基于改进遗传算法优化BP网络的轧制力预测研究

为提高铝热连轧轧制力预报精度, 满足现场生产需求, 采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本, 在遗传算法的初始化和变异机制中引入混沌序列, 同时选择最优保存机制、动态调整交叉率和变异率等方法, 提出了改进的遗传算法, 并将其与改进的BP算法相结合, 对多层前馈神经网络权值阈值进行优化, 避免学习中陷入局部最小, 使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内, 该预测精度明显优于传统数学模型, 实现了铝热连轧轧制力的高精度预测。     

浅议我国工程机械定轴式变速器的应用与发展

简要介绍部分工程机械用变速器的主要特点,分析比较液力机械变速器与传统机械变速器以及液力机械变速器中行星式变速器与定轴式变速器的各自优缺点;并就我国工程机械变速器的发展和现状进行了分析,指出了其中的不足;介绍了一些世界上比较先进的工程机械变速器,以及我国在动力换挡变速器方面取得的成果.     

基于改进粒子群优化RBF神经网络的轧制力预报

依据RBF神经网络的非线性逼近能力和自学习特性, 提出基于RBF神经网络的建模方法。将最近邻聚类用于RBF神经网络隐层中心向量的确定, 并采用改进粒子群算法对最近邻聚类的聚类半径进行优化, 合理确定了RBF神经网络的隐层结构, 提出了一种基于改进粒子群算法的RBF神经网络(IMPSO-RBF)。将该网络应用于轧制力的预报, 与基本粒子群算法优化的RBF神经网络比较, 仿真结果表明其在预报精度和收敛速度上都有很大提高。     

N位取代聚苯并咪唑酰亚胺薄膜:改善的溶解性与透过率

试验合成了两种新型的N-苯基取代苯并咪唑二胺,区别在于N-苯基的邻位分别由甲基和氟原子取代.将新型二胺分别与二酐4,4′-(六氟异丙烯)二酞酸酐(6FDA)和4,4′-氧双邻苯二甲酸酐(ODPA)通过两步热亚胺法制备聚苯并咪唑酰亚胺(PBII)薄膜,并对新型二胺单体及PBII薄膜进行了性能测试与表征.结果表明:新型PBII薄膜表现出良好的耐热性(玻璃化转变温度Tg=341～381℃)和拉伸强度(σ=95～135 MPa).不同邻位取代的N-苯基破坏了分子的有效堆积,使得PBII薄膜的溶解性和光学透明性得到改善.