PNN

摘要： The advent of additive technologies has provided a significant breakthrough in the production of medical implants.It has reduced costs,increased productivity and accuracy of the implant manufacturing process.However,there are problems associated with assessing defects in the microstructure,mechanical and technological properties of alloys,both during their production by powder metallurgy and in the process of 3D printing.Thus traditional research methods of alloys properties demand considerable human,material,and time resources.At the same time,artificial intelligence tools create opportunities for intelligent evaluation of the conformity for the microstructure,phase composition,and properties of titanium powder’s alloys.It provides new possibilities for the efficient production of biocompatible implants for various functional purposes.However,the accuracy of the methods and models used should be as high as possible.In this paper we designed a hybrid PNN-SVM(Probabilistic Neural Network-Support Vector Machine)high-precision approach for the intelligent evaluation of alloy properties for additive manufacturing of biomedical implants.We have proposed a new approach for extending the dimensionality of input data space by the outputs of the summation layer of the modified PNN topology.Subsequent classification based on the expanded dataset is performed using SVM.We conducted experimental modeling of the proposed approach using a data set on the properties of titanium alloys Ti-6Al-4V and Ti-Al-V-Zr.We have demonstrated a significant increase in the accuracy of the PNN-SVM scheme compared to the single classifiers that form it and other machine learning methods.

摘要： 美国太平洋西北国家实验室(PNNL)的科学家开发了一种钯改性的新型ZnO-ZrO_(2)催化剂,可将乙醇转化为C_(5)^(+)酮,其可作为溶剂和航空燃料的重要组分。相关论文发表在《Angewandte Chemie》杂志上。PNNL开发的催化剂可将多个反应浓缩在一个步骤中。乙醇在高温(370°C)和中压(2.07 MPa)下与催化剂接触,然后迅速转化为C_(5)^(+)酮质量分数超过70%的产品。该催化剂性能稳定,使用2000 h后仍保持稳定,最终目标是催化剂可以持续使用2~5年。

摘要： 针对弹载计算机硬件验收过程中,人工分析测试数据耗时长、易误检等问题,提出一种基于PNN网络的弹载计算机故障诊断方法.该方法首先将测试数据由矩阵形式简化为向量,然后通过编码映射,计算出对应的故障编码输出值,最后利用PPNN网络对简化后的向量和故障编码输出值进行训练,实现不同测试数据的故障分类.通过对某型弹载计算机试验数据进行仿真,验证了该方法可行性及准确性.

摘要： 英国放射防护学会网络研讨会,放射风险评价(虚拟),2021年4月22日12:00—13:00(英国夏令时)西北太平洋国家实验室(PNNL)放射安保办公室,放射响应关系建设(虚拟),2021年4月29日,2:00—3:30(美国东部时间)IEEE非电离辐射科网络研讨会,高频辐射安全问题:为何如此有争议?2021年5月4日中午(美国东部时间).

摘要： 针对室内外场景结合的导航应用服务需求的发展以及现有室内外场景感知方法的识别稳定性较低、准确率不高问题,本文提出一种基于泛在信号融合的室内外场景鲁棒感知算法,利用室内外场景中融合的泛在信号降低单一信号识别误差;同时为提高传统AdaBoost算法对不平衡数据集的分类精度,采用概率神经网络(PNN)作为训练的弱分类器,并引入熵权法,对迭代产生的弱分类器的权重进行修正来提高强分类器的分类准确率.现实场景下的实验表明,本文算法在采用室内外环境中的WiFi信号、全球卫星导航系统(GNSS)可用星数、光照强度这三种融合的泛在信号进行室内外场景感知时性能最佳,对于不同角度方向下的室内外场景切换,可以在误报率仅为1.7％ 的情况下,达到98％ 的识别准确率,验证了本文所提算法的准确性和鲁棒性.

