还剩7页未读,继续阅读
文本内容:
探讨基于BP神经网络的淀粉EVA复合发泡材料论文探讨基于BP神经网络的淀粉EVA复合发泡材料论文 淀粉不仅丰富、价格便宜,而且可以在微生物的作用下分解为葡萄糖,最终代谢为水和二氧化碳,不会对环境造成危害,因而是取之不尽的可再生资源选用淀粉制备的发泡材料,既可以有效抑制废弃的塑料泡沫材料对环境造成的污染,又能节省宝贵的石油资源,对缓解全球性的环境、资源危机具有重要的意义已有淀粉复合发泡材料方面的研究,主要集中在对材料的性能研究及其相应的加工方法方面,而对于淀粉发泡材料的加工流变行为,尤其是关于其熔体黏度影响因子方面的研究相对较少,缺乏系统的研究且在已有研究中,研究者们常通过大量实验来获取各影响因子对材料流变行为___,工作量大而繁琐若能通过建立相关的数学模型对材料的性能进行准确预测,则可以在一定范围内减少实验工作量 BP神经网络back propagationneural work,是指基于误差反向传播算法的多层前向神经网络,它通过将一组样本的输入和输出变成一个非线性优化问题,并且使用最优化、最普遍的梯度下降算法,通过迭代运算求解权,加入隐节点,从而使得优化问题的可调参数增加,最终逼近精确解在数值预算方面,BP网络模型不需预先确定样本数据数学模型,仅通过学习样本数据即可以进行精确预测目前,在利用神经网络预测材料性能方面,已有少量研究,如刘守纪等人针对影响高密度聚乙烯highdensity polyethylene,HDPE流变性能各因素之间的非线性关系建立了一个优化后的BP网络,并用训练合格后的人工神经网络对HDPE在不同温度或不同剪切速率下的流变性能剪切应力进行了预测;再如,S.Malinov等人利用BP神经网络建立了不同合金工艺性能间的关系模型 本研究拟在已有相关研究的基础之上,对淀粉/聚乙烯醋酸乙烯酯e thylene-vinyl acetatecopolymer,EVA复合发泡材料的流变性能进行检测,并且采用L1645正交试验,进行EVA的添加质量分数、甘油的添加质量分数、NaH CO3的添加质量分数3个变量对复合材料熔体黏度___试验,建立16个神经网络学习样本数据,并且基于这些样本,建立BP神经网络模型,然后对利用该神经网络模型所得的预测结果与试...。