基于BP神经网络优化制备化学改性脱硫灰/丁苯橡胶复合材料

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2022-01-01

张浩^1,2,3*，高青¹，刘秀玉¹，刘影¹

1. 安徽工业大学建筑工程学院，安徽马鞍山 2430322. 冶金减排与资源综合利用教育部重点实验室(安徽工业大学)，安徽马鞍山 2430023. 安徽工业大学冶金工程学院，安徽马鞍山 243032

收稿日期:2017-12-21修回日期:2018-01-29出版日期:2018-10-22发布日期:2018-10-12
通讯作者:张浩

基金资助:中国博士后科学基金资助项目;冶金减排与资源综合利用教育部重点实验室(安徽工业大学)资助项目

Optimizing preparation of chemical modified desulfurization ash/styrene butadiene rubber composite materials based on BP neural network

Hao ZHANG^1,2,3*, Qing GAO¹, Xiuyu LIU¹, Ying LIU¹

1. School of Civil Engineering and Architecture, Anhui University of Technology, Ma?anshan, Anhui 243032, China
2. Key Laboratory of Metallurgical Emission Reduction & Resources Recycling (Anhui University of Technology), Ministry of Education, Ma?anshan, Anhui 243002, China
3. School of Metallurgical Engineering, Anhui University of Technology, Ma?anshan, Anhui 243032, China

Received:2017-12-21Revised:2018-01-29Online:2018-10-22Published:2018-10-12
Contact:ZHANG Hao

摘要/Abstract

摘要： 以化学改性脱硫灰取代部分炭黑与丁苯橡胶复合制备化学改性脱硫灰/丁苯橡胶复合材料，运用均匀设计结合BP神经网络建立制备工艺参数与力学性能的BP神经网络优化模型，获得制备最优化学改性脱硫灰/丁苯橡胶复合材料的工艺参数，对最优复合材料进行了表征. 结果表明，最优化学改性脱硫灰/丁苯橡胶复合材料的制备参数为促进剂N-叔丁基-2-苯并噻唑次磺酰胺用量1.2 g、硫磺用量1.3 g、硬脂酸用量1.1 g、氧化锌用量2.4 g、硫化时间27 min，该条件下所制复合材料的拉伸强度为20.31 MPa、撕裂强度为45.68 kN/m、邵氏A硬度为66，最优实测值与最优模型预测值吻合较好，相对误差为3.03%~3.22%.

引用本文

张浩高青刘秀玉刘影. 基于BP神经网络优化制备化学改性脱硫灰/丁苯橡胶复合材料[J]. 过程工程学报, 2018, 18(5): 1088-1092.
Hao ZHANG Qing GAO Xiuyu LIU Ying LIU. Optimizing preparation of chemical modified desulfurization ash/styrene butadiene rubber composite materials based on BP neural network[J]. Chin. J. Process Eng., 2018, 18(5): 1088-1092.

使用本文

0
/ / 推荐
导出引用管理器 EndNote|Ris|BibTeX
链接本文:http://www.jproeng.com/CN/10.12034/j.issn.1009-606X.217431
http://www.jproeng.com/CN/Y2018/V18/I5/1088

参考文献

[1] You C F, Li Y. Desulfurization Characteristics of Rapidly Hydrated Sorbents with Various Adhesive Carrier Particles for a Semidry CFB-FGD System [J]. Environmental Science & Technology, 2013, 47(6): 2754?2759.
[2] Zhou Y G, Peng J, Zhu X, et al. Hydrodynamics of Gas?Solid Flow in the Circulating Fluidized Bed Reactor for Dry Flue Gas Desulfurization [J]. Powder Technology, 2010, 205(1): 208?216.
[3] Zhuang P, Mcbride M B, Xia H, et al. Health Risk From Heavy Metals via Consumption of Food Crops in the Vicinity of Dabaoshan Mine [J]. Science of The Total Environment, 2009, 407(5): 1551?1561
[4] 杨晋涛，范宏，卜志扬，等. 蒙脱土填充补强丁苯橡胶及对橡胶硫化特性的影响 [J]. 复合材料学报, 2005, 22(2):38?45
Yang J T, Fan H, Bu Z Y, et al. Montmorillonite Reinforced SBR and Effect on the Vulcanization of Rubber [J]. Acta Materiae Compositae Sinica, 2005, 22(2): 38?45.
[5] Raza M A, Westwood A, Brown A, et al. Characterization of Graphite Nano Platets and the Physical Properties of Graphite Nano Platelets/Silicone Composite for Thermal Interface Applications [J]. Carbon, 2011, 49(13): 4269?4279
[6] Chen L, Lu L, Wu D J, et al. Slicone Rubber/Graphite Nanosheet Electrically Conducting Nano Composite with a Low Percolation Threshold [J]. Polymer Composites, 2007, 28(4): 493?498
[7] 张浩，许谨，曹现雷. 基于BP神经网络优化制备Cu?Ce/TiO2及其光催化活性研究 [J]. 环境科学学报, 2015, 35(8): 2450?2456.
Zhang H, Xu J, Cao X L. Optimizing Preparation and Photocatalytic Activity of Cu?Ce/TiO2 Bsed on BP Neural Network [J]. Acta Scientise Circumstantise, 2015, 35(8): 2450?2456.
[8] Amjady N, Keynia F. A New Neural Network Approach to Short Term Load Forecasting of Electrical Power Systems [J]. Energies, 2011, 4(3): 488?503.
[9] Nawi N M, Khan A, Rehman M Z. A New Levenberg Marquardt Based Back Propagation Algorithm Trained with Cuckoo Search [J]. Powder Technology, 2013, 11(1): 18?23.
[10] 孙晓燕. RBF神经网络在入侵检测中的应用研究 [D]. 合肥：合肥工业大学, 2009: 34?36.
Sun X Y. Application and Research of RBF Neural Network in Intrusion Detection [D]. Hefei: Hefei University of Technology, 2009: 34?36.
[11] 韩敏，王亚楠. 求解非线性回归问题的Newton算法 [J]. 计算机学报, 2010, 33(5): 841?846.
Han M, Wang Y N. A Newton Algorithm for Nonlinear Regression [J]. Chinese Journal of Computers, 2010, 33(5): 841?846.
[12] 杨铎. 基于Gauss?Newton法的空间管形拟合算法的研究 [J]. 大连大学学报, 2014. 35(3): 19?23.
Yang D. Space Tube-shaped Fitting Slgorithm Based on Spatial Gauss?Newton Method [J]. Journal of Dalian University, 2014, 35(3): 19?23.
[13] 张浩，张欣雨，刘秀玉. 化学改性脱硫灰取代部分炭黑制备环保型丁苯橡胶及性能 [J]. 过程工程学报, 录用
Zhang H, Zhang X Y, Liu X Y. Preparation of Environmentally Friendly Styrene Butadiene Rubber Using Chemical Modified Desulfurization Ash Replacing Partial Carbon Black and Its Properties [J]. Chin. J. Process Eng., Accept

