公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

热挤压变形对Al-Si复合材料组织性能的影响被引量：6: 2006年; 利用金相显微镜、扫描电镜和万能拉伸试验机考察了用压力熔渗法制备的粒度为50～80μm的Si颗粒增强Al—Si复合材料和将其进行热挤压后的显微组织及室温拉伸性能。结果表明：以17．3：1．0的挤压比热挤压后复合材料组织的均匀性得到了明显改善；复合材料挤压材的抗拉强度、屈服强度和伸长率较压渗材普遍提高；热挤压没有改变复合材料的断裂机制，由于挤压后颗粒分布均匀等原因，使复合材料的塑性得到改善。; 郑晶王智民王建军刘明华张冀粤; 关键词：热挤压变形显微组织力学性能

基于BP神经网络的中厚板层流冷却终冷温度预报被引量：1: 2011年; 通过分析层流冷却过程中钢板终冷温度的各种影响因素,建立了终冷温度的BP神经网络预报模型,确定了网络的输入、输出量。运用"试凑法"对不同网络结构进行了训练,最终确立了神经网络模型结构,并用所建模型对终冷温度进行预测。结果显示:网络预测值与现场实测值比较逼近,误差基本维持在±7℃,证明所建模型是合适的,可以用于生产现场的指导。; 华建社赵小龙刘明华; 关键词：中厚板 BP神经网络层流冷却

PVB加入量对醇基粉煤灰铸铁涂料性能的影响被引量：4: 2010年; 实验研究了PVB加入量从0.2%～2.0%时,对醇基粉煤灰铸铁涂料的悬浮性、粘结性、高温抗裂性等主要性能的影响。结果发现:随着粉煤灰铸铁涂料中PVB加入量的增加,涂料的悬浮性提高,条件粘度增加,而涂料的高温抗裂性变差。; 华建社刘明华赵小龙; 关键词：PVB

轧制温度对Mg-Y-Ce-Zr合金的氧化行为和力学性能的影响被引量：7: 2019年; 通过研究镁合金在高温时的氧化行为,旨在开发出高性能汽车用变形镁合金板材。制备了Mg-2Y-1.5Ce-0.6Zr合金,分别在450, 500, 600℃下进行轧制,通过使用扫描电子显微镜(SEM)、 X射线衍射仪(XRD)、电子万能试验机等仪器,对不同温度轧制后合金的组织变化、抗氧化性能、力学性能进行了系统分析。研究表明,合金在不同温度轧制后,表面形貌发生明显变化, 600℃轧制后合金表面氧化严重;合金微观组织沿晶界发生氧化,随着轧制温度升高,合金的氧化加剧;不同温度轧制后合金中并未产生新相,不同温度下的物相峰值有所变化;轧制过程中合金表面会形成一层致密且修复能力强的氧化膜,稀土元素在氧化膜中发生了扩散现象,氧化膜在600℃轧制后出现了显微裂缝;500℃轧制后合金的力学性能最好,其抗拉强度、屈服强度和延伸率分别为:340, 305 MPa和2.8%;3个温度轧制后合金的断裂方式相同,均为沿晶断裂。Mg-Y-Ce-Zr合金抗氧化性能好,不同温度轧制后合金的氧化膜未发生明显的增厚现象,轧制温度对合金的力学性能影响显著, 500℃轧制后合金的综合性能最好。; 刘明华王伟徐瑞朝王文礼; 关键词：氧化膜力学性能

基于机器学习的热轧轧制力预测被引量：13: 2021年; 针对传统轧制力数学模型预测精度差的问题,基于板带轧制数据和支持向量回归(SVR)模型对轧制力进行预测。采用主成分分析(PCA)技术来降低输入变量的维数,同时提出了改进粒子群优化(IPSO)算法调节惯性权值和加速因子,并采用IPSO算法对SVR模型中的惩罚因子c、核函数参数g和不敏感损失参数ε进行优化,最终建立PCA-IPSO-SVR轧制力预测模型。与PCA-PSO-SVR、PSO-SVR和Grid-SVR模型相比,PCA-IPSO-SVR模型的3种误差指标处于最低水平,且平均绝对百分比误差(MAPE)为4.8153%。仿真结果表明:与常规PSO算法相比,IPSO算法可以避免陷入局部极小值,从而获得模型最优参数和提高模型预测精度;与其他3种模型相比,PCA-IPSO-SVR模型具有较高的预测精度和较好的泛化性能。; 刘明华张强刘英华王文礼; 关键词：支持向量回归主成分分析轧制力模型

中厚板轧后控冷温度场数学模型的研究被引量：2: 2010年; 阐述了中厚板轧后层流冷却过程各阶段的传热分析、数学模型及初始边界条件的建立和用有限差分法对其进行模拟数值求解的发展现状。介绍了数学模型的精度与钢板组织性能的密切关系,并展望了数学模型在轧后冷却过程中的应用前景。; 姬帅华建社刘明华赵小龙; 关键词：中厚板温度场数学模型

基于改进BP神经网络的镁还原率预报研究被引量：1: 2013年; 介绍了BP神经网络和遗传算法的原理及特点,简述了皮江法炼镁工艺流程。为了研究各工艺参数与镁还原率之间的关系,针对标准BP神经网络存在的收敛速率慢、易陷入局部极小值等缺陷,建立了以煅白活性度、配硅比、制球压力、还原时间、还原温度、真空度为输入,镁还原率为输出的基于遗传算法优化的BP神经网络镁还原率预报模型。利用筛选后的生产数据对模型进行训练和预测,结果显示该预报模型能够较为精确地预报镁还原率,预测误差在±1.0%范围内的命中率达96%,最大误差小于1.3%,一定程度上可用于指导皮江法炼镁工艺中工艺参数的选择。; 华建社薛臣刘明华李芳; 关键词：遗传算法 BP神经网络

支持向量机与神经网络相结合的板带凸度预测: 2022年; 为提高热轧生产过程中板带凸度的预测精度,提出了一种将粒子群优化算法(particle swarm optimization,PSO)、支持向量回归(support vector regression,SVR)和BP神经网络(back propagation neural network,BPNN)相结合的板带凸度预测模型。采用PSO算法优化SVR模型的参数,建立了PSO-SVR板带凸度预测模型,提出采用BPNN建立板带凸度偏差模型与PSO-SVR板带凸度模型相结合的方法对板带凸度进行预测。采用现场数据对模型的预测精度进行验证,并采用统计指标评价模型的综合性能。仿真结果表明,与PSO-SVR、SVR、BPNN和GA-SVR模型进行比较,PSO-SVR+BPNN模型具有较高的学习能力和泛化能力,并且比GASVR模型运算时间短。; 刘明华张强; 关键词：支持向量回归神经网络粒子群优化算法

基于BP神经网络的中厚板层流冷却终冷温度预报被引量：1: 2011年; 通过分析层流冷却过程中钢板终冷温度的各种影响因素,建立了终冷温度的BP神经网络预报模型,确定了网络的输入、输出量.运用"试凑法"对不同网络结构进行了训练,最终确立了神经网络模型结构,并用所建模型对终冷温度进行预测.结果显示:网络预测值与现场实测值比较逼近,误差基本维持在±7℃,证明所建模型是合适的,可以用于生产现场的指导.; 华建社赵小龙刘明华; 关键词：中厚板 BP神经网络层流冷却

全选清除导出

共1页<1>

刘明华