基于数据库的陶瓷材料计算机辅助设计

根据已知文献的数据建立了陶瓷材料性能和组分数据库 ,开发了管理和操纵该数据库的应用程序 ,利用该程序可以查询已知陶瓷材料系统性能与组分的关系 ;建立了基于该数据库的人工神经网络预测模型 ,通过操纵陶瓷材料数据库中相关数据 ,并结合人工神经网络预测模型程序可以预测未知材料系统在给定性能条件下的各相组分 ,预测了Al2 O3 (W ,Ti)C陶瓷材料在两种目标性能下的组分 ,并计算了其预测误差 ,结果表明 ,其实验值与预测值较为吻合。     

固相法氯化等规聚丙烯的溶解性研究

研究了制备工艺条件、原料性质等对氯化等规聚丙烯溶解性能的影响。结果表明 ,选择适当的控温方式制得氯分布均匀的CIPP溶解性较好 ;原料熔融指数高的等规聚丙烯原料制得的CIPP产品溶解性较好 ;原料颗粒粒度和含氯量对产物CIPP的溶解性能影响显著     

基于组合预测模型的变压器油中溶解气体浓度预测

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。     

超声波处理对染料溶解性能的影响研究

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。     

人工神经网络在橡胶工业中的应用进展

简要介绍了人工神经网络的原理、特点、结构、发展历史及现状,着重总结了该方法在橡胶工业的机械设计、性能预测、配方优化等方面的应用情况,指出了前人研究成果的创新之处及现阶段存在的问题,并对人工神经网络在橡胶工业领域的发展趋势做了预测。     

人工神经网络在高分子复合材料研究中的应用

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。     

聚醚砜改性环氧树脂的研究

研究了聚醚砜在环氧树脂及各类溶剂中的溶解性能;通过对涂层附着力、柔韧性的比较,研究了聚醚砜添加量对环氧树脂的增韧改性效果,比较了增韧改性环氧树脂涂层的抗空蚀性能。结果表明:聚醚砜在环氧树脂及强极性溶剂中具有较好的溶解性;聚醚砜能明显改善环氧树脂的柔韧性,且其加入量为20%~25%时增韧效果较好,此时增韧改性环氧涂层的抗空蚀性能相对较好。     

不同质子酸掺杂对聚苯胺性能的影响

用化学氧化法合成了不同质子酸掺杂的聚苯胺,并研究了各种质子酸掺杂对聚苯胺产量、溶解性能和导电性能的影响。研究发现,在文章中选用的几种掺杂剂中,三氯乙酸掺杂的聚苯胺在电导率、产量和溶解性方面都具有明显的优势,尤其是在产量和溶解性能方面,优势更加显著。     

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。     

三氯蔗糖在不同溶剂中的溶解性

研究三氯蔗糖在乙酸乙酯、乙酸丁酯、水、乙酸乙酯与水混合溶液等溶剂中的溶解性。分别使用三氯蔗糖溶解在相关溶剂中,并通过称重烘干法得到相对准确的溶解性。三氯蔗糖在不同的溶剂配比中溶解性不同,而且温度对于溶解度也有很大影响。当乙酸乙酯与水比例为4∶6时(25℃),三氯蔗糖在此溶剂中展现良好的溶解性。     

低取代羟丙基纤维素的溶解性及其表征方法

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。     

基础理论

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…     

基于ANN的复合材料变厚度壳体固化变形预测

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。     

粒子群算法优化的人工神经网络预测Ni-Fe合金镀层的性能

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。     

一种优化的橡胶老化性能预测方法

正申请公布号:CN 112989691A申请公布日:2021年6月18日申请人:航天材料及工艺研究所发明人:张欢、许文、赵云峰等本发明介绍了一种优化的橡胶老化性能预测方法。利用优化的BP人工神经网络对应用于复杂环境下的橡胶材料及制品的老化性能进行预测。首先对输入的数据进行整理和筛选;然后确定输入层和输出层的参数,利用BP人工神经网络对输入数据进行训练,优选出隐含层神经元个数和训练函数;之后利用训练的神经网络模型对橡胶材料性能数据进行预测。该方法使用的BP人工神经网络具有良好的自适应性和自学习能力,     

高聚物流变性能预测与研究

根据影响高聚物流变性能的各因素之间的关系,运用Matlab软件建立一个人工神经网络。对5种高聚物材料进行实验;用实验数据对网络进行训练,并对高聚物流变性能进行预测;将预测和实测的结果进行分析对比。结果表明,用人工神经网络的方法预测高聚物的流变性能是可行的,预测精度较高,平均误差小于5%。     

基于灰色系统理论的发动机冷却液劣化状况预测

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。     

吸水剖面预测模型研究进展及展望

吸水剖面是油田开发过程中重要的动态监测资料,但测试数据点较少,如何充分利用现有吸水剖面及动静态资料,实现无测试时间点和井点的吸水剖面预测成为研究热点。目前,针对吸水剖面预测模型研究及应用开展了相关研究,以吸水剖面影响因素研究现状为切入点,综合分析了现有的吸水剖面预测模型建立方法研究现状与展望。     

腐蚀海洋立管剩余强度预测

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。     

加权时间序列预测模型及其在矿业安全系统中的应用

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。