格氏反应中改进BP神经网络模型的应用研究

皮质激素生产过程是由一系列复杂的化学和物理过程构成的，格氏反应是其中的一步反应，本文将前向人工神经网络技术应用于格氏反应过程中，实现对格氏物收率的预测，实验结果表明，所建立的神经网络模型可以反映实际对象。     

顺式-4-庚烯醛的合成

以叶醇为原料,经溴代、格氏、水解三步反应合成了顺式-4-庚烯醛,总得率为52％,产物纯度为96％.在溴代反应中采用吡啶体系,提高了溴化产物收率.对于格氏反应,采用苯、四氢呋喃混合体系,实现了溶剂的循环使用.缩醛水解采用低温、质量浓度为47％甲酸体系,提高了产品质量和收率.     

超声辐射下合成三苯甲醇

在超声辐射下，以镁和溴苯为原料，以无水乙醚为溶剂，引发制备格氏试剂，分别与二苯酮和苯甲酸乙酯进行格氏反应从而制备三苯甲醇。与传统合成条件相比，超声波引发格氏反应中，无水乙醚不需任何处理，不需加碘引发，具有反应时间短、操作简便、收率高等优点。     

dl－日本丽金龟性信息素合成方法研究

以丙炔醇为原料，应用功能基团的保护、格氏交换与格氏偶联、脱保护基氧化、亲核加成、闭环反应、氧化仲醇成内酯、选择性催化等合成方法合成了ｄｌ－日本丽金龟性信息素．原料易得，操作路线简单，产率较高     

dl—日本丽金龟性信息素合成方法研究

以丙炔醇为原料，应用功能基团的保护、格氏交换与格氏偶联、脱保护基氧化、亲核加成、闭环反应、氧化仲醇成内酯、选择性催化等合成方法合成了ｄｌ－日本丽金龟性信息素，原料易得，操作路线简单，产率较高。     

一种磨茹香气香料——1-辛烯-3-醇的合成与应用研究

从１－戊醇出发,通过卤代反应,格氏反应,制备得到１－辛烯－３－醇。该产品具有愉快的蘑菇香气,可用于食品香精的调配中。     

2-丙酰基呋喃的合成

以溴乙烷和糠醛为原料，通过格氏反应和氧化反应，合成了2－丙酰基呋喃。此法不分离中间产物，不仅简化了操作，而且提高了产率。     

格氏反应制备1-甲基-2-对甲苯甲酰基吡咯

本文介绍了一种制备1-甲基-2-对甲苯甲酰基吡咯的方法,该方法以N-甲基吡咯为起始原料,先经过Vils-meier-haack甲酰化反应制得N-甲基-2-吡咯醛,后者经肟化脱水制得N-甲基-2-吡咯腈,该化合物与格氏试剂对甲苯基溴化镁发生格氏反应,经水解得到1-甲基-2-对甲苯甲酰基吡咯.在格氏反应中,尝试使用超声波辐射的方法,取得了较好的效果.经过工艺改进,各步反应均达到了较高的收率,总收率达到30.5%,同时对实验中的有关问题做了详细的探讨.     

聚3-己基噻吩的合成与性能研究

以3-溴噻吩为起始原料,依次经烷基化反应、N-溴代丁二酰亚胺溴化反应、格氏反应和聚合反应合成了区域规整的聚3-己基噻吩．通过热重分析、凝胶色谱分析研究了标题化合物的性能．     

CuI在烯丙基格氏试剂与酮酮加成反应中的应用研究

为有效抑制烯丙基格氏试课题民醛酮加成反应中的重排反应，进行了ＣｕＩ对此类格氏试主加成产物组份比例关系的研究，得出了ＣｕＩ地这类化合物加成反应重排有明显的抑制作用的结论，ＣｕＩ的最佳用量组份比例为２５％，根据实验结果提出了在ＣｕＩ存在条件下烯丙基格氏试剂与醛酮化合物加成反应的反应机理。     

基于改进的双并联动态过程神经网络的旅游需求预测

为克服前向过程神经网络收敛速度慢、精度低的问题,提出了一种改进的双并联动态过程神经网络,对于给定的全连接的过程神经网络,通过优化其连接权值和网络结构,删除冗余连接使之成为部分连接的过程神经网络系统,并给出了基于正交基函数展开的学习算法,从而降低了计算的成本。改进的双并联动态过程神经网络应用于旅游预测问题,结果表明其预测精度能够满足工程需要。     

