铝的硬质阳极氧化工艺

在BS5599中将硬质氧化定义为厚度至少25μm、最低表面硬度为300VPN的一种膜层。常规的或透明的硫酸阳极氧化通常是在15℃(大多数情况是18～20~C)时,在含有7.5到12.5体积硫酸(即138～230g/L硫酸s、g.1.84)的电解液中进行。该电解液所用的电流密度大约为1.6～2.0A/     

铝合金硬质阳极氧化工艺研究

通过大量的工艺试验,确定了能够同时满足三种铝合金硬质阳极氧化的溶液配方、工艺流程和工艺参数.实验结果表明,通过选择适当的工艺参数,能够在铝合金表面形成均匀、致密、高耐磨、高耐蚀性的硬质阳极氧化层.     

基于RBF神经网络PID的阳极氧化电源电流控制

阳极氧化电源系统是一个非线性、时变性的复杂系统,建立数学模型比较困难。传统PID控制方法无法保证阳极氧化电源电流拥有恒流、抗干扰能力强、超调小等特性。为了解决上述问题,开发了一种基于RBF神经网络PID的阳极氧化电源电流控制算法。利用RBF神经网络的自我学习能力,实现传统PID控制参数的自适应调整。仿真结果表明:基于RBF神经网络PID的控制算法响应速率快、超调小,拥有一定的抗干扰能力。     

铝铜合金硬质阳极氧化

经固溶处理和自然时效的铝铜合金可以进行硬质阳极氧化。     

铝合金常温硬质阳极氧化(Ⅰ)常温硬质氧化工艺及影响膜质量的因素

详细叙述了大面积铝合金常温硬质阳极氧化工艺，有机添加剂的选择和作用。影响阳极氧化膜质量的因素及槽液的分析维护方法。     

铸铝合金脉冲硬质阳极氧化

铸铝合金在常温下应用直流叠加方波脉冲进行硬质阳极氧化工艺：硫酸１５０，草酸２０～４０，酒石酸４０～８０ｇ／Ｌ，１０～２５℃，Ｅ＿１，５０～７０Ｖ，Ｅ＿２２５～３０Ｖ，３～１０ｓ，ｔ＿１／ｔ＿２＝１：１。     

铝硬质阳极氧化新工艺的研究

开发出铝在复合有机羧酸中的大电流硬质阳极氧化工艺。该工艺可在20-40min的氧化时间内获得硬度为400-800HV、厚度为30-60μm的黑色致密氧化膜层。研究了工艺条件如复合有机羧酸浓度、初始电流密度以及氧化时间对膜层性能的影响。     

草酸硬质阳极氧化

以AHS-88为添加剂的草酸硬质阳极氧化可得到硬度高、成膜速度快的氧化膜,是一种较好的硬质氧化工艺。为保证氧化膜的质量,应注意控制各种影响因素。     

电压对铝锂合金硬质阳极氧化膜性能的影响

选用2099铝锂合金作为基体进行硬质阳极氧化,并研究电压对硬质阳极氧化膜形貌特征、成分、厚度、硬度、耐磨和耐腐蚀性能的影响。结果表明：随着电压从50 V提高到90 V,硬质阳极氧化膜的结构趋于致密,然后变得疏松,表面粗糙度先降低后增加,厚度先增加后降低,导致硬度、耐磨与耐腐蚀性能表现出明显的差异,但硬质阳极氧化膜的元素组成未变。电压为70 V制备的硬质阳极氧化膜表面结构致密,厚度达到27.3μm,具有高硬度(457.4HV)、良好的耐磨和耐腐蚀性能,平均摩擦系数和腐蚀电流密度仅为0.49和2.02×10^-6 A/cm²,对铝锂合金的防护效率达到95.1%。由于电压提高逐步形成较致密的硬质阳极氧化膜并促使膜层增厚,承载能力、抵抗局部塑性变形能力、阻碍腐蚀介质渗透和抵抗腐蚀能力增强,因此硬质阳极氧化膜的性能明显提高。     

基于BP神经网络的电力负荷预测算法

将BP神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明．BP神经网络能够对电力负荷进行较好地预测。     

基于BP神经网络实现碎解时间的预测

目前,我国广泛采用水力碎浆机碎解废纸,而碎解时间是碎解过程中最重要的影响因素,并且实践中的碎解时间都来源于经验值,缺乏整体评判,所以本文主要介绍了某造纸厂碎解的工艺过程,并分析研究了BP神经网络的结构及其改进的LM算法,通过一些已有的良好数据,建立碎浆过程中碎解时间预测的BP神经网络模型,并将碎解时间的预测模型用于碎浆过程控制,从理论上获取了比较合理的碎解时间,为造纸过程提供了理论依据,最终达到了节省能源和提高纸浆质量的目的.     

