信阅平台

内容介绍

《矿渣微晶玻璃材料设计与计算》是一本关于矿渣微晶玻璃材料人工智能设计方面的专著，主要介绍了矿渣微晶玻璃数据库建立、专家系统设计和构建、人工神经网络、分子动力学模拟技术相关原理及其在矿渣微晶玻璃设计研制中的具体应用，以求矿渣微晶玻璃研制从传统“炒菜法”向优化设计的深层次转化，为复杂材料系统研究提供可以借鉴的理论、方法和技术手段。 《矿渣微晶玻璃材料设计与计算》适合于从事无机材料设计与计算、凝聚态物理学、计算机技术、资源环境科学等领域的科研人员、技术人员阅读，也可供大专院校相关专业师生参考。

展开

精彩书摘

第二，以专家系统推理规则的形式将领域专家分析和解决问题的思维方式模型化，通过专家系统推理机即通过计算机程序将专家的经验和知识存储起来，对矿渣微晶玻璃设计进行指导，这样可以在一定程度上减轻对为数不多的材料设计专家的依赖，便于矿渣微晶玻璃的新材料开发和工业化发展；第三，由于人工神经网络具有处理非线性问题的能力，可以通过样本训练将微晶玻璃设计的知识隐式地表达在权值矩阵中。将人工神经网络和专家系统相结合，就可以有效地解决矿渣微晶玻璃组成结构性能之间关系复杂、专家知识难于获取和表达的问题。总之，矿渣微晶玻璃神经网络专家系统开发的目的，正是在矿渣微晶玻璃经验知识比较丰富，而理论知识相对匮乏的情况下，综合和提炼专家的知识，建立矿渣微晶玻璃材料设计实例库和知识库，并在此基础上模拟专家开发、设计矿渣微晶玻璃的思路和方法，开发神经网络专家系统，使矿渣微晶玻璃新材料的研制由“炒菜法”向优化设计的深层次转化，从而促进矿渣微晶玻璃的研究与开发以及工业废渣的综合利用。另外本研究的开发成功不仅使矿渣微晶玻璃的研究上升到一个智能化的水平，而且也有助于推动国家资源综合利用行动的战略发展重点和环保治理重点的实施，因此本研究在理论上和实践上都有重要的意义，必将具有广阔的发展前景。 1.3建立矿渣微晶玻璃专家系统的基本思路 通过上述的分析，国内外学者在材料设计理论和方法上进行了大量的研究，提出了开发材料设计专家系统的基本框架，这对矿渣微晶玻璃材料设计神经网络专家系统的开发具有很重要的指导意义。矿渣微晶玻璃神经网络专家系统进行材料设计的思路是：根据给定的矿渣成分及设计要求，直接查阅相关的材料设计手册、文献，找出相似的设计实例，以该实例的成分参数和工艺参数作为新材料设计的初步参数，按具体情况经过参数调整，再由实验加以验证，若实验结果符合设计要求，则该设计参数可以作为最终的参数，若不成功，则根据已有的经验和知识调整参数，直到符合要求为止。如果难以找到相似的设计实例，可以依据其主要成分初步确定该矿渣组成属于某一玻璃系统和可能形成的主晶相，再确定相应的玻璃组成参数和工艺参数，最后由实验验证设计是否符合要求。