BP人工神经网络在齿轮钢淬透性预测中的研究

针对齿轮钢在轧钢过程中淬透性控制存在不确定性的问题,将人工神经网络应用到其不确定性上,通过改进BP人工神经网络学习算法训练神经网络,构建最优化的齿轮钢淬透性控制神经网络模型。通过仿真实验证明,该算法有效解决了齿轮钢淬透性预测控制的问题。     

模糊神经网络识别方法

本文提出了一种新的模糊神经网络分类器,它结合了神经网络和模糊系统的优点,在使用神经网络结构的同时又用模糊理论来处理模糊和非模糊的信息。新网络在处理分类问题时,对畸变和噪声有较好的容忍性。本文还给出了用网络识别数字和印鉴的例子。     

基于RBF神经网络的复杂系统的建模与优化

针对BP神经网络算法在用于函数逼近时,存在着收敛速度慢、易陷入局部极小的不足,提出基于RBF(径向基函数,Radail Basis Function)神经网络的建模与优化方法,并以典型复杂系统联合制碱工业过程为例,利用神经网络算法的强大学习能力建立RBF神经网络模型,并进行优化研究。以联合制碱工业过程中的煅烧工段为例进行了仿真研究,仿真结果显示RBF神经网络的优越性,效果令人满意。     

基于BP神经网络的故障诊断

本文论述了BP神经网络的结构和学习算法以及应用到故障诊断中的原理和过程。详细地分析了拖拉机变速箱的工作原理,并讨论了利用BP神经网络的优点,应用到该工程的故障诊断中。通过试验证明,基于神经网络的故障诊断已经逐步走向成熟。     

基于小样本数据的BP神经网络建模

针对小样本条件下BP(back propogation)神经网络存在预测精度不高的问题,将专家知识融入BP神经网络训练过程中解决此问题.首先BP神经网络通过遗传算法获得最优初始权值和阈值;其次对专家知识进行数学表达;最后通过增广拉格朗日乘子法将专家知识融入BP神经网络训练过程中.利用实际中的结晶动力学问题对所提方法进行...     

非线性系统建模的复合型模糊神经网络研究

针对非线性系统建模问题,提出了一类由函数逼近和规则推理网络构成的复合型模糊神经网络,其规则网络基于过程先验知识用于对操作区间的划分,而函数网络采用改进型模糊神经网络结构完成非线性函数逼近。采用一类非线性函数模型进行了仿真研究,结果表明,复合型模糊神经网络较之普通模糊神经网络在建模收敛速度和预测精度等方面都有较大的改善。     

改进的PSO-RBF神经网络在联合制碱中的应用

联合制碱过程是一类典型的复杂工业过程,具有时变、非线性、不确定性等特征,在线控制模型难以建立。针对联合制碱复杂工业过程控制精度不高、鲁棒性差等问题,提出一种改进的PSO-RBF神经网络控制算法。将粒子群优化算法和径向基神经网络相结合,使用改良的粒子群优化算法对RBF神经网络的隐含层基函数中心、宽度和输出层的连接权值进行寻优,建立基于改进的PSO算法优化后的RBF神经网络模型。将改进的PSO-RBF神经网络控制模型应用到联合制碱的关键工序碳化过程中,并与先前应用的模糊神经网络控制模型进行比较,经仿真研究验证表明,在联合制碱碳化过程中应用改进的PSO-RBF神经网络控制算法,其控制精度和系统鲁棒性得到了有效的提高,为解决一类复杂工业过程的建模与优化控制方法研究提供了有效的技术途径。     

模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合 ,借助神经网络的学习能力和信息存储能力来实现模糊推理过程 ,并记忆和调整模糊规则 ,从而自动生成模糊控制规则 ,建立模糊神经网络。系统对模糊神经网络进行离线学习 ,将训练好的模糊神经网络用于在线控制 ,仿真结果表明 ,本文方法用于对陶瓷配料系统的控制 ,取得了无超调、无静差等令人满意的效果     

基于离散Hopfield神经网络的突发事件连锁反应路径推演模型

突发事件及其引发的连锁反应会造成严重的灾害后果,如果事先知道突发事件可能引发的连锁反应路径,就可以提前做好断链减灾工作.因此,提出一种基于Hopfield神经网络的突发事件连锁反应路径推演模型.该模型用Hopfield神经网络表示一般的突发事件网络,用Hopfield神经网络的运行规则表示突发事件连锁反应的原理,并设置神经元阈值,将突发事件连锁反应路径的推演过程映射为Hopfield神经网络的演化过程,通过运行Hopfield神经网络推演初始突发事件的一条连锁反应路径.最后,用该模型推演了地震引发的连锁反应路径,验证了该模型的合理性.