一、人工神经网络在陶瓷材料设计中的应用（论文文献综述）
邢俊[1]（2021）在《河流监测及复合能量自供能系统研究》文中研究指明近些年,洪涝灾害在我国境内频繁发生,对社会造成了巨大的经济损失,同时对人民的生命安全产生了巨大威胁。洪涝灾害与水情信息密切相关,通过采集与分析水情信息,可以对洪水发生进行预测。无线传感器网络虽适用于河流监测的数据采集,但由于电池供电等问题使其发展受到了限制。河流环境中包括丰富的太阳能和水流振动能,有效地采集这两种能量可为无线河流监测系统提供能量。为此,本文对河流监测系统及其复合能量自供能系统开展了研究,主要工作内容如下:首先,理论分析了光电发电与压电发电的原理,选择光伏电池和压电陶瓷分别作为光电单元和压电单元,在此基础上设计了球形复合能量采集装置并着重设计相匹配的能量管理电路。球形复合能量采集装置使用透明的聚甲基丙烯酸甲酯外壳。在每个球空腔均匀安装多个直径为3 cm的圆形PZT-5压电陶瓷晶片,压电片的间隔90°,在该能量球两个顶部安装光伏电池。复合能量管理电路在输入端加入二极管消除了负载效应,其采用逐级放大的原理,将能量采集装置输出的电能进行管理并存储到超级电容储能元件中。其次,完成了基于STM32的河流监测系统的硬件电路设计和软件设计,主要包含传感器数据采集和通信电路两部分。传感器数据采集模块主要负责采集水情信息,其中水位传感器kps-49c2用于采集河流水位信息,磁敏感传感器YF-S201基于霍尔原理采集水速信息,温湿度传感器DHT11采集湿度信息。为了实现洪水预测,采用已有河流的水情信息构建训练样本与预测样本,一方面,使用训练样本获得了BP神经网络预测模型,另一方面,基于预测样本与本地水情信息分别进行洪水预测,并通过开发的上位机展示洪水分类预警信息。最后,搭建实验测试平台对复合能量采集装置以及河流监测系统进行测试。实验结果表明:光电发电单元在3月份晴天的最高输出功率达到760μW,在阴天时最高输出功率为258μW。压电单元在不同的振动频率下输出功率存在明显差异,配置不同的压电球,发现当压电球直径为120 mm,内嵌8个PTFE小球时输出功率最高,达到57.7μW。复合能量高于两种能量的简单叠加,这主要归因于复合采集时能量管理电路能耗的下降。对河流监测系统进行测试,采集了本地河流的水情信息,分析了无线传感器节点的功耗,并从能量收支平衡的角度论证了自供能的可行性。
涂乾[2]（2020）在《几种数据挖掘算法在陶瓷原料分类中的应用研究》文中研究说明陶瓷因其极高的实用性和艺术性而备受世人的推崇。在陶瓷技艺日益发展的今天,人们对陶瓷制品工艺要求越来越高;在陶瓷制品竞争激烈的市场,其质量是我们占据行业领先地位的关键。陶瓷原料的质量决定了陶瓷制品的质量,所以选择合适的陶瓷原料是生产高质量陶瓷制品的基础。首先,陶瓷原料的组成、结构和性能往往由于地质条件等因素而不同。其次,标准化原料供应不稳定使得陶瓷原料的选择和原料替代品寻找变得困难。因此,对陶瓷原料进行科学分类和准确鉴定显得尤为重要。笔者通过分析陶瓷工业的发展现状,把较为前沿的数据挖掘技术应用到陶瓷原料的分类分析中[1],为精准而又快速的识别陶瓷原料和替代原料提供参考。本文以陶瓷原料的化学成分和烧失量作为判别因子来分析模型,将陶瓷原料分为四类,分别为Ⅰ类,Ⅱ类,Ⅲ类,Ⅳ类,并作为判别分析建立模型的4个总体[2]（选取《陶瓷工艺学》中我国陶瓷工业常用的主要粘土化学组成作为实验原始数据）。然后利用径向基神经网络、随机森林、BP神经网络、支持向量机、极限学习机以及核极限学习机分别建立陶瓷原料的判别分析模型。通过比较相同数据的预测判别结果,选取又快捷又准确预测的方法,用于陶瓷原料的分类分析中,为陶瓷原料分类提供可靠的依据。研究结果表明,核极限学习机算法分类效果最佳,适宜在生产实际中推广应用。
刘威[3]（2020）在《基于改进神经网络的真空灭弧室电磁场联合优化设计》文中研究指明真空断路器在中压电力系统中起到重要的保护作用,灭弧室作为断路器的核心部件,其内部电、磁、热特性以及材料性能直接影响断路器本体的绝缘性能和开断能力。本文以真空灭弧室结构参数设计为研究对象,进行电场与磁场有限元数值模拟;为满足绝缘性能要求,对真空灭弧室内部结构部件进行参数优化与设计;提出BP神经网络与遗传算法相结合的优化方法,并用于灭弧室电场和磁场的参数化优化设计中。为提高传统BP神经网络模型的预测准确性,采用遗传算法对初始权值、阈值进行前期优化;再进一步运用正交试验设计和归一化处理方法对样本进行采集和预处理;在上述基础上,采用遗传算法完成优化。通过对典型测试函数寻优,验证了所提出组合优化策略的可行性。为确定真空灭弧室组成部件的结构参数,分别对绝缘外壳、屏蔽罩、触头电极、波纹管、导电杆进行材料与结构的参数化分析;以8种不同技术参数的真空灭弧室为对象,比对分析结构参数对绝缘特性的影响规律;并给出12k V/1250A/31.5k A真空灭弧室总体结构参数群组。为实现真空灭弧室内部电场优化,以12k V/1250A/31.5k A真空灭弧室为对象,建立电场有限元分析模型,通过改进BP神经网络的方法得到真空灭弧室电场预测模型;采用遗传算法实现电场结构参数化优化设计,仿真对比分析优化前后场域电场分布;求得额定电压、工频电压以及雷电冲击电压下三相真空灭弧室相间电场分布,以实现相间绝缘分析。以上述电场优化后的绝缘结构参数为基础,进行灭弧室触头间隙磁场优化分析。建立磁场有限元模型;采用单因素分析方法,确定优化变量;建立磁场改进BP神经网络模型;采用遗传算法对磁场进行参数化优化;对比分析优化前后触头表面与断口中心平面磁场,以验证优化方案的可行性,进而提高开断性能。
