摘要：研究了人工神经网络在矿渣微晶玻璃材料设计中的应用。采用基于变尺度法的新学习算法建立了三层前馈型神经网络,发现当网络结构为M-2M-1,取一定范围内的学习误差时,网络具有很好的学习效果。研究证明,建立的人工神经网络模型学习速度快,收敛稳定,强壮性好,能根据较少的实验样本有效抽取矿渣微晶玻璃组成、工艺和性能之间的内在规律,是进行微晶玻璃材料设计的有力工具。

摘要：类比学习是利用过去的经验来求解新问题的一种思维过程 ,是专家系统中实现知识自动获取的重要方法。根据矿渣微晶玻璃设计的基本特征 ,详细介绍了矿渣微晶玻璃类比设计的基本原理、类比因素以及类比准则。选择属性类比作为专家系统类比设计的主要方式 ,以矿渣的成分作为类比因素 ,以经过修正的综合类似度作为类比准则 ,结合矿渣微晶玻璃实例库和人工神经网络模型建立了专家系统类比设计模块。实验结果证明 ,该类比设计模块具有很好的设计效果 。

摘要：分析了矿渣微晶玻璃材料设计知识的特点,确定了合适的知识表示方法。模拟了材料设计专家进行材料设计的思路,建立了矿渣微晶玻璃材料设计专家系统的经验设计模块,并由实例验证其具有很好的设计效果。

摘要：矿渣微晶玻璃以废渣和工业尾矿为主要原料,是一种对环境友好的建筑材料。但是由于矿渣微晶玻璃组成、工艺和性能之间关系仍不明确,其新材料的开发仍然采用“炒菜法”,效率低下。我们根据材料设计思想,建立了基于人工神经网络的矿渣微晶玻璃材料设计专家系统。本文详细介绍了矿渣微晶玻璃神经网络专家系统进行材料设计的总体运行过程,并具体说明了系统主界面、神经网络模块和优化模块的界面组成和应用。用实例检验了系统的运行效果,结果表明系统中已经建立的各种模型和知识库已经可以满足一般矿渣微晶玻璃材料设计问题的需求。

摘要：矿渣徽晶玻璃由于其优良的使用性能及其大量消耗工业废渣的特点而在国家资源综合治理和环境保护中具有重要的战略意义。然而其材料设计方法至今仍停留在人工或半人工阶段,为了早日实现这一领域的自动化和智能化,开发了矿渣微晶玻璃材料设计专家系统,并从系统功能、总体结构及应用前景等方面进行了阐述。

摘要：以白云鄂博矿二次选后尾矿、粉煤灰和石灰石为主要原料,采用熔融法制得矿渣微晶玻璃。利用正交实验方法研究了热处理工艺参数对矿渣微晶玻璃抗弯强度的影响,得到影响因素的主次顺序为:晶化时间>核化温度>晶化温度>核化时间,确定最优热处理制度为:核化温度700℃,核化时间2 h;晶化温度850℃,晶化化时间2 h。并利用XRD、SEM、EDS检测手段对制得的微晶玻璃显微结构进行了分析。

摘要：针对湘潭、招远矿渣微晶玻璃中试线及国内现有生产线普遍存在的问题，结合多年来的研究设计及生产经验，讨论了影响矿渣微晶玻璃正常生产的因素。根据试验结果，概述了矿渣微晶玻璃熔窑及成型等关键设备的结构设计，提出了有利于提高熔化热效率和熔化率，改进矿渣微晶玻璃熔化质量的设备的优化组合。

摘要：介绍了国内外矿渣微晶玻璃以工业废渣或冶金采矿尾砂为主要原料,配以其它辅助原料,经熔化、成形、结晶退火等工序而制得微晶玻璃材料的研制和开发概况。并同时简介了采用烧结法、浮法工艺、压延法等工艺方法制造微晶玻璃产品的状况。

摘要：运用DTA、XRD和SEM等现代分析技术对CaO(MgO)-Al_2O_3-SiO_2系矿渣微晶玻璃的核化晶化温度、物相组成和显微结构进行了分析,探讨了高炉渣引入量和热处理制度的影响。试验结果表明,当高炉渣加入量为45wt％时,主晶相为普通辉石(CaSiO_3)和透辉石(CaMg(SiO_3)_2),材料结构均匀致密,性能良好。本文适宜的热处理工艺参数为:退火温度670℃;核化温度850℃,晶化温度970℃,各保温1h。