基于Box-Behnken响应面法优化白芍总苷脂质体凝胶的制备工艺

目的:优化白芍总苷脂质体凝胶的制备工艺。方法:以卡波姆用量、甘油用量、三乙醇胺用量为考察因素,均匀度、透明度、流动性为质量评价标准,采用Box-Behnken响应面法优化白芍总苷脂质体凝胶的制备工艺。结果:白芍总苷脂质体凝胶最佳制备工艺的卡波姆用量为2 g,甘油用量为90 g,三乙醇胺用量为30 g。结论:优化后的白芍总苷脂质体凝胶制备工艺制备出的白芍总苷脂质体凝胶外观均匀、透明度高、流动性好。优化后的白芍总苷脂质体凝胶制备工艺稳定可行,可以代替现有的传统制备工艺,应用于临床治疗。

基于布谷鸟算法优化BP神经网络的锂电池健康状态预测

锂电池健康状态(SOH)的预测是电动汽车锂电池管理系统的最重要的关键技术之一;传统的误差逆向传播(BP)神经网络容易使权值和阈值陷入局部最优,从而导致预测结果不精确;结合布谷鸟搜索算法(CS)的全局优化能力,提出一种基于CS算法优化BP神经网络的锂电池SOH预测方法,该方法的核心在于优化BP神经网络的初始权值和阈值,从而减小算法对初始值的依赖;为了验证算法的泛化性,利用美国国家航空航天局开源锂电池数据集6号电池和7号电池进行仿真实验,仿真得到该算法预测SOH的均方根误差(RMSE)分别为0.2658和0.2620,平均绝对百分比误差(MAPE)分别为0.3319%和0.2605%;通过与BP神经网络、粒子群优化的BP神经网络(PSO-BP)、遗传算法优化的BP神经网络(GA-BP)对比,布谷鸟算法优化的BP神经网络(CS-BP)具有更小的预测误差。

基于布谷鸟搜索优化神经网络的锂电池荷电状态预测

锂电池荷电状态(SOC)的预测是电动汽车锂电池管理系统中最为关键的技术之一;为实现对SOC的高精度的预测,提出了一种基于布谷鸟搜索算法(CS)优化的误差反向传播(BP)神经网络的锂电池SOC预测方法,该方法的核心难点之一,在于优化BP神经网络的初始权值和阈值,从而可以改善易陷入局部最优的情况,减小算法对初始值的依赖;Matlab仿真结果表明,CS-BP神经网络算法的均方根误差值比BP算法的均方根误差值平均降低了0.0106,CS-BP算法具有更高的预测精度和极强的泛化性能。

基于GA-LSSVR的动力电池SOC估算研究

动力电池的容量剩余表现称为荷电状态(SOC),是衡量电池管理系统好坏的重要参数之一,通常定义值是电池剩余的容量除以电池额定容量。使用最小二乘支持向量回归机(LSSVR),并对此学习机使用遗传算法优化执行,估算动力电池的 SOC,将结果误差控制在 3 % 以内。

孔板流量计的温度补偿和压力补偿

本文通过对孔板测流量所存在的误差问题，提出温度补偿和压力补偿的重要性及解决方法。

蒸汽节能在造纸干燥部的梯级利用和余热回收

从造纸生产过程入手,分析二次蒸汽产生的原因,通过节能技术改造的方法,使蒸汽梯级利用和余热回收.

通过技术改造达到节约用电的尝试

节约用电就是通过采用技术上可行,经济上合理和对环境保护无妨碍的一切措施,用以消除用电过程中的不合理现象,提高电力能源的有效利用,以实现电力供需的平衡。对此,我们通过技术改造形式达到节约用电目的作了一些尝试,取得了显著经济效益。一、对原有煤破碎机进行更新改造,每天节电1 3800千瓦时。1、热电厂原有的煤破碎机为T.J.Gundlach Machine Pompany双碾辊式破碎机,自从1997年投运以来,运行状况一直不佳,主要表现为①出料粒度偏大、

液力耦合器在锅炉给水泵中的节能应用

一、简介 宁波中华纸业有限公司是1992年成立的一家中外合资企业，公司注册资本为18．5亿元，员工1600余人，占地面积63万平方米，历经十余年的发展，年产能已达N50余万吨高档涂布白纸板，已成为国内目前规模较大的高档工业包装用纸生产企业之一。热电厂是该公司的辅助生产系统，负责向造纸厂供应电力和蒸汽。