卫生陶瓷机器人施釉厚度沉积率模型拟合软件模块的开发

釉料厚度沉积率模型是机器人自动施釉的重要依据.为了对卫生陶瓷产品的施釉机器人离线编程作业轨迹自动规划,实现施釉过程中卫生陶瓷产品釉料厚度的精确性和均匀性.采用MFC开发了釉料厚度沉积率模型功能模块.提出基于遗传算法拟合沉积模型方案,利用COM形式的VC与MATALB的混合编程实现模型拟合、模型分析功能,设计动态链接库,...     

蜡沉积厚度随时间变化规律的模型研究

在分析蜡沉积过程的基础上, 基于一定的假设条件, 建立了蜡沉积厚度随时间变化的模型。通过提取蜡沉积厚度随时间变化曲线的数据, 拟合了模型中的待求常数, 并对模型计算值和实验值的吻合程度进行了分析。结果表明:对数模型、指数模型及动平衡模型均能反映蜡沉积厚度随时间的变化趋势, 对数模型与实验值的吻合程度最好;指数模型和动平衡模型所得的结果与实验结果的吻合程度相当, 在沉积初期, 指数模型的吻合程度高于动平衡模型, 但当沉积时间接近实验规定时间时, 动平衡模型的吻合程度高于指数模型;所建立的模型简单实用, 能够反映沉积厚度随时间变化的增长快慢趋势, 不同实验数据应用时仍需对各模型的计算精度进一步验证, 从而使得选用模型能更好地符合实际。     

平板玻璃的可见光透过率与厚度和吸光率的关系

通过对超白、普白、绿玻3种吸光程度不同的玻璃样品进行可见光透过率测试,对比了采用现有不同厚度的透过率转换公式所产生的偏差,分析了存在的问题,探讨了玻璃的吸光率对可见光透过率厚度间转换的影响,提出了一种试验换算方法。     

熔融沉积微隙率与黏结强度关系模型的建立

采用熔融沉积成型(FDM)技术在不同工艺条件下制备了ABS(丙烯腈-丁二烯-苯乙烯共聚物)制件,考察了工艺参数与制件黏结强度之间的关系。结果表明:在不同工艺条件下制件具有不同的微隙率,而微隙率是影响FDM制件黏结强度的关键因素。在此基础上确立了FDM制件微隙率与黏结强度之间的定量模型,进而提出了一种通过改善挤出头散热效果以降低制件微隙率的方法。实验结果表明:采用该方法可使FDM制件的黏结强度大幅提高,可达到普通注塑件拉伸强度的84.09%,这有力证实了所提出模型的合理性和有效性。     

基于灰色神经网络模型的金属元素收得率预测研究

炼钢过程中的脱氧合金化是钢铁冶炼中的重要工艺环节,钢水脱氧合金化过程中由于所炼钢种、钢水成分、合金加入种类、钢水温度以及操作等的不同,导致元素收得率和成本受到影响,在保证钢水生产质量的同时如何提高元素收得率并且降低成本是各大钢厂企业迫切要解决的问题。本文利用灰色神经网络模型对采集的数据进行分析优化,使用实际生产数据进行仿真模拟,结果表明所建模型能够较准确的计算出元素收得率,符合实际生产需求。最后通过对模型的改进优化,进一步提高预测的准确性。     

基于混合编程思想的色谱分析软件关键技术开发

介绍一种基于色谱模拟蒸馏技术的油品质量数据处理系统,该系统利用混合编程思想将Matlab的数值计算功能和Visual C#.NET系统设计开发功能相结合.重点阐述Matlab和Visual C#.NET混合编程中,基于Matlab平台的化学计量学方法的实现技术;Matlab平台下化学计量学算法的.NET组件封装技术;.NET平台下对生成组件的调用技术和程序部署与发布技术.     

基于灰色模型的原油管道蜡沉积速率预测

基于灰色模型理论和建模思想,GM(0,N)模型可计算多个影响因素间相互作用的拟合和预测结果,建立GM(0,5)模型并与黄启玉模型进行误差对比分析,对原油管道蜡沉积速率进行预测.拟合出GM(0,5)模型蜡沉积速率平均相对误差为0.8855％,预测出GM(0,5)模型蜡沉积速率平均相对误差为15.0369％,精度都远优于黄...     

基于不同保护层厚度下混凝土构件角区锈胀裂缝宽度与钢筋锈蚀率的关系研究

采用人工通电加速锈蚀法来获得6个不同锈蚀结果的锈蚀钢筋混凝土构件,在锈蚀钢筋混凝土试件的三个锈蚀表面划分网格,用裂缝观测仪对裂缝进行观测并记录裂缝的宽度值.将钢筋混凝土试件进行破型处理,获得对应裂缝位置处的钢筋锈蚀率.针对试验获得的保护层为10 mm、20 mm、30 mm下混凝土构件角部锈胀裂缝和锈蚀率的基本数据,通过数据拟合发现不同保护层厚度下锈蚀率和锈胀裂缝宽度存在明显的线性关系.最后,通过统计回归分析,将混凝土构件角部钢筋锈蚀率与裂缝宽度及保护层厚度之间的关系整合为一个回归方程,以方便其在实际工程中的应用.     