展开

第1章绪论1 1.1 矿渣微晶玻璃概述1 1.1.1 矿渣微晶玻璃研究的历史和现状1 1.1.2 矿渣微晶玻璃的组成和分类3 1.1.3 矿渣微晶玻璃结构及性能6 1.1.4 矿渣微晶玻璃的发展趋势7 1.1.5 我国矿渣微晶玻璃研究与国外状况比较8 1.1.6 开发矿渣微晶玻璃的意义8 1.2 材料设计9 1.2.1 材料设计的含义9 1.2.2 材料设计的发展阶段9 1.2.3 材料设计的最新发展趋势10 1.2.4 材料设计的方法与途径11 1.2.5 材料设计思想在无机非金属材料中的应用14 1.2.6 矿渣微晶玻璃材料设计的现状15 1.2.7 矿渣微晶玻璃神经网络专家系统开发的意义16 1.3 建立矿渣微晶玻璃专家系统的基本思路17 参考文献18 第2章矿渣微晶玻璃专家系统设计20 2.1 专家系统简介20 2.1.1 专家系统定义20 2.1.2 专家系统发展简况20 2.1.3 专家系统的基本设计思想21 2.1.4 专家系统的功能和结构22 2.1.5 建造专家系统的步骤24 2.2 人工神经网络及其特点25 2.3 专家系统和神经网络的特点和相互结合26 2.4 矿渣微晶玻璃材料设计专家系统的设计30 2.4.1 矿渣微晶玻璃专家系统的设计思路30 2.4.2 矿渣微晶玻璃神经网络专家系统的特点31 2.5 专家系统功能模块划分32 2.5.1 材料设计子系统32 2.5.2 数据库管理系统33 2.5.3 学习子系统34 2.5.4 设计效果预测子系统34 2.5.5 解释子系统35 2.6 小结35 参考文献35 第3章数据库管理系统37 3.1 引言37 3.2 知识的表示方法37 3.2.1 知识及其表示37 3.2.2 产生式规则表示法38 3.2.3 神经网络表示法43 3.3 数据库的构建43 3.3.1 数据库的构建工具和数据收集43 3.3.2 矿渣微晶玻璃实例库的数据结构43 3.3.3 材料实例库的功能及其应用45 3.3.4 其他数据库46 3.4 小结48 参考文献48 第4章矿渣微晶玻璃神经网络模型49 4.1 人工神经网络简介49 4.1.1 人工神经网络的发展49 4.1.2 神经网络的特征50 4.2 人工神经网络的结构51 4.3 前馈神经网络及其学习算法53 4.3.1 BP算法基本思想53 4.3.2 网络的训练54 4.4 矿渣微晶玻璃神经网络模型建立及其功能56 4.5 神经网络效果检验58 4.5.1 样本集1的训练59 4.5.2 样本集2的训练59 4.5.3 样本集3的训练62 4.6 虚拟样本技术65 4.6.1 矿渣微晶玻璃虚拟样本技术的基本概念65 4.6.2 虚拟样本的构建67 4.6.3 虚拟样本对神经网络预测能力的影响67 4.6.4 虚拟样本对神经网络“过拟合”现象的影响69 4.7 小结72 参考文献72 第5章类比设计模块74 5.1 引言74 5.2 类比设计的基本原理74 5.2.1 类比概述74 5.2.2 常用的几种类比方法75 5.2.3 属性类比75 5.3 类比设计的一般模式76 5.4 矿渣微晶玻璃类比因素分析77 5.5 类比关系准则79 5.6 冲突消解80 5.7 类比设计模块的建立和效果检验81 5.8 小结84 参考文献84 第6章矿渣微晶玻璃专家知识和经验设计86 6.1 矿渣微晶玻璃专家知识86 6.1.1 基础玻璃组成86 6.1.2 主晶相88 6.1.3 成型方法89 6.1.4 微晶玻璃的晶化制度90 6.2 经验设计模块的建立和效果检验90 6.2.1 经验设计的基本思路和实现方法90 6.2.2 冲突消解92 6.2.3 经验模块的应用和效果检验92 6.3 小结94 参考文献94 第7章系统控制模型96 7.1 矿渣微晶玻璃专家系统推理方法96 7.2 推理控制策略100 7.2.1 规则激活101 7.2.2 冲突消解102 7.2.3 知识的“组合爆炸”问题102 7.3 解释策略103 7.3.1 预制文本法103 7.3.2 执行跟踪法104 7.4 小结105 参考文献105 第8章矿渣微晶玻璃材料设计系统106 8.1 材料设计系统整体框架106 8.1.1 材料设计系统主页106 8.1.2 权限验证系统107 8.2 在线咨询界面107 8.3 神经网络109 8.4 分子动力学模拟109 8.5 专家系统界面109 8.6 矿渣微晶玻璃材料设计系统的应用110 8.6.1 材料设计过程110 8.6.2 人工神经网络预测111 8.6.3 参数优化114 8.7 小结115 参考文献115 第9章 CaOAl2O3SiO2系微晶玻璃分子动力学模拟116 9.1 分子动力学模拟概述116 9.1.1 初始构型117 9.1.2 初始速度117 9.1.3 周期边界条件117 9.1.4 截断118 9.1.5 温度的控制118 9.1.6 MD势函数119 9.1.7 相关算法120 9.2 CaOAl2O3SiO2系微晶玻璃分子动力学模拟121 9.2.1 CaOAl2O3SiO2系玻璃的结构122 9.2.2 CaOAl2O3SiO2系玻璃的分子动力学模拟过程123 9.2.3 模拟结果与分析125 9.3 小结133 参考文献133 第10章 MgOAl2O3SiO2系微晶玻璃分子动力学模型139 10.1 堇青石结构140 10.2 理论计算方法143 10.3 HartreeFork方法144 10.4 赝势方法144 10.5 密度泛函理论145 10.6 MgOAl2O3SiO2系微晶玻璃分子动力学模型148 10.6.1 BMH模型148 10.6.2 coreshell模型152 10.6.3 PartialQ模型156 10.7 结构计算160 10.7.1 Si和堇青石晶体结构的计算160 10.7.2 非晶态结构的计算161 10.8 小结167 参考文献168

展开