吴令
,
姜周华
,
龚伟
,
梁连科
金属学报
利用遗传神经网络对正规溶液模型组元交互作用能进行了改进, 使之更接近实际溶液活度模型, 并将其应用于
MnO--SiO2及CaO--Al2O3二元渣系的组元活度计算. 由于实际溶液的性质不同于正规溶液,
在模型对交互作用能
Ω Mn-Si和ΩSi-Mn的计算时发现, Ωij不仅是温度和组成的函数,
而且在相同的温度和组
成时, Ωij≠Ωji. 通过将该模型的计算结果与大量文献数据进行对比研究,
发现该模型具有很强的非线性拟合能力, 能准确地预报实际溶液组元活度值.
关键词:
炉渣
,
Regular solution model
,
activity
,
NN
,
GA
孙建平
,
王逢瑚
,
李鹏
,
才智
高分子材料科学与工程
利用遗传算法（GA）和神经网络对木塑复合材料力学性能进行预测。首先利用神经网络构建木塑复合板材主要工艺参数热压时间（T）、马来酸酐（MA）和废旧塑料聚丙烯（PP）与材料力学性能内结合强度（IB）、静曲强度（MOR）、弹性模量（MOE）和吸收厚度膨胀率（TS）之间的关系模型,然后利用遗传算法对模型进行优化和训练;最后利用训练好模型对材料的力学性能进行预测以及模型验证。结合显示优化模型预测的板材的MOE的误差范围分别为2%～15.5%、9%～38%和4%～70%,远小于未优化模型的预测误差8%～1491%、2.8%～1950%和15%～128%;对IB、MOR和TS的预测也有相似的结果。
关键词:
木塑复合材料
,
遗传算法
,
人工神经网络
,
力学性能
