首页--工业技术论文--化学工业论文--一般性问题论文--化工过程(物理过程及物理化学过程)论文--固体的变形过程论文

基于神经网络模型的高剪切湿法造粒过程模拟和放大预测

摘要第4-6页
abstract第6-7页
第一章 前言第11-34页
    1.1 造粒第11页
    1.2 造粒方法分类第11-12页
    1.3 高剪切湿法造粒第12-13页
    1.4 造粒的三个速率过程第13-20页
        1.4.1 润湿与成核第14-17页
        1.4.2 聚并与生长第17-18页
        1.4.3 破碎与磨蚀第18-20页
    1.5 造粒过程的微观模型第20-25页
        1.5.1 密实模型第20-21页
        1.5.2 团聚模型第21-24页
        1.5.3 破碎模型第24-25页
    1.6 颗粒生长现象第25-26页
    1.7 颗粒生长机制图第26-30页
    1.8 常见的造粒过程研究方法第30-31页
    1.9 研究动机与本文的研究内容第31-34页
第二章 造粒过程关键参数定义第34-41页
    2.1 引言第34页
    2.2 总相对扫料体积第34-36页
    2.3 相对理论液体可用度第36-38页
    2.4 液体注入参数第38-39页
    2.5 斯托克斯粘性系数第39-40页
    2.6 本章小结第40-41页
第三章 实验部分与数据收集第41-51页
    3.1 引言第41页
    3.2 造粒设备及造粒工艺第41-42页
    3.3 过程参数调整及数据收集第42页
    3.4 原材料特性第42-49页
        3.4.1 原料粉堆密度的测定第42-43页
        3.4.2 原料粉粒度分布的测定第43-44页
        3.4.3 原料粉比表面积的测定第44-46页
        3.4.4 液体粘结剂物理性质的测定第46-49页
    3.5 造粒产品粒度分布的测量第49页
    3.6 本章小结第49-51页
第四章 人工神经网络模型第51-67页
    4.1 引言第51-52页
    4.2 神经网络的基本要素第52-53页
    4.3 神经网络的种类及拓扑结构第53-55页
    4.4 传递函数第55-56页
    4.5 神经网络的学习方式第56页
    4.6 神经网络的学习规则第56-57页
    4.7 误差反向传播算法第57-60页
        4.7.1 信息的正向传播第58-59页
        4.7.2 误差的反向传播第59-60页
    4.8 神经网络训练算法第60-61页
    4.9 神经网络的泛化能力第61-64页
        4.9.1 数据归一化第62页
        4.9.2 提前终止算法第62-64页
    4.10 神经网络模型统计学评价标准第64页
    4.11 敏感度分析第64-65页
    4.12 本章小结第65-67页
第五章 高剪切湿法造粒过程神经网络模型的建立第67-88页
    5.1 引言第67页
    5.2 数据预处理第67-70页
    5.3 人工神经网络模型的建立第70-71页
        5.3.1 网络传递函数寻优第70页
        5.3.2 网络训练算法寻优第70-71页
        5.3.3 网络拓扑结构寻优第71页
    5.4 人工神经网络模型寻优结果第71-82页
        5.4.1 预测造粒产品平均粒径的人工神经网络模型寻优结果第71-75页
        5.4.2 预测造粒产品粒度分布宽度的人工神经网络模型寻优结果第75-77页
        5.4.3 结果与讨论第77-82页
    5.5 对造粒产品粒度分布宽度预测的优化第82-85页
        5.5.1 留k法(leave-k-out method)第82-83页
        5.5.2 插值法(interpolation method)第83-85页
        5.5.3 优化结果与讨论第85页
    5.6 关键参数敏感度分析第85-86页
    5.7 本章小结第86-88页
第六章 结论与展望第88-91页
    6.1 主要结论第88-89页
    6.2 论文创新点第89页
    6.3 后期工作建议第89-91页
主要符号说明第91-96页
附录第96-101页
参考文献第101-113页
发表论文和参加科研情况说明第113-114页
致谢第114-115页

论文共115页,点击 下载论文
上一篇:正十四烷相变强化传热下甲烷水合物生成和分解过程研究
下一篇:离心式分子蒸馏的CFD/DSMC耦合算法模拟及实验研究