吴海莲[4]（2020）在《基于深度学习原理的介质滤波器传输特性研究与设计》文中研究指明微波滤波器,是现代通信系统中的重要器件,其性能的优劣会对整个通信系统产生重要影响。相较于传统的金属腔体滤波器,介质滤波器是经过多级耦合而获得选频作用的微波器件,具有色散程度弱,损耗低等优点,在移动通信、数字卫星通信等领域有较大的应有市场。受加工工艺和制作成本的限制,传统的介质滤波器设计方法需要经过反复的模拟验证来调整模型结构,具有设计周期长、设计过程不可复用等缺点,随着结构复杂性的增加,模型的设计变得越来越困难。本文提出利用深度神经网络在拟合复杂输入输出关系方面的强大学习能力来解决该问题,并以高介电陶瓷材料为依托对介质滤波器进行设计和仿真,从仿真数据中寻找模型结构与传输响应之间的映射关系,避开了传统的数学物理计算方法,实现了介质滤波器传输响应的快速预测和对于目标传输谱的反向结构设计。首先,提出了工作于X波段（8-12GHz）的带通介质滤波器结构。该滤波器由周期性排列的介质谐振单元组成,每个谐振单元包含三个沿传播方向上排列的陶瓷介质棒,实现了中心频率为9.31GHz,3dB带宽为0.74GHz的微波带通滤波器;利用数值模拟软件对其进行建模与仿真,揭示出介质结构的谐振机制;在此基础上观察工作频率内电场、磁场以及表面电流的分布规律,分析其结构尺寸、材质、晶格周期以及介质填充率对滤波性能的影响,采集不同结构参数条件下模拟得到的特征响应作为数据集用作神经网络的训练。然后,基于深度学习理论设计全连接神经网络作为正向网络,利用实际模拟得到的数据集对神经网络进行训练,经过5000次迭代,损失值降低至0.09,训练好的神经网络能够准确预测出响应未知的结构在X波段上的透射谱;同样设计全连接神经网络,并级联上训练好的正向网络整体作为反向设计网络,经过3000次迭代损失值降低至0.13,实现了对于特定的目标透射响应准确的设计出滤波器的结构参数。最后,利用理想带通滤波曲线对反向设计网络进行测试,实验结果显示,神经网络输出的滤波器性能与目标响应相差较大,这主要是因为理想滤波器在现实中无法实现,而本文选择的数据集全部来源于模拟得到的真实数据,且损失函数仅考虑了透射谱准确性而没有考虑所设计结构是否具有现实可行性。为解决此问题,本文引入加权损失的方法,将模型的结构损失值与透射谱损失值同时作为网络优化的因素,并使用批量归一化的方法避免由隐藏层的输入落在激活函数饱和区间所导致的梯度消失问题,优化后网络预测的滤波器在中心频率以及带宽的准确性上有了较大的性能提升,可为介质滤波器的设计提供快速有效的参考且所设计的模型具有现实可行性。
陆俊峰[5]（2019）在《基于EMI技术的电机振动噪声分析与优化》文中认为工业的发展使电机得到了广泛地运用,同时它带来的噪声不仅对电机质量、寿命进行了考验,也对周边的环境、生活造成了不良影响,因此在电机振动噪声方面的研究具有十分重要的意义。本文对汽车座椅调节电机运作时出现的振动噪声问题进行研究,通过实验确定电机振动噪声的原因,结合有限元分析、优化实验以及神经网络的搭建,最终达到减振降噪的目的。本文的具体工作内容如下:⑴介绍了电机的振动噪声基本原理,从理论上分析了电机的振动特性方程以及压电方程,通过推导电机在多自由度下振动的复数模态方程以及与压电材料耦合情况下的电阻抗方程,建立了电机与PZT的耦合模型。⑵分别搭建了电机噪声的声学与阻抗测量系统,完成了电机噪声的声学与阻抗实验。通过声级计、NI数据采集卡以及上位机搭建了声学测量系统,对电机进行了声学激振实验,利用LABVIEW中的快速傅里叶变换模块对得到的数据信号进行处理,得到声压频域图像。利用阻抗分析仪分别对定子、转子进行阻抗测量实验,对比阻抗与声学结果,确定电机振动噪声的原因,并划定共振区。⑶搭建了基于ANSYS的电机噪声的阻抗仿真模型,并完成电机噪声的阻抗仿真。利用ANSYS对压电材料进行了仿真分析,确定了PZT的型号、材料参数以及与电机耦合过程中的贴片方式。对电机定子、转子与PZT耦合状态下的模态结果进行了分析。对改进后的定子结构进行模态仿真,对仿真结果进行分析得到了电机固有频率的变化趋势。结果表明,耦合PZT对电机的固有特性影响较小,对实验结果不会造成较大的误差,优化方式能够有效使电机的固有频率发生偏移。⑷建立并完成了基于辐条数变化的电机噪声优化实验,对结构优化后的问题电机进行阻抗测量实验,分析了频率与共振区的关系。结果表明,实验结果与仿真结果一致,即电机的固有频率变化趋势相同,得到了能使机壳固有频率脱离共振区的具体辐条数目,最终达到了电机的减振降噪的目的。⑸建立了基于阻抗仿真的神经网络的模型。重点研究了基于BP算法的前馈神经网络的网络结构与实现步骤,对网络数据的输入输出、训练函数的调用以及神经网络模型的优势与缺点进行了探究。利用MATLAB构建了BP神经网络,识别优化情况。图[40]表[17]参[81]
张宇[6]（2017）在《铸造铝合金微弧氧化纳米陶瓷涂层制备工艺优化及其性能研究》文中提出高铁接触网关键零部件大多使用铸造铝合金,但是铸造铝合金由于耐腐蚀性、耐磨损性能差,严重影响使用寿命。目前常用热氧化法和硬质阳极氧化法等方法对铸铝表面进行改性处理以达到使用要求,但都存在污染环境、涂层较薄、在比较苛刻的腐蚀环境中耐腐蚀性能和耐磨损性能等仍不能达到令人满意的要求这些问题。微弧氧化技术作为一种表面处理技术,其过程操作简单,绿色环保无污染,生成的致密氧化膜使得陶瓷涂层具有优异的耐腐蚀性和耐磨损性。本文针对高铁接触网关键零部件广泛使用的ZL101A铸造铝合金,开发微弧氧化纳米涂层技术以提高接触网零部件表面硬度和耐腐蚀性能,大幅度提高零部件使用寿命。本文利用SEM、EDS、XRD、XPS等手段分析微弧氧化涂层的微观组织和相成分;利用显微硬度计、厚度测试仪、摩擦磨损试验机测试涂层的硬度、厚度、摩擦磨损性能;利用电化学工作站和盐雾腐蚀箱研究微弧氧化涂层的耐蚀性能及腐蚀机理。微弧氧化技术研究的最终目的是通过对试验工艺参数的研究,通过优化算改进电解液配方、电参数及进行合适的添加剂的选择,制备出性能优异的陶瓷涂层。本文主要工作包括:（1）通过研究不同电解液体系下陶瓷涂层性能的差异,优选出适合ZL101A铸造铝合金的硅酸钠电解液体系。然后通过正交试验,优化电解液配方中各成份的浓度。采用单因素试验方法,固定其它所有条件专门研究一个电参数（频率、占空比、电流密度、氧化时间）对涂层性能的影响。结果表明,当电解液硅酸钠浓度18g/L,氢氧化钾浓度3g/L,氟化钠浓度4g/L,电参数为频率400Hz、占空比50%、电流密度16A/dm2、氧化时间40min时可以获取优异的涂层性能,此时硬度达1468HV,自腐蚀电流密度为6.233×10-8A/cm2（2）由于微弧氧化试验影响因素很多,一般试验方法获得优化参数的难度很高,重复性试验量很大,为此根据前面研究内容,引入一种基于人工神经网络-粒子群算法的分析方法,从现有的工艺参数中提取最优工艺参数,进行涂层性能预测与工艺优化。结果表明,无论是收敛速度,还是优化精度,利用人工神经网络-粒子群算法所得到的优化结果都令人满意,优化后的自腐蚀电流密度为5.679×10-8A/cm2。（3）通过引入纳米Ti02和A1203的添加剂,进一步改善微弧氧化陶瓷涂层的性能。通过浸泡试验,研究了弧氧化纳米陶瓷涂层的耐腐蚀性能,并阐明其腐蚀机理。结果表明,纳米添加剂的引入使涂层生成更多的α-A1203,使涂层变得更加致密,明显改善陶瓷涂层的性能,其中引入纳米A1203表现更优,此时硬度达2341HV,自腐蚀电流密度为 1.819×10-9A/cm2。（4）用盐雾腐蚀试验,比较制备得到的微弧氧化纳米涂层和热氧化法、硬质阳极氧化法制备的涂层。结果表明,微通过弧氧化纳工艺制备得到的涂层具有更优异的性能,并将其应用到高铁接触网关键零部件上。本文制备的微弧氧化纳米涂层,可以大幅度提高高铁接触网关键零部件表面的硬度和耐腐蚀性能,极大提高零部件的使用寿命,从而节约资源和能源,有效提升高铁的安全性,并缩短与国外同类产品的差距,增强相关产业的竞争优势,具有很大的应用潜力。
