SiO2掺杂对ZnO-Bi2O3基压敏陶瓷微观结构及电性能的影响

采用传统固相法成功制备了不同SiO2掺杂量的ZnO-Bi2O3基压敏陶瓷.研究了SiO2添加剂对ZnO-Bi2O3基压敏陶瓷物相组成、微观形貌和电性能的影响规律及作用机理.XRD结果表明,ZnO-Bi2O3基压敏陶瓷由ZnO主晶相和尖晶石相、富Bi相和含Si相等第二相组成.当SiO2含量增加时,ZnO晶粒尺寸逐渐减小,...     

高压开关设备用碳-陶瓷电阻侧面高阻层釉浆制备工艺研究

为了制得性能稳定的碳-陶瓷线性电阻片，本文对碳-陶瓷电阻制造中所用高阻层釉浆的制备进行系统的研究。首先对不同粘接剂制备的釉浆施釉工艺性进行对比，然后对浆料的混料时间、水料比进行系统研究，获得混料时间、水料比对釉浆黏度的影响规律，并最终确定最佳混料工艺参数。结果表明：采用左云黏土作为粘接剂时，釉浆具有较好的悬浮性和涂覆性，当左云黏土质量分数为15%时，釉浆工艺性较好，坯釉结合性好。高阻釉料及粘接剂混料的最佳工艺参数：采用左云黏土为粘合剂，黏土质量分数为15%，水料比为0.6∶1，球磨混料时间为1 h。涂覆高阻层的碳-陶瓷电阻的击穿场强比未涂覆时提高了78%，且分散性更小。     

基于非线性预测模型的单神经元自适应PID板形控制

为了解决传统PID板形控制精度低、速度慢、抗干扰能力差等问题,将BP神经网络和单神经元引入到板形的控制中,提出一种基于BP神经网络预测模型的单神经元自适应PID控制的板形控制策略。利用BP神经网络的非线性逼近能力和单神经元的自学习、自适应能力,通过两者的有机结合寻找一个最佳的P、I、D非线性组合控制律,实现对带钢板形缺陷的有效控制。仿真实验结果表明,该控制算法能很好地跟踪板形的目标设定值,提高了系统的控制精度,加快了系统的响应速度,并且具备较强的抗干扰能力。     

基于量子粒子群算法的BP网络板形模式识别研究

针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。