排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
目的 建立基于MATLAB的BP神经网络模型的淀粉离散元接触参数标定方法。方法 建立单球型颗粒,并通过颗粒缩放分析将粒径放大至0.8 mm,以待标定的5种型号淀粉(高预胶化淀粉:S-1、低预胶化淀粉:S-2、直压型预胶化淀粉:S-3、水溶性淀粉:S-4、玉米淀粉:S-5)离散元接触参数(颗粒-颗粒恢复系数:A, 颗粒-颗粒静摩擦系数:B,颗粒-颗粒滚动摩擦系数:C, 颗粒-不锈钢恢复系数:D,颗粒-不锈钢静摩擦系数:E,颗粒-不锈钢滚动摩擦系数:F,表面能(J·m-2):G)为输入层,两种测量方法(提升缸法和剪切盒法)休止角为输出层,MATLAB随机抽样50组进行离散元仿真模拟。BP神经网络算法对模拟结果进行训练,得到理想的神经网络模型后分别对以上淀粉的接触参数进行预测,并进行物理实验验证。结果 当BP神经网络中隐含层中神经元个数为11个时,训练样本与测试样本的决定系数R2分别为0.999 9和0.940 9,拟合较好,所建立神经网络的预测输出可以达到期望输出。获得的参数组合休止角模拟值与实测值相对误差均小于2.5%,表明预测准确。结论 BP神经网络预测药用辅料淀粉的离散元接触参数可靠,可为后续固体制剂的仿真模拟提供可靠的数据支持。 相似文献
2.
本研究通过建立微晶纤维素(MCC)离散元参数标定方法,并以此探究不同测定方法对休止角存在影响的原因。以提升缸法休止角为响应值,通过Plackett-Burman、最陡爬坡及Box-Behnken等试验设计,筛选并优化离散元仿真参数,以漏斗注入法休止角和剪切盒法休止角进行稳健性考察,以期获得最佳参数组合,在此基础上,从细观角度分析休止角形成机制。结果表明,该方法标定的参数组合稳健可靠,提升缸法中提升速度和漏斗注入法中漏斗高度对休止角测量结果有一定影响,从细观角度分析了不同休止角堆积过程内部力链演变规律的差异。本研究可为固体制剂其他物料的离散元仿真参数标定及物料在下一步的混合、转移、压片等制药过程的准确模拟提供参考和思路。 相似文献
3.
1