赵微[7]（2014）在《艺术陶瓷定价模型分析与价格预测研究》文中研究指明艺术陶瓷又称为陶瓷艺术,由于其集观赏性、艺术性、文化性、收藏性、投资性于一体,近年来艺术陶瓷市场价格走势持续上扬。近年来高涨的艺术陶瓷价格已经成为我国艺术陶瓷市场发展的制约性因素,对艺术陶瓷的定价问题还没有进行理论性的研究。现有的数理统计理论体系中,对各类研究对象进行预测的模型有不少,但目前学者也不曾就艺术品陶瓷进行定量预测研究。因此,本文采用三种预测模型对艺术陶瓷进行建模分析,并对三种不同的模型预测性能进行比较分析。本文从影响陶瓷艺术价格的五个因素（包括年代因素、造型因素、装饰因素、尺寸因素和图案因素）对艺术陶瓷定价模型进行评价。本文在第三章提出了改进的模糊层次分析法,总结出艺术陶瓷评价的若干主要指标,运用三标度法,确定各评价指标对于评价目标的影响程度,提高了权重的收敛速度和计算精度,并且通过预测样本证明了该模型在艺术陶瓷定价中具有有效性和合理性。本文在第四章将时间序列预测方法中的趋势分析法运用到艺术陶瓷的价格预测,本文在针对时间序列数据处理的研究过程中,结合四大拍卖行的近10年的艺术品陶瓷的成交额把时间序列映射到趋势序列,重点研究了基于特征点的时间序列分段,进行线性拟合和趋势提取,利用趋势序列来表达时间序列中的趋势信息,最后一部分根据艺术陶瓷的特点,将模糊逻辑推理技术与人工神经网络相结合,构建具有模糊逻辑推理和学习功能的基于T-S模糊神经网络系统。通过对预测数据的拟合与测试,结果表明该模糊神经网络能够较精确地预测艺术陶瓷的价格。相比之下,T-S模糊神经网络系统模型对本文所选取样本数据的预测效果在个模型中是最好的。根据本文的结论,我们文章中采用的模型可以为艺术陶瓷市场中、长期行为及决策提供参考。同时本文也存在一些不足,因此可以在本文研究的基础上进一步深入研究,以更切合实际的对艺术陶瓷的价格问题进行预测分析,为实际生产生活提供建议和指导,以推动整个艺术品市场的平稳发展。
许焱[8]（2012）在《钛酸锶钡人工神经网络专家系统的设计研究》文中认为随着计算机技术的发展和数据处理算法的不断完善,材料科学领域内的人工神经网络的研究也取得了一定的进展。钛酸锶钡具有介电常数调节方便、高的绝缘电阻、低的介电损耗（高频及低频下）和较高的电容温度稳定性等诸多优点,所以成为国内外研究的热点。本文作者在掌握了人工神经网络、钛酸锶钡陶瓷相关性能和数据库开发技术的基础上,使用MS SQLSERVER2005数据库,存储数据,采用自适应变步长的BP神经网络算法进行网络训练,建立了以知识检索、模拟计算和预测为基础的钛酸锶钡人工神经网络专家系统。系统通过编写的人机界面,实现了对数据入库、查询、修改、删除的管理。然后以这些数据为样本,结合材料研究中的基础知识,按照一定的方法对数据进行处理,训练建立起BP神经网络。最后应用训练的结果,实现了对由不同工艺参数（烧结温度,烧结时间,预烧温度,预烧时间,成型压力,衬底,退火温度,Ba、Sr、Ti摩尔量）制备的钛酸锶钡陶瓷在不同的频率、温度、电场强度测试条件下的介电性能、晶格常数和居里温度的预测。
张会发,许崇海,张静婕,王兴海,方斌[9]（2011）在《计算智能技术在陶瓷材料优化设计中的应用》文中认为综述了计算智能在陶瓷材料优化设计中的应用现状,阐明了利用人工神经网络以及遗传算法预测陶瓷材料性能和组分优化的方法,介绍了人工神经网络、遗传算法与免疫算法和模拟退火算法相结合的高效计算智能方法以及模糊神经网络在材料设计中的应用,分析了陶瓷材料优化设计中存在的问题并提出了今后的研究方向。
张会发[10]（2011）在《基于免疫遗传算法的纳米复合金属陶瓷模具材料优化设计》文中提出目前在陶瓷模具材料设计中采用的方法主要是进行试验,通过得到的试验数据不断修正材料的组分以及制备的工艺,从而得到性能较好的材料,这种方法就需要大量的人力、物力和时间。因此,将先进的计算智能技术用于陶瓷模具材料的优化设计中,设计的效率会得到提高,使用较多的计算智能方法是神经网络和遗传算法,本文将免疫算法用于陶瓷模具材料的优化设计,并将免疫算法和遗传算法以及神经网络结合,优化了陶瓷模具材料的组分和烧结工艺。本文运用免疫算法优化了Ti（C,N）基纳米复合金属陶瓷模具材料的组分,分别用逐步回归分析方法得到的机械性能与材料组分之间的数学函数关系作为免疫算法的目标函数,优化后得到最优的机械性能以及相应的最佳的材料组分。优化结果为Ti（C,N）基纳米复合金属陶瓷模具材料的断裂韧性最优值为7.7 MPa·m1/2,相应的ZrO2和WC的质量百分含量分别为10.67%和20%;硬度的最优值为15.31 GPa,相应的ZrO2和WC的质量百分含量分别为0和15.10%;抗弯强度的最优值为1057.39 MPa,相应的ZrO2和WC的质量百分含量分别为6.75%和11.38%。实现了免疫算法与遗传算法的结合,运用结合的免疫遗传算法优化Ti（C,N）基纳米复合金属陶瓷模具材料的机械性能,优化结果与单一免疫算法的结果相同,但免疫遗传算法的迭代次数减少了,提高了陶瓷模具材料优化设计的效率。运用BP神经网络建立了Ti（C,N）基纳米复合金属陶瓷模具材料烧结工艺与机械性能之间的关系,并进行了预测,预测误差较小,然后将建立的神经网络模型作为免疫遗传算法的目标函数,优化得到机械性能最优时的烧结工艺,优化结果为:断裂韧性的最优值为8.2 MPa·m1/2,对应的烧结温度为1455.5℃,保温时间为12.6min;硬度的最优值为17.3 GPa,对应的烧结温度为1490.7℃,保温时间为24min;抗弯强度的最优值为1097.6 MPa,对应的烧结温度为1454.1℃,保温时间为10.9min。优化结果与实验值间的误差分别为4.65%、0.23%和4.05%。最后用免疫遗传算法结合神经网络的方法优化了Ti（C,N）基纳米复合金属陶瓷模具材料的组分,优化结果为:断裂韧性的最优值为6.93 MPa·m1/2,相对应的ZrO2和WC的质量百分含量分别为12.3%和6.9%;硬度的最优值为15.19 GPa,相对应的ZrO2和WC的质量百分含量分别为13.75%和19.74%;抗弯强度的最优值为924.68 MPa,相对应的ZrO2和WC的质量百分含量分别为7.57%和2.24%。
