共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
李忠明 《化工自动化及仪表》2018,(8)
结合BP神经网络和灰色理论两种单项预测模型算法,提出组合优化预测模型算法,实现对变压器油中溶解气体浓度更为精确的预测。该组合模型算法机理是根据预测误差平方和最小化的原则,首先计算各单项预测模型的权重,然后将各单项模型的权重进行加权综合计算,建立组合最优预测模型。以变压器中溶解的H_2为例验证了该组合算法汲取了两种单项算法的优点,不仅使各单项预测算法的预报误差降低,也有效提高了预测模型的预报性能。 相似文献
4.
本文采用TEM、UV和激光粒度分析等测试手段研究了超声波处理对染料溶解性能的影响。研究结果表明,染料经超声波处理后溶解性能均有提高,其中可溶性染料的溶解性提高主要因染料分散性增加所致,不溶性染料的溶解性提高主要因染料粒度下降所致。 相似文献
5.
6.
人工神经网络(ANN)的基本结构是根据大脑的结构来建立的,是原始的人工神经元的简单的聚集,它可以用来模拟各种复杂的科学工程问题。ANN在材料学研究方面得到了广泛应用,主要用于金属材料性能方面的预测。近年来,其也逐渐被用于高分子复合材料的研究,主要对人工神经网络近些年在高分子复合材料性能的预测方面做了总结,其中包括对高分子复合材料的疲劳寿命、摩擦性能、复合加载情况和动态力学性能等的模拟预测。 相似文献
7.
8.
9.
10.
11.
采用偏光显微镜、旋转黏度计和广角X射线衍射仪表征了低取代羟丙基纤维素(HPC)在氢氧化钠水溶液中的溶解性能。结果表明:在质量分数为8%的NaOH溶液中,-5℃下可以较好地溶解HPC,高相对分子质量HPC溶解性较差,而低相对分子质量HPC溶解性较好,且动力黏度小;彩色偏光显微照片中紫红色背景区域意味着HPC大分子链呈胶束状溶解分散状态(即尚未充分溶解),充分溶解的HPC溶液则呈现淡蓝色的背景颜色,而未溶解且保持纤维状的HPC则可能呈现红、黄和蓝三色;偏光显微镜法和旋转黏度计法可以用来表征HPC的溶解性,X射线衍射法则不适宜表征其溶解性。 相似文献
12.
《化纤文摘》1998,(3)
983014关于聚丙烯腑材料不同溶解性和竟争染色的研究MailloJ…;Amer正an Dyestuff RePorter,1997,86,(6),p .34一40(英)研究人员检验了具有各自不同溶解性和染色特性的六种不同来源的聚丙烯睛纤维。溶解性也随着热液和次抓酸钠处理而变化。溶解性和染色差异的特定情况是不可区分的。而且包括共聚单体的类型和量,纺丝溶剂和方法,凝固条件和后纺阶段。结果指出,一种纤维在25℃10。%溶解,而另一种纤维在55℃溶解。二甲基甲酞胺与水的混合液(5:95)在15.2-51.6℃范围内六种纤维都半溶解。用Lintitest装置竞争染色证明,在这些聚丙烯睛纤维中染… 相似文献
13.
基于ANN的复合材料变厚度壳体固化变形预测 总被引:2,自引:0,他引:2
研究目的是建立基于人工神经网络的复合材料固化变形预测模型。复合材料固化变形的多因素性致使很难得到精确的解析解。应用人工神经网络方法结合实验实测数据,模拟复合材料各项参数与变形间的非线性关系,对相同材料(玻璃钢)在相近固化条件下的固化变形进行预测,计算速度快,精度高,为固化变形的预测控制提供了一种新方法。 相似文献
14.
建立了粒子群算法优化的人工神经网络预测模型。以工艺参数为输入变量,以单因素试验得到的Ni-Fe合金镀层的性能指标为输出变量,将粒子群算法优化的人工神经网络预测模型的预测结果与传统BP神经网络预测模型的预测结果进行了比较。结果表明:粒子群算法优化的人工神经网络预测模型具有更高的预测精度。通过建立模型得到了各个工艺参数对Ni-Fe合金镀层性能指标的评价指标权重。当电流密度为1.0~1.5A/dm2、镀液温度为45℃、搅拌速率为1 000~1 200r/min时,Ni-Fe合金镀层的表面粗糙度和腐蚀速率均处于较低水平。 相似文献
15.
16.
17.
发动机冷却液的在线监测与性能预测评估,对保证发动机的正常运行是十分必要的。针对发动机冷却液性能劣化状况难以预测,且预测精确度低等问题;基于灰色系统理论,构建了灰色等维新息GM(1,1)动态预测模型。通过对-35号乙二醇型发动机冷却液进行预测,研究了所建模型在冷却液劣化状况预测中的适用性。结果表明:灰色等维新息GM(1,1)动态预测模型的模拟值与实际测量值基本吻合,模型预测精度高;同时,这也为发动机冷却液劣化状况的预测提供了一种新的有效途径,对科学、经济、合理地确定发动机冷却液的更换周期,具有重要的指导意义。 相似文献
18.
19.
利用人工神经网络具有的高度非线性映射功能,对在役腐蚀海洋立管的剩余强度进行预测。综合分析了管径、壁厚、腐蚀缺陷长度、腐蚀缺陷深度和管材极限抗拉强度对腐蚀海洋立管剩余强度的影响,建立了反向传播(BP)神经网络预测模型。利用遗传算法(GA)优化BP神经网络的权值和阈值,构建了GA-BP神经网络预测模型。采用DNV-RP-F101标准计算出来的样本数据分别对以上两种网络模型进行训练和预测。预测结果表明:利用人工神经网络对腐蚀海洋立管剩余强度进行预测是可行的,且GA-BP神经网络能够有效地提高网络的收敛性和预测精度。 相似文献
20.
加权时间序列预测模型及其在矿业安全系统中的应用 总被引:2,自引:0,他引:2
依据安全系统的特征属性,探讨了典型的指数时间序列预测模型加权参数的估计方法,并构建了加权指数时间序列预测模型。引入修正指数权重函数,通过其特征参数调整,能较好的体现研究系统时间序列的时间属性。对我国矿业安全事故数序列进行了加权预测研究,通过比较常规预测模型和加权预测模型的预测残差平方和,表明加权预测模型可较大幅度的降低预测模型近期的预测残差,从而保证了预测的可靠性。加权时间序列预测模型具有较好的系统适应性,可推广应用于其他各类时间序列的系统预测。 相似文献