文献

J-GLOBAL ID：201502214580007163   整理番号：15A1387279

重要変数定義を組込んだ人工神経回路網を用いての高せん断造粒工程における粒径分布変数の予測

Prediction of the Particle Size Distribution Parameters in a High Shear Granulation Process Using a Key Parameter Definition Combined Artificial Neural Network Model

著者 (6件)： YU Huiman (Tianjin Univ., Tianjin, CHN) ,  FU Jinsheng (Procter & Gamble Technol. (Beijing) Co., Ltd., Beijing, CHN) ,  DANG Leping (Tianjin Univ., Tianjin, CHN) ,  CHEONG Yuensin (Procter & Gamble Technol. (Beijing) Co., Ltd., Beijing, CHN) ,  TAN Hongsing (Procter & Gamble Technol. (Beijing) Co., Ltd., Beijing, CHN) ,  WEI Hongyuan (Tianjin Univ., Tianjin, CHN)
資料名： Industrial & Engineering Chemistry Research  (Industrial & Engineering Chemistry Research)
巻： 54  号： 43  ページ： 10825-10834  発行年： 2015年11月04日 
JST資料番号： C0385C  ISSN： 0888-5885  CODEN： IECRED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 凝集工程が複雑な事と粒子成長機構が不明瞭な事から,産業界の需要に応えられる粒径分布(PSD)を予測できる一般的なモデルは存在しない。本報では,高剪断混合器での種々の凝集工程におけるPSD変数を予測できる人工神経回路網(ANN)モデルについて検討した。入力規模を小さくするために,原料物性,装置形状及び操作状態を表す次元性あるいは無次元性の変数を定義して入力した。統計解析に従うと,定義したANNモデルから平均粒径を平均絶対相対誤差7.18%,標準偏差7.72%,相関係数0.966の範囲内で求める事ができた。理論的規定の欠落,入力試料の質と量に依存するANNの脆弱性と,入力変数が完全に無次元化されていない点については今後の検討課題である。

シソーラス用語： *造粒 ,  *粒度分布 ,  *ニューラルネットワーク ,  統計解析 ,  粒径 ,  標準偏差 ,  凝集体
準シソーラス用語： *人工ニューラルネットワークモデル ,  アグロメレーション ,  アグロメレート

分類 (1件)： 固体の製造・処理一般  (XD03021O)

タイトルに関連する用語 (7件)： 変数 ,  定義 ,  人工神経回路網 ,  せん断 ,  造粒 ,  粒径分布 ,  予測