二、人工神经网络在陶瓷材料设计中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、人工神经网络在陶瓷材料设计中的应用（论文提纲范文）
（1）河流监测及复合能量自供能系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 河流监测研究现状 |
| 1.3 洪水预测算法研究现状 |
| 1.4 能量采集器研究现状 |
| 1.4.1 光电能量采集研究现状 |
| 1.4.2 电磁能量采集研究现状 |
| 1.4.3 摩擦能量采集研究现状 |
| 1.4.4 压电能量采集研究现状 |
| 1.4.5 不同能量采集方式对比 |
| 1.5 本课题研究内容以及章节安排 |
| 第二章 复合能量采集系统设计 |
| 2.1 能量采集系统整体设计 |
| 2.2 能量采集原理及各系统设计 |
| 2.2.1 光电发电原理及单元设计 |
| 2.2.2 压电发电原理及单元设计 |
| 2.3 复合能量采集装置设计 |
| 2.4 能量采集系统电路设计 |
| 2.4.1 接口电路设计 |
| 2.4.2 能量管理电路 |
| 2.4.3 DC-DC电路设计 |
| 2.4.4 能量管理电路的PCB设计 |
| 2.5 储能单元分析 |
| 2.5.1 锂电池特性分析 |
| 2.5.2 超级电容特性分析 |
| 2.5.3 储能元器件的比较 |
| 2.6 本章小结 |
| 第三章 河流监测系统硬件设计 |
| 3.1 河流监测系统硬件整体设计方案 |
| 3.2 MCU最小系统设计 |
| 3.3 传感器信号采集电路设计 |
| 3.3.1 湿度传感器电路 |
| 3.3.2 水位传感器电路 |
| 3.3.3 水速传感器电路 |
| 3.4 通信电路设计 |
| 3.4.1 CAN通信电路 |
| 3.4.2 蓝牙通信电路 |
| 3.5 PCB制图与实物图 |
| 3.6 本章小结 |
| 第四章 河流监测系统软件设计 |
| 4.1 河流监测系统软件整体设计方案 |
| 4.2 传感器数据采集软件设计 |
| 4.2.1 水速传感器数据采集设计 |
| 4.2.2 温湿度传感器数据采集设计 |
| 4.2.3 水位传感器数据采集设计 |
| 4.3 数据通信模块软件设计 |
| 4.3.1 CAN通信软件设计 |
| 4.3.2 低功耗蓝牙模块软件设计 |
| 4.4 上位机展示平台软件设计 |
| 4.5 本章小结 |
| 第五章 实验测试及结果分析 |
| 5.1 测试平台搭建 |
| 5.2 传感器模块测试 |
| 5.2.1 传感器理论功耗分析 |
| 5.2.2 传感器数据采集测试 |
| 5.2.3 传感器实际功耗 |
| 5.3 光电能量测试 |
| 5.4 压电能量测试 |
| 5.5 压电与光电复合输出测试 |
| 5.6 本章小结 |
| 第六章 基于BP神经网络的洪水预测 |
| 6.1 BP神经网络概述 |
| 6.2 BP神经网络模型 |
| 6.3 模型评估指标 |
| 6.4 BP神经网络训练及预测结果分析 |
| 6.4.1 构建样本库 |
| 6.4.2 BP神经网络训练 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）几种数据挖掘算法在陶瓷原料分类中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容及创新点 |
| 1.3.1 论文的主要内容 |
| 1.3.2 论文的创新点 |
| 1.4 论文的基本结构 |
| 2 数据挖掘相关理论分析 |
| 2.1 数据挖掘概述 |
| 2.2 数据挖掘算法 |
| 2.2.1 径向基神经网络 |
| 2.2.2 随机森林 |
| 2.2.3 BP神经网络 |
| 2.2.4 支持向量机 |
| 2.2.5 极限学习机 |
| 2.2.6 MATLAB软件简介及其主要功能 |
| 2.3 数据的选取 |
| 2.4 本章小结 |
| 3 一种基于径向基神经网络的陶瓷原料分类方法 |
| 3.1 RBF神经网络模型 |
| 3.1.1 RBF神经元模型 |
| 3.1.2 RBF神经网络模型 |
| 3.2 RBF网的数学基础 |
| 3.2.1 内插问题 |
| 3.2.2 正则化网络 |
| 3.3 RBF神经网络的学习算法 |
| 3.3.1 自组织选取中心法 |
| 3.3.2 梯度训练方法 |
| 3.4 RBF在陶瓷原料分类中的应用 |
| 3.4.1 陶瓷原料数据 |
| 3.4.2 RBF对陶瓷原料分类的预测 |
| 3.5 本章小结 |
| 4 一种基于BP神经网络的陶瓷原料分类方法 |
| 4.1 BP网络模型 |
| 4.2 BP网络学习的几种算法 |
| 4.3 BP神经网络的特点 |
| 4.4 BP神经网络的应用 |
| 4.5 BP神经网络在陶瓷原料分类上的应用 |
| 4.5.1 BP神经网络对原料分类的参数设置 |
| 4.5.2 BP神经网络对陶瓷原料分类的识别结果 |
| 4.5.3 BP神经网络分类结果混淆矩阵 |
| 4.6 本章小结 |
| 5 一种基于支持向量机的陶瓷原料分类方法 |
| 5.1 SVM的基本思想 |
| 5.2 核函数 |
| 5.2.1 核函数变换基本思想 |
| 5.2.2 常见核函数 |
| 5.3 SVM多类分类问题 |
| 5.3.1 基于二值分类的SVM多类分类 |
| 5.3.2 多类二值分类器组合 |
| 5.4 陶瓷原料数据的输入与分析 |
| 5.4.1 SVM对陶瓷原料分类的识别结果 |
| 5.4.2 SVM分类结果混淆矩阵 |
| 5.5 本章小结 |
| 6 一种基于随机森林的陶瓷原料分类方法 |
| 6.1 随机森林的算法概述 |
| 6.2 随机森林的算法原理 |
| 6.3 随机森林算法优缺点 |
| 6.4 随机森林算法流程 |
| 6.5 基于随机森林的陶瓷原料分类结果与分析 |