基于BP神经网络的焦炭质量预测

分析了配煤炼焦中影响焦炭质量指标的各种因素及传统焦炭质量的预测方法。以天津天铁焦化厂的配合煤及生产焦炭的各项实际数据为基础,在MATLAB环境下,进行了基于BP神经网络对焦炭质量预测的方法研究。实验结果显示:3种网络的误差基本相同,范围在2%～0.05%,以中间层为15个神经元的略好,满足焦炭质量的预测要求。     

基于BPNN的陶瓷材料抗弯强度预测

误差反向传播神经网络具有能够正确逼近非线性映射关系的优点，将其运用到复相结构陶瓷材料抗弯强度预测当中，克服了陶瓷材料研究中单因素实验法不能正确反映抗弯强度与添加组分多因素之间复杂的非线性关系的弱点，通过抗弯强度预测和试验验证，该方法可行有效，为快捷、经济地开发研制新的陶瓷材料提供新的思路和有效手段。     

基于BP神经网络算法的聚乙烯管材寿命预测

通过分析聚乙烯管材在实际应用中寿命的影响因素,选取其中可控因素加以分析及相关性预测。以MATLAB计算软件为平台,根据具体试验建立寿命预测模型,参考试验变量设计模型可变因素。实验设计部分,以静液压实验为基础,选取实验温度、实验用水有效氯含量以及实验压力作为3因素变量进行静液压实验,共进行实验192组次,试验样品384个,模拟聚乙烯管材在输配水系统中的实际使用。在建模过程中,进行神经网络学习后,对所建模网络进行训练,然后对其中所选择的3因素变量BP神经网络疲劳方程模型进行寿命预测。结果表明,BP神经网络计算出聚乙烯管材的使用寿命具有科学性,运行后的网络模型概率学上拟合优度R2为0.87;预测结果相对于聚乙烯管材的通常算法具有计算简洁、样本可扩充、模型阀值及权重可自行更改等一系列优势。     

基于BP神经网络在储层预测中研究及应用

利用人工神经网络模式识别技术可以在现有油层下面寻找新的油气储层,也可以预测储层类型。将用于预测的网络提供的浅层地震反演参数集作为输入,经BP网络学习后,对深层或无井储层进行预测。最后利用垦71地区实际参数,对BP神经网络进行检验。     

基于BP神经网络的双色塑件翘曲变形量预测

以某遥控器前壳双色塑件注塑成型为例,以该塑件在注塑成型过程中的翘曲变形量为研究目标,提出了一种结合AMI数值模拟、正交试验和BP神经网络的双色塑件翘曲变形量快速、准确的预测方法。首先建立了基于AMI数值模拟的CAE模流分析模型,并对注塑成型工艺参数及翘曲变形量进行数值模拟分析;之后结合正交试验设计法使AMI软件数值模拟结果在指定的工艺参数范围内实现了离散分布;最后以正交试验数据为基础建立BP神经网络预测模型,通过Matlab训练网络使其满足误差精度要求,从而达到准确预测新工艺参数下翘曲变形量的目的。结果表明:训练出的BP神经网络模型具有很高的预测精度,能够满足对该双色塑件翘曲变形量准确、快速的预测要求。     

基于BP神经网络的颜料分散性能预测研究

基于正交试验,对塑料制品色差的影响因素进行分析探讨,并应用反向传播（BP）神经网络的数据预测功能,构建颜料分散性能的预测模型。结果表明,塑料制品色差影响因素主次顺序为：转子转速>混合时间>混合温度;提高转子转速,有利于颜料粒子在塑料基体中的分散和分布过程,制品着色品质得以提升;构建的BP神经网络模型预测相对误差不超过10 %,能够较好地预测塑料着色工艺中颜料的分散性能。     

基于RBF神经网络和遗传算法的注塑成型质量控制与预测

针对注塑产品容易产生翘曲和缩痕的问题,以某检测仪外壳为研究对象,运用RBF神经网络模型和遗传算法,对注塑成型质量进行控制与预测。基于正交试验方案,运用Moldflow有限元分析软件获得试验结果;利用样本数据建立试验因素与响应值之间的RBF神经网络模型,并用最优拉丁超立方抽样技术,获得样本点对模型精度进行检验;运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对注塑成型工艺参数进行多目标优化,达到有效控制和预测翘曲变形、体积收缩率和缩痕指数的目的,并经模拟和试模验证误差较小。结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0.394 mm,外观无缩痕。     

基于测井资料的BP神经网络模型在储层渗透率定量预测中的应用

本文针对某油田的地质特点,提出了一种基于BP神经网络利用测井资料求取地层渗透率的实用方法。该法从测井信息与地层渗透率的关系出发,选用与地层渗透率密切相关的孔隙度,通过BP神经网络建立储层渗透率的数学模型。通过实例研究,预测结果的准确性较高且明显优于其它线性回归分析预测的结果,认为此法可以作为一种储层渗透率定量预测的方法。