主成分分析结合BP神经网络在橡胶材料磨耗性能预测中的应用

采用基于灵敏度分析的BP神经网络模型,将丁苯橡胶（SBR）复合材料的8种力学性能数据经过主成分分析（PCA）降维后作为神经网络的输入向量,耐磨性能数据作为输出向量,对SBR复合材料的耐磨性能进行预测,并计算各输入向量的灵敏度矩阵,从而分析输入量对耐磨性能的影响程度。结果表明：通过PCA降维处理,可以消除神经网络输入向量之间的共线性,简化网络,提高网络的预测性能;预测误差在允许范围内,说明BP网络适用于橡胶材料的耐磨性能预测;灵敏度分析显示定伸应力、拉断伸长率和拉断永久变形对SBR橡胶复合材料的耐磨性能影响最大。     

基于BP神经网络的敏感性分析模型在天然橡胶耐磨性分析中的应用

采用主成分分析法将天然橡胶复合材料的8种力学性能降维后作为BP神经网络的输入向量,耐磨性作为输出向量,得到训练优秀的BP神经网络。对输入向量进行敏感性分析,得出各主成分对耐磨性影响大小的顺序。对影响最大的主成分所包含的力学性能再一次进行敏感性分析,得到对天然橡胶耐磨性影响最大的力学性能。结果表明,BP神经网络的预测精度达到93.1%,说明BP神经网络适用于橡胶材料耐磨性的预测。敏感度矩阵显示100%定伸应力对天然橡胶复合材料耐磨性的影响     

GA-BP神经网络的钛合金微弧氧化膜层厚度预测模型的建立

利用正交试验法获得的TC4钛合金微弧氧化实验数据建立了基于4-11-1(即4个输入神经元,11个隐含层节点,1个输出神经元)结构的BP神经网络预测膜层厚度的模型,并引入遗传算法(GA)对其权值和阈值进行优化。以微弧氧化工艺参数中的电流密度、脉冲频率、占空比和氧化时间作为网络的输入向量,氧化膜层厚度作为网络的输出向量,对比和分析了BP与GA-BP模型的预测结果。与BP网络模型相比,GA-BP网络模型稳定性能较好,并能高精度预测膜层的厚度,GA-BP网络模型预测值的平均误差为0.015,最大误差仅为0.036,而BP模型预测结果的平均误差为0.064,最大误差为0.099。     

基于小波神经网络的循环冷却水腐蚀预测研究

利用某石化企业40个月的循环冷却水实际生产数据,基于小神经网络进行了腐蚀预测研究。经过对比分析,得出了小波神经网络预测精度最高的网络模型为6-7-1结构。在相同输入参数向量下,对含有相同隐层节点个数的小波神经网络和BP神经网络进行腐蚀预测对比,小波神经网络比BP神经网络预测精度高。     

片层钠基蒙脱土调控炭黑对天然橡胶/丁苯橡胶纳米复合材料性能的影响

采用乳液共混法先制备天然橡胶(NR)/片层钠基蒙脱土(Na-MMT)、丁苯橡胶(SBR)/Na-MMT和NR/SBR/Na-MMT母胶,再制备得到相应的NR/SBR/Na-MMT纳米复合材料,研究Na-MMT对NR/SBR/Na-MMT纳米复合材料的微观形貌、物理性能和耐磨性能的影响。结果表明：采用NR/Na-MMT母胶共混法制备的NR/SBR/Na-MMT纳米复合材料中Na-MMT的分散效果最好,剥离状态的Na-MMT占比最大,炭黑的分散明显改善,片层Na-MMT可在一定程度上调控炭黑在NR/SBR/Na-MMT纳米复合材料中的偏析行为;该橡胶纳米复合材料的定伸应力、拉伸强度和拉断伸长率最大,阿克隆磨耗量最小(0.177 cm³),磨耗表面沟壑最浅,耐磨性能最佳。     

BP神经网络在胶料性能预测中的应用

根据BP神经网络原理，以SBR中的几种配料用量为输入变量，对应的胶料拉伸强度、拉断伸长率、撕裂强度和t90为输出变量，建立神经网络分析预报模型。通过选定合适的参数，利用已有的试验结果对模型进行训练。模型的预测结果与试验结果一致。     

基于BP神经网络的天然气负荷预测方法改进

改进用影响因素最为输入变量的BP神经网络进行短期负荷预测的传统方法,讨论基于BP神经网络的两种天然气负荷预测方法,分析其稳定性和误差分布及平均误差大小,最后得出用前4年的数据作为输入变量,后一年的数据作为目标矢量的网络训练方法,误差分布均匀且平均误差非常小,可达到天然气负荷预测的要求。     

