基于混沌自适应粒子群人工神经网络的气体在聚合物中的溶解模型

为提高溶解预测模型的效率和关联度, 建立基于混沌理论、自适应粒子群优化(PSO)算法和反向传播(BP)算法的混沌自适应PSO-BP神经网络模型, 并对二氧化碳(CO₂)在聚苯乙烯(PS)和聚丙烯(PP)中、氮气(N₂)在PS中的溶解度进行预测试验. 模型选用压力和温度作为输入参数, 使用试探法确定隐含层结点个数为8, 输出为预测的溶解度. 模型融合混沌理论、自适应PSO和BP算法各自的优势, 提高了训练速度和预测精度. 结果表明, 混沌自适应PSO-BP神经网络有很好的预测能力, 预测值与实验值相当吻合, 通过与传统BP神经网络和PSO-BP神经网络的比较可知, 其预测精度和相关性均明显较优, 预测平均绝对误差(AAD), 标准偏差(SD)和平方相关系数(R²)分别为0.0058, 0.0198和0.9914.     

超临界CO2在聚合物中的溶解计算研究进展

本文以超临界CO2在聚合物中的溶解计算模型为例,综述了状态方程、经验方程和人工神经网络计算方法的实现原理、研究现状和优缺点;依据人工神经网络预测方法存在的问题,重点阐述基于混合智能方法的神经网络溶解计算模型;并对溶解计算研究进行了总结和展望。     

聚合物熔体挤出胀大的三维数值模拟

采用粘弹性PTT模型对聚合物熔体的矩形口模挤出胀大进行了三维等温数值模拟,得出了不同条件下的口模外流动速度和挤出胀大率沿挤出方向的分布规律.模拟时利用罚函数有限元法和把动量方程转化成椭圆类方程的去耦算法以降低模拟对计算机内存的要求和增加计算收敛的稳定性,采用用路线法对挤出胀大自由表面进行更新迭代.模拟结果表明:We数越大,则挤出胀大率越大,而且对于矩形口模挤出而言,高度方向的挤出胀大率比宽度方向的挤出胀大率大.