基于人工神经网络的高聚物流变性能预测系统

针对影响高聚物流变性能因素的复杂性,利用VB与MATLAB混合编程将人工神经网络技术移植于应用软件,实现人工神经网络技术的各项功能,通过对采集的样本数据进行网络训练,开发了高聚物流变性能参数预测系统。经验证,系统可将预测精度误差,控制在5％以内。     

基于BP网络的保护渣性能预测模型的研究

结合BP网络计算机实验研究 ,建立了保护渣化学组成与性能的预测模型 ,并利用化学组成与性能的关系 ,对网络的实用性进行了检验 ,结果符合保护渣化学组成与性能的关系。保护渣粘度随着保护渣碱度的增大而减小 ,而半球点温度随碱度增大而增大 ;保护渣的半球点温度和粘度都随着渣中CaF2 含量的增加而减小。用BP网络的误差反向传播算法建立的保护渣的化学组成与性能的预测模型 ,得出的预测值与实际值的误差小 ,对保护渣的设计与应用都有一定的指导作用。     

多因素耦合作用下合成β-sialon材料的工艺优化

以粘土矿物为主要原料,采用碳热还原氮化工艺制备出高品质β-sialon陶瓷粉体,并对多因素耦合状态下材料合成的工艺优化,微结构与相组成以及热力学反应机理作了系统研究。理论分析与实验结果均表明：随着合成温度的增加,产物中物相经历了O’,X相(中间杂相)→β相→15R,12H的sialon多型体与Si3N4和AIN的一系列相转变,导致合成工艺的复杂性。正交设计实验结果分析表明：控制保温时间和合成温度,是获得高含量长柱状β-sialon的有效途径;通过模式识别能快速寻找出性能优化区域,1500℃保温5h可以获得单一sialon相。结合逆映照与人工神经网络技术,可对所需要的新工艺参数进行预报。     

高温变换催化剂制备条件的神经网络优化

将影响低汽气比条件下LB型节能高温变换催化剂活性的主要因素作为人工神经网络的特征输入向量,将全部实验数据分为训练集和预测集,运用Matlab神经网络工具箱,按改进的Bayes自动归一化算法建立反向传播神经网络模型,不仅可防止网络陷入局部最小,而且提高了网络训练精度和泛化能力。适当拓宽正交实验各因素的水平范围,经过不同因素、不同水平间的组合模拟,预测出LB型节能高温变换催化剂的最佳制备条件为氧化铈质量分数0.76%、氧化铜质量分数5.8%、氧化铬质量分数8.6%、氧化镧质量分数1.0%、铁液浓度92 g/L、中和过程最终pH值9.5。在最佳条件下试制催化剂在低汽气比下的平均活性达77.6%。     

Prevention from Soft Errors via Architecture Elasticity

Due to the decreasing threshold voltages, shrinking feature size, as well as the exponential growth of on-chip transistors, modern processors are increasingly vulnerable to soft errors. However, traditional mechanisms of soft error mitigation take actions to deal with soft errors only after they have been detected. Instead of the passive responses, this paper proposes a novel mechanism which proactively prevents from the occurrence of soft errors via architecture elasticity. In the light of a predictive model, we adapt the processor architectures h01istically and dynamically. The predictive model provides the ability to quickly and accurately predict the simulation target across different program execution phases on any architecture configurations by leveraging an artificial neural network model. Experimental results on SPEC CPU 2000 benchmarks show that our method inherently reduces the soft error rate by 33.2% and improves the energy efficiency by 18.3% as compared with the static configuration processor.     

神经网络-光度法同时测定食品中防腐剂和甜味剂

根据食品中常用防腐剂本甲酸和山梨酸及甜味剂糖精钠在紫外区均有吸收的特点，建立了一种以紫外分光光度法为基础对该三组分同时测定的方法，光谱数据采用作者自编的径向人工神经网络MATLAB程序进行处理，苯甲酸、山梨酸和糖精钠的平均标准偏差分别为1.60%、5.23%和1.21%，回收率大为95.0-102.0%之间，将该法应用于食品中二组分的测定，获得较为满意的结果。     

基于神经网络的丙烯腈流化床反应器的离线模拟与优化

A mathematical model is developed for an industrial acrylonitrile fluidized-bed reactor based on artificial neural networks.A new algorithm,which combines the characteristics of both genetic algorithm(GA) and generalized delta-rule(GDR) is used to train artificial neural network (ANN) in order to avoid search terminated at a local optimal solution.For searching the global optimum,a new algorithm called SM-GA,incorporating advantages of both simplex method (SM) and GA, is proposed and applied to optimize the operating conditions of an acrylonitrile fluidized-bed reactor in industry.     

用人工神经网络预测混杂复合材料混杂效应

本研究建立一个二输入单输出的BP人工神经网络模型，并用QBASIC语言编制了相应的软件。利用该神经网络模型对混杂效应与混杂比及分散度系数间关系进行了预测。研究结果表明，网络经过61223次的迭代，预潮值误差为0．12％，具有很高的预测精度，可用于混杂复合材料混杂效应的预测。     

萃取精馏溶剂选择的研究进展

本文概括论述了萃取精馏过程中影响溶剂选择的因素，在此基础上着重介绍了溶剂的选择方法，性质约束方法可分为：试验法，经验筛选和活度系数法；计算机优化方法可分为计算机辅助分子设计法和人工神经网络法，对上述方法的适用性作了详细的讨论。     

塑料老化性能及使用寿命预测的新方法

提出了利用人工神经网络方法对塑料自然老化性能时间序列进行预测的方法，并建立了计算模型，在此基础上本方法也可对塑料使用寿命进行预测。实例计算证实了这种方法具有良好的精度。