基于PCA-DEA的乙烯装置能效分析

由于影响乙烯装置能耗的因素较多, 有必要采用相关分析筛选与乙烯装置能效相关的因素, 以确保分析的全面性与有效性。数据包络分析(DEA)作为一种非参数的效率优化分析, 适用于多输入多输出系统的特点能够综合考虑乙烯能效评估中的多因素影响。输入输出指标过多或存在不当指标, 则会导致DEA分辨率过低, 需要对输入输出指标降维。为此, 提出采用主元分析(PCA)降维的PCA-DEA法, 并将该PCA-DEA法应用于某乙烯装置以2001～2010年的月实际生产数据为依据的能效分析中, 得到比单纯选用主要指标的DEA算法和未采取PCA降维的DEA算法更好的能效分析结果。通过与单位综合能耗(SEC)对比, 验证了PCA-DEA方法的有效性, 为乙烯装置能效分析的准确性提供了更为实用的方法。     

PCA-ANN方法在PTA平均粒径软测量中的应用

在精对苯二甲酸(PTA)生产过程中,影响产品粒度的因素多且复杂。采用主元分析(PCA)方法对高维输入变量进行降维处理,利用PCA与神经网络相结合(PCA-ANN)方法建立了PTA产品平均粒径的软测量模型,模型误差在5%以内,工业应用结果验证了方法的有效性。     

不同神经网络在橡胶配方性能预测中的应用研究

选取EPDM配方中的物料的用量作为输入,以硫化胶的基本性能作为输出,通过正交实验取得的16组实验数据作为样本数据,并以其中1~13组数据为训练集,14~16组数据为测试集,建立四种人工神经网络预测模型。通过对比不同模型预测的均方误差、最大误差、最小误差和平均误差来判断神经网络的表现。结果表明:BP神经网络表现最好,对拉伸强度、拉断伸长率和撕裂强度的预测精度都较高,其次是ELMAN和RBF神经网络,对拉断伸长率和撕裂强度有很高的预测精度,而GRNN神经网络容易发生过拟合,不适用于胶料配方性能的预测。     

石墨烯气凝胶/白炭黑/丁苯橡胶复合材料的制备与性能研究

采用溶胶-凝胶法和冷冻干燥法制备的石墨烯气凝胶(GA)与白炭黑复合制得白炭黑/GA复合填料(s-GA),通过机械共混法制备s-GA/白炭黑/丁苯橡胶(SBR)复合材料,并对其性能进行研究。结果表明:在GA中填充白炭黑,可有效减少石墨烯片层的团聚,s-GA/白炭黑/SBR复合材料的t90缩短,抗湿滑性能提高;当s-GA中GA/白炭黑用量比为1/5时,s-GA/白炭黑/SBR复合材料的拉伸强度和拉断伸长率最大;随着s-GA中白炭黑用量的增大,s-GA/白炭黑/SBR复合材料的耐磨性能提高。     

基于相关向量机模型的混凝土综合性能预测

为快速获取及评价混凝土的综合性能,选取影响混凝土综合性能的6个主要因素为输入数据,混凝土综合性能(28 d强度、坍落扩展度及表观密度)为输出数据,建立基于相关向量机(RVM)的混凝土综合性能预测模型,对14组学习样本进行拟合训练,并对其余5组预测样本进行预测。结果表明:在相同的样本条件下,与BP神经网络模型进行对比,RVM模型预测精度更高,离散性更小;同时,与实际值相比,RVM模型预测的混凝土综合性能指标的平均相对误差均明显小于BP神经网络模型预测得到的平均相对误差,进一步验证了RVM模型对混凝土综合性能预测的可靠性,具有较好的推广价值。     

纳米氧化锌对NR/SBR/BR并用胶性能的影响

研究纳米氧化锌对NR/SBR/BR并用胶性能的影响。结果表明 ,纳米氧化锌用量增大 ,NR/SBR/BR并用胶的正硫化时间缩短 ,耐磨性能和耐热氧老化性能提高 ,但拉伸强度和拉断伸长率下降明显 ;1份纳米氧化锌替代 5份普通氧化锌 ,NR/SBR/BR并用胶的拉伸强度、拉断伸长率、耐磨性能和耐热氧老化性能提高。     

基于层次分析的FLANN神经网络研究及应用

针对传统函数链接型神经网络(functional link artificial neural networks,FLANN)不能有效处理化工过程中强耦合、带噪声的高维数据建模问题,提出了一种基于层次分析(analytic hierarchy process, AHP)的FLANN神经网络(AHP-FLANN)。通过层析分析模型过滤输入数据中的冗余信息,提取特征分量,并把提取的特征分量作为函数链接神经网络的输入进行建模。同时利用化工行业乙烯生产数据进行了验证,并和BP神经网络及FLANN神经网络进行了对比。结果表明,AHP-FLANN神经网络在处理复杂高维数据时具有收敛速度快、建模精度高、网络稳定性强等特点,同时能够指导乙烯生产,提高能效,具有良好的实用价值。     

