《人工神经网络在玻璃成分设计中的应用》由会员分享，可在线阅读，更多相关《人工神经网络在玻璃成分设计中的应用（47页珍藏版）》请在金锄头文库上搜索。
1、 人工神经网络在玻璃成分设计中的应用人工神经网络在玻璃成分设计中的应用 摘摘 要要 传统玻璃成分设计方法不仅计算繁琐、工作量大，效率低，而且精度较低，生产者迫切希望能改进玻璃成分设计方法。计算机辅助建模大大缩短了新材料、新工艺和新设计从实验室转移到生产现场所需的时间， 为玻璃成分设计提供了强有力的技术支持。 人工神经网络是用工程技术手段模拟生物神经网络的结构特征的一类人工系统。 它具有很强的自学习能力， 能够从已有的实验数据中获取有关材料的组分、工艺和性能之间的规律，并达到预测的目的。本课题主要研究了人工神经网络在玻璃成分设计中，尤其是在预测玻璃性能方面的应用。 依据人工神经网络技术，采用反向
2、传播算法，建立反映玻璃成分-性能之间的定量关系的模型，利用 Matlab 软件编程，把玻璃的 21 种组分的含量作为输入量，玻璃的密度、折射率和阿贝数作为 3 个输出量。网络经过训练，网络学习误差 E=0.004997。网络检验结果证明，检验样本的三种性能的平均相对误差仅为0.30%、0.30%和 0.28%。 同样，建立 661 的三层 BP 网络结构模型，以纤维玻璃成分为输入量，预测它的弹性模量。经过训练 9859 次，网络最终学习误差 E=0.0049999，检验样本的相对误差为 0.33%。对以上检验样本用传统计算方法进行验算，结果表明BP 网络预测的相对误差显著低于传统设计方法。可见
3、，所建立的人工神经网络模型具有较高的精确度和效率。 关键词：关键词：玻璃成分设计,人工神经网络，性能预测 iApplication of Artificial Neural Networks In the Design of Glass Composition ABSTRACT The traditional design method of glass composition is trivial with low efficiency and precision, a new approach to improve design method is expected thirstily f
4、or producers. The time needed that new materials, techniques and design transform to practice from theory is shortened by Computer Aided Modeling. Artificial Neural Networks is an artificial intelligence system that simulates biological neural network. It can teach itself, which acquires principles
5、from the related experimental data in order to forecast. This article mainly studies the application of artificial neural networks in the design of glass composition, especially in the prediction of physical properties. A back-propagation neural network has been established to express the relationsh
6、ip between the glass composition and its properties with Matlab language. The glass compositions are the input of the neural network. The density, refractive index and Abbe Number are the output of the neural network. The network learning error is close to goal error best by training. The network is
7、 tested by the experimental data. The mean relative errors of three experimental results are only 0.30%, 0.30% and 0.28%. furthermore, another back-propagation neural network has been established with the framework 661. The compositions of fiberglass are the input, and elastic modulus serves as the
8、output. The mean relative error is 0.33% when the network is trained 9859 times. Again, the testing samples are checked by using traditional methods. The results show that the mean relative errors predicted by back-propagation neural network is evidently lower that calculating with the traditional m
