留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于BP神经网络的生物质发泡材料性能预测模型及应用

曾广胜 孙刚

曾广胜, 孙刚. 基于BP神经网络的生物质发泡材料性能预测模型及应用[J]. 复合材料学报, 2014, 31(1): 107-111.
引用本文: 曾广胜, 孙刚. 基于BP神经网络的生物质发泡材料性能预测模型及应用[J]. 复合材料学报, 2014, 31(1): 107-111.
ZENG Guangsheng, SUN Gang. Prediction model and application of biological foaming materials based on BP neural network[J]. Acta Materiae Compositae Sinica, 2014, 31(1): 107-111.
Citation: ZENG Guangsheng, SUN Gang. Prediction model and application of biological foaming materials based on BP neural network[J]. Acta Materiae Compositae Sinica, 2014, 31(1): 107-111.

基于BP神经网络的生物质发泡材料性能预测模型及应用

基金项目: 国家自然科学基金(61174100);湖南省科技计划项目(2010JT4039);湖南省教育厅产业化培育项目(09CY016);福建晋江市科技局重点项目(晋财指标{2011}200号);湖南省自然科学杰出青年基金(13JJ1024)
详细信息
    通讯作者:

    曾广胜,博士,副教授,研究方向为高分子材料加工。E-mail:guangsheng_zeng@126.com

  • 中图分类号: TB332

Prediction model and application of biological foaming materials based on BP neural network

  • 摘要: 以EVA(乙烯-醋酸乙烯酯)和淀粉质量比、甘油含量、NaHCO3含量为3个输入量,以拉伸强度和回弹率为输出量,建立3层BP(back propagation)神经网络,并将淀粉挤出发泡的正交实验结果作为样本对其进行训练,用以预测淀粉发泡材料的性能。研究结果证明,该BP神经网络能准确预测淀粉发泡材料的性能;同时发现,随着甘油含量的增加,淀粉发泡材料的回弹率逐渐增加,而拉伸强度则逐渐减小;NaHCO3发泡剂的质量分数为3%时,淀粉发泡材料的拉伸强度最小。研究结果将为提高生物质发泡材料的性能以及扩展其使用范围提供信息。

     

  • 加载中
计量
  • 文章访问数:  792
  • PDF下载量:  504
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-01-24
  • 修回日期:  2013-04-02
  • 刊出日期:  2014-02-15

目录

    /

    返回文章
    返回