排序方式: 共有49条查询结果,搜索用时 250 毫秒
1.
2.
对马钢新1#高炉自95年以来的数据进行了分析,采用人工神经网络方法设立了一和中高炉下部热量与高炉各主要参数间的预报神经网络模型。该模型可进行瞬时预报高炉下部热量水平,并找出与平衡点之间的偏离度,从而调整各参数,使高炉逼近平衡点,达到稳定高炉操作目的,该模型还具有良好的适应性和自学习功能。 相似文献
3.
5.
6.
基于MATLAB的高炉渣系成分优化 总被引:1,自引:1,他引:0
根据最优化理论及方法,利用高炉炉渣性能与炉渣各组元之间的回归关系,结合MAT-LAB强大的数据处理功能,设计了高炉渣系成分的多目标优化方法,并将其应用于马鞍山钢铁股份有限公司中型高炉炉渣组元的优化,得到了炉渣组元的优化值:CaO38%,MgO12%,Al2O3 13%和SiO3 34%,二元碱度R2=1.12。为高炉操作和炉料结构的合理化提供了重要依据。 相似文献
7.
8.
目的 探究超疏水涂层各成分的含量对涂层水接触角和导热系数的影响,找到最优成分组合,使涂层水接触角和导热系数同时获得最大值。方法 根据设计的L25(55)正交试验,制作和测试涂层试样,借助Matlab软件建立结构为5-8-2的BP神经网络,通过正交试验结果训练和测试神经网络,得到涂层水接触角和导热系数的预测模型。调用训练好的预测模型,采用遗传算法对涂层各成分含量进行全局寻优。使用寻优得到的参数和调整后的参数进行试验,检验寻优计算结果。结果 BP神经网络预测模型水接触角的最大误差为0.061 98,导热系数的最大误差为0.065 77。基于遗传算法的优化结果,涂层成分(质量分数)为纳米SiO2 10.1%+TiO2 6.4%+碳粉5%+纳米石墨烯0.6%+MTES 1.8%时,涂层的水接触角达到164.24°,导热系数达到14.19W/(m·K),其误差分别为3.80%和2.31%。采用调整后的参数进行试验,测试得到涂层的水接触角为155.02°,导热系数为13.25 W/(m·K),其误差分别5.64%和5.58%。结论 通过BP神经网络预测模... 相似文献
9.
10.
确定了MHP100-125化工泵的主要参数和结构方案,对泵的叶轮进行了水力设计,确定了其水力尺寸。水力设计时主要采用速度系数法。结果表明,设计出的化工泵产品的水力性能达到了预期目标,且提高了其先进性与合理性。 相似文献