| 6.5.1 随机森林伪代码和陶瓷原料分类结果 |
| 6.5.2 随机森林分类结果混淆矩阵 |
| 6.6 本章小结 |
| 7 一种基于极限学习机的陶瓷原料分类方法 |
| 7.1 ELM算法概述 |
| 7.2 ELM算法优缺点及研究现状 |
| 7.3 ELM在陶瓷原料分类中的应用 |
| 7.3.1 ELM对陶瓷原料分类结果 |
| 7.3.2 ELM算法混淆矩阵结果 |
| 7.4 KELM在陶瓷原料分类中的应用 |
| 7.4.1 KELM对陶瓷原料分类预测结果 |
| 7.4.2 KELM分类结果混淆矩阵 |
| 7.5 算法分类结果分析比较 |
| 7.5.1 多种算法分类结果比较 |
| 7.5.2 KELM与ELM算法优缺点分析 |
| 7.5.3 其他算法优缺点分析 |
| 7.5.4 结论 |
| 7.6 本章小结 |
| 8 结论与展望 |
| 8.1 论文研究的主要内容 |
| 8.2 结论 |
| 8.3 不足 |
| 8.4 展望 |
| 致谢 |
| 参考文献 |
（3）基于改进神经网络的真空灭弧室电磁场联合优化设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 真空灭弧室的研究现状与发展趋势 |
| 1.2.1 真空灭弧室研究进程 |
| 1.2.2 真空灭弧室的关键问题研究 |
| 1.3 BP神经网络研究现状 |
| 1.3.1 人工神经网络研究历程 |
| 1.3.2 BP神经网络应用现状 |
| 1.4 本文主要研究工作 |
| 第二章 基于改进神经网络的优化方法 |
| 2.1 组合优化基本原理 |
| 2.1.1 BP神经网络原理 |
| 2.1.2 BP神经网络模型的构建 |
| 2.1.3 遗传算法原理 |
| 2.2 基于遗传算法的改进BP神经网络模型 |
| 2.2.1 基于正交试验设计的样本选取与预处理 |
| 2.2.2 BP神经网络模型的优化 |
| 2.2.3 典型测试函数的改进BP神经网络建模与分析 |
| 2.3 采用遗传算法的寻优实现 |
| 2.4 本章小结 |
| 第三章 真空灭弧室结构参数化设计 |
| 3.1 绝缘壳体参数化设计 |
| 3.2 屏蔽罩参数化设计 |
| 3.3 触头基本结构的参数化设计 |
| 3.3.1 触头材料组成与配比 |
| 3.3.2 触头几何结构参数化设计 |
| 3.4 波纹管参数化设计 |
| 3.5 导电杆参数化设计 |
| 3.6 本章小结 |
| 第四章 真空灭弧室电场优化设计与实现 |
| 4.1 真空灭弧室静态电场建模与有限元分析 |
| 4.2 改进BP神经网络的电场优化模型建立 |
| 4.2.1 输入和输出变量的选择 |
| 4.2.2 基于正交试验的样本设计 |
| 4.2.3 改进BP神经网络电场模型的构建 |
| 4.3 采用遗传算法的真空灭弧室电场优化 |
| 4.3.1 灭弧室电场优化目标的确定 |
| 4.3.2 灭弧室电场优化变量的设置 |
| 4.3.3 真空灭弧室结构参数寻优实现与结果分析 |
| 4.4 真空灭弧室的相间绝缘 |
| 4.4.1 额定电压下电场计算与分析 |
| 4.4.2 工频电压下电场计算与分析 |
| 4.4.3 雷电冲击电压下电场计算与分析 |
| 4.4.4 相间距优化与分析 |
| 4.5 本章小结 |
| 第五章 真空灭弧室磁场优化设计与实现 |
| 5.1 真空灭弧室触头结构建模与有限元分析 |
| 5.2 真空灭弧室触头结构影响因素分析 |
| 5.2.1 触头结构参数的选取 |
| 5.2.2 单因素分析 |
| 5.3 改进BP神经网络的磁场优化模型建立 |
| 5.3.1 输入和输出变量的选择 |
| 5.3.2 基于正交试验的样本设计 |
| 5.3.3 改进BP神经网络磁场模型的构建 |
| 5.4 基于遗传算法的触头间磁场优化 |
| 5.4.1 触头间磁场优化目标的确定 |
| 5.4.2 触头间磁场优化变量的设置 |
| 5.4.3 触头结构参数寻优实现与结果分析 |
| 5.5 横磁触头磁场对比分析 |
| 5.5.1 螺旋槽横磁触头结构仿真与分析 |
| 5.5.2 万字形横磁触头结构仿真与分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（4）基于深度学习原理的介质滤波器传输特性研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 全介质超材料滤波器及其国内外研究现状 |
| 1.2.1 超材料及其国内外研究现状 |
| 1.2.2 全介质滤波器及其国内外研究现状 |
| 1.3 深度学习理论在超材料领域的应用 |
| 1.4 论文内容安排 |
| 第二章 介质滤波器理论基础 |
| 2.1 左手材料理论基础 |
| 2.1.1 左手材料的概念 |
| 2.1.2 左手材料的理论分析 |
| 2.2 全介质超材料理论 |
| 2.2.1 Mie散射理论 |
| 2.2.2 介质谐振器理论 |
| 2.3 介质滤波器及其性能指标 |
| 2.4 本章小结 |
| 第三章 微波介质滤波器模型设计与特征响应研究 |
| 3.1 介质写真单元的谐振模式与场分布 |
| 3.1.1 球形介质谐振器 |
| 3.1.2 圆柱形介质谐振器 |
| 3.1.3 立方体介质谐振器 |
| 3.1.4 介质颗粒之间的相互作用 |
| 3.2 构造介质滤波器的模型 |
| 3.3 微波介质滤波器特征响应研究 |
| 3.4 本章小结 |
| 第四章 神经网络实现介质滤波器传输特性的快速预测 |
| 4.1 深度神经网络的基本原理 |
| 4.1.1 神经网络的前向与反向传播 |
| 4.1.2 随机梯度下降算法 |
| 4.2 神经网络实现介质滤波器传输响应预测 |
| 4.2.1 数据样本获取与预处理 |
| 4.2.2 激活函数的选取 |
| 4.2.3 搭建正向预测网络 |
| 4.2.4 正向网络的训练与测试 |
| 4.3 本章小结 |
| 第五章 基于深度神经网络实现介质滤波器反向结构设计 |
| 5.1 反向神经网络 |
| 5.1.1 数据不一致性 |
| 5.1.2 搭建级联神经网络 |
| 5.1.3 级联神经网络的训练与测试 |
| 5.2 反向设计网络的优化方案 |
| 5.2.1 结构损失加权 |
| 5.2.2 批量归一化 |
| 5.2.3 优化后的结果 |
