基于深度置信网络的高炉炉况故障分类方法的研究

随着智能制造和计算机技术的不断发展,现代工业系统趋向复杂化、智能化,使原有的工业系统故障诊断方法遭遇了瓶颈。近年来,深度学习在特征提取与模式识别方面展现出了与众不同的优势和潜力。针对高炉冶炼系统复杂性特点,结合深度学习在处理复杂分布数据,提取特征等方面的优势,提出一种基于深度置信网络模型的高炉炉况分类方法,分析并用实际样本数据对其进行测试。结果表明,该方法适用于高炉炉况分类,具有较强的特征提取能力和容错特性,性能优于BP神经网络和支持向量机方法。     

滑动接枝共聚物/丁腈橡胶复合材料及其阻尼性能

将丁腈橡胶（NBR）与预硫化滑动接枝共聚物（SGC）混合制备SGC/NBR复合材料,并采用DSC、橡胶加工分析仪（RPA）、TEM和FTIR等研究了预硫化温度对复合材料内部结构及动态力学性能的影响。结果表明:SGC作为分散相在NBR基体中形成了海岛结构,且与NBR 大分子之间形成了分子间氢键,使两相相容性较好并形成了明显的界面作用区。界面作用区的存在使SGC/NBR复合材料的玻璃化转变温度与纯NBR基体相比升高,同时使复合材料的拉伸强度和拉断伸长率等力学性能显著增强,并出现了明显的拉伸取向。由于SGC与NBR之间分子链的扩散以及氢键作用,使分子链σ单键的内旋转受阻,旋转时需要消耗能量以克服所受的阻力,造成SGC/NBR复合材料的损耗因子明显增加,其中预硫化温度为160℃时阻尼效果最好。SGC/NBR复合材料在建筑桥梁振动频率应变变形范围内表现出优异的损耗性能,可应用于高阻尼隔震支座。