钛合金相变点预测模型的构建和评估

基于西北有色金属研究院实际生产中统计的321组钛合金铸锭化学成分与相变点数据,构建了预测钛合金(α+β)/β相变点的人工神经网络模型和多元线性回归模型,并对模型的准确性进行了评价分析。结果显示,多元线性回归模型的训练值及预测值与(α+β)/β相变点实际值的相关性系数分别为0.761 05和0.809 93,而人工神经网络模型的相关性系数分别为0.927 21和0.818 51,具有更好的相关性。人工神经网络模型的平均绝对误差为4.02℃,相比多元线性回归模型(平均绝对误差为5.11℃)具有更高的精度,可以更好地描述合金元素与钛合金(α+β)/β相变点之间的非线性关系。     

腐蚀预测模型在炼化换热器腐蚀研究中的适用性分析

设备腐蚀一直是炼油企业共同面临的重大问题,尤其是冷换设备的腐蚀,近年来表现尤为突出,已严重影响了生产的正常运行.在腐蚀研究中,人们试图寻找设备的腐蚀结果与各影响因素之间的内在联系,以便预测设备腐蚀速率的变化趋势,进而预测设备的剩余寿命.目前,用于腐蚀研究的模型和方法     

输气管道腐蚀速率的BP神经网络组合预测方法

根据神经网络的非线性和良好的函数逼近特性,提出了基于人工神经网络的灰色模型、多项式回归模型组合的输气管道腐蚀速率预测模型.此组合模型将最佳组合权重隐含在网络的连接权中,兼具灰色预测、回归预测和神经网络预测的优点,克服了原始数据少,数据波动大对预测精度的影响,也增强了预测的自适应性,在客观地反映输气管道腐蚀速率变化趋势方面具有一定的优势.通过实例分析,表明预测值与实际结果有很好的一致性.     

基于动态杂散电流和二氧化碳干扰的输气管道表面腐蚀速率研究

目的预测输气金属管道表面腐蚀速率。方法分析动态杂散电流和二氧化碳(CO_2)浓度对金属管道的表面腐蚀机理,给出金属管道表面腐蚀产生的化学反应方程式。根据一元回归线性方程式得出多元线性回归数学方程式,推导出动态杂散电流和CO_2腐蚀金属管道表面方程式,得出金属管道表面腐蚀预测的最终模型。结合具体实例,采用数学软件MATLAB对45号金属管道表面腐蚀速率预测的多元线性回归模型进行仿真,并且与实验测量的腐蚀速率进行比较和分析。结果金属管道表面的腐蚀速率随着动态杂散电流或者CO_2浓度的增大而逐渐增大。在100 h内,电流和CO_2浓度仿真的金属管道表面最大腐蚀速率分别为3.72×10~(–4) mm/h和4.80×10~(–4) mm/h,电流和CO_2浓度仿真的金属管道表面最小腐蚀速率分别为3.26×10~(–4)mm/h和4.24×10~(–4) mm/h,电流和CO_2浓度实验测量的金属管道表面最大腐蚀速率分别为3.76×10~(–4) mm/h和4.86×10~(–4) mm/h,电流和CO_2浓度实验测量的金属管道表面最小腐蚀速率分别为3.12×10~(–4) mm/h和4.08×10~(–4)mm/h。同时,金属管道表面腐蚀速率理论计算值与实验测量值的相对误差在5%以内。结论采用多元线性回归模型可以近似预测输气金属管道表面的腐蚀速率,为管道的使用寿命提供参考数据,避免输气金属管道发生重大安全事故。     

