液态金属的表面张力和熔点之间的经验公式

本文系统地复习了有关金属表面张力的资料,对可查到的一些实验数据进行了整理和分析,认为金属的表面张力与熔点T_m及原子体积V有关。在此基础上建立了一个经验公式 η=KT_m/V~(2/3) 式中,K是比例常数,对所有金属而言,K大致相同,在3—4之间,取值3.5,结果与实验数据颇符合。     

金属填料蒸发型空调系统性能的预测模型

针对金属填料蒸发型空调系统内部传热传质过程的复杂性,利用人工神经网络的非线性映射功能、学习功能和记忆功能,通过对数据样本的学习,建立起描述金属填料蒸发型空调系统性能与其影响因素间关系的神经网络模型,再根据此模型来预测影响因素变化引起的蒸发型空调系统性能变化.利用试验数据对网络模型进行训练和验证,检验模型预测的准确性.结果表明:网络模型输出结果与实验数据比较吻合,相对误差大多在6%以内,证实该网络模型对金属填料蒸发型空调系统性能预测的可行性.     

Lennard-Jones 纯流体液汽界面的分子动力学模拟

在表面张力长程校正公式的基础上,应用正则系综分子动力学模拟方法较为系统地对Ｌｅｎｎａｒｄ－Ｊｏｎｅｓ（ＬＪ）纯流体的液汽平衡及界面性质进行了模拟研究。在温度Ｔ＊＝ｋＢＴ／ε为０．７５～１．２０范围内,分别计算了７个温度条件下ＬＪ纯流体的汽液相共存平衡密度、密度分布、表面张力和界面厚度。研究结果表明：文中得到的ＬＪ纯流体汽液相平衡密度与采用Ｇｉｂｂｓ系综ＭｏｎｔｅＣａｒｌｏ模拟计算结果基本一致;表面张力的模拟计算值与实验数据符合较好;另外,随着温度的升高,流体的表面张力降低而界面厚度变大。     

金属熔体表面张力计算方法的研究

根据表面热力学理论和对比态原理,建立一个金属熔体表面张力＋的计算公式,对五种碱金属熔体高温下表面张力进行了计算,结果与实验数据非常吻合。     

国产石油馏分表面张力的实验研究

确定并建立了石油馏分静态表面张力的测定方法，并用吊片法表面张力仪及三种纯烃考核了仪器的准确性，建立了回测法以考核试样蒸发损失的影响。实侧了大庆、胜利和辽河三种原油直馏馏分在不同温度下的表面张力及相关特性。提出两类实用范围不同的预测国产石油馏分表面张力关联式，其平均相对偏差分别为１．１７％～１．２６％和１．７７％～２．７７％，可满足一般工艺要求。     

二元液体混合物表面张力的推算

在表面相Gibbs-Duhem方程的基础上,结合两个简单的表面模型,建立了一个能由体相性质及纯物质的表面张力推算二元混合物表面张力的新方程。经过216个系统的广泛检验,结果令人满意。在没有二元数据及可调参数的条件下,有一半以上系统的表面张力计算值与实验值的均方差小于0.5×10~(-3)N·m~(-1),约四分之三的系统小于1.0×10~(-3)N·m~(-1)。但对水溶液及某些有强烈缔合作用的二元系的推算的误差较大。新方程为建立更全面的预测混合物表面张力的模型提供了良好的基础。     

HFC二元混合物表面张力关联式

氢氟烃 (HFC)混合物作为长期性的制冷剂替代物 ,其表面张力数据对于制冷空调设备的设计计算十分重要。该文综合国际上现有的混合物表面张力的实验数据 ,给出了HFC二元混合物统一形式的表面张力关联式 ,可以在广阔的温度范围内高精度地再现实验数据 ,还能精确计算相关纯工质的表面张力。与现有的混合物关联式进行了比较分析。该文所提供的表面张力关联式的计算精度可满足工程应用     

估算液体金属表面张力的简易方法

介绍了表面张力及其测量原理．通过对不同金属表面张力值的比较，并分析它们在元素周期表中的排列位置，一个简易的计算液体金属表面张力的经验公式被导出．只要知道金属的熔点及密度，就可方便地估算出各种金属及合金的表面张力．     

液态金属弹簧:金属液滴的接触性震荡融合与弹射现象(英文)

室温液态金属因低黏、超高表面张力(约为水的10倍)及高密度等属性,蕴藏着新奇的物理景象.本文发现了一种金属液滴的相互作用机制:震荡性融合与接触弹射现象.实验借助注射泵生成金属液滴,并采用高速摄像仪记录液滴间的接触融合过程.基于图像处理的量化结果表明,金属液滴由于具有较小Oh数,表面张力在双液滴的接触性震荡融合过程中起主导作用;金属液滴表面的毛细波传播速度随其半径增大而减小;造成金属液滴出现接触弹射现象的动力学机制部分来源于表面张力波和双电层效应.这一基础认识丰富了液滴流体动力学的范畴,同时也为金属液滴的生成、操控乃至流体特性的刻画提供了理论依据.     