| 5.3 理想滤波曲线测试结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 下一阶段工作展望 |
| 参考文献 |
| 致谢 |
（5）基于EMI技术的电机振动噪声分析与优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源和背景 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景 |
| 1.2 研究现状 |
| 1.2.1 压电阻抗技术研究现状 |
| 1.2.2 振动噪声研究现状 |
| 1.2.3 神经网络技术研究现状 |
| 1.3 研究计划 |
| 1.4 本章小结 |
| 2 电机振动噪声理论与压电阻抗理论 |
| 2.1 电机的振动噪声理论 |
| 2.2 电机的振动模型 |
| 2.3 多自由度下的复数模态 |
| 2.4 EMI压电阻抗技术 |
| 2.4.1 压电方程 |
| 2.4.2 结构压电耦合电阻抗理论 |
| 2.5 本章小结 |
| 3 对电机的声学实验和压电阻抗实验 |
| 3.1 基于LABVIEW的声学实验 |
| 3.1.1 声学设备 |
| 3.1.2 可视化程序结构 |
| 3.1.3 快速傅里叶变换 |
| 3.1.5 针对电机的声压实验 |
| 3.1.6 声压实验结果 |
| 3.2 基于EMI技术的阻抗模态实验 |
| 3.2.1 对定子进行阻抗值测量 |
| 3.2.2 对转子进行阻抗值测量 |
| 3.3 本章小结 |
| 4 有限元电机结构仿真及压电阻抗优化实验 |
| 4.1 有限元法的基本思想 |
| 4.1.1 基本概念 |
| 4.2 压电分析原理 |
| 4.2.1 软件介绍 |
| 4.2.2 ANSYS压电分析 |
| 4.3 基于ANSYS的 PZT以及电机仿真分析 |
| 4.3.1 PZT材料参数 |
| 4.3.2 PZT的选择 |
| 4.3.3 PZT片仿真分析 |
| 4.3.4 电机的仿真分析 |
| 4.4 小型直流电机的结构优化仿真 |
| 4.4.1 优化方案 |
| 4.4.2 模态仿真 |
| 4.5 基于EMI技术的电机结构优化实验 |
| 4.5.1 实验一 |
| 4.5.2 实验二 |
| 4.6 本章小结 |
| 5 神经网络和优化识别系统 |
| 5.1 生物神经元模型 |
| 5.2 单神经元模型 |
| 5.2.1 激活/激励函数 |
| 5.3 神经网络分类 |
| 5.4 BP神经网络 |
| 5.4.1 BP网络 |
| 5.4.2 BP算法步骤 |
| 5.5 神经网络的格式及函数 |
| 5.5.1 神经网络输入输出格式 |
| 5.5.2 神经网络训练函数 |
| 5.5.3 神经网络模型的优势和缺点 |
| 5.6 电机优化识别系统 |
| 5.6.1 基于MATLAB的 BP神经网络 |
| 5.6.2 电机优化识别结果 |
| 5.7 本章小结 |
| 6 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（6）铸造铝合金微弧氧化纳米陶瓷涂层制备工艺优化及其性能研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 铸造铝合金介绍 |
| 1.3 铝合金微弧氧化技术研究现状 |
| 1.3.1 铝合金表面处理技术 |
| 1.3.2 微弧氧化技术的发展概况 |
| 1.3.3 微弧氧化的工艺过程及机理 |
| 1.3.4 微弧氧化技术的特点 |
| 1.3.5 微弧氧化技术的影响因素 |
| 1.3.6 铸铝合金微弧氧化技术研究现状 |
| 1.4 优化算法在材料学研究中的应用研究现状 |
| 1.4.1 人工神经网络在材料研究中的应用 |
| 1.4.2 遗传算法在材料研究中的应用 |
| 1.4.3 粒子群算法 |
| 1.5 本文研究的课题来源及主要研究内容 |
| 1.5.1 本文研究的课题来源 |
| 1.5.2 本文主要研究内容 |
| 1.6 本章小结 |
| 第2章 微弧氧化陶瓷涂层制备与表征 |
| 2.1 引言 |
| 2.2 微弧氧化陶瓷涂层制备 |
| 2.2.1 试验材料及设备 |
| 2.2.2 技术路线 |
| 2.2.3 试验过程 |
| 2.3 微弧氧化陶瓷涂层表征 |
| 2.3.1 陶瓷涂层结构表征 |
| 2.3.2 陶瓷涂层性能表征 |
| 2.4 本章小结 |
| 第3章 ZL101A铸造铝合金微弧氧化工艺参数优化与性能研究 |
| 3.1 引言 |
| 3.2 电解液体系的确定 |
| 3.2.1 电解液体系优化方案 |
| 3.2.2 陶瓷涂层微观形貌分析 |
| 3.2.3 陶瓷涂层XRD图谱分析 |
| 3.2.4 电解液体系对微弧氧化陶瓷涂层耐磨性的影响 |
| 3.2.5 电解液体系对微弧氧化陶瓷涂层耐蚀性的影响 |
| 3.3 电解液参数的优化 |
| 3.3.1 电解液参数优化方案 |
| 3.3.2 电解液参数优化正交试验结果分析 |
| 3.3.3 讨论 |
| 3.4 电参数的优化 |
| 3.4.1 脉冲频率对威化氧化陶瓷涂层性能的影响 |
| 3.4.2 占空比对威化氧化陶瓷涂层性能的影响 |
| 3.4.3 电流密度对威化氧化陶瓷涂层性能的影响 |
| 3.4.4 氧化时间对威化氧化陶瓷涂层性能的影响 |
| 3.5 本章小结 |
| 第4章 ZL101A铸造铝合金微弧氧化陶瓷涂层性能预测与优化研究 |
| 4.1 引言 |
| 4.2 微弧氧化陶瓷涂层性能预测 |
| 4.2.1 BP人工神经网络设计 |
| 4.2.2 BRF人工神经网络设计 |
| 4.2.3 BP网络和RBF网络的性能预测比较 |
| 4.3 微弧氧化陶瓷涂层性能优化 |
| 4.3.1 粒子群算法设计 |
| 4.3.2 人工神经网络-粒子群算法的性能优化 |
| 4.4 本章小结 |
| 第5章 纳米添加剂对ZL101A铸造铝合金微弧氧化陶瓷涂层性能的影响研究 |
| 5.1 引言 |
| 5.2 不同纳米添加剂对微弧氧化陶瓷涂层性能的影响 |
| 5.2.1 陶瓷涂层微观形貌分析 |
| 5.2.2 陶瓷涂层XRD图谱分析 |
| 5.2.3 不同纳米添加剂对微弧氧化陶瓷涂层耐磨性的影响 |
| 5.2.4 不同纳米添加剂对微弧氧化陶瓷涂层耐蚀性的影响 |
