优选高压注浆机主控参数：应用遗传算法,优化设计和神经网络耗合技术

论述了遗传算法，优化设计及神经网络的耦合技术，以压力注浆机的主控制参数和为样本，采用这种合技术，实际工程参数转化为遗传进化样本，再通过优化技术变成最优样本，来训练神经网络系统，旨在提高控制参数质量。     

配方,设计参数样本优胜劣汰技术：遗传算法

探讨样本优胜劣汰技术——遗传算法,阐述种源样本的生成技术、工程参数及配方内容的编码方法、样本的优劣筛选、交配、变异和繁殖优生后代技术,旨在供陶瓷工作者掌握此技术,引用于陶瓷配方及陶瓷装备的设计工作.     

基于混合模型法的精馏塔热耦合技术研究

针对非理想物系,提出了基于混合模型法的精馏塔热耦合参数优化方法,充分结合了Aspen软件对过程的准确模拟和神经元网络简洁计算的优点,首先获得参数寻优的可行域,然后利用遗传算法对目标函数进行全局寻优.将优化后的热耦合技术应用于中国石油吉林分公司脱乙烷塔与乙烯精馏塔,可节省能耗22.9%.该方法还可用于相关工业过程热耦合技术中.     

电化学氧化耦合先进氧化技术增强氧化难降解有机物的进展

综述了国内外电化学耦合氧化法的主要研究进展,其中包括与光催化法、Fenton法、超声氧化法、膜法等先进氧化处理难降解有机物技术的耦合,并指出电化学氧化与其他氧化技术耦合在不同程度上都具有协同作用。最后提出了电化学氧化耦合工艺实现工业化的研究方向应以高效电极的研制、最优参数的探索以及耦合反应的反应器设计为重点。     

基于主元分析-概率神经网络的制冷系统故障诊断

制冷系统由于内部物质形态的多样性以及系统参数间的高度耦合而较为复杂,也增加了出现故障后的检测及诊断难度。针对制冷系统常见的7种故障,包括局部故障与系统故障,运用主元分析法提取故障样本主要特征,对样本进行降维处理后,基于概率神经网络进行故障诊断。主元分析法可将原始的62个参数分解为相互独立的主元,根据累计贡献率选取一定量的主元,并将其样本输入概率神经网络进行故障诊断,结果表明结合主元分析后的概率神经网络在一定范围内对spread值不敏感,不仅诊断正确率有所提高,而且缩短了诊断耗时。可见,主元分析法的使用可有效优化概率神经网络的诊断性能。     

基于CAE和神经网络的注射成型工艺参数优化

通过CAE数值模拟计算,研究了注射成型工艺参数对翘曲变形的影响,以工艺参数为输入参数,以翘曲变形量作为输出参数,构建神经网络模型。以CAE分析结果作为训练样本和校验样本,结合正交实验方法对注塑工艺参数进行优化。这种方法把CAE模拟技术、正交实验技术和神经网络技术有机结合,可以明显缩短优化工艺参数的时间,提高工艺设计效率,能获得比单纯使用正交实验和有限元分析更好的结果。     

炭膜与三维电极耦合处理高含盐染色废水的研究

以高含盐高COD染色废水为处理对象,研究新型的炭膜与三维电极耦合技术对其降解过程.通过对比三维电极工艺,考察了炭膜与三维电极耦合技术降解高含盐高COD染色废水的优越性,并研究了反应器参数对耦合技术处理效果的影响.结果表明,电极间距1.0cm,电流密度30 mA·cm-2,反应时间4 h,石墨玻璃珠混合物为粒子电极时,炭膜与三维电极耦合技术可将废水COD从4514mg·L-1下降到1050mg·L-1,COD去除率达到77%,对比三维电极电解过程,COD去除率提高34.2%.试验证明炭膜与三维电极耦合处理高含盐高COD染色废水是可行的集成技术.     