砂率及机制砂特性对混凝土流动性与颗粒膜层厚度的影响

在保持混凝土胶材总量、水胶比不变情况下,设计了不同砂率、不同种类砂搭配的混凝土配合比,通过测试混凝土扩展度、扩展时间(T₅₀₀),结合浆膜层厚度(PFT)、水膜层厚度(WFT)计算,详细分析了PFT、WFT与新拌混凝土流动性的关系。结果表明,混凝土流动性受PFT和WFT的影响较大,且不同种类砂搭配制备混凝土的流动性、PFT、WFT均存在较大差异。混凝土扩展度随PFT、WFT的增加而增加,且关联度较高,T₅₀₀随PFT、WFT的增加而减少,但相关性较差。PFT、WFT的变化主要源于机制砂石粉含量、细度模数以及骨料空隙率的变化,当石粉含量过高时,虽然会引入更多浆体使PFT增加,但同时也会引起体积水胶比减小,比表面积增大,导致WFT变小,混凝土流动性反而变差。     

SiC-CVD过程的人工神经网络建模

ＳｉＣ－ＣＶＤ过 本质复杂性制约 了碳／碳复合材料表面有效地制备高性能抗氧化涂层。本研究在对ＣＶＤ工艺过程及机理试验研究的基础上,采用人工神经网络技术对ＳｉＣ－ＣＶＤ过程进行了辨识与模拟研究,建立了ＳｉＣ－ＣＶＤ过程的神经网络的模型。     

基于神经网络和过程机理的热流体系统仿真

构建了一种基于复合神经网络和过程机理特性的热流体系统仿真模型 .该模型在形式上为一种复合人工神经网络模型 ,保证了模型具有十分理想的仿真速度 ;在网络模型设计上较好地考虑了系统输入与输出间的物理基础 ,网络模型在一定程度上由常规的黑箱模型转化为“灰箱模型” ,网络的训练除了具有常规的输入、输出间的纯数值映射关系学习功能之外较好地体现了对象输入与输出间的物理机理学习 ,保证了网络模型具有良好的联想能力、外推能力和时间递推能力 .     

SYSTEMATIC DERIVATIONS OF MODEL PREDICTIVE CONTROL BASED ON ARTIFICIAL NEURAL NETWORK

This article presents systematic derivations of setting up a nonlinear model predictive control based on the artifical neural network. Unlike most research in the past, the control law is mathematically developed in detail so that the performance of the ANN-based controller can be improved. In this paper, a three-layer feedforward neural network with hyperbolic tangent functions in the hidden layer and with a linear function in the output layer is used. The two-stage scheme including pseudo Gauss-Newton and least squares is proposed for training ANN. This training method is better than the traditional algorithm in terms of training speed. The Levenberg-Marquardt approximation is also utilized for the minimum of the predictive control criterion. Two typical chemical processes are simulated and the ANN model predictive control applications can reach fairly good results.     

基于BP神经网络的陶瓷裂纹釉釉面效果预测模型及应用

人工神经网络具有巨量并行、结构可变和高度非线性等特点,其建立数学模型并不需要预先知道太多有关问题背景的知识,这尤其适用于陶瓷釉研究中某些机理尚未完全清楚、传统数学方法无法分析的情况[1]。将人工神经网络技术用于裂纹釉的配方性能分析,以釉面裂纹为研究对象,选取了8种釉料的化学成分,在均匀实验设计的基础上,用BP人工神经网络对所得实验结果进行了分析,并且用图形化方式直观地表达了出来。根据实验结果,人工神经网络模型能较准确地预测出陶瓷的釉面效果,从而为研究裂纹釉提供了一种新的思路和有效手段。     

陶瓷窑炉控制与人工神经网络

模糊控制在陶瓷窑炉的控制中已有应用,本文分析人工神经网络结构特点及其在自动控制中应用的例子说明人工神经网络在陶瓷窑炉控制中应用的可行性及前景。     

人工神经网络用于炭／炭复合材料CVD SiC涂层的研究

炭／炭复合材料抗氧化涂层是该材料可否用于高温结构件的关键。将人工神经网络用于CVDSiC抗氧化涂层的建模,试图解决该过程影响因素复杂、数学模型难于建立、无法对整个过程进行有效预测和控制的问题。初步探讨表明,采用人工神经网络建模,可以比较确切与全面地反映CVDSiC涂层过程的影响因素和内在规律,预测的工艺参数与沉积速率的关系同实验结果吻合较好,由此证实了将人工神经网络应用于抗氧化涂层制备系统是可行的。     

人工神经网络用于炭/炭复合材料CVD SiC涂层的研究

炭／炭复合材料抗氧化涂层是该材料可否用于高温结构件的关键。将人工神经网络用于ＣＶＤＳｉＣ抗氧化涂层的建模,试图解决该过程影响因素复杂、数学模型难于建立、无法对整个过程进行有效预测和控制的问题。初步探讨表明,采用人工神经网络建模,可以比较确切与全面地反映ＣＶＤＳｉＣ涂层过程的影响因素和内在规律,预测的工艺参数与沉积速率的关系同实验结果吻合较好,由此证实了将人工神经网络应用于抗氧化涂层制备系统是可行的     

神经网络建模方法在维生素C发酵过程中的应用

传统的标准“黑箱”型人工神经网络已较为广泛地应用于生化过程中的状态预估等多个方面,然而结合过程先验知识或部分机理模型的混合神经网络建模方法能给出更令人满意的结果.本文将其应用于2-酮基-l-古龙酸（2-KLG）发酵过程的状态估计,并将其结果与传统神经网络模型进行了比较,混合模型明显优于单一神经网络方法.     

基于反向神经网络的陶瓷材料Vickers硬度预测

误差反向传播神经网络(BP网络)具有能够正确逼近非线性映射关系的优点。将其运用到复相结构陶瓷材料Vickers硬度预测当中，克服了陶瓷材料研究中单因素实验法不能正确反映Vickers硬度与添加组分多因素之间复杂非线性关系的弱点，通过硬度预测和试验验证表明，该方法可行有效，为快捷、经济地开发研制新的陶瓷材料提供了新的思路和有效手段。