排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
2.
针对泡沫浮选加药状态检测困难、识别效率低和主观性强等问题,提出了一种结合多尺度卷积神经网络(CNN)特征及改进局部二值模式(LBP)计算方法的核随机权神经网络(K-RVFLNs)浮选工况识别方法。首先,对泡沫浮选图像进行非下采样Shearlet多尺度分解,将原始图像分解为不同频率尺度,设计多通道CNN网络对多尺度图像进行特征提取;再通过改进LBP算法提取特征作为补充,将CNN提取的图像特征与LBP特征进行融合;最后,通过核随机权神经网络映射到更高维空间进行分类决策,实现浮选加药状态的精确识别。实验结果表明,采用多尺度CNN及LBP-TOP特征融合的方法识别的精度比传统LBP算法提高了5.34%,比采用单CNN特征的方法提高了3.76%,结合K-RVFLNs实现浮选工况分类准确率高达96.38%,识别精度和稳定性较现有方法有较大提升,且减少了人工干预,有利于提高生产效率。 相似文献
3.
利用熔融共混法制备多聚芳基磷酸(BDPB)-倍半硅氧烷(SPH)-聚碳酸酯(PC)/丙烯腈-苯乙烯-丙烯酸丁酯的三元共聚物(ASA)、BDPB-有机蒙脱土(OMMT)-PC/ASA两种阻燃增强复合材料。通过XRD、TG、极限氧指数(LOI)、SEM、XPS、DMA等对所制备BDPB-SPH-PC/ASA、BDPB-OMMT-PC/ASA两种复合材料的微观结构、燃烧性能及动态力学性能进行表征。结果表明:BDPB-SPH和BDPB-OMMT两种复配阻燃体系对PC/ASA复合材料都具有优异的阻燃协同作用,BDPB-SPH-PC/ASA和BDPB-OMMT-PC/ASA复合材料的燃烧等级(UL-94)都可以达到V-0级别,LOI分别达到30.4%和31.2%,同时残炭量分别增加至12.43%和14.24%。随着复配阻燃剂BDPB-SPH和BDPB-OMMT的加入,增强后的PC/ASA复合材料的残余炭层结构更加致密与紧凑,燃烧过程中阻燃剂BDPB、SPH和OMMT会迁徙到PC/ASA材料的表面,形成更稳定的保护层,从而提高PC/ASA复合材料阻燃性能。DMA结果表明,BDPB-SPH和BDPB-OMMT两种阻燃体系的加入都会降低PC/ASA复合材料的玻璃化转变温度(Tg),且在到达Tg前可明显提高阻燃复合材料的储能模量。 相似文献
4.
采用硝酸液相氧化法改性短切碳纤维(NCF),用以制备聚丙烯(PP)复合材料。以纤维含量和纤维种类为变量,通过万能力学试验机、熔体流动速率试验机、差示扫描量热、X射线衍射、扫描电子显微镜等研究它们对材料力学性能、流动性能、熔融温度以及结晶性能的影响。实验结果表明,纤维的含量影响纤维在基体中的分布,进而显著影响材料的性能,且含量在10%至20%区内时具有较好的增强效果;NCF与PP的界面具有更强的粘附力,这提升了复合材料的力学强度,降低了材料的断裂伸长率,降低了材料的熔融流动速率,提升了材料的结晶温度与结晶度,略微降低了材料的熔融温度;纤维含量与纤维种类均对材料的结晶晶型无明显影响。 相似文献
5.
6.
传统偏差耦合多电机同步控制系统中,系统的跟踪性能与同步性能彼此相互耦合,难以兼顾.此外,在多电机系统启动阶段,传统偏差耦合控制结构跟踪误差较大,在输出限幅的作用下,各台电机电流环输入参考转矩相等,而负载不均导致各台电机加速度不等,致使转速同步误差增大.针对以上问题,本文提出最大转速加速度的概念,结合偏差耦合结构和滑模控... 相似文献
7.
8.
9.
人工神经网络在水质预测中的应用研究 总被引:1,自引:0,他引:1
选取水质指标之一的溶解氧DO作为测算因素,研究了人工神经网络的BP法、bpx法、L-M法3种不同学习算法在水质预测中的应用。研究结果表明:3种不同学习算法的预测效果均较理想,其中以L-M法预测结果最为精确,人工神经网络在水质预测方面有着良好的应用前景和推广价值。 相似文献
1