欢迎登录材料期刊网

材料期刊网

高级检索

在分析氨络合体系六方BN表面化学镀镍的热力学基础上, 分别研究了影响镀覆反应速率的主要因素及其变化规律. 用人工神经网络(ANN)方法对小型试验和放大试验的工艺参数进行优化与预测, 试验结果与预测结果基本吻合, 表明对本研究体系的ANN方法优化与预测可用于指导实践, 并克服了多因素复杂体系及交互影响带来研究的困难.

参考文献

[1] Wasserman P D.Neural Computing: Theory and Practice[M].New York: Van Nostrand Reinhold,1989
[2] Chen S;Billings S A .Neural networks for nonlinear dynamic system modeling and identification[J].International Journal of Control,1992,56(02):319.
[3] Narendra K.S.;Parthasarathy K. .Identification and control of dynamical systems using neural networks[J].IEEE Transactions on Neural Networks,1990(1):4-27.
[4] 刘洪霖;包宏.化工冶金过程人工智能优化[M].北京:冶金工业出版社,1999:81.
[5] 梁英教;车荫昌.无机物热力学数据手册[M].沈阳:东北大学出版社,1993:624.
[6] 曲敬信;汪泓宏.表面工程手册[M].北京:化学工业出版社,1998:176.
[7] 北京矿冶研究总院分析室.矿石及有色金属分析手册[M].北京:冶金工业出版社,1990:68.
上一张 下一张
上一张 下一张
计量
  • 下载量()
  • 访问量()
文章评分
  • 您的评分:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%