基于MATLAB的BP神经网络的淀粉离散元接触参数标定

摘要

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R~2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。