多晶硅生产中三氯氢硅精馏节能工艺

简述了多晶硅行业概况和差压耦合蒸馏节能技术。详述了一种高纯三氯氢硅差压耦合精馏工艺,利用高压塔塔顶蒸汽作为低压塔塔釜再沸器热源,实现了能量的集成与过程优化。运用化工模拟软件PRO/Ⅱ8.1模拟了两塔高纯三氯氢硅差压耦合精馏工艺和三塔高纯三氯氢硅差压耦合精馏工艺的设计参数。结果显示,两塔耦合三氯氢硅一次收率为92.0%,理论节能50.1%;三塔耦合三氯氢硅一次收率为92.0%,理论节能66.7%,效果更好。该技术已成功实现工业化,可使精馏单元实际能耗平均降低40%～60%,同时大幅减少了设备投资。     

云南磷化工与磷矿浮选矿化耦合技术

阐述云南磷矿浮选与磷化工发展现状,介绍用氟硅酸生产无水氟化氢副产水玻璃、硫酸低温位热能用于磷矿加热浮选以及硫酸与磷酸生产中的废酸用于磷矿浮选介质调整剂等方面的矿化共生耦合技术,提出磷矿浮选与磷化工耦合技术在设备和工艺参数等方面存在的问题,旨在降低磷矿浮选与磷化工成本,实现可持续发展。     

基于神经网络的座便器虹吸管道结构参数优化

应用基于人工神经网络技术和正交试验法结合的优化方法,本文对座便器虹吸管道结构参数进行了优化设计.作者运用计算流体动力学仿真技术得到样本,在MATLAB环境中建立神经网络模型,并通过正交试验得到新样本,最终建立神经网络模型.代替数值模拟,并对虹吸管道进行了优化.结果表明,将经CFD数值模拟、正交试验、神经网络三者结合用于座便器虹吸管道的基本结构参数设计中,可以缩短优化时间,提高设计效率.     

基于免疫遗传算法-BP神经网络的主汽温控制

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计一种基于免疫遗传算法、BP神经网络和RBF神经网络的智能PID控制系统.利用免疫遗传算法的全局搜索寻优能力和较好的收敛性优化神经网络的权值,同时利用BP网络对PID参数进行在线调整.仿真结果表明,该系统在控制品质、鲁棒性方面都明显优于常规PID控制系...     

人工神经网络-遗传算法优化激光-等离子体化学气相沉积Si3N4薄膜制备工艺

应用人工神经网络建立了激光－等离子体辅助化学气相沉积（LPCVD）工艺参数与Si3N4薄膜显微硬度的关系。并运用遗传算法优化出了最佳工艺。     

基于RBF神经网络和遗传算法的注塑成型质量控制与预测

针对注塑产品容易产生翘曲和缩痕的问题,以某检测仪外壳为研究对象,运用RBF神经网络模型和遗传算法,对注塑成型质量进行控制与预测。基于正交试验方案,运用Moldflow有限元分析软件获得试验结果;利用样本数据建立试验因素与响应值之间的RBF神经网络模型,并用最优拉丁超立方抽样技术,获得样本点对模型精度进行检验;运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对注塑成型工艺参数进行多目标优化,达到有效控制和预测翘曲变形、体积收缩率和缩痕指数的目的,并经模拟和试模验证误差较小。结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0.394 mm,外观无缩痕。     

基于BP神经网络和改进遗传算法的蒸发器支座结构优化设计

应用显著性分析选取了优化结构参数,利用正交试验法和有限元法确定了神经网络样本数据,建立了反映结构特性的人工神经网络模型,为遗传算法提供了适应度函数,并通过改进遗传算法完成了函数优化。对比和分析结果表明,优化结构比初始结构的体积减少了19．9％,失稳临界载荷提高了293％,且满足强度条件。     

