基于BP神经网络的镀镍层表面粗糙度预测及验证

以镀镍层的表面粗糙度为研究对象,应用BP神经网络构建预测模型,并对预测结果进行验证。结果显示:预测结果与测定结果较为接近,基本呈线性相关,偏差介于0.005~0.015μm范围内,最大误差为2.01%。这表明构建的BP神经网络模型能较为准确地反映电镀工艺条件与镀镍层表面粗糙度间的映射关系,凸显出应用价值。     

表面粗糙度

从固体材料表面粗糙度在表面处理技术中的重要性出发,介绍了表面粗糙度的含义.应用最普遍的表面粗糙度的表示方法,即轮廓算术平均偏差Ra,以及另外两种表面粗糙度的表示方法:轮廓10点高度值Rz和轮廓最大高度值Rg.     

基于BP神经网络的变压器故障诊断

利用BP神经网络对变压器进行故障诊断.以特征气体含量的比值作为输入量,利用MATLAB软件建立故障诊断模型,利用改进的动量梯度下降法,达到了故障诊断的要求.并通过变压器故障诊断实例分析,证明了该方法的有效性.     

基于BP神经网络的挤出温升预测

在挤出工艺中,离开机头的物料温度通常比该段机筒设定温度要高,这样的温升往往会影响制品质量和挤出性能。针对挤出温升的非线性与复杂性,文章基于Matlab软件建立了以双螺杆转速、喂料量、物料流变特性为输入,以该工艺条件下的近机头端物料实际温度与该段机筒设定温度间的温升差值为输出的BP网络模型。结果表明:训练好的BP神经网络可以很好地预测不同的配方在不同工艺条件下的温升状况,为确定合理的挤出工艺设定温度提供了理论指导。     

基于BP神经网络的人体特征预测

近年来,神经网络发展迅猛,在人工智能、分类识别、预测分析,图像处理等方面都取得了不错的进展。目前应用最广泛的神经网络是BP神经网络,其是按照误差逆向传播来训练多层前馈网络,调整权值和阈值。本文以人的步幅特征(左右步长、步宽,步角)为输入,人体特征(身高,体重)为输出来训练神经网络,最终用matlab神经网络工具箱实现。结果表明,在正负10的误差范围内,该神经网络对人的身高、体重,年龄的预测准确率分别为96.67%,56.67%,70%。     

基于BP神经网络的供应链安全研究

突发因素可能导致整个供应链异常运作,将直接关系到贵州省作为“向西开发、沿边开发”的主力军的能源安全、经济安全。因此高效识别、正确处理因供应链异常导致的相关问题,帮助相关行业有效合理地规避、防控和处置风险,保障供应链平稳运行成为亟需解决的问题和前提条件。本文以贵州省供应链安全情况为研究对象,通过调研国内外相关研究成果,建立了供应链安全与风险控制评价系统,针对供应链风险评价提出了基于BP神经网络的评价方法。研究结果表明：用所收集的供应链风险样本对模型检验,具有较高准确度,所得结论相对误差低于10^-3。由于人工神经网络在解决高度非线性相关问题中存在优势,所以基于BP神经网络评价方法,可为相关企业规避、防控、处置供应链异常提供支持。     

基于BP神经网络的焦炭质量预测

分析了配煤炼焦中影响焦炭质量指标的各种因素及传统焦炭质量的预测方法。以天津天铁焦化厂的配合煤及生产焦炭的各项实际数据为基础,在MATLAB环境下,进行了基于BP神经网络对焦炭质量预测的方法研究。实验结果显示:3种网络的误差基本相同,范围在2%～0.05%,以中间层为15个神经元的略好,满足焦炭质量的预测要求。     

基于神经网络规则抽取的带钢热镀锌质量监控模型

为了克服传统神经网络产品质量监控模型中解释性差的困难,提出了基于神经网络规则抽取的带钢热镀锌质量监控模型. 以带钢热镀锌生产中锌层重量监控为研究对象,利用神经网络规则抽取方法对样本数据进行学习,以知识规则的形式给出模型中输入(原料参数及生产控制参数)与输出(产品质量)间的定量关系,用于对生产控制参数的设定与更新. 选取756个训练样本和376个测试样本分别对网络进行了训练和检验,结果表明,新模型中的知识规则覆盖率达到94.8%,并可根据输出变量的目标区间快速地设定各输入变量的范围,为产品质量的自动控制提供了有效的方法.     

