排序方式: 共有38条查询结果,搜索用时 15 毫秒
1.
2.
基于加强型BP算法的神经网络故障诊断研究 总被引:4,自引:0,他引:4
文章给出了利用神经网络进行故障诊断的可行性、基本原理、诊断过程分析、和参数优化过程 ,并得出较为理想的诊断结果 . 相似文献
3.
LSmn系列表面化学性质与胶束化作用 总被引:2,自引:0,他引:2
通过表面张力的测定, 研究了十二烷基聚氧乙烯聚氧丙烯醚(LSmn)系列表面活性剂LS36、LS45、LS54在溶液表面吸附和形成胶束的热力学函数随温度的变化. 给出了它们在水溶液中的二组分相图.结果表明, LS36、LS45、LS54的表面活性都较高. 在25~50 ℃范围内, 临界胶束浓度(cmc)和平衡表面张力分别在4.44×10-6~17.3×10-6 mol•L-1和30.1~33.5 mN•m-1之间, 表面吸附和形成胶束的自由能分别在-40.0~-49.5 kJ•mol-1和-27.2~-33.1 kJ•mol-1之间.不论是在溶液表面吸附还是形成胶束均为熵驱动过程.其中LS36由于含具有亲水能力较强的聚氧乙烯基团(EO)成分较低, 因此不论其浊点还是其表面吸附和形成胶束的热力学函数均与LS45、LS54具有较大差异. 相似文献
4.
利用泛函分析理论中的迭代法,分别计算了平行平板双电层在高、中、低电位下的相互作用能,并以数值法所得结果为参照,在各电位下分别与Debye-Hückel线性近似法、Langmuir近似法所得的结果进行比较.结果表明,DH线性近似法和Langmuir近似法均只能分别局限于极低或极高电位,而泛函迭代法不但有简单的解析表达式,而且在各种电位下都能得到较满意的结果. 相似文献
5.
7.
薏仁种类的近红外光谱技术快速鉴别 总被引:1,自引:0,他引:1
薏仁是一种药食两用资源,对其品质快速鉴别的需求也越来越多,近红外光谱技术(near infrared spectroscopy,NIRS)作为一种快速、 无损且环保的方法正适合这一需求。 以不同产地和品种薏仁的近红外光谱为基础,结合化学计量学方法对薏仁种类进行鉴别。 对原光谱用无监督学习算法主成分分析(principal component analysis,PCA)和有监督学习算法学习向量量化(learning vector quantization,LVQ)神经网络、 支持向量机(support vector machine,SVM)进行定性判别分析。 由于不同地区和不同品种的薏仁营养物质组成复杂且含量相近,所选两类薏仁的特征变量很相似,因而PCA得分图重叠严重,很难区分;而LVQ神经网络和SVM都能得到满意结果,LVQ神经网络的预测正确率为90.91%,SVM在经过惩罚参数和核函数参数优选后,分类准确率能达到100%。 结果表明:近红外光谱技术结合化学计量学方法可作为一种快速、 无损、 可靠的方法用于薏仁种类的鉴别,并为市场规范提供技术参考。 相似文献
8.
非理想二元表面活性剂复配增效理论的进一步研究 总被引:3,自引:0,他引:3
在Rubingh与Rosen 提出非理想二元表面活性剂复配增效条件基础上,利用相分离模型和正规溶液理论,导出了体系降低表面张力的能力增效条件βs-βm<0,及最佳摩尔分数α1*、最低表面张力γ*cmc12和γ*cmc处对应的临界胶束浓度cmc*12.通过作三条γ~logc曲线或两条γ~logc曲线加上一个cmc值的方法,对C12NMe3Br~C12SO4Na、 C12NMe3Br~C8SO4N两种复配体系进行验证,计算结果与实验结果相符. 相似文献
9.
故障诊断中模糊神经网络的应用研究 总被引:1,自引:0,他引:1
文章给出了利用模糊神经网络诊断故障的数学模型、基本原理、方法、步骤 ,和模糊网络的学习流程 ,并利用梯度法推导出两种诊断算法 ;在对某发动机滑油典型故障样本的仿真过程中 ,结果完全正确 ,对非样本故障的仿真 ,准确率达 90 % . 相似文献
10.
KE型染料与Gemini阳离子表面活性剂T122的光谱研究 总被引:2,自引:0,他引:2
在室温(25℃)下,通过紫外-可见光谱法及稳态荧光法分别测定了Gemini型阳离子表面活性剂T122和传统阳离子表面活性剂十六烷基三甲基溴化铵(CTAB)与三种KE型活性染料相互作用后的临界胶束浓度(CMC),并对二者作用的机理进行了初步分析.实验结果表明,两种方法测出的CMC值基本吻合;KE型染料的加入都能使阳离子表面活性剂的CMC值有所提高;如染料黄KE-4R的加入使表面活性剂T122的CMC增至不加染料前的7.0倍,而CTAB的CMC值增加至原来的1.5倍;带有双亲分子结构的表面活性剂T122的性能要明显优于传统表面活性剂CTAB. 相似文献