摘要： 为提高往复泵诊断的速度和精度,提出一种通过小波阈值分析处理往复泵振动信号的故障诊断方法.通过小波阈值分析,可以有效去除往复泵振动信号与故障无关的振动信息,然后进一步提取振动信号的归一化能量,将其作为特征值.将特征值与小波包能量分解图综合分析,结合概率神经网络(PNN)对采集后的信号进行往复泵泵阀故障模式进行识别.实验结果表明:小波阈值分析与PNN结合,可以将往复泵泵阀故障类型准确识别,提高了诊断的效率,可以为工业上往复泵的使用和维修大大节约成本,也为往复机械的故障诊断提出了新的解决思路.

摘要： PLT生产测井资料在生产井中可以精确评价井筒内各层的生产特征,但是对于井筒外储层流动特征只能通过温度曲线进行定性识别,而对于各层生产动态以及是否存在套后流动、窜槽等特征需要利用其他资料来辅助判别.PNN测井资料通过测量热中子时间谱,求取地层俘获截面,得到储层当前含水饱和度,从而确定储层动用程度.PLT与PNN资料结合可以有效识别井筒内和井筒外储层流体流动特征.结合一口复杂管柱油井,详细介绍了PLT与PNN组合测井资料在精确评价井筒内各储层的产出特征和井筒外各储层剩余油动用程度的分析过程,有效评价了套后流动、窜槽等特征.该方法结合了两种测井方法的特点,为套后流动、窜槽等评价提供了一种有效的解决方法.

摘要： 以五氧化二铌(NbO)为原材料通过络合反应合成了铌的前驱体溶液,并与醋酸铅(Pb(Ac)),醋酸镍(Ni(Ac))混合,于200°C水热条件下进行预反应.水热预产物经进一步煅烧,成功获得了纯钙钛矿相PNN粉体.采用XRD和Raman分析,研究了水热时间,溶液pH值,煅烧温度等条件对PNN粉体相结构的影响,分析了粉体的相结构变化规律.结果表明,经过水热处理的粉体,在900°C煅烧后,形成具有钙钛矿结构PNN,特别是通过调整制备工艺,得到纯相的PNN粉体.

摘要： 以五氧化二铌(NbO)为原材料通过络合反应合成了铌的前驱体溶液,并与醋酸铅(Pb(Ac)),醋酸镍(Ni(Ac))混合,于200°C水热条件下进行预反应.水热预产物经进一步煅烧,成功获得了纯钙钛矿相PNN粉体.采用XRD和Raman分析,研究了水热时间,溶液pH值,煅烧温度等条件对PNN粉体相结构的影响,分析了粉体的相结构变化规律.结果表明,经过水热处理的粉体,在900°C煅烧后,形成具有钙钛矿结构PNN,特别是通过调整制备工艺,得到纯相的PNN粉体.

摘要： 以五氧化二铌(NbO)为原材料通过络合反应合成了铌的前驱体溶液,并与醋酸铅(Pb(Ac)),醋酸镍(Ni(Ac))混合,于200°C水热条件下进行预反应.水热预产物经进一步煅烧,成功获得了纯钙钛矿相PNN粉体.采用XRD和Raman分析,研究了水热时间,溶液pH值,煅烧温度等条件对PNN粉体相结构的影响,分析了粉体的相结构变化规律.结果表明,经过水热处理的粉体,在900°C煅烧后,形成具有钙钛矿结构PNN,特别是通过调整制备工艺,得到纯相的PNN粉体.

摘要： 以五氧化二铌(NbO)为原材料通过络合反应合成了铌的前驱体溶液,并与醋酸铅(Pb(Ac)),醋酸镍(Ni(Ac))混合,于200°C水热条件下进行预反应.水热预产物经进一步煅烧,成功获得了纯钙钛矿相PNN粉体.采用XRD和Raman分析,研究了水热时间,溶液pH值,煅烧温度等条件对PNN粉体相结构的影响,分析了粉体的相结构变化规律.结果表明,经过水热处理的粉体,在900°C煅烧后,形成具有钙钛矿结构PNN,特别是通过调整制备工艺,得到纯相的PNN粉体.