基于BP人工神经网络的橡胶老化预报模型

依据BP神经网络系统能够利用人工智能的方法，准确分析多变量非线性系统的特性，采用多层向前BP神经网络系统建立起了橡胶老化预报模型。并利用此模型计算分析了丁基硫化橡胶基于温度与时间老化预报。结果表明，模型计算与实验在结果上有较好的一致性。     

基于MIC筛选规则和BP神经网络的变换装置建模及产品预测

在石化企业数字工厂建设中,装置的数字智能化建设十分重要。本文针对某石化企业变换装置数字化建设的需要,结合装置特点,建立了基于最大信息系数方法（MIC）的装置实时数据筛选规则和基于BP神经网络的装置产品质量预测模型。结果表明,利用实时数据筛选规则对采集到的44天共1041组装置实际运行数据进行分析,将161个变量参数删减到23个变量参数,有效降低了数据的维度,数据简化率达到85.63%;进一步采用Levenberg-Marquardt方法,用3层隐含层的网络结构建立装置的产品质量预测模型,模拟得到的装置出口变换气CO摩尔含量值与实际生产偏差很小（平均偏差1.193%）,说明本文所建模型可以很好地预测装置产品组成。以上建立的模型可为装置生产优化提供支撑,并可集成到工厂信息物理系统（CPS）中,支撑装置数字化和智能化建设需要。本文所提出的建模方法同样可用于其他类似装置的建模参考。     

涂布表面粗糙度测试仪

<正> MMIS(Magnetic Media InformationServices)公司与荷兰 Eindhoren 城菲利浦实验室的 T.Wielinga 博士接触时,得知T.Wielinga 博士在菲力浦磁介质视频磁带厂(Oosterhout)工作时开发成功两台可测磁层表面粗糙度的仪器。简便、准确。在涂磁过程中,磁层表面粗糙度对磁     

超小型表面粗糙度测量仪

最近日本东京精密研制成标记为E—10A 的便携式多功能超小型表面粗糙度测量仪。仪器特点:1.体积小、重量轻。附带传感器的驱动部分重量仅300克,和放大指示部分加在一起也只有1公斤,携带和测量都非常方便。2.所测量的中心线平均粗糙度(Ra)和最大高度(Rt)的数值,均直接用数字显示。3.内部备有电池,既使在没有外部电源等情况下也可测量。电池工作在额定负载50%时,可使用40个小时。     

基于BP神经网络的教学质量评价的探讨

教学是学校的基本功能,正确评价教学质量具有重要的实际意义。本文在分析现有教学评价方法的基础上,结合BP神经网络的特点,探讨了基于BP神经网络的教学质量评价方法。通过分析教学质量评价体系,我们构建了教学质量评价BP神经网络模型,模拟检验结果表明,BP神经网络可以有效、准确地评价教学质量。     

规范辊子的表面粗糙度

辊塑抛光的成本往往比辊子本身的价格更高。正确地抛光能提高薄膜或片材的质量并提高产量。但是大多数加工者并不知道如何度量表面的粗糙度，也不知道如何给出一个适当的指标。[编者按]     

基于BP神经网络的蒸煮卡伯值预测模型

卡伯值反映了纸浆的硬度,是稳定纸浆质量的关键。本文利用BP人工神经网络与工厂实际数据建立了一个简单的卡伯值BP神经网络模型。且介绍了以BP网络为基础的卡伯值预测模型在蒸煮终点预报系统中的应用。将该模型的仿真结果与LUO模型进行比较,可知利用BP人工神经网络进行纸浆卡伯值预测是可行的,且具有很大的理论意义和实用价值。     

基于BP神经网络的熟料fCaO指标预测

针对水泥熟料质量指标fCaO含量难以在线实时测量,提出一种基于BP神经网络的软测量建模方法。利用水泥厂DCS和化验室的现场测量数据,建立熟料fCao含量的预测模型。在Matlab中的仿真结果表明,提出的模型能够有效地预测水泥熟料的fCaO含量。     

基于BP神经网络的结晶成核速率预测

利用神经网络所具有的输入输出之间的高度非线性映射关系,给出了一种利用BP神经网络模型预测磷酸二氢铵结晶成核速率的方法。在对网络进行训练的基础上,建立了磷酸二氢铵结晶生长速率与过饱和度、冷却温度、饱和温度及悬浮密度和之间的数学模型。仿真结果表明,利用文中所提出的神经网络模型能够较准确、快速地预测结晶成核速率的变化,预测值与测量值的最大相对误差不超过5.9%,表明该网络预测模型有很大的实用性。     

基于BP神经网络的溜井堵塞率预测

针对某矿溜井频繁发生的堵塞问题,以该矿-480~-410m段主溜井为工程背景,将在相同放矿条件下发生堵塞故障的概率定义为溜井堵塞率,构建溜井放矿相似试验平台,选取贮矿高度、粉矿含量、贮矿时间和矿石含水率作为溜井堵塞的关键影响因素,进行4因素5水平的溜井放矿相似模拟试验,将实验数据作为训练样本构建BP神经网络模型,对溜井堵塞率进行预测,并对预测模型进行检验。研究结果表明,BP神经网络模型能够准确预测溜井矿石在不同放矿条件下的堵塞率,研究结果可为溜井堵塞预防提供指导。     

基于BP神经网络的注塑成型收缩率预测

首先通过正交优化与数值模拟相结合的方法,分析了影响电连接器孔盖板体积收缩率的因素,通过极差分析,确定了主要工艺参数对体积收缩率影响的敏感性。其次基于设计和训练的BP神经网络模型,预测了体积收缩率,并与数值模拟结果进行了比较。最后利用BP神经网络的可预测性,结合正交试验方法对注塑成型工艺参数进行优化分析,对优化后的数据进行极差分析,得到了最佳成型工艺参数值。