研究了一种基于特征变量的复杂生产过程预测模型.与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型.同时讨论了它的神经网络实现方法.仿真结果表明了该方法的可行性

提出了一种高孔隙率开孔泡沫金属的结构简化几何模型,运用热电比拟理论在胞孔尺度上分析并求解了有效热导率的计算表达式,并根据已有实验数据进行模型修正.同时模拟分析了金属泡沫三维矩形通道内空气流动的对流换热情况,与实验结果进行了对比验证.研究表明,本文提出的胞孔有效热导率修正模型对铝泡沫金属有一定的适用性;相同孔隙率条件下,泡沫金属通道内强制对流的对流换热系数随孔密度的增加(即孔径的减小)而增大,但付出的代价是阻力也随之增大;相对而言,低孔密度的泡沫金属具有较好的对流换热综合性能

￾ 认识PowerDesigner ￾ PowerDesigner模型 ￾ PowerDesigner同其它建模工具的比较 ￾ PowerDesigner建模环境 ￾ P Di ower esigner建模过程

◼ 线性规划模型 ◼ 图解法 ◼ 单纯形法原理 ◼ 单纯形法计算步骤 ◼ 单纯形法的进一步讨论 ◼ 数据包络分析

轧制过程中,轧制速度的波动和传动系统的扭转振动,都将导致轧辊与带钢表面之间产生相对滑动,严重影响带钢表面质量.为更进一步研究轧辊与带钢打滑特性,建立了森吉米尔二十辊轧机传动系统打滑扭振动力学模型,对不同轧制速度和不同摩擦系数时轧辊扭矩的动力学进行了仿真分析,通过与实验数据的对比,验证了动力学模型的有效性,为分析轧制打滑时扭矩波动提供了新的、完善的分析模型

用气固相反应原理分析了单晶硅热氧化机理。在氧化中期,考虑到热应力对扩散系数的影响,从而得出了硅氧化的一个新模型,即化学反应控速——四次方混合控速——扩散控速模型。用该模型处理了文献[4]中的数据与本实验结果均得到满意的相关系数。另外,用扫描电镜和透射电镜对氧化膜进行了观察,分析了单晶硅的氧化膜生长机理

针对含动态再结晶粘塑性模型中的材料参数应用传统的测试方法很难准确测定的问题,吸收了遗传算法、增广高斯-牛顿算法、Levenberg-Marquardt算法和可变多面体算法的优点,构造了一套混合的全局优化算法.以26Cr2Ni4MoV为例,以镦粗实验提供的实验数据和刚塑性有限元模拟提供的数值解差值的l2范数的平方作为目标函数,应用构造的算法识别了该模型中的材料参数,计算结果和实验结果符合良好

以工业轧机为对象,建立了实用的板形方程即凸度传递模型.该方程能反映热连轧板形生成及控制的特点,并满足热连轧机组板形控制的需要.同时给出了建立板形方程所需的一整套完整分析工具.取样数据与该模型仿真计算结果的对比表明,该模型是可行的

以恒应变速率凸轮压缩试验机得到的实验数据为基础,采用人工神经网络的方法建立了碳钢变形抗力与应变、应变速率及温度对应关系的预测模型,与多元非线性回归模型比较,神经网络模型具有较高的预测精度

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果