基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测

目的研究激光熔覆关键工艺参数(激光功率、扫描速度、送粉速率)与单道熔覆层宏观形貌(宽度、高度、熔池深度)之间的数量关系,以实现对WC-Co50复合熔覆层形貌的预测,从而为牙轮钻头的修复提供参考。方法设计不同的实验参数,利用4k W光纤激光器在牙轮钻头钢15MnNi4Mo表面熔覆单道WC-Co50复合涂层。采用工业显微镜观察单道熔覆层的横截面宏观形貌,并测量其三维尺寸。在上述形貌参数的基础上,分别运用多元线性回归分析和人工神经网络方法,建立关键工艺参数与熔覆层宏观形貌之间的关系模型,并将实验结果与模型预测结果进行对比。结果总体来讲,神经网络对熔覆层形貌的预测结果更为精确,平均相对误差为5.3187%;多元线性回归分析预测的平均相对误差为6.0028%。分析表明,对熔覆层宽度的预测结果最精确,两种方法的平均相对误差仅为1.2999%;对高度及熔池深度的预测结果稍差,平均相对误差分别为8.0586%和7.6237%。结论两种预测方法都具有较高的精度,但神经网络法函数关系不明确,运算过程复杂,需要通过进一步的算法优化来提高预测精度。     

输气管道腐蚀的最优灰色组合预测模型

    在不等时距序列灰色预测的基础上,提出了适用于输气管道腐蚀的不等时距最优组合灰色预测模型.首先,选用两种模型精度较高的不等时距灰色预测方法建立了输气管道腐蚀预测的单项模型,然后,利用最小二乘意义下的模型误差最小化方法确定出各单项灰色预测模型的权重,建立了最优组合预测模型.此预测模型综合利用了参与组合的各单一模型的有效信息,因而可以更加客观地反映输气管道腐蚀变化趋势.通过实例对比分析结果表明,此模型预测精度较高,可以作为输气管道腐蚀预测的有效工具.     

灰色理论对碳钢、低合金钢海水腐蚀的预测和分析

应用灰色理论中的GM（1,1）灰色模型和灰色关联分析预测了碳钢、低合金钢在青岛、厦门和榆林全浸区的海水腐蚀速率并研究了海水环境对腐蚀速率的影响.模型经后验差检验显示有很好的精度.通过灰色关联分析建立的海水环境和腐蚀速率关联度显示,海水腐蚀的主要影响因素是溶解氧浓度、pH值和平均盐度.     

腐蚀和腐蚀模型研究中的分形方法

根据该领域近期进展,介绍分形理论在腐蚀行为描述及腐蚀模型研究等领域的应用.具体分析了一些成功的事例,包括用分维值修正腐蚀波动性指标(如标准偏差),以便更好地描述腐蚀行为;观察腐蚀表面分形特征,如早期大气腐蚀中微液滴尺寸分布和腐蚀表面坑直径及深度分布,并获取分布分维指标;提出腐蚀图像分维的新计算法,并发现其二维分维D2D和三维分维D3D分别代表表面坑直径及深度的分布分维;建立基于分形动力学过程的腐蚀模型,预测金属在大气及土壤中的腐蚀发展,并揭示了分形模型和经验模型之间的参数关联.     

金属材料大气腐蚀破坏的剂量响应函数研究

利用RAPIDC(发展中国家区域大气污染)腐蚀子项目的最新试验结果,结合灰色关联分析和非线性回归方法,建立了基于大气腐蚀机理的碳钢、Zn、Cu的腐蚀剂量响应函数.结果表明,获得的剂量响应函数能较好的拟合原始试验数据且形式相对简练,适于区域性的材料大气腐蚀经济损失核算.     

贝叶斯法与多元线性回归法预测华法林剂量模型的比较研究

目的：比较缺失华法林相关基因型检测结果的情况下,基于贝叶斯法的Warfarin Dose Calculator（WDC）和基于多元线性回归法（MLR）的Warfarin Dosing、IWPC华法林剂量计算器等三种华法林剂量预测辅助工具的预测性能,为无条件进行华法林相关基因型检测地区的患者使用华法林提供准确、适于临床推广的预测工具。方法：计算三种预测工具的平均预测误差（MPE）、均方根误差（RMSE）和预测误差在实际维持剂量±20%范围内的患者百分比,比较它们的华法林剂量预测性能。所有统计学分析均采用SPSS Statistics 26.0软件进行。结果：WDC的Posteriori模块的MPE和RMSE最低且预测误差在实际维持剂量±20%范围内的患者百分比最高,此外WDC的Priori和Posteriori模块的预测精确度显著高于Warfarin Dosing和IWPC华法林剂量计算器（P<0.05）。结论：临床常用的三种华法林剂量预测辅助工具中,基于贝叶斯法的Warfarin Dose Calculator可能更适合于无条件进行华法林相关基因型检测地区患者的华法林剂量预测。     