液态金属熔体中气泡运动特性数值模拟

为了揭示高温液态金属熔体中气泡运动规律及其彩响因素,应用VOF方法对单个气泡在液态金属中的运动特性进行了数值计算,得到了与实验数据相符合的气泡变形及上升速度规律;分析预测了表面张力对气泡变形过程的影响及单个气泡在液态铝熔体中的运动轨迹．结果表明,气泡的变形随着奥托斯数的减小而减小;其运动规律是呈螺旋式上升的,容器半径越小、气泡越小,气泡的摆动幅度越大．     

基于粗集理论与神经网络的电力系统负荷预测VoIP系统的QoS

介绍了一种基于粗集理论与神经网络相结合的电力系统负荷预测方法.运用粗集理论方法对不确定、不完整的历史数据进行属性的约简分析,并将约简后的属性作为人工神经网络的输入进行负荷预测;改进基因算法对神经网络权值修正.算例表明该方法可行、有效.     

人工神经网络预报浮游植物生长趋势的研究

提出用人工神经网络预报赤潮多发海区浮游植物生长趋势,并以１９９８年４～５月大亚湾澳头港实际监测数据为对象,以采样深度、水温、盐度、ｐＨ、ＤＯ、ＣＯＤ、浊度、营养盐、叶绿素ａ、微量元素、总碱度、气温、气压、风速、风向、光照、潮汐、总细胞密度等为参数,试验了工人神经网络的效果。结果表明,人工神经网络可望成为赤潮预报的有效方法。     

煤与瓦斯突出预测灰色理论-神经网络方法

将灰色理论-神经网络方法应用于煤与瓦斯突出预测中,利用灰色系统理论的灰色关联法确定了控制矿井煤与瓦斯突出的主控因素,并对煤与瓦斯突出主控因素进行筛选. 建立了煤与瓦斯突出危险性预测人工神经网络的数学模型和系统结构. 在平顶山八矿突出区进行了煤与瓦斯突出危险性预测应用,预测效果表明:利用灰色系统理论-神经网络方法对预测矿井煤与瓦斯突出是可行的.     

灰色神经网络交通事故预测比较

针对BP神经网络多变量输入难以确定的缺点,提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型,实例证明,该方法预测精度优于全输入BP神经网络预测。进一步提出了应用选优BP神经网络输入预测和GM(1,N)组合预测的模型,它结合了灰预测利用少数据累加生成建模,容易找出数据变换规律的特点和神经网络能很好地非线性逼近,又需要较全数据的特点。实证研究结果表明,该组和网络模型获得了更准确的预测值,模型新颖,具有更好的预测精度,可广泛应用于各种预测研究,有较高的推广价值。     

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。     

基于人工免疫算法的电网负荷预测模型的研究

为了克服传统神经网络预测方法在网络结构设计和收敛效果等方面存在的缺陷。提出了一种进行电力系统负荷预测的新算法———人工免疫算法。该算法是根据高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行选择,通过抗体之间的相互激励作用提高了最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用该模型于阜新地区负荷预测的实例中,结果表明,该模型与传统的神经网络预测方法相比具有较强的自适应能力和较好的效果。     

神经网络对混凝土动态特性的预测及试验

为研究混凝土高应变率下的动态特性,基于神经网络对非线性系统的辨识和预测功能,结合Leven-berg-M arquardt算法,利用变截面Hopk inson压杆对聚丙烯纤维混凝土的3种应变率下冲击压缩试验数据,采用BP网络对其峰值应力和对应的应变进行预测,并与试验结果进行了比较。分析表明,预测仿真结果与试验结果是相吻合的,所建立的网络模型可为研究混凝土高应变率下的应力应变关系提供参考。     

基于BP人工神经网络的含蜡原油触变应力计算

含蜡原油的流变性对其管道输送有着重要的影响.当原油温度逐渐接近凝点时,原油表现为非牛顿流体,其流变性表现出异常复杂的触变性.利用人工神经网络较强的非线性逼近、良好的自适应和预测性能,采用误差反向传播算法(即BP算法)对含蜡原油的触变剪切应力进行了计算,计算结果与实验结果和采用R-G模型方程计算的结果进行了对比.结果表明,BP网络计算的精度高于R-G模型方程计算的精度,BP网络和R-G模型的计算结果与实验结果的最大相对误差分别为5.0%和12.7%.     

用人工神经元方法预报IF钢性能

用人工神经元方法分析ＩＦ钢性能与成分、加工工艺之间关系，通过实验与现场数据训练１个前向网络的考核结果表明，该方法是用于大生产中ＩＦ钢成分与工艺设计的有效方法。     

OIF Elman神经网络在股市综合指数预测中的应用

利用具有动态反馈机制的OIF Elman(Output-Input Feedback Elman)人工神经网络模型对股市的综合指数进行预测,为股票市场的建模及预测提供了一种新的技术和方法。实验模拟结果表明,OIF Elman网络具有极佳的逼近性能,预测数据与实际数据基本吻合,因此,OIF Elman神经网络用于股市预测是可行、有效的,具有很好的预测潜能和广泛的应用前景。