基于L-M算法网络的卫生瓷干坯强度的预测

采用Levenbcrg—Marquardt算法对BP神经网络进行改进，对获得的实验数据进行训练，首次建立了卫生陶瓷凝胶注模成型工艺中单体、引发剂、交联剂、催化剂含量和坯体干燥强度的映射网络模型，从而可利用该模型来预测在一定的有机成型添加剂含量下卫生陶瓷的干燥强度。结果表明，其预测平均误差小于0.6％，说明神经网络用于卫生陶瓷凝胶注模成型后性能的预测是完全可行的。     

(NH4)2S2O8-NaHSO3引发陶瓷直接凝固成型工艺的研究

采用凝胶注模成型方法，以丙烯酰胺为单体，（NH4）2S2O8-NaHSO3为引发剂，研究了卫生陶瓷凝胶注模成型工艺。探讨了不同工艺条件（单体、引发剂、减水剂的加入量及坯体成型温度等因素）对料浆原位凝固成型脱模时间和坯体干燥强度的影响规律。     

基于快速成型和凝胶注模的压电陶瓷成型工艺

采用快速成型和快速模具技术制备了具有复杂结构的模具.采用凝胶注模成型工艺成功制备出固相体积百分数含量为55,粘度小于1 Pa.s的PMN-PZT压电陶瓷悬浮体.考察了分散剂加入量、球磨时间、pH值与注模浆料流变性之间的关系,从而获得最佳浆料配制条件为:分散剂用量的质量百分数约在0.8~1.2左右,pH值为10~11,球磨时间为8 h.将PMN-PZT浆料注入模具,经过热处理和后处理便得到了具有复杂结构的压电陶瓷部件.对比了快速成型和凝胶注模与传统模压成型工艺制备的样品,扫描电镜(SEM)显微形貌分析和电学性能测定表明:快速成型和凝胶注模工艺制备的样品与模压工艺制备的样品相比较,其显微结构均匀致密、晶粒大小与晶界分布均匀,气孔率更小,电学性能更均匀.     

陶瓷材料的凝胶注模成型技术

介绍了凝胶注模成型技术的起源、基本原理、分类、工艺流程、工艺特点以及陶瓷浆料的稳定机制。采用该技术可净尺寸生产形状复杂的大尺寸陶瓷零件，生产成本低，可靠性高，且所成型的陶瓷坯体成分和密度均匀，干燥和烧结过程中不会变形，缺陷少，坯体强度高，可进行机加工。凝胶注模成型工艺的重点和难点是浆料的可控固化，坯体与空气接触后的表面剥落以及干燥、排胶和烧结过程中升温速度的控制。     

氧化铝陶瓷的凝胶注模成型研究（2）悬浮体的凝胶化

对凝胶注模成型氧化铝的具体工艺参数进行了初步的研究，包括单体用量、单体与交联剂的比例、引发剂的用量和固相含量等参数对凝胶注模成型部件的质量和性能的影响．研究表明，预混液中单体AM用量为24％(质量比)左右、单体与交联剂用量比例在24％(质量比)以下、引发剂用量为0．014ml以上时，能得到足够进行机加工所需强度的坯体；在保证流变性要求的前提下尽量提高固相含量，对获得高密度和高强度的坯体有利．此外，悬浮液抽真空除气对提高坯体的强度影响明显。     

基于两种BP神经网络的精纺毛纱性能预测模型的比较

在较大输入层样本数、较多输入层节点数的条件下,尝试使用单隐层BP神经网络模型与双隐层BP神经网络模型分别对精纺毛纱的条干不匀率与断裂强力进行预测,分析比较单、双隐层模型的预测性能.结果表明:隐含层节点数为9的双隐层BP神经网络模型预测性能最佳,相关系数值为0.920 5;对精纺纱的断裂强力进行预测时,隐含层节点数为8的双隐层BP神经网络模型预测性能最好,相关系数值为0.917 1.因此,在输入层样本数较大、输入层节点数较多的条件下,双隐层BP神经网络模型更适合对精纺毛纱的性能进行预测.     

