基于人工智能的钛合金热变形工艺参数优化

在深入分析热变形工艺参数对Ti-15-3合金显微组织及成形载荷的影响的基础上,以变形温度、变形程度和变形速率等热变形工艺参数作为设计变量,以显微组织和成形力的最佳综合为目标,建立了该合金热塑性成形工艺参数的多目标优化数学模型。以显微组织参数和成形力的人工神经网络预测模型作为优化算法的知识源,将人工神经网络与修正的遗传算法相结合,对Ti-15-3合金的热塑性成形工艺参数进行优化。结果表明,提出的修正的遗传算法是有效的,采用将其与人工神经网络相结合的方法对钛合金的热塑性成形工艺参数进行优化是可行的。     

ANN valuation model of material LCIA profile

Weighting model is the only valuation model of life cycle impact assessment(LCIA) profile now. It simplifies evaluation function into linear function, and makes the determination of weighting factor complicated. Therefore the valuation of LCIA profile is the most critical and controversial step in life cycle assessment(LCA). Development on valuation models, which are understood easily and accepted widely, is urgently needed in the field of LCA.The modeling approaches for the linear evaluation function were summed up. The modeling approaches for the nonlinear evaluation function were set up by function approximation theory, which include choosing preference products, forming preference data, establishing artificial neural network(ANN) and training ANN by preference data.By selecting 7 material products as preference product, experience was done with modeling approaches of the nonlinear evaluation function. The results show that the modeling approaches and valuation model of the nonlinear evaluation function are more practical than the weighting model.     

基于动态结构神经网络的自组织模糊控制

给出了一种利用动态结构的BP 神经网络进行模糊推理的方法,即在学习过程中BP网络的隐层层数和维数不断变化,其目的在于使网络性能在训练过程中始终保持最优,从而实现规则自组织,达到在控制过程中不断优化控制性能的目的.     

消失模铸造充型过程的模拟方法

通过分析消失模铸造充型过程的特点，提出了一种消失模铸造充型过程的计算模型，并用人工神经网络算法计算了充型过程中不同时刻液态金属-模样界面的位置．模拟计算结果与实际测试结果无论在充型形态还是充型时间上都符合得较好．     

基于人工神经网络的结构钢回火后力学性能预测

利用多层前向神经网络，使用B－P算法对结构钢回火性能预测进行了研究。通过利用99种钢450余组训练数据样本对神经网络进行训练，建立了结构钢回火后的力学性能与金属成分和回火温度之间的隐性函数。并针对训练用样本不足的问题，设计了为网络提供自学功能软件，在钢完全淬透的前提下，用此神经网络模型可在一定精度范围内预测结构钢的回火力学性能。     

使用人工神经网络对强力旋压有限元模拟进行参数预选

在筒形件强力旋压领域内，介绍了使用人工神经网络的手段，在MARC有限元模拟的前处理中实现参数预选的方法。作为与有限元模拟相结合的旋压智能化设计的一项关键技术，能够达到减少有限元模拟的误差和工作量的目的。     

BP公司LLDPE生产专利技术综述

概述了ＢＰ公司有关气相法生产ＬＬＤＰＥ的专利技术，重点介绍了催化剂，预聚物的制备原理与工艺条件，聚合反应工艺，产品改性以及流化床分布板和预聚物注入装置等内容，并针对兰化实际提出了建议。     

用人工神经网络方法预测鼓泡塔气含率

A new correlation for the prediction of gas hod up in bubble columns was proposed based on an extensive experimental database set up from the literature published over last 30 years .The updated estimation method relying on artificial neural network,dimensional analysis and phenomenological approaches was used and the model prediction agreed with the experimental data with average relative error less than 10%.     

人工神经网络及其在窑炉动态温度场的模拟研究

本文阐述了人工神经网络的发展、基本原理以及前馈神经网络的反向传播学习算法，并应用单孢层网络进行了窑炉烧嘴温度场分布的仿真研究。结果表明。用非线性神经元网络模拟在窑炉温度场预测和控制方面是可行的。     

基于改进粒子群优化算法的BP神经网络在大坝变形分析中的应用

BP神经网络以其对非线性系统的强大映射能力而被广泛应用于模糊性、随机性强的大坝变形预测分析中。传统的BP神经网络由于初始权值和阈值的随机性,容易导致网络在训练过程中极易陷入局部最小值,同时存在网络收敛速度慢等缺点。针对传统算法的不足,采用改进的粒子群算法(IPSO)对BP网络的初始权值和阈值给予优化,建立大坝变形预测的IPSO-BP模型,并与PSO-BP网络模型进行对比。结果表明,改进的IPSO-BP模型具有收敛速度更快、预测精度更高的优点。该方法可供大坝安全监测和预警分析参考。