Y. L. Zhang1) and G. Spinks2) 1) Departmentof Mechanical Engineering
,
Ngee Ann Polytechnic
,
535 Clementi Road
,
Singapore5994892) Intelligent Polymer Research Institute
,
University of Wollongong
,
Northfields Ave
,
Wollongong
,
NSW
,
Australia
,
2522
金属学报(英文版)
Arolled mild steel wascoated byconductive polymers( polyaniline/ MMPand polyaniline/HCSA) andthenim mersedin hot water(50 ℃) fordifferenttimesforstudytheadhesion ofcoatings.It wasfound thatthe adhesion tendsto decrease over time. Thestudyshown that onebrittle and porous Fe3 O4 layer formed between conductive polymercoating and steelsub stratein a moistenvironmentand, asa result, decreased thecoating adhesions.
关键词:
conductive polymercoating
,
null
,
null
R.Karthikeyan
,
R.Adalarasan
,
B.C.Pai
材料科学技术(英文)
The present work is focused on optimization of machining characteristics of Al/SiCp composites. The machining characteristics such as specific energy, tool wear and surface roughness were studied. The parameters such as volume fraction of SiC, cutting speed and feed rate were considered. Artificial neural networks (ANN) were used to train and simulate the experimental data. Genetic algorithms (GA) was interfaced with ANN to optimize the machining conditions for the desired machining characteristics. Validation of optimized results was also performed by confirmation experiments.
关键词:
Al/SiCp composites
,
null
,
null
Juhua HUANG
,
Jinjun RAO
,
Xuefeng LI
材料科学技术(英文)
Sheet metal forming is widely applied to automobile, aviation, space flight, ship, instrument, and appliance industries. In this paper, based on analyzing the shortcoming of general finite element analysis (FEA), the conception of parametric finite element analysis (PFEA) is presented. The parametric finite element analysis, artificial neural networks (ANN) and genetic algorithm (GA) are combined to research thoroughly on the problems of process parameters optimization of sheet metal forming. The author programs the optimization scheme and applies it in a research of optimization problem of inside square hole flanging technological parameters. The optimization result coincides well with the result of experiment. The research shows that the optimization scheme offers a good new way in die design and sheet metal forming field.
关键词:
Sheet metal forming
,
null
,
null
,
null
李钒
,
张登君
,
李报厚
,
罗世民
稀有金属
doi:10.3969/j.issn.0258-7076.2002.05.004
在分析氨络合体系六方BN表面化学镀镍的热力学基础上, 分别研究了影响镀覆反应速率的主要因素及其变化规律. 用人工神经网络(ANN)方法对小型试验和放大试验的工艺参数进行优化与预测, 试验结果与预测结果基本吻合, 表明对本研究体系的ANN方法优化与预测可用于指导实践, 并克服了多因素复杂体系及交互影响带来研究的困难.
关键词:
六方BN
,
化学镀镍
,
人工神经网络
,
工艺参数优化
吴涛
,
黄凯
,
姚东方
硅酸盐通报
优化多层前馈神经网络(BP-ANN)模型使用弹性反向传播算法及提前终止技术,输入各层神经元几何与材料特性可用以预测混凝土强度等级.基于多层前馈神经网络建立了轻骨料混凝土抗压强度预测模型,采用MATLAB程序,完成了国内444个混凝土试块、148组配合比试验结果与BP-ANN计算结果的对比研究;采用基于BP-ANN模型,分析了水胶比及陶粒筒压强度对轻骨料混凝土强度影响.研究表明:采用神经网络模型所得计算结果与试验值吻合良好,离散程度较小;水胶比和陶粒筒压强度对混凝土强度影响显著,且有不同变化趋势.
关键词:
轻骨料混凝土
,
神经网络
,
强度
,
水胶比
,
筒压强度
李钒
,
王习东
,
张登君
,
张梅
,
盖鑫磊
金属学报
在实验室研究中空纤维镍基板的制备工艺的基础上,
采用自制的网络化的ANN-GA系统对58个样本进行了
工艺参数优化和寻优, 得到的最佳工艺参数如下:
中空镍纤维含量为97%; 烧结温度为1275 K; 保温
时间为20 min; 造孔剂 PVB, PP和Ni(OH)2的含量
分别为5%, 3.5%和1%. 在最优工艺条件基础上, 获得
了性能优异、孔率接近87%的基板材料. 并用计算机分析和预报了各单因素的影响规律, 预测结果与
文献报道的实验结果一致.
关键词:
中空纤维镍基板
,
ANN-GA program on computer network
李钒
,
王习东
,
张登君
,
张梅
,
盖鑫磊
金属学报
doi:10.3321/j.issn:0412-1961.2005.12.012
在实验室研究中空纤维镍基板的制备工艺的基础上,采用自制的网络化的ANN-GA系统对58个样本进行了工艺参数优化和寻优,得到的最佳工艺参数如下:中空镍纤维含量为97%;烧结温度为1275 K;保温时间为20 min;造孔剂PVB,PP和Ni(OH)2的含量分别为5%,3.5%和1%.在最优工艺条件基础上,获得了性能优异、孔率接近87%的基板材料.并用计算机分析和预报了各单因素的影响规律,预测结果与文献报道的实验结果一致.
关键词:
中空纤维镍基板
,
网络化ANN-GA系统
,
参数优化
,
影响因素
邹德宁
,
王鸿波
,
陈治毓
,
韩英
,
于军辉
兵器材料科学与工程
doi:33-1331/TJ.20111103.1337.003
基于人工神经网络和遗传算法,结合177组不锈钢复合板实测数据,构建不锈钢复合板剪切强度模型.研究确定不锈钢铬当量、铬镍当量比、复合板覆层厚度以及基材厚度为网络输入量,复合板剪切强度为输出量,隐含层节点数由试探寻优法确定,优化网络结构为4-7-1;比较Levenberg-Marquardt、Quick-Propagation、Standard Back-Propagation算法的训练误差、测试误差及计算迭代步数,确定以误差最小、计算速度最快的LM算法训练网络;另外,利用提前终止法避免ANN模型产生的过拟合的问题;在此基础上,引入遗传算法进一步优化ANN网络的权值和阈值,使得复合板剪切强度预测值与实测值相关系数达到0.997;将所构建模型用于实际不锈钢复合板剪切强度的预测,与实测值相近,进一步验证预测模型的有效性和可靠性.
关键词:
不锈钢复合板
,
剪切强度
,
人工神经网络
,
遗传算法
周培培
,
胡小芳
,
陈奎
材料导报
以不同粒径、升温速率和终温条件下生物质热解残留物制得的生物焦为研究对象,考察生物焦的吸附能力;并基于人工神经网络的基本原理建立BP神经网络,从而训练并预测不同制备工艺下生物焦对亚甲基蓝的吸附能力.结果表明,BP神经网络有较高的预测精度,平均相对误差为3.58%,可以提前对生物焦吸附能力进行预测.
关键词:
生物焦
,
吸附能力
,
ANN
,
预测