芬兰Kibron专注表面张力仪测量技术,快速精准测量动静态表面张力

热线:021-66110810,66110819,13564362870 Email: info@vizai.cn

合作客户/

拜耳公司.jpg

拜耳公司

同济大学

同济大学

联合大学.jpg

联合大学

宝洁公司

美国保洁

强生=

美国强生

瑞士罗氏

瑞士罗氏

当前位置:首页 > 新闻中心

基于人工神经网络构建矿物棉熔体表面张力模型

来源: 《北京科技大学学报》 浏览 3 次 发布时间:2026-11-16

3 基于人工神经网络的表面张力模型

以高炉渣为主要原料制备矿物棉时,原料成分变化范围较宽,熔体成分波动很大,难以直接测量体系内各成分的表面张力。本文将以往得到的表面张力数据为基础,采用人工神经网络(artificial neural networks, ANN)建立一个矿物棉熔体的表面张力模型。

3.1 模型建立

本文使用的人工神经网络软件由本溪凌仕公司共同编写,该模型以SQL Server 7.0作为数据库管理系统,以Matlab为软件作为训练和预报的平台,以IE浏览器为软件操作界面,采用线性传递函数建模,建模过程使用的参数如表3所示。为扩展样本空间,在建模过程中使用了Stamoka和Pekarka等测量的高炉渣表面张力数据,如表4所示。

表3 ANN模型参数
输入层 SiO₂、Al₂O₃、CaO和MgO质量分数、温度/℃
隐含层 3个
输出层 表面张力/(mN·m⁻¹)
训练次数 2000
学习速率 0.05
目标误差 0.001

3.2 模型训练

按照表3各项参数输入到软件中,经训练后得到最终模型,训练结果如图3所示。由图3可以看出,训练的相关性系数为0.996,均方根为6.32,利用式(3)和式(4)计算训练误差,训练平均误差为1.09%,说明取得了较好的训练效果。


误差 = |(σ实际 - σ预报) / σ实际| × 100% (3)
平均误差 = (1/n) Σ|σi| (4)

式中:σ为熔体表面张力;Δ为误差;Δ为平均误差。

图3 模型训练结果

3.3 模型预报

Shankha和Pekarka的试验,利用当前模型计算Stamoka和Pekarka测量的SiO₂-Al₂O₃-CaO-MgO四元系的表面张力,计算值和测量值如表5。为方便比较,将测量值和计算结果也列入表中,加和法的计算公式如下:

表4 渣成分(质量分数)/%
SiO₂ Al₂O₃ CaO MgO 表面张力/(mN·m⁻¹)
39.7 18.7 37.1 5.2 521(1500℃), 524(1470℃), 523(1450℃), 532(1425℃), 529(1400℃), 528(1375℃), 530(1350℃)
38.0 16.8 37.9 7.9 502(1400℃), 497(1375℃), 511(1440℃), 517(1420℃), 518(1380℃), 523(1370℃), 520(1350℃)
37.1 16.4 39.3 7.1 516(1500℃), 521(1475℃), 524(1450℃), 528(1430℃), 533(1400℃), 535(1380℃), 535(1360℃)
35.1 15.2 39.7 10.6 535(1460℃), 542(1430℃), 551(1400℃), 555(1380℃)
38.4 13.4 42.3 6.8 520(1500℃), 523(1475℃), 527(1450℃), 533(1420℃), 540(1395℃), 544(1375℃), 548(1350℃)
38.3 17.2 42.3 3.8 539(1500℃), 544(1475℃), 541(1440℃), 547(1425℃), 548(1400℃), 546(1375℃), 553(1350℃)
38.6 20.2 42.3 0 535(1500℃), 537(1475℃), 542(1445℃), 548(1425℃), 547(1395℃), 554(1375℃), 556(1350℃)
37.1 15.2 43.5 4.9 543(1500℃), 548(1470℃), 544(1450℃), 552(1425℃), 551(1400℃), 555(1370℃), 557(1350℃)
表5 Stamoka和Pekarka测量的表面张力值及计算结果
摩尔分数/% T/℃ 本模型方法/(mN·m⁻¹) 传统加和法/(mN·m⁻¹)
SiO₂ Al₂O₃ CaO MgO 测量值 计算值 误差 计算值 误差
61.5 12 12.5 14 1400 310 326 5.28 400 28.95
61.5 12 19.5 7 1400 312 323 3.72 406 30.42
44 12 15 29 1400 346 334 3.53 442 27.67
44 12 31 13 1400 386 323 16.29 457 18.60
61.5 12 12.5 14 1500 298 326 9.28 400 34.00
61.5 12 19.5 7 1500 305 323 5.82 406 33.09
61.5 12 26.5 0 1500 322 323 0.17 413 28.29
44 12 15 29 1500 350 333 4.82 442 26.38
44 12 31 13 1500 377 323 14.45 457 21.22
61.5 12 12.5 14 1600 295 326 10.24 400 35.32
61.5 12 19.5 7 1600 300 323 7.86 406 35.69
61.5 12 26.5 0 1600 311 323 3.78 413 32.93
44 12 15 29 1600 344 332 3.53 442 28.48
44 12 31 13 1600 367 323 12.11 457 24.54
61.5 12 12.5 14 1700 290 325 12.03 400 37.65
61.5 12 19.5 7 1700 294 323 9.97 406 38.37
61.5 12 26.5 0 1700 307 323 5.20 413 34.74
44 12 15 29 1700 342 331 3.18 442 29.30
44 12 31 13 1700 364 323 11.38 457 25.60
44 12 44 0 1700 382 322 15.58 470 22.96
平均误差 9.32% 27.68%

注:原文献中并未给出具体的表面张力值,表中的数据是利用Origin软件从文献[1]的图中读取。

由表5可以看出,当前模型的平均预报误差为9.32%,传统加和法计算的平均误差为27.68%。本模型的预报结果与实测结果吻合较好,说明利用人工神经网络建立的表面张力模型是可信的。在熔体成分和温度已知的情况下,可以用于预报熔体的表面张力。

σ = 285XSiO₂ + 640XAl₂O₃ + 608XCaO + 512XMgO (5)

式中,X为成分i的摩尔分数。

4 结论

(1)采用拉环法测量了SiO₂(40%~60%)-Al₂O₃(5%~20%)-CaO(20%~30%)-MgO(5%~10%)四元体的表面张力,其值位于350~500 mN·m⁻¹之间。熔体表面张力随碱度增加而增加。高碱度、低Al₂O₃含量时,表面张力随温度升高而升高;而低碱度、高Al₂O₃含量时,表面张力则随温度升高而降低。

(2)成功将人工神经网络用于熔体表面张力的预报,根据实验测量和文献报道的表面张力数据建立了SiO₂(35%~60%)-Al₂O₃(5%~20%)-CaO(20%~45%)-MgO(0~10%)四元系的表面张力模型,训练平均误差为1.09%。该模型对文献报道的表面张力预报平均误差为9.32%,取得较好的预报效果,几乎能全部涵盖矿物棉熔体的成分范围,可以应用于预报矿物棉熔体的表面张力。