相关文章 15

[1]	张浩徐远迪张磊刘秀玉. 钢渣改性活性炭的制备及其降解甲醛性能[J]. 过程工程学报, 2019, 19(6): 1228-1233.
[2]	罗文梅万里强朱帅帅付超韩心悦黄发荣. 基于含硅多芳炔化合物制备新型聚三唑树脂[J]. 过程工程学报, 2019, 19(5): 1022-1029.
[3]	张浩徐远迪刘秀玉. 优化制备粒度均匀分布的Ce-Cu/TiO₂空心微球及其光–湿性能[J]. 过程工程学报, 2019, 19(1): 195-201.
[4]	唐刚姜浩浩陈丽娟张浩刘纯林周子健. 玻纤增强聚酰胺6/次磷酸钇复合材料的制备及其阻燃性能[J]. 过程工程学报, 2018, 18(6): 1340-1346.
[5]	王赶强王景甫张新欣张涛. 金属基有机硅树脂涂层复合材料的导热性能[J]. 过程工程学报, 2018, 18(4): 785-791.
[6]	张浩张欣雨刘秀玉. 化学改性脱硫灰取代部分炭黑制备环保型丁苯橡胶及其性能[J]. 过程工程学报, 2018, 18(4): 834-838.
[7]	张浩朱大有刘秀玉. 基于均匀设计优化制备静电纺丝相变储湿纤维[J]. 过程工程学报, 2018, 18(4): 839-844.
[8]	刘艳杰陆江银李玲武晓峰崔彦斌. 碳纳米管-膨胀石墨/环氧树脂复合材料的导热性能[J]. 过程工程学报, 2018, 18(3): 563-569.
[9]	李艳萍闫东伟周少雄. 锰钴复合氧化物MnCo2O4磁性纳米晶的制备及表征[J]. 过程工程学报, 2017, 17(6): 1287-1290.
[10]	张浩杨刚龙红明唐刚刘秀玉. 改性钢渣代炭黑环保型丁苯橡胶的制备及其性能[J]. 过程工程学报, 2017, 17(6): 1299-1303.
[11]	蔡小垒陈家庆孔祥功刘美丽俞接成姬宜朋. 基于BP神经网络和CFD数值模拟的气旋浮罐结构优化及性能预测[J]. 过程工程学报, 2017, 17(5): 918-925.
[12]	张浩宗志芳刘秀玉唐刚. 纳米级癸酸-棕榈酸/SiO₂相变储湿复合材料的团聚原因及分散方法[J]. 过程工程学报, 2017, 17(3): 584-587.
[13]	张浩刘秀玉宗志芳朱庆明刘影. 二元脂肪酸/SiO₂复合材料的湿性能[J]. 过程工程学报, 2017, 17(2): 400-403.
[14]	钱西慧张冬海薛杨李晓飞李文辉陈运法. SiO2中空微球对高温硫化硅橡胶电气绝缘性能的影响[J]. 过程工程学报, 2016, 16(5): 781-787.
[15]	张浩刘秀玉宗志芳朱庆明杜晓燕林晓飞. 用激光粒度分析仪检测细粒径SiO2基相变调湿复合材料的粒度分布[J]. 过程工程学报, 2016, 16(3): 529-532.

PDF全文下载地址:

http://www.jproeng.com/CN/article/downloadArticleFile.do?attachType=PDF&id=3137