电解法生产的细晶铝锭晶粒细化能力的研究

研究了电解法生产的细晶铝锭的晶粒细化能力.结果表明,随着含钛量的增加,细晶铝锭晶粒明显减小;钛质量分数为0.20%时,晶粒平均直径为122μm.细晶铝锭的细化能力好于Al-5Ti中间合金.(细晶铝锭 RE B)联合细化晶粒,细化能力好于Al-5Ti-1B中间合金.     

铝电解监控系统重复记录辨识与噪音识别算法

在新型的铝电解网络监控系统中,需要对大量的监控数据构建数据仓库,为此,针对其重复记录的数据预处理问题进行了研究.在属性集的基础上,提出属性重复量、记录重复量等定义,并给出重复记录辨识的一般算法IRA及其推广算法GIRA;对重复记录集中的噪音处理,提出一种基于距离的噪音识别算法INA;以实例说明了算法的具体实现过程.     

熔盐电镀制取铝电解用TiB2惰性阴极

采用熔盐电解法在碳阴极上电镀TiB2铝电解用惰性阴极材料,电解温度800℃,电解质组成(质量分数,%)为KCl4.8,KF55.7,K2TiF615.3,KBF424.2,电流密度为0 3A/cm2,电解3h·对制得的镀层做XRD和EMP电子探针形貌分析,实验结果表明,镀层成分为单一的TiB2,无杂相·镀层厚度可达0.2mm,表面平整,分布均匀,与碳基体结合良好,且有金属光泽·说明该电解条件下,Ti和B能够在阴极上共沉积并生成TiB2·     

基于人工神经网络控制的短路限流器

针对电力系统的日益复杂性和故障原因的不可预测性，为达到准确的限流控制，提出了基于人工神经网络的限流控制策略．对具有可控串补功能的短路限流器进行了分析，提出了由两个独立子网络组成的人工神经网络控制模型．应用实际模型，使用电磁暂态仿真程序对电力系统可能发生的各种故障进行了动态仿真，新控制模型训练样本的输出结果和检验样本的输出结果相差不大，验证了两个子网具有很强的适应能力和逼近能力，使用基于人工神经网络的限流控制策略得到的限流波形峰值比使用PID控制策略得到的限流波形峰值要小得多，验证了新限流控制策略的可行性和准确性．     

基于残差卷积自注意力神经网络的铝电解过热度识别方法

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力.     

X射线衍射分析技术在电解铝工业中的应用

介绍了铝电解工业中铝电解质的成分与分子比的分析、阴极碳砖石墨化度的测定和煅后石油焦、阳极炭块晶粒尺寸的测定.方法简便、快速、准确,对铝电解生产具有指导意义.     

铝电解过程中锂元素的阴极渗透机理

铝电解生产过程中,由于氧化铝中含有少量的氧化锂导致电解质中氟化锂含量升高,锂元素向阴极内衬中渗透.通过X射线衍射分析与扫描电镜分析,对电解质和阴极炭块中锂元素的存在形式进行了研究,探讨了铝电解过程中锂元素的阴极渗透机理.结果表明:电解质中的锂主要以LiNa₂AlF₆形式存在;电解过程中,电解质中的部分锂离子被铝还原为金属锂并进入铝液中,铝液中锂摩尔分数与电解质中的氟化锂摩尔分数成正比;电解质中的锂主要以氟化物形式通过阴极炭块中的开气孔和裂缝向阴极炭块中渗透,铝液中的锂不会通过铝液向阴极炭块内部扩散.     

利用连续Hopfield网络(CHNN)实现低分辨仪器的高分辨观测

结合直接解调技术,重点推导论证了利用连续Hopfield网络实现低分辩仪器的高分辨观测,并建立了相应的神经网络模型。经实验表明了该方法的实际可行性,具有较好的推广能力。     

在Na3AlF6-AlF3-CaF2-LiF-Al2O3体系中低温铝电解

研究了Ｎａ３ＡｌＦ６－ＡｌＦ３－ＣａＦ２－ＬｉＦ－Ａｌ２Ｏ３熔盐体系的物化性质，包括液相线温度、电导率和密度，并选择体系中的低分子比电解质在１００Ａ垂直排铝式电解槽上进行了电解制铝。     

PCR仪基于遗传算法的模糊神经网络的温度控制方法

分析了在PCR反应仪的温度控制过程中,由于升降温速度快,精度要求高,被控对象具有非线性、不确定性等因素．常规PID控制方法很难满足实际的要求。采用了一种基于遗传算法的模糊神经网络的温度控制方法,利用遗传算法训练模糊神经网络模型。试验表明。这种控制方法较好地达到了控制的要求。     

基于神经网络的中国知识经济效率评价

用资本、劳动力和信息资源作为投入,用GDP作为产出,利用数据包络分析对我国知识经济效率进行测度,结果表明我国中东部地区技术效率相差不大,但中东部与西部地区有较大差距。在此基础上训练BP神经网络,并用BP神经网络进行知识经济效率的评价,取得了较高的精度,从而为技术效率评价提供了一种新的手段。     

