基于人工神经网络-粒子群算法PDPhSM基纳米复合薄膜的性能预测与工艺优化

来源 :浙江工业大学 | 被引量 : 0次 | 上传用户:yingzi9252
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文通过大量的试验,对激光烧蚀制备新型有机硅聚合物聚二苯基硅亚甲基硅烷(PDPhSM)基纳米复合薄膜工艺中的影响因素进行了研究,初步掌握了该工艺的一般规律。在分析实验数据的基础上确定了实验样本集,分别采用BP神经网络和RBF神经网络对PDPhSM基纳米复合薄膜的制备工艺与聚合效率之间的关系进行建模,并预测其聚合效率。结果表明,两个模型都可以正确地反映制备工艺和聚合效率之间的内在规律,期望值和网络预测值之间相对误差都在4%以内,但RBF神经网络较BP神经网络能够更精确,更可靠地逼近它们之间的非线性关系。 本文根据激光烧蚀制备PDPhSM基纳米复合薄膜工艺的特点,利用建立好的径向基函数(RBF)人工神经网络模型,应用粒子群算法对其工艺进行优化,获得了比遗传算法更为满意的结果。粒子群算法与神经网络模型相结合的提出,无疑为解决多维非线性系统及模型未知系统的优化问题提供了一个崭新而有效的途径。这一新技术可望在材料工艺优化研究中的进一步推广及其在材料计算机辅助设计方面获得更为广泛的应用。
其他文献
近来,由中国微型小说学会发起的关于“微型小说字数界定”的讨论引起了业界热议,不仅理论界发声多多,从事微型小说创作的朋友也广泛参与,成为自上个世纪80年代江曾培、凌焕新
期刊
近年来,我国建筑垃圾产量不断增加,全国600多座大中城市中有70%被垃圾所包围,其中建筑垃圾贡献率达到40%,而相比于部分发达国家,我国尚缺少针对于建筑垃圾的全过程实时监测与智能管控手段。将"BIM+GIS"技术引入建筑垃圾监管领域,并基于此技术建立建筑垃圾实时监测与智能管控信息管理平台,可实现对建筑垃圾的精准管控。
为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型(WGAN)进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效
炼油工业属于流程工业中的一种,在我国国民经济中发挥着重要的作用。一方面满足人们日常能源所需,另一方面出于国家战略储备和能源安全目的。然而,我国炼油工业存在高成本、
伴随着时代的不断进步,我国经济发展水平的不断提高,我国对于交通行业的重视度也在不断提升.现如今我国的公路建设呈现出了上升的势头,交通建设行业的竞争压力在不断增加.为
本研究课题为中国电子科技集团公司第四十五研究所型普科研项目。晶片减薄设备是对晶片背面材料(主要是半导体硅材料)进行磨削加工的设备。 论文首先通过晶片减薄技术原理