摘要： 以五氧化二铌(NbO)为原材料通过络合反应合成了铌的前驱体溶液,并与醋酸铅(Pb(Ac)),醋酸镍(Ni(Ac))混合,于200°C水热条件下进行预反应.水热预产物经进一步煅烧,成功获得了纯钙钛矿相PNN粉体.采用XRD和Raman分析,研究了水热时间,溶液pH值,煅烧温度等条件对PNN粉体相结构的影响,分析了粉体的相结构变化规律.结果表明,经过水热处理的粉体,在900°C煅烧后,形成具有钙钛矿结构PNN,特别是通过调整制备工艺,得到纯相的PNN粉体.

摘要： 以五氧化二铌(NbO)为原材料通过络合反应合成了铌的前驱体溶液,并与醋酸铅(Pb(Ac)),醋酸镍(Ni(Ac))混合,于200°C水热条件下进行预反应.水热预产物经进一步煅烧,成功获得了纯钙钛矿相PNN粉体.采用XRD和Raman分析,研究了水热时间,溶液pH值,煅烧温度等条件对PNN粉体相结构的影响,分析了粉体的相结构变化规律.结果表明,经过水热处理的粉体,在900°C煅烧后,形成具有钙钛矿结构PNN,特别是通过调整制备工艺,得到纯相的PNN粉体.

摘要： 本发明公开了PNN配体、PNN配体铁或钴络合物、制备方法及应用。本发明提供了一种PNN配体，R

摘要： 本发明涉及电厂引风机故障诊断领域，具体涉及基于PNN‑WNN与改进D‑S的引风机故障诊断方法、系统及装置，其方法包括，将测试样本集输入至PNN诊断网络以及WNN诊断网络中进行故障初步诊断得到两个证据体；采用改进D‑S信息融合方法将两个证据体进行融合得到改进D‑S信息融合结果，并经决策规则得到引风机故障诊断结果。本发明对引风机故障进行融合诊断，提高了故障诊断的正确率，且能避免单一的故障诊断方法受参数设置或自身特点而造成的误诊现象，且对冲突信息分配合理，使得信任度高的焦元支持率得到加强，信任度低的焦元得到削弱，使得诊断结果合理，可靠性高，为火电厂关键辅机故障诊断提供了重要的决策支持。

摘要： 本发明属于室内外场景识别方法，为解决目前使用专业的硬件设备对室内和室外场景进行识别的方法，必须安装相应的硬件设备，成本高，普适性低的技术问题，提供一种基于PNN神经网络的室内外场景识别方法，建立PNN神经网络，其中，所述PNN神经网络的输入为WIFI信号强度和可见卫星数，输出为室内外识别标签值，所述室内外识别标签值的两种数值分别代表室内和室外；采集多组由WIFI信号强度、可见卫星数和室内室外信息组成的数据组，输入至所述PNN神经网络中，对PNN神经网络进行训练；将任一处的WIFI信号强度和可见卫星数输入至经步骤S2训练后的PNN神经网络中，根据所述PNN神经网络输出的室内外识别标签值，识别该处为室内或室外。

摘要： 本发明提供一种基于GA‑PNN的导弹地面装备机电产品故障诊断方法和系统，包括：1)采集导弹地面装备机电产品不同故障状态的振动数据；2)计算不同故障状态的振动数据的特征向量组成多维特征；3)将计算的多维特征分为训练集和测试集；4)利用GA‑PNN搭建仿真模型，并设置适应度函数；5)将训练集输入仿真模型进行训练，以适应度函数作为下一代被选择的参考，筛选出最优的特征向量编号；6)将对应编号的测试集特征向量作为仿真模型输入进行验证。与传统直接将特征向量作为故障诊断输入相比，本发明对于机电产品的多维特征向量筛选的方法更加精确高效，从而能够很好地解决机电产品诊断预测的特征混叠问题。

摘要： 在钌配合物(I)存在下用分子氢将酯氢化为相应醇类的方法，其中所述配合物包含通式(II)的三齿配体L，n和m各自独立地为0或1并且实‑虚双线表示单键或双键，条件是在n＝1的情况下，两根实‑虚双线均表示单键并且m为1，以及在n＝0的情况下，一根实‑虚双线表示单键且另一根实‑虚双线表示双键，其中在双键在面向苯基环一侧上的情况下，m＝1，在双键在面向吡啶基环一侧上的情况下，m＝0，或者两根实‑虚双线均表示单键并且m为1。