灰铸铁强度自适应模糊神经网络预测

以高碳当量灰铸铁组织 强度实验数据为基础 ,用自适应模糊推理方法 ,建立了灰铸铁强度自适应模糊神经网络预测模型 ,与多元线性回归、模糊回归和广义回归神经网络模型相比 ,该模型学习精度高且具有较好的泛化性     

基于广义回归神经网络的发动机动力性、经济性预测

神经网络是当前最主要的智能控制技术，它是模拟人脑的结构以及对信息的记忆和处理功能，具有擅长从输入输出数据中学习有用的知识的特性。发动机性能预测是根据发动机结构参数和运转参数来估算推测发动机的各种性能指标，因此可以利用神经网络的学习性的特点，借助神经网络，将各种影响汽油机燃烧过程的主要参数对汽油机的非线性影响以网络模型的形式表示出来。本文讨论了如何抛开数学建模的方式，选用广义回归神经网络进行发动机动力性、经济性的预测，并应用了MATLAB软件工具箱编程，给出一个两缸电控汽油发动机的动力性、经济件预测模型的实例。     

Analysis of hard-facing appearance of specific powdered superalloys for PTA-coating processes

Artificial neural network (ANN) modeling and multiple linear regression (MLR) analysis have been used to develop a powder hard-facing process using high-energy plasma-transferred (HEPT) heating. HEPT heating can produce coatings with minimal surface roughness. An optimal procedure was developed involving the least number of process parameters but producing the most desirable performance characteristic. The quality characteristic of interest is the surface roughness after HEPT processing, utilizing the “the-smaller-the-better” criterion. Process performance was evaluated with respect to the signal-to-noise ratios, which were obtainable through experiments. The experimental results conclude that ANN models demonstrate a greater accuracy of predicting the surface appearance than the MLR models in terms of prediction error and the coefficient of determination. The results also reveal the most significant process control parameters. The predicted value of powder hard-facing roughness, through the implementation of optimal settings, produces a satisfactory result. The confirmation experiment showed that the ANN method achieved the expected optimal design goals for the HEPT powder hard-facing, thereby justifying the reliability and feasibility of the approach.     

仿真技术及其在磨削加工中的应用

本文介绍了建模与仿真的基本概念,着重阐述了仿真技术在磨削加工中的应用,并展望了仿真技术的发展趋势。     

An approach of artificial neural network to robotic welding process modelling

Ａｎａｐｐｒｏａｃｈｏｆａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｒｏｂｏｔｉｃｗｅｌｄｉｎｇｐｒｏｃｅｓｓｍｏｄｅｌｌｉｎｇ￥ＬｉＹａｎ（ＨａｒｂｉｎＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＷｅｌｄｉｎｇＪｏｈｎＮｏｒｒｉｓｈａｎｄＴ．Ｅ．Ｂ...     

Artificial neural networks applied to spot welding process modeling

Artificial neural networks have been studied for applicability for modeling of spot welding process. Some basic concepts relating to neural networks are explained as well as how they can be used to model welding quality parameters in terms of the welding process parameter. The performance of the neural networks for modeling is presented and evaluated using actual welding data. It is concluded that neural network modeling is a good means of estimating spot welding quality on-line.     

低温裂纹张开位移预测方法的讨论

把低温影响下的COD试验数据用灰色理论中的累加方法进行累加，可以使一组没有规律的数据成为一条光滑的曲线．然后利用人工神经网络和自适应模糊推理系统两种方法进行预测，算例的结果表明用一次累加后的数列预测精度较高。     

切削用量智能化选择的神经网络建模

最佳切削用量的选择是机械加工中的一个重要方面。本文提出了运用神经网络的非线性建模原理和自学习能力,在各种切削用量选择影响因素和切削用量之间建立起函数映射关系,实现切用量的智能化选择。     

电火花线切割加工工艺参数智能优化研究

采用人工神经网络的智能优化方法对电火花线切割加工工艺参数进行优化,将优化后的参数用于实际加工,将加工结果与传统的非线性回归模型和人工神经网络模型的预测值进行比较,发现人工神经网络模型预测效果较好.