Application of a Taguchi-based neural network prediction design of the film coating process for polymer blends

In this paper, an approach for developing the prediction model for polymer blends using a back-propagation neural network (BPNN) combined with the Taguchi quality method is presented in an attempt to improve the deficiencies in current neural networks associated with the design of network architecture, including the selection of one optimal set of learning parameters to accomplish faster convergence during training and the desired accuracy during the recall step. The objective of the prediction model is to explore the relationships between the control factor levels and surface roughness in the film coating process. In addition, the feasibility of adopting this approach is demonstrated in the study optimizing the learning parameters of the BPNN structure to forecast the target characteristics of the product or process with various control conditions in the manufacturing system.     

控冷工艺参数对中厚板均匀冷却的影响

 确定了中厚板ACC冷却系统的换热边界条件,建立了钢板温度场有限元计算模型,利用现场实测数据对模型计算结果进行了验证,并且分析了不同冷却工艺参数包括集管开启方式、辊道速度以及冷却介质温度对钢板终冷温度、返红温度以及温差的影响规律,从而为实际生产中提高钢板控冷过程中的冷却均匀程度提供理论依据。     

拉伸载荷作用下AlN夹杂物对航空用超高强度钢中裂纹萌生的影响

 采用扫描电镜原位观测法,跟踪观察了航空用超高强度钢中长方型夹杂物导致裂纹萌生与扩展的微观行为。结果表明,拉伸载荷作用下,航空用超高强度钢中裂纹萌生的方式与夹杂物尺寸及夹杂物周围孔洞的大小有关。当夹杂物面积小于一定值时,无论夹杂物周围有无孔洞,裂纹均以夹杂物/基体界面开裂的方式萌生;当夹杂物面积大于一定值后,若夹杂物/基体界面基本完好,则裂纹易以夹杂物自身开裂的方式萌生;若夹杂物周围孔洞面积较大,则裂纹易以夹杂物/基体界面开裂的方式萌生。     

碳锰钢热变形行为及动态再结晶模型

 采用单道次热模拟实验分析了各变形参数(初始晶粒尺寸、变形速率、变形温度和变形量)对碳锰钢动态再结晶的影响。结果表明,当初始晶粒越细小、变形温度越高、变形速率越小时,越易发生动态再结晶,同时在能够发生动态再结晶的条件下,变形量越大,动态再结晶越充分。得到了发生动态再结晶时的形变激活能Qdef、临界变形量模型、动态再结晶百分数模型及动态再结晶晶粒尺寸模型。计算得出ε05模型的平均误差为395%,模型预测值与实验数据计算值符合较好。     

稳恒磁场下铁 镍合金箔的制备及磁性能

 研究了施加稳恒磁场(H=0~07 T)对电沉积铁 镍合金箔的影响。测定了垂直电流方向,不同强度磁场下的电流效率、合金组成及合金箔的磁性能,并用扫描电镜和X射线衍射观察合金箔的微观形貌和结构,分析讨论了稳恒磁场对这些性能的影响规律。结果表明：与不施加磁场相比,施加垂直磁场后合金箔表面更均匀、细致、平整;合金箔铁含量提高约14%;合金箔(111)晶面取向程度增强,磁性能有所改善;但铁 镍合金电镀的电流效率呈先增加后下降的趋势。     

合金化和球化工艺对超高碳钢组织和性能的影响

 研究了合金化和球化工艺对超高碳钢组织和性能的影响。用扫描电子显微镜、透射电子显微镜和能谱仪观察了钢的组织形貌和元素分布。结果表明：在碳和铬含量相同的超高碳钢中加入同量的合金元素铝和硅时,铝可明显抑制锻造组织中网状或粗大的颗粒状碳化物的析出、细化珠光体组织和控制石墨形成。UHCS 213Si和UHCS 261Al钢经850 ℃×3 h球化退火处理后,都能得到较好的球化组织,其力学性能分别为：UHCS 213Si钢,Rm=1 033 MPa,Re=734 MPa,A=149%;UHCS 261Al钢,Rm=973 MPa,Re=677 MPa,A=182%。     

双辊铸轧工艺温度场和流场耦合的数值模拟

 双辊铸轧过程中熔池内金属的流动状态及温度分布直接影响着铸轧过程的稳定性与铸带产品的质量。针对实验室双辊铸轧试验的特点,采用三维有限元法模拟了双辊铸轧过程的热流耦合问题,利用热平衡计算、铸轧实验和模拟相结合的反向方法分段建立了凝固过程中凝壳与铸辊之间热传导系数与铸轧速度、熔池位置之间的关系模型,并分析不同工艺条件下熔池内凝固变化的情况。     

基于RBF神经网络的中厚板轧机的温降模型

 基于Matlab神经网络工具箱,采用改进的径向基函数(RBF)网络优化计算4200中厚板轧机的轧制温度。通过径向基层散布常数的人工调整以及神经元的自适应调整,提高了收敛速度,确定了最佳的网络结构形式。网络预测结果与在4200中厚板轧机上实测的轧件温度进行了对比,预测精度很高,表明了该网络模型的优越性。该模型可为以温度参数为主要控制对象实行自动化生产的4200轧机提供可靠的参数,也可为人工神经网络在其它自动控制方面的应用提供参考。     

The efficacy of back propagation neural network with delta bar delta learning in predicting the wear of carbide inserts in face milling

Face milling is a process predominantly affected by dynamic variation of cutting forces, thermo-mechanical shocks and vibration leading to catastrophic tool failure along with gradual wear of the inserts. Keeping in view the industrial importance of this process, it is necessary to devise suitable methods to predict in advance the onset of tool failure without grossly impairing the machining set-up and the job. Hence, the applicability of back propagation neural network with delta bar delta learning rule for faster convergence has been studied with the above objective. The multi sensor based tool condition monitoring strategy shows that the learning rate adaptation scheme combined with the selection of suitable process parameters drastically reduces the training time of the artificial neural network without dispensing with the prediction accuracy.     

广义回归神经网络在变压器绕组热点温度预测中的应用

电力变压器的绕组热点温度是影响其绝缘性能的主要因素之一,因此有必要进行电力变压器绕组热点温度预测以提高电力变压器的运行可靠性。变压器内部温度受诸多因素的影响,且计算涉及到传热学、流体力学和电磁学等边缘学科,以致其计算复杂,不宜使用。广义回归神经网络(GRNN)具有较强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性等特点,将其应用于变压器绕组热点温度的预测,克服了基于误差反向传播算法的人工神经网络(BPNN)预测时训练过程中存在局部最小点、收敛速度慢等缺点。将预测结果与实测值进行对比,结果表明GRNN神经网络的预测结果与实测值具有较好的一致性。