基于小波除噪和神经网络理论的气固循环流化床颗粒浓度预测

提出了一种将混沌的相空间重构、小波包分析和神经网络相结合的新方法用于预测气-固循环流化床的颗粒浓度。首先利用小波包进行数据的消噪,然后用混沌方法重构相空间吸引子,用径向基神经网络拟合吸引子上的全局整体映射,构成混合预测模型。实验结果表明,将此混合模型用于预测气-固循环流化床的颗粒浓度,能达到较好的预测效果,预测精度比奇异值分解和傅里叶变换除噪高。

散式流化和聚式流化的BP神经网络识别

由于流化系统的复杂性和非线性的特性,到目前为止,仍没有一个能很好地判断这两类流态化的可靠方法,而人工神经网络能够进行复杂的逻辑操作和实现对非线性系统流型的识别。由此,在文献数据(含15种颗粒和11种流体)的基础上,利用三层BP人工神经网络,提出了一种识别散式流化和聚式流化的新方法。以经过归一化处理的3个无因次准数pff()/rrr-、mfRe和mfFr(判别因子)作为神经网络的三个输入结点,以散式流化、过渡状态和聚式流化对应于神经网络的三个输出结点,由训练样本集得到隐层结点数等最佳网络参数,然后对待测样本进行了流型识别。研究结果表明,神经网络用于散式流化和聚式流化的模式识别,结果与实际较一致。新方法优于传统的识别方法,具有较好的应用前景。

阳离子乳化沥青的现状及发展趋势

我公司生产的季胺盐是一种性能优良的阳离子沥青乳化剂。本文综述了阳离子乳化沥青现状和发展趋势,并结合公司的实际情况,提出了发展建议。