神经网络在铝合金穿孔型等离子弧立焊中的应用

铝合金穿孔型等离子弧立焊是一种高能密度焊 ,焊接过程是一个复杂的、多参数耦合的高度非线性过程 ,存在许多难以量化、不确定的知识 ,无法实现解耦 ,在生产中难以进行有效的控制 神经网络具有非线性映射和自组织、自学习的特点 ,使其在焊接领域中的应用具有一定的优势 本文基于MATLAB6.1的神经网络工具箱 ,利用 3层BP人工神经网络建立铝合金穿孔型等离子弧立焊的输入 -输出的网络模型 ,通过训练该网络 ,能够根据输入节点的各个焊接工艺参数值 ,预测焊缝形状的输出结果 焊缝的形状参数与网络模型预测结果的误差在 8%以内 仿真试验结果表明 ,这个方案是可行的     

基于 Hopfield 神经网络的谐波电流检测方法

在对各种谐波电流检测方法进行简单比较的基础上,提出了一种基于Hopfield神经网络(HNN)的谐波电流检测方法.该方法将HNN优化理论用于电力系统的谐波检测,自适应地准确检测出电网基波和各次谐波分量的幅值和相角.采样数据处理速度快,实时性好,网络不需要预先进行训练.仿真结果表明,该方法具有很好的实时性、较高的检测精度以及自适应跟踪负载电流变化的能力.     

利用神经网络提高热轧带钢卷取温度的控制精度

针对热轧带钢层流冷却过程的复杂性,以国内某热轧厂层流冷却系统为例,分析了层流冷却系统的组成以及相应的空冷和水冷数学模型.采用神经网络与数学模型相结合的方法,对带钢实测卷取温度与目标值的偏差进行了预报,证明利用神经网络能较好预测卷取温度的偏差值,进而对数学模型中的参数进行调整,实现高精度的卷取温度控制.结果表明,卷取温度比传统数学模型控制的标准差降低了21.94%.     

神经网络方法在涡流无损检测定量分析中的应用

采用人工神经网络完成涡汉无损检测中的定量识别,首先,用数值方法分析了阴抗增量的幅值、相位与缺损尺度的关系,得出结论：用相位值来表征深度效果更好,精度更高,然后,应用小波边缘检测方法确定的信号特征值作为网络的输入,结果表明：计算量大为减小,网络结构得到了简化。     

基于BP神经网络的生化分析仪的温度控制

对生化分析仪的硬件和软件进行了研究,针对常规PID控制参数在温度控制中难以达到最优,利用BP神经网络对PID控制参数进行学习调整以达到最优。实验结果表明BP神经网络自学习PID参数具有较好的性能。     

模糊神经网络在玻璃熔炉温度控制中的应用

设计了模糊神经网络控制技术、现场总线技术相结合的方法,并将此方法应用于蓄热式马蹄焰玻璃熔炉的温度控制系统.实验结果表明：系统稳定可靠,控制效果良好,满足生产工艺要求.     

利用神经网络外推中垂面上低仰角HRTF的方法

为了构建关于仰角方向连续的头相关传输函数(HRTF),提出采用径向基函数神经网络外推中垂面上低仰角方向HRTF的方法.基于KEMAR人工头和真人的数据,对3种不同网络输入方式下外推方法的有效性进行了研究.结果表明:外推值和测量值的相关系数可达0.93;增大网络输入的数据量、减小外推方向和已知方向的空间距离可提高外推的准确性;外推的误差随频率的升高而增大.     

铝电解中氧化铝溶解过程及结壳行为

利用邱氏高温透明槽实验平台的高速温度采集模块结合原位重量分析法研究了冶金级氧化铝在冰晶石电解质中的溶解过程,尤其是结壳的形成与溶解过程,测定了结壳的溶解速率并分析了结壳的主要物理化学性质.通过对氧化铝溶解结壳过程的热量计算,分析了氧化铝加料过程中的热量平衡,以及加料量、氧化铝预热温度、电解液温度、过热度对溶解过程的影响.研究发现,在热平衡重新建立的过程中,氧化铝从体系中吸收的热量,首先由电解液降温来快速补充;当电解质大幅降温仍满足不了氧化铝的热量需求时,便由电解质冷凝放热来提供热量.相对于较高的电解温度、过热度而言,少量、多频次的氧化铝加料能够获得更加稳定的电解条件.     

基于GA-BP神经网络的温度传感器校准系统

鉴于制药厂对温度的严格要求,对温度传感器DS18B20在10℃-30℃(制药厂要求温度范围)内进行校准.经BP神经网络校准后,最大误差从0.5℃降至0.24℃.BP神经网络随机生成初始参数易造成局部最优和收敛速度慢,故利用遗传算法对其进行优化.优化后收敛轮数从25降为13,最大误差从0.24℃降为0.21℃,精度在原BP神经网络基础上提升了12.5％.实验结果表明,利用遗传算法优化BP神经网络可加快训练收敛速度,提升校准结果精度.此外,采用以Cortex-M3为内核的STM32F103系列MCU开发温度传感器校准系统,将训练好的神经网络搭载到相应的校准模块.经调试,此系统校准精度与Matlab测试结果一致.