基于人工神经网络的SS400钢板力学性能预测

寻求微观组织与性能的定量关系一直是研究开发离线与在线预测系统的关键问题，针对热轧带钢SS400性能预测系统，提出了基于Matlab神经网络工具箱的神经网络解决方案．该模型采用前向神经网络，在利用BP算法的基础上，为了克服常规BP学习算法的缺陷，Matlab神经网络工具箱对常规BP算法进行了改进，采用更有效的数值优化方法，如Levenberg—Marquardt优化方法，建立了化学成分和生产的主要工艺参数与产品力学性能之间的关系．结果表明影响板带屈服强度、抗拉强度和延伸率三者的显著因素为钢板厚度和含碳量．     

改进果蝇算法优化BP神经网络预测汽油辛烷值

针对BP神经网络存在预测精度不佳、预测结果不稳定的问题,提出改进果蝇算法优化BP神经网络(back propagation neural network)预测模型。将混沌映射、判别因子与变步长机制引入果蝇优化算法(fruit fly optimization algorithm, FOA)中,得到改进后的自适应混沌果蝇优化算法(fruit fly optimization algorithm with chaos and discriminant factors, CDFOA),并利用测试函数对算法进行性能验证。利用CDFOA优化BP神经网络的初始权值与阈值,构建基于CDFOA优化BP神经网络对于汽油辛烷值的预测模型CDFOA-BP。将采集到的60组汽油数据输入预测模型进行测试分析。预测结果表明,与FOA-BP模型、PSO-BP模型、SSA-BP模型和BP神经网络模型相比,CDFOA-BP模型在预测精度与预测稳定性上均优于其他4种模型,验证该模型的有效性与可行性。     

基于灰色遗传BP神经网络的大坝变形预测

提出了一种基于灰色预测模型的遗传算法优化BP神经网络的组合预测模型。通过对原始大坝序列进行灰色拟合,弱化原始序列的随机扰动影响,增强数据的线性规律,并采用遗传算法优化BP神经网络的连接权值和阈值,之后将灰色拟合后的残差作为优化后的BP神经网络的输入样本进行训练和测试,进而建立灰色遗传BP神经网络预测模型。组合模型充分结合了BP神经网络自适应学习的优点,避免了灰色方法及模型在非线性预测方面的缺陷;同时集成了遗传算法的全局寻优性能,弥补了神经网络容易陷入局部极值点的缺陷。与灰色GM(1,1)和单一BP神经网络对比表明,组合模型能保证较优的局部预测值和较高的全局预测精度,应用于复杂的大坝变形预测中是可行的。     

基于混沌分析的BP神经网络模型及其在负荷预测中的应用

结合混沌分析理论和BP神经网络，提出在混沌相空间建立BP神经网络模型。运用混沌方法构成训练样本及确定神经网络的网络结构，用神经网络拟合相空间相点演化的非线性关系。并利用该模型对具混沌特性的电力系统日负荷时间序列进行短期预测，对比了标准BP网络模型和混沌线性回归模型的预测结果，结果表明基于混沌分析的BP神经网络模型的预测精度较高。     

凝胶浇注制备高性能氧化锆陶瓷的研究

主要研究了氧化锆陶瓷的凝胶浇注成型工艺，以及坯体的微观结构和烧成后陶瓷的力学性能，并讨论获得高性能的原因。结果表明选择适当的原材料，采用适当的成型工艺条件，可制备出加工性能优良的坯体。SEM照片显示其结构分布均匀，气孔率低。烧结后的氧化锆陶瓷密度高达6．08g／cm^3，强度达到1020MPa。     

Gelcasting of 316L stainless steel

A novel near-net process, gelcasting, was successfully used to prepare larger size 316L stainless steel parts with complex shape. In this study, the effects of process parameters on the viscosity of the slurry and the dry green strength were investigated. The results show that gas atomization (GA) powder is more suitable for gelcasting compared with water atomization (WA) powder. The maximum solid loading is 55vol% for ball-milled slurry with GA powders. And the optimum amounts of monomers (acrylamide (AM) methylenebisacrylamide (MBAM); the mass ratio, 30:1) and initiator in the AM system are 1.8% (based on the weight of metal powder) and 0.8%-1.4% (based on the weight of monomers), respectively, at which, the maximum green strength obtained is 33.7 MPa. The mechanical properties of the sintered specimen are as follows: ultimate tensile strength, 493 MPa; yield strength, 162 MPa; and HRB, 72.     