基于遗传算法优化的BP神经网络气化用煤灰流动温度预测模型

采用遗传算法优化的BP神经网络建立煤灰流动温度预测模型，模型以灰成分及酸碱质量比、硅铝质量比等组合参数作为输入变量，以煤灰流动温度作为输出量，对126组来自中国北部地区的煤灰样数据进行训练与测试，并建立常规BP神经网络模型，研究了各输入变量对网络模型预测精度的影响并对比与常规BP神经网络模型的预测能力。结果表明：不同输入层变量的GA-BP神经网络模型对训练集和测试集样本数据都具有较好的学习和泛化能力，所有预测结果相对平均预测误差均不超过4%。酸碱质量比和硅铝质量比参数作为神经网络输入层的添加，虽略微提高模型对训练样本的拟合程度，但也导致验证时过拟合现象的发生，模型对新样本的拟合优度下降。采用SiO₂,Al₂O₃,Fe₂O₃,CaO,MgO和Na₂O+K₂O的质量分数6个参数作为输入变量的GA-BP模型最为适合，其对测试集数据的预测相对平均误差为3.45%,低于常规BP神经网络模型3.79%的误差。     

白炭黑对炭黑／丁苯橡胶复合材料耐疲劳性能的影响

研究白炭黑对炭黑/丁苯橡胶(SBR)复合材料耐疲劳性能的影响。结果表明:与炭黑/SBR复合材料相比,白炭黑/炭黑/SBR胶料的t10延长,交联密度下降,硫化胶的100%和300%定伸应力减小,拉断伸长率增大;在相同应变下,SBR复合材料的疲劳寿命延长,疲劳裂纹增长速率对撕裂能的敏感程度差别不大;白炭黑粒径越小,比表面积越大,结构度越低,对SBR复合材料的耐疲劳性能越有利。     

基于PCA-RBF层叠泛化网络的硝酸生产工艺历史数据建模

硝酸工业对国民经济、国防工业的发展起着重要的支持作用,而成品酸流量是硝酸生产过程重要的技术指标。提出了一种基于层叠泛化策略的成品酸流量的预测建模方法。首先,用主成分分析(PCA)对原始数据降维,提取前5个主成分作为影响因子集合;然后,构建两级RBF网络学习层,第一级针对影响因子空间,对一组RBF神经网络进行交互验证式训练得到输出值和对应的真实值所组成的的特征空间;第二级由单个RBF网络将第一级网络得到的特征空间进行非线性组合;最后,将模型用于预测出口成品酸流量,并与相应实测值进行比较以验证其合理性。结果表明,本文建立的层叠泛化网络模型具有较高的预测精度和泛化性能,对于硝酸生产工艺的分析和优化具有显著的指导意义。     

基于遗传算法优化的BP神经网络预测混凝土抗压强度

针对传统BP神经网络预测能力的不足,采用遗传算法优化的BP神经网络预测混凝土28d抗压强度,并建立了GA-ANN预测模型。一方面对模型输入项进行灰色关联分析,找出对强度影响的重点关联因素;另一方面,研究了模型在不同输入项组合、不同训练组和输出组数、不同网络隐含层节点数的操作条件下,其预测精度有何变化,找出了最优的上述操作条件,减少了预测误差。     

改性硼酸镁晶须/丁苯橡胶复合材料的制备与性能

采用偶联剂Si69对硼酸镁晶须进行改性,制备改性硼酸镁晶须/丁苯橡胶(SBR)复合材料,并对其性能进行研究。结果表明:硼酸镁晶须的加入使复合材料的物理性能和耐磨性能均有不同程度的提高;与未改性硼酸镁晶须相比,加入改性硼酸镁晶须的复合材料的物理性能较好。硼酸镁晶须能够显著提高复合材料的耐磨性能;与未改性硼酸镁晶须相比,加入改性硼酸镁晶须的SBR复合材料的耐磨性能较好。     

环保油对丁苯橡胶性能的影响

研究环保油对丁苯橡胶(SBR1500和SBR1500/SBR1516并用胶)性能的影响。结果表明,环保油代替芳烃油后,SBR1500的定伸应力、拉伸强度相近,硬度、拉断伸长率、撕裂强度稍低,回弹性略有提高,压缩疲劳试验的温升下降、永久变形变小;硫化胶的硬度、拉伸强度、定伸应力提高,拉断伸长率、撕裂强度降低,回弹性降低、压缩疲劳试验的温升下降、永久变形减小,耐热老化性能相近,抗湿滑性能改善,滚动阻力增大,耐磨性能略差。