共查询到20条相似文献,搜索用时 171 毫秒
1.
针对流体质量流量测量中密度随温度及压力等参数的变化而变化,在BP算法的基础上,采用BP神经网络补偿方法对液氨的密度进行了补偿,给出了网络训练后误差渐进过程的仿真图和补偿后的仿真结果图,通过函数调用网络训练后非采样点上的温度来得到对应的密度值。可以得到结论:基于BP神经网络的补偿方法弥补了最小二乘法在非线性补偿方面的缺陷,且误差比较小,是一种性能比较优越的补偿方法。 相似文献
2.
1 前 言 随着特种陶瓷的迅速发展,超高温梭式窑在国内相继出现。特种陶瓷的烧结形式有多种:主要有连续或热压烧结炉,连续式真空(氧分)烧结炉和间歇式常压烧结炉──即超高温烧结炉。从生产实践中看应用较多的还是间歇式超高温常压烧结炉。 特种陶瓷具有高强度,高韧性、耐高温、耐磨和优异的力学、热学性能,所以特种陶瓷须具有优越的超高温烧结条件及设施。 近年来,间歇式超高温烧结炉引起了热工学者们的重视,因此对现有特种陶瓷超高温梭式窑的设计进行探讨、研究 进一步了解其热工特性,对改进超高温梭式窑的设计具有极其重要的意… 相似文献
3.
4.
CVD法制备B-C陶瓷的沉积效率对于自愈合陶瓷基复合材料(CMC-SH)的最终性能关系重要.本文结合BP神经网络和遗传算法,建立了B-C陶瓷CVD工艺参数优化方法.首先应用BP神经网络对其试验数据进行训练,训练后的网络作为映射工艺参数与性能指标之间的复杂非线性关系的数学模型,并用该网络预测的性能输出作为目标函数求解的方法,以沉积温度、沉积时间、前驱体BCl3/CH4比例和前驱体H2/CH4比例为设计变量,采用遗传算法对变量进行优化,从而实现平均增重率和沉积速度确定的工艺参数的优化.本文将BP神经网络与遗传算法有机结合起来建立B-C陶瓷CVD制备工艺参数优化系统,以期获得最佳的B-C陶瓷沉积效率. 相似文献
5.
6.
基于Sigmoid函数参数调整的双隐层BP神经网络的板形预测 总被引:1,自引:0,他引:1
提出一种改进的BP神经网络处理板形缺陷数据的方法,建立双隐层BP神经网络模型,并对Sigmoid激活函数的形状进行调节。将其应用到冷轧的板形缺陷识别中,与利用Levenberg-Marquardt规则训练的BP神经网络预测结果作对比,表明该方法不仅有效地减少双隐层BP网络的学习时间,同时改善了网络的泛化能力,有利于板形缺陷在线识别。 相似文献
7.
8.
9.
10.
手写数字识别是光学字符识别技术的一个分支,一般采用神经网络,其中较为突出的是BP神经网络,但BP算法易陷入误差局部最小产生振荡且训练速度慢,通常先采用优化算法对其结构进行优化。为此,在分析GA-BP算法原理的基础上,提出对GA算法的相应算子中交叉和变异概率进行改进的方法,并用改进的GA算法优化BP神经网络的连接权值和阈值。以手写体数字识别为对象进行实验,结果表明:该方法具有更快的收敛速度和更可靠的稳定性,大大提高了BP神经网络的学习速度和识别率。 相似文献
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
陶瓷窑炉动态温度场测试及操作的优化 总被引:3,自引:0,他引:3
利用先进的红外热成像测试技术及自动设计的断面温差测试系统,进行了陶瓷窑炉火焰温度场分布的测试,窑墙表面温度场的测试、干燥器干燥效果的测试及窑内同一横断温差分布的测试。研究了影响火焰温度场的各因素,为窑炉的控制及操作的优化提供了可靠的依据。 相似文献