基于BP神经网络的流体流量补偿方法

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。     

特种陶瓷超高温梭式窑设计及热工特性

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…     

2m~3梭式窑高温段数值模拟对比性研究

通过建立相同尺寸为2 m~3的梭式窑模型,对传统梭式窑与全自动梭式窑进行数值模拟对比研究。结论是全自动梭式窑气体扰动明显比传统的梭式窑,大大提高高温烟气换热的效率,全自动温度梭式窑炉温度均匀性比传统梭式窑温度场的温度均匀性更好,更有利于陶瓷烧制的产品,为未来智能梭式窑生产提供了更好的理论基础。     

B-C陶瓷CVD制备工艺参数优化

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.     

数据采集卡在自吸式烧嘴梭式窑控制中的应用

液化气梭式窑被广泛运用于各种陶瓷的烧成。但自吸式烧嘴液化气梭式窑却难以实现自动控制,完全靠手工操作实现烧成过程,很难保证烧成质量。本文借助数据采集卡开发控制系统,结合已改进的自吸式烧嘴梭式窑,对其进行了温度与气氛控制实验。经过实验工况证明,用数据采集卡实现液化气梭式窑的自动控制是可行的,并取得了较好的控制效果。     

基于Sigmoid函数参数调整的双隐层BP神经网络的板形预测

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。     

建筑卫生陶瓷缺陷分析神经网络系统

尝试利用BP神经网络模型,确定其输出输入值的模式,确定隐层节点数,探讨除用Sigmoid函数外,还有什么函数更能提高自学习效率及发挥其功能.探讨切合建筑卫生陶瓷缺陷的神经网络相关参数,以保持陶瓷的网络模型的稳定性.通过收集样本来训练、测试和考核结论.     

人工神经网络对NaNbO3基陶瓷介电性能的预测研究

NaNbO₃基陶瓷在电介质储能领域具有极大的应用潜力。研究在对NaNbO₃基复合陶瓷材料开展实验研究的基础上,基于人工神经网络方法构建BP神经网络与优化的GA-BP神经网络模型,以磷酸盐玻璃相的添加量、烧结温度、烧结时间作为输入,介电性能(介电常数与介电损耗)作为输出,对NaNbO₃基复合陶瓷材料的介电性能开展预测研究。结果表明,通过GA-BP网络预测的介电常数相对误差最大仅为1.03%,介电损耗预测结果最大值仅为-3.18%,完全符合应用需求。     

基于BP神经网络的T10A钢针织器材化学镀镍工艺预测

基于BP(反向传播)神经网络理论,利用MATLAB R2012b软件的人工神经网络工具箱,以实验中得到的25组不同温度、时间、pH、硫酸镍浓度、次磷酸钠浓度、辅助配位荆浓度下的T10A钢针织器材化学镀镍层厚度及孔隙率为样本,对建立的BP神经网络模型进行训练及预测。结果表明,该BP神经网络有较快的学习速度及较高的预测精度。     

基于改进遗传算法的BP神经网络手写数字识别

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。     

梭式窑中二甲醚富氧燃烧的研究初探

本研究对梭式窑中二甲醚的富氧燃烧进行研究初探。结果表明,虽然二甲醚热值比液化气低,但由于二甲醚自身含氧,在燃烧过程中所需空气远低于液化气,因此二甲醚理论燃烧温度高于液化石油气。当二甲醚采用富氧燃烧后,火焰温度急速上升,富氧浓度可降低。当氧体积分数为27%～29%时,二甲醚烧成节能效果最佳。通过富氧燃烧帮助解决二甲醚燃烧过程中有机污染物的问题,有利于二甲醚在陶瓷工业的应用,并对二甲醚富氧燃烧技术在陶瓷窑炉的应用进行经济效益分析。     

氧化铝回转窑烧成带火焰图像识别系统

针对氧化铝回转窑烧成带工况变化复杂,与产品质量指标密切相关的关键过程变量无法实现在线连续检测的难题,模拟传统的人工看火操作过程,提出利用图像处理与模式分类技术对与回转窑工业过程自动控制密切相关的烧成带状态进行自动识别的方法。组建了系统的硬件、软件平台,设计并开发了基于混合数据特征识别的氧化铝回转窑烧成带工况识别软件。该系统成功应用于国内某氧化铝厂,为回转窑的优化控制提供了重要的辅助决策信息。     

液化气梭式窑燃耗的计算机仿真研究

本文通过计算机数值模拟方法,以液化气梭式窑为实验对象,开发了对梭式窑进行综合模拟的软件包,它可求解出窑墙内各个时刻的瞬态温度分布及其温度场,计算窑体蓄散热,进行燃耗仿真及成本预估等。本文利用所开发的软件对梭式窑窑体的砌筑方式进行了优选,得出了“棉-砖-棉”结构是一种合理砌筑方法的结论;本文还利用该软件进行了综合的仿真研究,探讨了不同窑体砌筑材料,不同烧成时间等因素对梭式窑燃耗的影响,而且还通过模拟计算对窑炉在升温不同阶段的燃耗分配给出了合理的预测。     

梭式窑预混富氧燃烧预热阶段换热特性的模拟研究

通过计算流体力学(CFD)软件—FLUENT研究了富氧浓度对预热阶段梭式窑内换热特性的影响。结果表明火焰最高温度随富氧浓度的增加非线性增大。梭式窑内的富氧燃烧可以减少高温高速烟气射流直接对窑墙的冲刷。由于烟气不能充分冲刷烧嘴附近区域和烟气射流顶部回流的影响,窑炉断面出现温差。为使窑内温度尽量均匀,预热阶段也可通过控制燃料量,点燃全部烧嘴。富氧助燃可以使窑内换热增强,减小窑内温差。     

蓄热式燃烧技术在梭式窑上的工业应用

根据目前梭式窑的能耗现状,分析了蓄热式燃烧技术应用于梭式窑的可行性。采用蓄热式燃烧技术对一台45m3的梭式窑进行了技术改造,并进行了工业应用实验。实验中采用60s的换向周期,换向过程引起的温度波动不大于5℃。采用蓄热式换热器后排烟温度一直维持在40～100℃之间,烧制完成后蓄热式梭式窑较传统梭式窑节能26.8%。由于窑内温度分布均匀性提高,烧制出的产品的色泽也得以提升。     

梭式窑火焰数字图像的边缘检测初探

本文介绍了几种典型的边缘检测算法,对它们各自的特点进行了比较。对梭式窑内的一幅原始图像,可用边缘检测算法提取火焰图像的边缘。     

燃气高温梭式窑在艺术陶瓷创作中的应用及烧成操作

随着陶瓷艺术教育在各大、专院校的兴起,高温梭式窑也成为高校艺术陶瓷创作中常用的教学、科研设备。本文结合陶艺教育需求及陶瓷艺术瓷烧成特点,对高温燃气梭式窑炉的烧成操作以及窑炉日常管理维护作了较为系统的阐述。     

燃气高温梭式窑在艺术陶瓷创作中的应用及烧成操作

随着陶瓷艺术教育在各大、专院校的兴起，高温梭式窑也成为高校艺术陶瓷创作中常用的教学、科研设备。本文结合陶艺教育需求及陶瓷艺术瓷烧成特点，对高温燃气梭式窑炉的烧成操作以及窑炉日常管理维护作了较为系统的阐述。     

基于神经网络的分解炉温度控制过程建模

以预分解窑系统的工艺过程为依据,利用BP神经网络技术,对分解炉温度的控制过程进行建模。     

陶瓷窑炉动态温度场测试及操作的优化

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。