矿渣微晶玻璃材料设计与计算PDF电子书下载

第1章 绪论 1

1.1 矿渣微晶玻璃概述 1

1.1.1 矿渣微晶玻璃研究的历史和现状 1

1.1.2 矿渣微晶玻璃的组成和分类 3

1.1.3 矿渣微晶玻璃结构及性能 6

1.1.4 矿渣微晶玻璃的发展趋势 7

1.1.5 我国矿渣微晶玻璃研究与国外状况比较 8

1.1.6 开发矿渣微晶玻璃的意义 8

1.2 材料设计 9

1.2.1 材料设计的含义 9

1.2.2 材料设计的发展阶段 9

1.2.3 材料设计的最新发展趋势 10

1.2.4 材料设计的方法与途径 11

1.2.5 材料设计思想在无机非金属材料中的应用 14

1.2.6 矿渣微晶玻璃材料设计的现状 15

1.2.7 矿渣微晶玻璃神经网络专家系统开发的意义 16

1.3 建立矿渣微晶玻璃专家系统的基本思路 17

参考文献 18

第2章 矿渣微晶玻璃专家系统设计 20

2.1 专家系统简介 20

2.1.1 专家系统定义 20

2.1.2 专家系统发展简况 20

2.1.3 专家系统的基本设计思想 21

2.1.4 专家系统的功能和结构 22

2.1.5 建造专家系统的步骤 24

2.2 人工神经网络及其特点 25

2.3 专家系统和神经网络的特点和相互结合 26

2.4 矿渣微晶玻璃材料设计专家系统的设计 30

2.4.1 矿渣微晶玻璃专家系统的设计思路 30

2.4.2 矿渣微晶玻璃神经网络专家系统的特点 31

2.5 专家系统功能模块划分 32

2.5.1 材料设计子系统 32

2.5.2 数据库管理系统 33

2.5.3 学习子系统 34

2.5.4 设计效果预测子系统 34

2.5.5 解释子系统 35

2.6 小结 35

参考文献 35

第3章 数据库管理系统 37

3.1 引言 37

3.2 知识的表示方法 37

3.2.1 知识及其表示 37

3.2.2 产生式规则表示法 38

3.2.3 神经网络表示法 43

3.3 数据库的构建 43

3.3.1 数据库的构建工具和数据收集 43

3.3.2 矿渣微晶玻璃实例库的数据结构 43

3.3.3 材料实例库的功能及其应用 45

3.3.4 其他数据库 46

3.4 小结 48

参考文献 48

第4章 矿渣微晶玻璃神经网络模型 49

4.1 人工神经网络简介 49

4.1.1 人工神经网络的发展 49

4.1.2 神经网络的特征 50

4.2 人工神经网络的结构 51

4.3 前馈神经网络及其学习算法 53

4.3.1 BP算法基本思想 53

4.3.2 网络的训练 54

4.4 矿渣微晶玻璃神经网络模型建立及其功能 56

4.5 神经网络效果检验 58

4.5.1 样本集1的训练 59

4.5.2 样本集2的训练 59

4.5.3 样本集3的训练 62

4.6 虚拟样本技术 65

4.6.1 矿渣微晶玻璃虚拟样本技术的基本概念 65

4.6.2 虚拟样本的构建 67

4.6.3 虚拟样本对神经网络预测能力的影响 67

4.6.4 虚拟样本对神经网络“过拟合”现象的影响 69

4.7 小结 72

参考文献 72

第5章 类比设计模块 74

5.1 引言 74

5.2 类比设计的基本原理 74

5.2.1 类比概述 74

5.2.2 常用的几种类比方法 75

5.2.3 属性类比 75

5.3 类比设计的一般模式 76

5.4 矿渣微晶玻璃类比因素分析 77

5.5 类比关系准则 79

5.6 冲突消解 80

5.7 类比设计模块的建立和效果检验 81

5.8 小结 84

参考文献 84

第6章 矿渣微晶玻璃专家知识和经验设计 86

6.1 矿渣微晶玻璃专家知识 86

6.1.1 基础玻璃组成 86

6.1.2 主晶相 88

6.1.3 成型方法 89

6.1.4 微晶玻璃的晶化制度 90

6.2 经验设计模块的建立和效果检验 90

6.2.1 经验设计的基本思路和实现方法 90

6.2.2 冲突消解 92

6.2.3 经验模块的应用和效果检验 92

6.3 小结 94

参考文献 94

第7章 系统控制模型 96

7.1 矿渣微晶玻璃专家系统推理方法 96

7.2 推理控制策略 100

7.2.1 规则激活 101

7.2.2 冲突消解 102

7.2.3 知识的“组合爆炸”问题 102

7.3 解释策略 103

7.3.1 预制文本法 103

7.3.2 执行跟踪法 104

7.4 小结 105

参考文献 105

第8章 矿渣微晶玻璃材料设计系统 106

8.1 材料设计系统整体框架 106

8.1.1 材料设计系统主页 106

8.1.2 权限验证系统 107

8.2 在线咨询界面 107

8.3 神经网络 109

8.4 分子动力学模拟 109

8.5 专家系统界面 109

8.6 矿渣微晶玻璃材料设计系统的应用 110

8.6.1 材料设计过程 110

8.6.2 人工神经网络预测 111

8.6.3 参数优化 114

8.7 小结 115

参考文献 115

第9章 CaO-Al2O3-SiO2系微晶玻璃分子动力学模拟 116

9.1 分子动力学模拟概述 116

9.1.1 初始构型 117

9.1.2 初始速度 117

9.1.3 周期边界条件 117

9.1.4 截断 118

9.1.5 温度的控制 118

9.1.6 MD势函数 119

9.1.7 相关算法 120

9.2 CaO-Al2O3-SiO2系微晶玻璃分子动力学模拟 121

9.2.1 CaO-Al2O3-SiO2系玻璃的结构 122

9.2.2 CaO-Al2O3-SiO2系玻璃的分子动力学模拟过程 123

9.2.3 模拟结果与分析 125

9.3 小结 133

参考文献 133

第10章 MgO-Al2O3-SiO2系微晶玻璃分子动力学模型 139

10.1 堇青石结构 140

10.2 理论计算方法 143

10.3 Hartree-Fork方法 144

10.4 赝势方法 144

10.5 密度泛函理论 145

10.6 MgO-Al2O3-SiO2系微晶玻璃分子动力学模型 148

10.6.1 BMH模型 148

10.6.2 core-shell模型 152

10.6.3 PartialQ模型 156

10.7 结构计算 160

10.7.1 Si和堇青石晶体结构的计算 160

10.7.2 非晶态结构的计算 161

10.8 小结 167

参考文献 168