- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
RBF校正-ICP-AES法测定合金钢中微量铝的研究
RBF校正-ICP-AES法测定合金钢中微量铝的研究
朱亮, 王明生, 万益娟
(宝钢股份不锈钢分公司检化验中心 , 上海 200431)
摘要 在不进行化学分离和干扰元素匹配的条件下,用ICP-AES法测定合金钢中的微量铝,测试结果采用RBF神经网络进行校正,从而提高了分析准确度,获得了满意的分析结果。
关键词 径向基神经网络,ICP-AES,合金钢,铝
STUDY ON DETERMINATING TRACE-ALUMINIUM
WITH RBF-ICP-AES
ZHU Liang,WANG Mingsheng,WAN Yijuan(The Stainless Steel Branch Baoshan Iron Steel Co.,Ltd.
Shanghai 200431,china)Trace-aluminium in alloy steel is determinated by ICP-AES without chemistring separation and the matching of disturbance element,the determination results are proofreaded with RBF Neural Network. This technique enhances accuracy of measurement and the results are satisfactory.
Keyword:RBF Neural Network,ICP-AES, alloy steel, aluminium
前言
铝是钢的良好的脱氧剂、去气剂和致密剂之一。近些年来,随着冶金工业的发展,钢铁中铝含量的测定越来越重要,准确测定钢中铝含量,对控制材料质量,提高材料性能,降低生产成本具有重要意义。
目前国内外在钢铁中微量铝的测定中常用的方法主要有铬天青S光度法、铜铁试剂分离-铬天青S光度法和ICP-AES法等,其中湿法分析的检测下限为0.01%,对于钢中,尤其是合金钢中小于0.01%的微量铝,尚无好的测试方法。近年来随着ICP-AES光谱仪的迅速普及,ICP-AES法正成为测定铝最常用的方法,但对于合金钢中的微量铝,由于存在着钒、钛、铬、镍等元素的谱线干扰,需要采用分离或干扰元素匹配的方式,因而普遍存在着操作复杂、耗时、方法难以掌握等缺陷,不适合对合金钢样品的批量测试。
对此可以采用化学计量法来校正干扰,其中神经网络技术,特别是径向基函数RBF神经网络(简称径向基网络),由于具有较高的运算速度,特别是它的较强的非线性映射能力,能以任意精度全局逼近一个非线性函数,因此较适合用来校正测试结果,我们对此进行了一些初步探索。
1 神经网络设计
1.1 网络结构
设计一个径向基神经网络,网络有三层,包括输入层、隐层、输出层。隐层为径向基神经元,输出层为线性神经元,(见图1)。
图1 径向基神经网络结构图
其中:
R=输入向量元素的数目;
S=第一层神经元的数目;
S=第二层神经元的数目
1.2 网络原理
网络采用的基函数是高斯函数,即对于任意的输入向量XR(R为输入样本集),它定义为
(x)=exp[- =1,2,…,N
式中,(x)为隐层第i个单元的输出,X为N维输入矢量,X={X| X R,p=1,2, …,k};为隐层第个单元高斯函数的中心点,为第个隐节点的归一化参数,即该隐节点的宽度;N为隐层的节点数;p表示样本数。
网络的学习过程分为二步:首先确定基函数的中心点和宽度,其次是权值的学习。
本文采用类似于Moody和Darken的学习算法(MD算法)。整个训练过程分为非监督学习和监督学习二个阶段。包括采用K-means聚类方法对训练样本的输入量进行聚类,找出聚类中心及参数;采用最小二乘法求解网络的输出权值。
无监督聚类采用最近邻聚类算法(Nearest Neighbor—Clus—tering Algorithm), 在得到网络的基函数中心等参数及初始权值后,再用有监督学习算法调整隐层到输出层的权重。
1.3 输入变量的选择
虽然RBF神经网络不要求输入变量之间彼此独立,但因为输入变量的多少影响网络结构的复杂性和精度,所以需要选择合适的输入变量。如果输入结点数减少,网络的整个结点数就减少,那么训练集所要求的样本数也减少;相反,如果输入变量多,模型对训练样本能很好地近似输入输出关系,但对于测试样本,预测误差则增大。这是因为输入变量增多,使网络连同训练样本的噪声也学习进去,使得网络趋向于记忆每一个训练样本,从而导致预测能力降低,这也是过度拟合的原因之一。这种情况下,测试样本的分类结果和训练样本的分类结果相比,正确性大大降低。
从理论上说,ICP在测试中Mo、Nb、Ni、V、Cr、Fe、Z
您可能关注的文档
- GIS及避雷器.doc
- G功率放大器调试及相关的指标.pptx
- H08Mn2SiA钢等温转变曲线和连续冷却转变曲线.pdf
- H13钢的带状组织及其消除方法.pdf
- HWS合金的优点.doc
- GH907合金环形锻件的热加工工艺参数.pdf
- ICP法测定钛合金元素含量.doc
- IF钢_无间隙原子钢_的发展_应用及展望.pdf
- IF钢再结晶晶粒尺寸、显微织构和晶界特征分布的EBSD研究.pdf
- IF钢酸洗工艺的研究.pdf
- 英语人教PEP版八年级(上册)Unit4+writing+写作.pptx
- 人美版美术四年级(上册)8 笔的世界 课件 (1).pptx
- 人美版美术七年级(上册)龙的制作.pptx
- 英语人教PEP版六年级(上册)Unit 2 第一课时.pptx
- 数学苏教版三年级(上册)3.3 长方形和正方形周长的计算 苏教版(共12张PPT).pptx
- 音乐人教版八年级(上册)青春舞曲 课件2.pptx
- 音乐人教版四年级(上册) 第一单元 音乐知识 附点四分音符|人教版.pptx
- 英语人教PEP版四年级(上册)Unit 6 Part B let's learn 1.pptx
- 道德与法治人教版二年级(上册)课件-3.11大家排好队部编版(共18张PPT).pptx
- 人美版美术七年级(上册)《黄山天下奇》课件1.pptx
文档评论(0)