| 5.2.5 陶瓷涂层EDS图谱分析 |
| 5.2.6 陶瓷涂层XPS图谱分析 |
| 5.3 本章小结 |
| 第6章 ZL101A铸造铝合金微弧氧化陶瓷涂层的腐蚀性能研究及其应用 |
| 6.1 引言 |
| 6.2 微弧氧化陶瓷涂层的耐蚀性能研究 |
| 6.2.1 腐蚀后陶瓷涂层形貌分析 |
| 6.2.2 NaCl对微弧氧化陶瓷涂层耐蚀性的影响 |
| 6.2.3 腐蚀后陶瓷涂层EDS图谱分析 |
| 6.2.4 腐蚀后陶瓷涂层XPS图谱分析 |
| 6.3 微弧氧化陶瓷涂层的腐蚀机理研究 |
| 6.4 微弧氧化陶瓷涂层的应用 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参加的科研项目和成果 |
（7）艺术陶瓷定价模型分析与价格预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 本文研究背景 |
| 1.1.1 我国陶瓷产业发展概况 |
| 1.1.2 我国艺术陶瓷产业发展概况 |
| 1.2 本文的研究意义 |
| 1.3 本研究领域的研究现状 |
| 1.4 本文的主要研究方法与思路 |
| 1.5 本文的主要工作 |
| 2 影响陶瓷定价因素评价分析 |
| 2.1 艺术陶瓷的价格以及影响因素 |
| 2.1.1 艺术品价格的概念 |
| 2.1.2 艺术陶瓷的价格的影响因素 |
| 2.2 本文实际数据分析与样本数据选取 |
| 3 模糊层次分析法评价模型 |
| 3.1 传统的层次分析法简介 |
| 3.1.1 层次分析法基本原理及特点 |
| 3.1.2 层次分析法应用步骤 |
| 3.2 模糊层次分析法相关概念 |
| 3.2.1 模糊层次分析法概念 |
| 3.2.2 模糊分析层次法构建前的数据处理 |
| 3.2.3 模糊分析层次法的模型构建 |
| 3.3 改进的模糊层次分析法在陶瓷评价中的应用 |
| 4 基于时间序列预测模型的艺术品价格分析 |
| 4.1 时间序列分析简介 |
| 4.1.1 时间序列预测分析简介 |
| 4.1.2 时间序列预测法的分类和步骤 |
| 4.2 趋势分析法相关概念 |
| 4.2.1 趋势分析法 |
| 4.2.2 逻辑斯蒂(Logistic)趋势预测模型 |
| 4.3 实际操作 |
| 5 基于模糊神经网络的预测模型 |
| 5.1 模糊数学基本理论 |
| 5.1.1 模糊数学逻辑基本理论 |
| 5.1.2 模糊理论的提出 |
| 5.2 神经网络算法的基本内容 |
| 5.2.1 BP神经元 |
| 5.3 模糊逻辑和神经网络的结合 |
| 5.4 T-S模糊神经网络概述 |
| 5.5 T-S模糊神经网络模型的构建步骤 |
| 5.5.1 前件网络 |
| 5.5.2 后件网络 |
| 5.5.3 T-S模糊神经网络训练过程 |
| 6 基于TS模型的模糊神经网络在陶瓷评价中的应用 |
| 6.1 模型参数的个数 |
| 6.1.1 前件网络参数的个数 |
| 6.1.2 后件网络参数的个数 |
| 6.2 T-S模糊神经网络的陶瓷评价算法的建立 |
| 6.3 参数的初始化 |
| 6.4 训练样本的准备 |
| 6.5 网络的训练 |
| 7 结论与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录1 |
| 附录2 |
（8）钛酸锶钡人工神经网络专家系统的设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 材料科学面临的问题 |
| 1.2 人工神经网络在材料研究中的现状及其应用 |
| 1.3 本课题的研究任务 |
| 第二章 人工神经网络专家系统和钛酸锶钡的介绍 |
| 2.1 专家系统的介绍 |
| 2.1.1 专家系统的基本结构及各部分的作用 |
| 2.1.2 专家系统的特点 |
| 2.1.2.1 专家系统的优点 |
| 2.1.2.2 专家系统的缺点 |
| 2.2 人工神经网络简介 |
| 2.2.1 人工神经网络发展简史 |
| 2.2.2 人工神经网络的基本结构 |
| 2.2.3 神经网络的学习方式 |
| 2.2.4 人工神经网络的分类 |
| 2.2.5 人工神经网络的特征 |
| 2.3 钛酸锶钡简介 |
| 2.3.1 钛酸锶钡的结构 |
| 2.3.2 钛酸锶钡的制备方法 |
| 2.3.3 钛酸锶钡的基本介电性能 |
| 2.3.4 钛酸锶钡的主要应用领域 |
| 第三章 基于Visual C++的人工神经网络专家系统的研究 |
| 3.1 系统开发环境 |
| 3.2 软件介绍 |
| 3.2.1 Microsoft Visual C++ |
| 3.2.2 MS SQLSERVER数据库 |
| 3.2.2.1 SQL Server的系统数据库 |
| 3.2.2.2 SQL Server的特性 |
| 3.2.3 ADO连接 |
| 3.2.3.1 ADO对象的模型组成 |
| 3.2.3.2 ADO的特点分析 |
| 3.3 VC++中利用ADO进行SQL Server数据库开发 |
| 3.4 人工神经网络中的BP算法 |
| 3.4.1 BP算法的原理 |
| 3.4.2 BP算法的步骤与实现 |
| 3.4.3 BP神经网络的设计 |
| 3.4.4 BP网络算法的优点 |
| 3.5 本章小结 |
| 第四章 钛酸锶钡人工神经网络专家系统的设计与研究 |
| 4.1 系统任务概述 |
| 4.2 系统功能模块设计 |
| 4.2.1 数据库编辑模块和精确查询模块 |
| 4.2.2 预测功能模块 |
| 4.3 数据库的设计 |
| 4.3.1 数据各表的关系 |
| 4.4 BP算法的设计 |
| 4.4.1 改进 |
| 4.4.1.1 对数据的处理 |
| 4.4.1.2 针对残缺数据的权值矩阵的修改 |
| 4.4.1.3 计算网络输出误差 |
| 4.4.2 隐含层的决定 |
| 4.4.3 改进后的BP网络算法 |
| 4.4.4 性能预测 |
| 4.5 本章小结 |
| 第五章 系统测试运行与数据分析 |
| 5.1 数据库读写测试运行 |
| 5.1.1 数据入库 |
| 5.1.2 数据精确查询 |
| 5.1.3 数据的删除和修改 |
| 5.1.3.1 删除操作 |
| 5.1.3.2 修改操作 |