Gelcasting of 316L stainless steel

A novel near-net process, gelcasting, was successfully used to prepare larger size 316L stainless steel parts with complex shape. In this study, the effects of process parameters on the viscosity of the slurry and the dry green strength were investigated. The results show that gas atomization (GA) powder is more suitable for gelcasting compared with water atomization (WA) powder. The maximum solid loading is 55vol% for ball-milled slurry with GA powders. And the optimum amounts of monomers (acrylamide (AM) methylenebisacrylamide (MBAM); the mass ratio, 30:1) and initiator in the AM system are 1.8% (based on the weight of metal powder) and 0.8%-1.4% (based on the weight of monomers), respectively, at which, the maximum green strength obtained is 33.7 MPa. The mechanical properties of the sintered specimen are as follows: ultimate tensile strength, 493 MPa; yield strength, 162 MPa; and HRB, 72.     

氧化铝陶瓷凝胶注模成型影响因素的研究

探讨陶瓷凝胶注模成型的机理和特点，研究固相体积含量、pH值、分散剂等对制备低粘度、高固相体积含量的氧化铝陶瓷悬浮液的影响。实验结果表明，固相体积分数为55％浆料的粘度可以满足注模的需要，坯体抗弯强度可达30Mpa。控制pH值为9左右，加入8％的PMAA-NH4分散剂，可制得粘度低、流动性好适宜于复杂形状制品注模的陶瓷浆料。     

氧化铝陶瓷的凝胶注模成型研究(2)悬浮体的凝胶化

对凝胶注模成型氧化铝的具体工艺参数进行了初步的研究,包括单体用量、单体与交联剂的比例、引发剂的用量和固相含量等参数对凝胶注模成型部件的质量和性能的影响.研究表明,预混液中单体AM用量为24%(质量比)左右、单体与交联剂用量比例在24%(质量比)以下、引发剂用量为0.014 mL以上时,能得到足够进行机加工所需强度的坯体;在保证流变性要求的前提下尽量提高固相含量,对获得高密度和高强度的坯体有利.此外,悬浮液抽真空除气对提高坯体的强度影响明显.     

Rapid Prototyping Bipolar Plate of PEMFC by Gelcasting

Bipolar plate is one key component of proton exchange membrane fuel cell (PEMFC). According to this paper, mesocarbon microbeads were used as raw materials for forming the green bodies of bipolar plates with complex flow channels by gelcasting technique. Then, the final bipolar plates would be gained after the green parts were died, burned out and sintered. Meanwhile, its properties are researched and evaluated by the test of flexible strength and electric resistivity. The resultant flexural strength of sintered sample is 67 Mpa and the electric resistivity is 52 μΩ·m.     

氧化铝透气陶瓷及透气性研究

研究添加造孔剂法和干压成型法制备氧化铝多孔透气陶瓷。以氧化铝为原料,分别用淀粉、蔗糖、蛋清作为造孔剂,用聚乙烯醇做粘结剂,在1700℃下烧结制得以开孔为主的氧化铝多孔透气陶瓷。通过抗弯曲强度测试检测样品的力学性能;利用X射线衍射分析(XRD)、扫描电镜(SEM)表征其物相成分、显微结构,对透气性进行测试。实验结果表明:试样的抗压强度随造孔剂的增多而减小;抗弯曲强度不随造孔剂的增多而增大,但是造孔剂含量过大时作用相反;烧结后试样的主要成分是α-Al2O3。用淀粉(10%)做造孔剂制得的样品具有较好的力学性能且气孔分布均匀.     

RBF神经网络在径流预报中的应用

鉴于径流的形成受众多因素的影响和径流预报具有复杂的非线性特点,在Matlab环境下建立了RBF神经网络的径流预测模型.经实例验证,该模型收敛速度快、预测精度高,并与BP网络作了对比,RBF网络显示了较好的优越性.