摘要： 本发明属于压电陶瓷技术领域，具体涉及一种PZT‑PNN‑PSN‑PMN压电陶瓷及其制备方法，其技术要点如下：陶瓷粉末的分子式为Pb0.92Sr0.08（Zr0.48Ti0.52）0.96‑x（Ni1/3Nb2/3）x（Sb1/2Nb1/2）0.03（Mg1/3Nb2/3）0.01O3，0.15＜x＜0.25。本发明提供的PZT‑PNN‑PSN‑PMN压电陶瓷及其制备方法，通过低熔沸点金属和高熔沸点金属的掺杂量对预烧结和烧结过程中的升温速率和保温时间进行精确计算和控制，在避免低熔沸点金属挥发逸出的情况下，保证了晶粒尺寸的均匀性，提高了由于Ni的掺杂降低的体积密度，有效提高三元压电陶瓷的介电常数和压电常数。

摘要： 本发明公开一种基于多参数筛选准则与GWO‑PNN的滚动轴承故障诊断方法，首先将振动信号通过分解算法并通过相关系数‑能量比‑峭度准则筛选信号分量进行重构，可以有效去除无关分量，避免了通过单一指标选择的信号分量的片面性，达到抑制背景噪声的目的，对重构信号进行重叠样本分割，并计算各样本的多尺度排列熵作为特征向量并通过核主成分分析(KPCA)降维，将降维后的特征矩阵导入概率神经网络PNN，利用引入灰狼算法GWO优化的PNN对故障模式进行故障分类；实践表明，经过该方法去噪得到的信号有效的抑制了噪声的干扰，并具有较高的诊断准确率。

摘要： 本发明公开了一种基于PNN的起重机系统安全完整性评估方法及系统，该方法包括：构建起重机系统安全完整性等级评估模型，所述起重机系统安全完整性等级评估模型采用PNN神经网络，PNN神经网络输入层的输入数据为采集到的待评估起重机的输出数据，其输出为起重机系统安全完整性等级；采用专家评估数据库中多组系统安全完整性等级结果以及各状态下的输出数据作为训练样本，对起重机系统安全完整性等级评估模型迭代训练直至收敛；采集待评估起重机的输出数据，通过起重机系统安全完整性等级评估模型获取起重机系统安全完整性等级。本发明填补了现有起重机械功能安全评估的空白，能快速地完成起重机系统安全完整性评估。

摘要： 本发明公开了一种基于CEEMD能量熵和优化PNN的轴承故障诊断方法,包括：S1、采集不同故障状态下的轴承振动信号；S2、采用互补集合经验模态分解算法将轴承振动信号进行分解处理，获得本征模态分量；S3、计算本征模态分量和轴承振动信号数据的相关系数并进行筛选处理，获得有效本征模态分量；S4、提取有效本征模态分量的能量熵，组成特征向量矩阵；S5、构建概率神经网络模型，将特征向量矩阵输入概率神经网络模型，训练优化概率神经网络模型，获得概率神经网络轴承故障诊断模型；S6、将特征向量矩阵输入所述概率神经网络轴承故障诊断模型，构建由改进麻雀搜索算法优化的概率神经网络故障诊断模型，完成故障识别和分类。

摘要： 本发明公开了一种具备超高压电常数的弛豫铁电体PNN‑PHT材料的制备方法，依次经过配料、预合成、造粒并压坯、排粘、埋烧烧结等步骤制备而成，本发明摒弃了传统的前驱体NiNb2O6和Hf0.3Ti0.7O2合成步骤，不仅使得制备过程简单，易于控制，且对于现有的前驱体制备方法来说，杂相形成更易于控制，过程重复性更高，适用于产业化推广应用，本发明制备的陶瓷材料具有纯相的钙钛矿相结构，材料性能优异，压电常数超过850pC/N，远高于多数的压电材料，平板机电耦合系数高，介电损耗低，去极化温度高。本发明适用于制备弛豫铁电体PNN‑PHT材料。