| 5.2 网络训练测试运行 |
| 5.2.1 数据库归一化测试 |
| 5.2.2 网络训练跟踪、结果保存 |
| 5.2.3 网络的预测 |
| 5.3 网络训练结果记录及分析 |
| 5.3.1 钛酸锶钡粉体预测 |
| 5.3.1.1 钛酸锶钡粉体网络测试 |
| 5.3.1.2 钛酸锶钡粉体训练结果的分析 |
| 5.3.1.3 钛酸锶钡粉体预测结果分析 |
| 5.3.2 钛酸锶钡薄膜预测 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
（9）计算智能技术在陶瓷材料优化设计中的应用（论文提纲范文）
| 0 引言 |
| 1 单一计算智能方法在陶瓷材料优化设计中的应用 |
| 1.1 人工神经网络的应用 |
| (1)组分配方设计方面: |
| (2)性能预测方面: |
| 1.2 遗传算法的应用 |
| 2 复合计算智能方法在陶瓷材料优化设计中的应用 |
| 2.1 遗传算法与人工神经网络结合的优化算法 |
| (1)遗传算法对神经网络权值的优化: |
| (2)遗传算法对神经网络结构的优化: |
| (3)遗传算法对神经网络权值和结构的同时优化: |
| 2.2 模拟退火算法与神经网络和遗传算法结合的优化方法 |
| (1)模拟退火算法与神经网络的结合: |
| (2)模拟退火算法与遗传算法的结合: |
| (3)模拟退火算法与遗传算法、神经网络的结合: |
| 2.3 免疫算法与神经网络、遗传算法结合的优化方法 |
| (1)免疫算法与神经网络的结合: |
| (2)免疫算法与遗传算法的结合: |
| (3)免疫算法与神经网络、遗传算法的结合: |
| 2.4 模糊逻辑与神经网络结合的优化算法 |
| 3 结语 |
（10）基于免疫遗传算法的纳米复合金属陶瓷模具材料优化设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 金属陶瓷模具材料 |
| 1.2 单一计算智能方法在陶瓷模具材料优化设计中的应用 |
| 1.2.1 人工神经网络的应用 |
| 1.2.2 遗传算法的应用 |
| 1.3 复合计算智能方法在陶瓷材料优化设计中的应用 |
| 1.3.1 遗传算法与人工神经网络结合的优化算法 |
| 1.3.2 模拟退火算法与神经网络、遗传算法结合的优化方法 |
| 1.3.3 免疫算法与神经网络、遗传算法结合的优化方法 |
| 1.3.4 模糊逻辑与神经网络结合的优化算法 |
| 1.4 研究的目的、意义及内容 |
| 1.4.1 研究的目的及意义 |
| 1.4.2 主要研究内容 |
| 第2章 基于免疫算法的纳米复合金属陶瓷模具材料组分优化设计 |
| 2.1 免疫算法 |
| 2.1.1 免疫算法简介 |
| 2.1.2 免疫算法的流程图和步骤 |
| 2.1.3 免疫算法中相关参数的计算方法 |
| 2.2 基于免疫算法的纳米复合金属陶瓷模具材料组分优化设计 |
| 2.2.1 纳米复合金属陶瓷模具材料断裂韧性与组分之间数学模型的建立及优化 |
| 2.2.2 纳米复合金属陶瓷模具材料硬度和抗弯强度与组分之间数学模型的建立及优化 |
| 2.3 本章小结 |
| 第3章 基于免疫遗传算法的纳米金属陶瓷模具材料组分优化设计 |
| 3.1 免疫算法与遗传算法的结合 |
| 3.1.1 遗传算法简介 |
| 3.1.2 免疫算法与遗传算法的比较 |
| 3.1.3 免疫算法与遗传算法的结合 |
| 3.2 基于免疫遗传算法的纳米复合金属陶瓷模具材料组分优化设计 |
| 3.3 免疫算法与免疫遗传算法优化结果对比 |
| 3.4 综合机械性能的免疫遗传算法优化 |
| 3.5 本章小结 |
| 第4章 免疫遗传算法结合神经网络优化纳米复合金属陶瓷模具材料烧结工艺及组分 |
| 4.1 神经网络简介 |
| 4.1.1 BP 神经网络的模型结构及原理 |
| 4.1.2 BP 神经网络的构建与训练 |
| 4.1.3 BP 神经网络的局限性 |
| 4.2 免疫遗传算法结合 BP 神经网络对纳米复合金属陶瓷模具材料断裂韧性的优化 |
| 4.2.1 纳米复合金属陶瓷材料烧结工艺与断裂韧性之间的BP 神经网络建模 |
| 4.2.2 运用免疫遗传算法优化纳米复合金属陶瓷材料的断裂韧性 |
| 4.3 纳米复合金属陶瓷模具材料抗弯强度和硬度与烧结工艺间神经网络建模与优化 |
| 4.3.1 纳米复合金属陶瓷模具材料抗弯强度与烧结工艺之间BP 神经网络建模与优化 |
| 4.3.2 纳米复合金属陶瓷模具材料硬度与烧结工艺之间BP 神经网络建模与优化 |
| 4.3.3 纳米复合金属陶瓷模具材料烧结工艺优化结果的应用 |
| 4.4 纳米复合金属陶瓷模具材料组分与机械性能之间 BP 神经网络建模与优化 |
| 4.4.1 纳米复合金属陶瓷模具材料组分与机械性能之间 BP 神经网络建模 |
| 4.4.2 免疫遗传算法结合神经网络对纳米复合金属陶瓷模具材料组分的优化 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
四、人工神经网络在陶瓷材料设计中的应用（论文参考文献）
- [1]河流监测及复合能量自供能系统研究[D]. 邢俊. 南京信息工程大学, 2021
- [2]几种数据挖掘算法在陶瓷原料分类中的应用研究[D]. 涂乾. 景德镇陶瓷大学, 2020(02)
- [3]基于改进神经网络的真空灭弧室电磁场联合优化设计[D]. 刘威. 天津工业大学, 2020(02)
- [4]基于深度学习原理的介质滤波器传输特性研究与设计[D]. 吴海莲. 北京邮电大学, 2020(05)
- [5]基于EMI技术的电机振动噪声分析与优化[D]. 陆俊峰. 安徽理工大学, 2019(01)
- [6]铸造铝合金微弧氧化纳米陶瓷涂层制备工艺优化及其性能研究[D]. 张宇. 浙江工业大学, 2017(01)
- [7]艺术陶瓷定价模型分析与价格预测研究[D]. 赵微. 景德镇陶瓷学院, 2014(05)
- [8]钛酸锶钡人工神经网络专家系统的设计研究[D]. 许焱. 西安电子科技大学, 2012(05)
- [9]计算智能技术在陶瓷材料优化设计中的应用[J]. 张会发,许崇海,张静婕,王兴海,方斌. 材料导报, 2011(S1)
- [10]基于免疫遗传算法的纳米复合金属陶瓷模具材料优化设计[D]. 张会发. 山东轻工业学院, 2011(11)