刘利军
,
李东波
,
彭金辉
,
郭胜惠
,
张利波
,
陈菓
材料导报
针对微波加热制备部分稳定氧化锆过程的非线性、多变量、时变等复杂特点,运用机器学习方法中的LM-BP神经网络和支持向量机(SVM),以保温温度、升温速率、保温时间、降温速率和淬火温度作为输入量,稳定率为输出值,建立了微波加热制备部分稳定氧化锆的稳定率预测模型.分别利用两种预测模型进行稳定率的预测,通过与稳定率的测量值对比分析表明,两者均具有良好的预测能力,但SVM模型具有较高的预测精度.
关键词:
部分稳定氧化锆
,
微波
,
稳定性
,
LM-BP神经网络
,
支持向量机(SVM)
,
预测
李东波
,
刘利军
,
彭金辉
,
郭胜惠
,
陈菓
稀有金属
doi:10.3969/j.issn.0258-7076.2011.05.023
由于部分稳定氧化锫具有优良的物理化学性能,在冶金及材料中有着重要的地位,稳定率是部分稳定氧化锫产品性能的一个重要指标.而部分稳定氧化锆的制备过程具有非线性、多变量、时变等特点,本文采用了支持向量机( SVM)及BP神经网络方法对部分稳定氧化锆的稳定率进行了预测.将热处理温度、保温时间、降温速率、淬火温度及升温速率5个指标(参数)作为模型输入量,部分稳定氧化锆的稳定率作为输出值,分别以48组实验数据作为学习样本,并建立模型,运用该模型预测了5组部分稳定氧化锫的稳定率.实验结果表明,2种模型均具有较好的预测能力,人工神经网络模型预测结果平均误差为1.48％,支持向量机模型预测结果平均误差为0.68％,并且支持向量机预测部分稳定氧化锆的稳定率精度更高,可在实际生产过程中推广应用.
关键词:
部分稳定氧化锆
,
稳定性
,
预测
,
支持向量机
,
BP神经网络
严玉环
,
宋宁
,
黄珍
,
李东波
材料导报
ZAO作为一种新型的功能材料,具有广阔的应用前景和发展潜力.为获得性能优异的ZAO纳米粉体,各种各样的制备方法不断涌现.综述了ZAO纳米粉体的用途及化学共沉淀法、溶胶-凝胶法、沸腾回流法和水热法等几种常用的制备方法,并就这些方法进行了比较评价,最后展望了ZAO未来的发展方向.
关键词:
ZAO纳米粉体
,
制备
,
应用
