-
题名电镀法制备合金催化剂用于硼氢化钠水解制氢实验
被引量：1
- 1
-
-
作者
郭跃萍
崔振凯
徐向阳
冯庆华
-
机构
兰州大学化学化工学院
-
出处
《实验室研究与探索》
CAS
北大核心
2015年第1期14-17,共4页
-
基金
中央高校基本科研业务费专项基金(lzujbky-2014-180)
兰州大学磁学与磁性材料教育部重点实验室开放课题(LZUMMM2014004)
-
文摘
利用电镀法制备合金催化剂,并将其用于硼氢化钠水解制氢气的催化反应,制备的氢气可以充当质子交换膜燃料电池的氢源。通过改变镀液的p H值、电流密度,沉积时间等工艺参数,考察了各项工艺参数对制氢速率的影响。实验发现,随着镀液中的p H值变化,载体表面得到具有不同形貌的催化剂颗粒,当p H6.5时,得到的催化剂颗粒最小,得到最大的制氢速率。同样考察了电流密度和沉积时间对制氢速率的影响,发现电流密度0.1 A/cm2、沉积时间2.5 min时得到的催化剂具有最佳的制氢效率。
-
关键词
电镀法
硼氢化钠
制氢
实验设计
-
Keywords
electrodeposition
sodium borohydride
hydrogen generation
experimental design
-
分类号
TQ016.1
[化学工程]
-
-
题名基于深度迁移学习的多点频域振动响应预测
被引量：2
- 2
-
-
作者
崔振凯
王成
何霆
李海波
赖雄鸣
张忆文
-
机构
华侨大学计算机科学与技术学院
华侨大学机电及自动化学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2023年第8期2524-2536,共13页
-
基金
国家研发计划资助项目(2018YFB1402500)
福建省社会科学规划资助项目(FJ2020B0033)
+4 种基金
华侨大学科研启动基金资助项目(16BS304)
泉州市科技计划资助项目(2018C114R,2018C110R)
国家自然科学基金资助项目(51305142,51305143)
厦门市科技计划资助项目
2020年青年创新基金资助项目(3502Z20206012)。
-
文摘
针对多输入多输出神经网络(MIMO-ANN)进行多点频域振动响应预测时需要为每个频率点独立建立神经网络模型、独立随机选择神经网络模型初值导致的训练时间长、预测精度低等问题,提出了一种基于多输入多输出人工神经网络(MIMO-ANN)和模型迁移学习的多点频域振动响应预测方法。本研究对于多源不相关载荷未知条件下的基于数据驱动的振动响应预测问题进行了形式化描述,并比较了其与不相关多源载荷已知情况下基于数据驱动的多点频域振动响应预测问题的不同之处。首先,将某频率点下的多个振动响应已知的测点的自功率谱作为输入,多个振动响应未知的测点的自功率谱作为输出,将两部分历史数据集构造成为训练集,利用MIMO-ANN建立该频率下的未知点振动响应预测模型;其次,根据传递函数在频域的连续性,利用该频率下训练好的MIMO-ANN的权值迁移到相邻频率作为其MIMO-ANN的初值;再次,利用此相邻频率下的历史数据进行训练,从而得到此频率下的预测模型;最后,不断循环此过程,直到所有频率点的模型全部训练完成。该方法解决了矩阵病态求逆问题,可以获得更好的神经网络模型的初值,不容易陷入局部最优,加快了神经网络的收敛速度。在圆柱壳声振实验数据集的多点响应预测结果表明,在多源载荷未知条件下,该方法比基于无迁移学习神经网络、多元线性回归、传递函数的方法,预测精度、训练效率更高。
-
关键词
多点频域振动响应预测
多源未知载荷
多输入多输出神经网络
模型迁移学习
网络权值
-
Keywords
multi-point frequency domain response prediction
unknown multi-source load
multiple inputs and multiple outputs neural network
model transfer learning
network weights
-
分类号
O212.1
[理学—概率论与数理统计]
TP399
[自动化与计算机技术—计算机应用技术]
TH113.1
[机械工程—机械设计及理论]
-
