简介:采用BP神经网络对聚酯玻璃钢氙弧灯加速老化的弯曲寿命进行了预测。通过对聚酯及其玻璃钢的人工氙弧灯加速老化,测试其不同老化时间的弯曲强度,对弯曲强度与老化时间进行BP神经网络的建模分析,借助MATLAB软件对聚酯玻璃钢的使用寿命分别进行分析与预测,并采用最小二乘法对所预测的结果进行了对比。结果表明:在以弯曲强度达到初始强度值的一半作为失效条件下,聚酯的氙灯老化寿命为813d,含填料玻璃钢老化寿命为1031d,无填料玻璃钢老化寿命为1065d,说明BP神经网络可以预测玻璃钢的老化寿命,预测结果与最小二乘法预测结果误差不大于8%,而且预测结果与该材料性能的实际情况相符。
简介:设计了一个基于VisualC++平台的多输入多输出的BP神经网络程序,依据正交实验设计训练样本,实现了注射成型产品多质量指标的高精度预测,可实现对注塑产品质量的监控,提高了实际生产效率。
简介:在冶金炉渣中,依附在固体尖晶石上的金属熔滴可有效阻止铜在炉渣中的沉积。为了理解这一现象,评估了尖晶石颗粒和铜及与炉渣的交互作用。分别以PbO-FeO-SiO2-CaO-Al2O3-Cu2O-ZnO合成炉渣、纯铜和MgAl2O4基体代表工业废渣、铜滴和固体尖晶石。用静滴法和显微组织分析研究铜-MgAl2O4和炉渣-MgAl2O4交互作用。另外,采用沉浸实验研究时间对炉渣-MgAl2O4交互作用的影响。结果表明,铜在MgAl2O4上不润湿,然而炉渣在MgAl2O4上润湿并在界面处形成了(Mg,Fe,Zn)(Al,Fe)2O4尖晶石交互层,在浸出实验中也观察到了该现象。同时观察到了MgO和Al2O3从尖晶石基体扩散到炉渣中。
简介:浮选过程中矿浆的黏稠度是由矿浆温度、矿粒浓度、矿粒细度等决定,它对浮选效率的影响一直受到工业界的极大重视。在实际生产中,一些自然因素和操作参数的变化,如季节性温度的浮动,矿石硬度、矿石性质的变化等产生的矿浆黏稠度的浮动,导致气泡尺寸和分布规律产生浮动,进而使选矿回收率等经济指标下滑。即便如此,在科研中矿浆黏稠度的相关研究并未受到重视。本研究的重点是黏稠度和气泡尺寸在浮选过程中的关系。试验采用半工业化美卓700L机械浮选机和McGill大学独有的气泡观测仓,通过调整液体温度来改变黏稠度,在充分屏蔽其他浮选操作条件的情况下形成了气泡-黏稠度的关系图。结果显示了气泡尺寸D32和黏稠度(μ/μ20)之间呈现0.776的指数关系,有较强的关联性。本研究结果对实际生产中通过控制黏稠度来优化气泡尺寸,乃至浮选经济指标具有借鉴意义。