挤出吹塑中空成型工艺参数的多目标优化

以挤出吹塑中空制品品质（制品壁厚分布、制品质量）和生产效率为最终的优化目标，成型工艺参数为设计变量，基于混合人工神经网络和遗传算法建立了挤出吹塑中空成型工艺参数的多目标优化系统。此方法不仅可确定满足实际生产需要的初始成型工艺参数，减少用于确定初始成型工艺参数的时间，而且为挤出吹塑中空成型的工艺参数的确定提供了理论依据，为挤出吹塑中空成型生产的全自动化的实现奠定了基础。     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

建立了基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统。正交试验法用来设计神经网络的训练样本，人工神经网络有效的创建了翘曲预测模型；遗传算法完成了对影响薄壳塑件翘曲变形的工艺参数（模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等）的优化，并计算出了它们的优化值。按该参数进行试验，效果良好，可以有效地减小薄壳塑件翘曲变形，其试验数值与计算数值基本相符，说明所提出的方法是可行的。     

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。     

污水处理过程的模糊神经网络控制

模糊神经网络(FNN)技术的迅速发展及其理论的不断完善为其在各个领域的应用奠定了基础。分析了FNN用于污水处理系统过程控制的可行性和必要性。简述了模糊系统和神经网络在污水处理中应用的现状。指出针对不同污水处理工艺建立不同综合(集成)智能控制系统是污水生物处理过程控制的主要研究方向,同时应加强对污水处理的活性污泥数学模型、通用性预测与故障分析系统、“软测量”技术及在线生物传感器等相关理论与技术的研究。     

NEURAL NETWORK MODELING OF TRANSITION METAL - ZEOLITE EXHAUST CATALYSTS

Recent research in automobile exhaust catalysts has addressed the substitution of platinum-group metals Pt, Pd and Rh by metals such as Cu, Co, Ag, Zn, Mn and Sr exchanged or impregnated on zeolites, TiO₂ or Zro₂ carriers. These catalysts have the potential of becoming good alternatives to the commercial three-way catalysts to convert pollutant hydrocarbons (HC), carbon monoxide (CO) and nitrogen oxides (NO_x). This paper describes a technique based on neural networks, to correlate the catalyst synthesis variables and resulting exhaust conversion. The optimum catalyst composition and operating conditions for a specified exhaust conversion are determined

A back-propagation algorithm was used to train the feed-forward neural network consisting of two hidden layers with 45 and 60 neurons in the first and second hidden layers respectively, with optimum values of the learning factor and momentum gain coefficient. The effects of the operating and compositional parameters on NO_x conversion by Cu-ZSM-5 were found. The optimum conversion was predicted for Si/Al atom ratio in the range 30-35, Cu-loading (in Cu-ZSM-5) of 1·1 - 1.2% of the zeolite weight, and an operating temperature of 650-675  K. The rare-earth metals (Ce, Cs and La) that act as promoters for three-way catalysts did not have a considerable effect on the exhaust conversion. The conversion increased by at least 10% when Co is used as a co-cation in Cu-ZSM-5.     

In vitro assessment of tooth color changes due to orthodontic treatment using knowledge discovery methods

Esthetic dentistry imposes several demands on the artistic abilities of the dentist, and knowledge of the underlying scientific principles of tooth color is considered to be essential by Sikri. The supervised classification methods, such as the artificial neural networks, the support vector machines, and also the Bayesian classifier, and the feature selection methods, such as decision trees, genetic algorithms and neural networks, as well as independent component analysis combined with least square support vector machines, were applied successfully in the medical field but were less implemented in the dental analysis domain. This study was conducted on extracted premolars from people who required orthodontic treatment. Data gathering was done using spectrophotometric recordings of tooth color parameters before and after accelerated bleaching, staining, and control procedures on extracted teeth on which was simulated orthodontic treatment. Comparison between data mining techniques and classical statistical interpretation of data was done. The results demonstrated the usefulness of these innovating data assessment techniques in the dental field.