建筑材料领域中的应用

本文介绍了玻璃纤维在建筑领域中的几项具体应用，并详细阐述了其代表性制品的特点。     

玻璃纤维在特殊领域中的应用

7发泡材料与薄膜 7.1玻璃纤维增强发泡材料 近年来,日本一些公司开发成功一种可以用作木材代用材料的玻璃纤维增强发泡材料.这种发泡材料的制造方法大致为:把玻璃纤维和热塑性聚合物用抄纸工艺等方法加工成非织造片状材料,根据最终产品的厚度要求,将若干层这种非织造片状材料层合在一起,再进行热压处理.     

自组织人工神经网络算法在储层预测中的应用

Su10井区位于苏里格气田,该气田是一个有效储离散分布的大觃模低效气田。通过对测井曲线和取心岩样数据建立测井解释标准模型,寻找有效砂体并确定其岩性物性参数范围。从地震资料中提取的地震属性资料,运用自主神经网络算法学习标准储层参数与这些属性之间的权值关系,通过学习的权值关系来分析目标储层的地震属性特征,反推其岩性物性参数得到有效砂体的分部范围和厚度预测结果,为迚一步的储层预测给出参考意见。     

基于LDIW-PSO算法的BP神经网络在压力传感器中的应用

提出基于LDIW-PSO算法优化的BP神经网络温度补偿方法。优化的BP神经网络使用LDIWPSO算法调整其权值和阈值,使之收敛速度快,不会产生局部极小值问题。通过实验和仿真结果可以看出:该算法对温度补偿精度高、误差小,效果明显。     

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。     

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.     

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。     

用BP神经网络和遗传算法优化电沉积Cu-W的工艺参数

用神经网络和遗传算法(BP-GA)优化电沉积Cu-W的工艺参数。结果显示:BP-GA预测结果与试验结果较接近,相对误差为9.05%,说明BP-GA优化电沉积工艺参数有较高的预测能力和准确度。     

BP神经网络在非线性系统建模中的应用

介绍了采用BP神经网络建立系统数据间的非线性关系的数学模型,利用三层BP网络,结合Matlab神经网络工具箱,模拟肼与过氧化氢的反应过程,将预测的结果和实验数据作比较,结果表明该模型的预测值和试验值吻合的很好,是一种可行的数据处理方法。     

蚁群算法优化BP神经网络在主汽温控制中的应用

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计了一种基于蚁群算法、BP神经网络的智能PID串级控制系统.采用蚁群算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调整,从而实现了对主蒸汽温度的动态控制.仿真结果表明：该系统在控制品质、鲁棒性方面都明显优于常规PID控制系统.     

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。