9、ethod. The neural network has high definition and efficiency. KEY WORDS: design of glass composition; artificial neural network; physical performance ii原创性声明原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所 取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何 他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研 究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学
10、位论文原 创性声明的法律责任由本人承担。 学位论文作者签名： 日期：2007.8.15 关于学位论文版权使用授权的说明关于学位论文版权使用授权的说明 本人完全了解河北工业大学关于收集、保存、使用学位论文的规定。同意如 下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学 位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论 文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校 有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版； 在不以赢 利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 （保密的学位论文在解密
11、后适用本授权说明） 学位论文作者签名： 日期：2007.8.15 导师签名： 日期：2007.8.15 河 北 工 业 大 学 硕 士 学 位 论 文 第一章 文献综述第一章 文献综述 1-1 玻璃成分设计概述玻璃成分设计概述 1-1-1 玻璃成分与性质的关系玻璃成分与性质的关系 玻璃成分是指玻璃中所含元素和化合物的种类与比例，严格地讲，应该称化学组成更合适，通常简称为成分或组成。玻璃成分为玻璃科学与工程成分/结构、性质、功能/使用效能、合成/制备 4 大要素之首，是影响玻璃结构、性能和功能的内因，对玻璃的结构、性质和功能起决定性作用。玻璃成分应保证通过合适的制备方法，以破坏晶体的有序结构而进
12、行无序化，得到非晶态固体1。 玻璃的性质是由玻璃结构决定的，一般认为性质和结构之间存在函数关系。而玻璃成分决定了玻璃结构，所以玻璃性质与成分之间也存在函数关系。但是，玻璃的性质与化学组成之间往往不是一一对应的，也就是说达到要求性质指标的玻璃成分不只是一种。 模型化(modeling)是经典的科学研究方法，它是将真实的情况简单化处理，建立一个真实情况本质特性的模型，并进行公式化描述，换言之，模型就是用非常相似而简单的结构描述所研究的现实系统。 由于玻璃结构比较复杂，特别是实际应用的多元系统，建立结构和性质模型非常困难。只能对一些组分比较少而且结构不是十分复杂的玻璃的某项特殊性质，如离子键的氟化物
13、系统的透红外光学性建立结构性质模型，进行计算。对大部分传统玻璃的很多性质，在制定按成分计算性质的实验加和式时，必须考虑到玻璃性质的类型以及结构因素的影响。 根据化学成分对性质的影响不同，玻璃性质分为三种类型2。 (1)简单性质 一些玻璃性质与玻璃成分(摩尔分数)之间呈简单的加和性关系，可用加和公式进行计算。多组分系统的性质等于每种组分指定的量值与其含量的乘积之和。密度、折射率、色散、热膨胀系数、弹性模量等属于简单性质。 (2)复杂性质 相当于物理化学中物理量与组分含量之间呈结构性关系，成分和性质之间并不呈简单的加和性关系。玻璃系统中各组分之间由于化学作用导致形成结构基团，与游离态的组分所特有的
14、基团不同，使得成分和性质之间并不呈简单的加和性关系，如导电率、介质损耗、黏度、表面张力等就具有这样的特点。这些性质只有在某些个别情况下在很窄的范围内才能进行加和性计算。 (3)特殊性质 指外界的条件对性质起重要影响，如环境的温度、湿度、表面状态等均影响其性质，用加和性计算的结果误差很大，如强度、化学稳定性等就属于特殊性质。 由于玻璃是非理想的微不均匀体系，其性质与各成分单独存在时不同，不但与各成分的本性有关，而且也与其结构状态有关，即使是密度、折射率、膨胀系数等简单性质也不能完全忽略结构的影响。 1-1-2 根据玻璃成分计算性质的方法根据玻璃成分计算性质的方法采用现有已发表的计算式，根据玻璃成
15、分来计算玻璃性质其应用成分范围有一定限制，而且计算结果与实测结果之间的误差并不是完全令人满意的。目前，工厂中对玻璃成分快速分析的精确度还是比较低的，往往达不到相应玻璃性质测定的精确度。当然，在需要比较几种设计成分的性质时，采用性质计算进行优选或者根据计算性质的数据来调整成分时，这种计算方法还是有一定的实用价值的。当然应根据所用的成分系统及成分范围，有针对性选择计算方法，尽量减少误差3-4。 1人 工 神 经 网 络 在 玻 璃 成 分 设 计 中 的 应 用 Wilnklman和Schott最先提出来玻璃热膨胀系数的加和性计算，并用试验得出各氧化物的加和性系数对 30 种玻璃进行计算，平均计算
16、精度为4.7%。之后又出现了EnglishTurner、Mori、Renn、Waterson、Rencker、Gould、Badger、Tilloton、Fuwa、Volf、Manson、Shchavelev、Fetterrdf、SilveremanSun、Huggins、(捷姆金娜)、干福熹、高桥等不同的计算方法，其中以阿本、干福熹、捷姆金娜 3 种方法采用氧化物的种类比较多，可计算的性质也比较多，计算的结果与实际测定的误差比较小，对硅酸盐玻璃的加和性计算有代表性，故重点加以阐述，此外Gilard和Dubrul提出的抛物线关系式以及Gehlhaff和Thomas的置换取代法也有一定实用价值1。 2000 年Priven建立了玻璃性质信息系统(Glass Property Information System)软件(Sci Glass,Version4.0)计算玻璃的密度、折射率和
