基于典型微观凝固单元体内的溶质质量守恒，结合前人的研究工作，建立了一个适合于枝晶凝固方式的二元合金微观偏析半解析模型.本模型同时考虑了反向扩散和粗化对微观偏析的影响，并对枝晶臂间距的粗化直接进行计算，因此更为精确.若只考虑反向扩散的影响，本模型可以简化为BF模型形式；而如果只考虑粗化的影响，本模型可简化为Mortensen模型.本模型完整地统一了以BF模型为代表的反向扩散类模型和以Mortensen模型为代表的粗化模型.利用本模型同样可以对多元合金的微观偏析进行很好预测.以Fe-C-X（Si，Mn，P，S）合金体系为例对本模型的求解过程进行了详细的阐述.本模型可以很好地预测Al-4.9%Cu二元合金的共晶分数以及Fe-C-X（Si，Mn，P，S）多元合金体系的零强度温度和零塑性温度，并与实测值吻合良好

研究了反向凝固钢带母带与凝固层之间的焊合,分析了反向凝固钢带的组成,焊合的条件及影响焊合的因素。结果表明:母带与凝固层可以实现良好的焊合,焊合的条件是母带表面产生部分熔化;钢难过热度对焊合有一定影响

针对 Fe-C二元合金,建立了描述反向凝固器内伴随相变的湍流流动和传热过程的二维稳态数学模型.应用连续统一方程模拟固液相变过程,并假设两相区为疏松介质,对其中的流动应用Darcy法则.湍流现象则通过Launder-Sharma的к-ε双方程低雷诺数修正模型描述.采用Simple算法对凝固器内的速度场和温度场进行了模拟计算,并讨论了母带的厚度、入口温度和补充钢液的过热度等操作参数对相变过程的影响.分析表明母带停留时间是影响新生相生长的关键参数,即反向凝固器高度与母带拉速的比值应控制在一定的范围内

基于人工神经网络建立了反向凝固过程中的性能预测模型,实现了对铸带厚度和新相层晶粒度的全面预测;探讨了凝固过程中的主要工艺参数对上述性能的综合影响,为反向凝固性能的综合预测提供了简便的新手段.研究表明,新生相晶粒度随钢水过热度、母带厚度、浸入时间变化对其影响不显著,而钢水过热度、母带厚度、浸入时间变化对铸带厚度的影响较大.该模型的预测结果与实测的结果较为接近

人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

采用反向凝固法在实验室条件下研究奥氏体不锈钢复合带制取的工艺过程,通过对复合铸带试样的金相和扫描电镜研究,发现了复合铸带由具有不同微观组织特征的3个区域组成,即碳素钢母带区、不锈钢新相层和界面过渡区.复合铸带界面剪切强度试验的结果表明,反向凝固奥氏体不锈钢复合铸带的界面结合性能完全达到国标的要求

采用基于反向再燃弧电压产生电路的变极性焊接电源为试验平台，研究了电源设备及其控制参数、焊接回路电缆寄生电感和焊接工艺参数对变极性焊接电流换向过程的影响规律. 试验结果表明，提高反向再燃弧电压值能够提升变极性过程的电流变化速率，而较大的焊接回路电缆寄生电感会降低电流变化速率，同时降低变极性结束时的电流值，不利于变极性过程的电弧可靠再引燃和稳定燃烧. 初始焊接电流越小，则变极性过程结束时的电流值越小，增加共同导通时间可以提高变极性结束时的电流值，但同时降低变极性开始时的电流大小. 因此小电流变极性焊接时可采用较大的反向稳压值并适当增加共同导通时间，以增强变极性过程中的电弧稳定性

 代理服务器概述  使用Apache构建Web反向代理服务  配置Web反向代理  通过端口实现多网站发布  使用Apache实现Web负载均衡  配置Web负载均衡  双机负载均衡的实现  负载均衡状态监控

分析了由反向凝固工艺得到的复合不锈钢带的组成情况,以及钢带中元素的偏析,并对不锈钢凝固层的实际晶粒度进行了测定.研究结果表明:不锈钢凝固层组织为铁素体和碳化物;母带组织为铁素体和马氏体;过渡区为铁素体和珠光体,过渡区的宽度为50μm.不锈钢凝固层的实际晶粒度为5.8~6.3

第06讲反向传播网络 给定任意>0和任意L2函数f:[0,1CR→R,存在一个三层BP网络,可以 在任意ε平方误差精度内逼近f。 实现任意N个输入向量构成的任何布尔函数的前向网络所需权系数数目为: