碳纳米管数据库的建立与性能预测研究

论文摘要

碳纳米管具有独特的结构、优异的性能以及广阔的潜在应用前景。本文在收集和总结有关碳纳米管的电学、力学、热学和光学性能的部分相关实验数据的基础上,应用Visual C++6.0和SQL Server2008开发构建了一个碳纳米管数据库。该系统实现了人机交互界面,并具有数据的添加、修改以及删除功能。进一步结合数据库中的样本数据与材料学中的基础知识,按照BP神经网络算法中的最速下降法对样本数据进行处理,训练网络并获得了碳纳米管电学、力学、热学和光学的网络调节参数。最后应用所得到的网络训练参数与结构,通过输入参数（体积分数、长度、截面积和拉伸强度）实现了对碳纳米管力学性能（延伸率和弹性模量）的初步预测。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题意义
• 1.2 专家系统的发展及现状
• 1.3 碳纳米管的概况
• 1.3.1 碳纳米管的分类
• 1.3.2 碳纳米管的性能
• 1.4 课题研究内容
• 第二章 专家系统与人工神经网络
• 2.1 人工智能及其应用领域
• 2.1.1 人工智能的定义
• 2.1.2 人工智能的发展
• 2.1.3 人工智能的应用领域
• 2.2 专家系统
• 2.2.1 专家系统的定义及特点
• 2.2.2 专家系统的结构与类型
• 2.2.3 专家系统的构建步骤
• 2.3 人工神经网络
• 2.3.1 人工神经网络的分类及结构
• 2.3.2 神经网络的基本模型
• 2.3.3 神经网络的学习
• 第三章 系统的设计平台以及算法研究
• 3.1 Microsoft Visual C++6.0介绍
• 3.2 基于VC开发数据库的ADO技术
• 3.2.1 主要数据库开发技术
• 3.2.2 ADO开发技术
• 3.3 SQL Server数据库简介
• 3.4 人工神经网络的BP算法
• 3.4.1 BP网络的数学基础
• 3.4.2 BP学习算法原理
• 3.5 网络模型的研究分析
• 3.5.1 训练样本的确定
• 3.5.2 网络结构的选择
• 3.5.3 初始权值的选取
• 3.5.4 激励函数的选择
• 3.5.5 学习率η的选取
• 3.5.6 样本预处理
• 第四章 碳纳米管智能数据库的实现与测试
• 4.1 碳纳米管的主要性能介绍
• 4.2 碳纳米管智能数据库的结构
• 4.3 知识库的建立
• 4.3.1 碳纳米管电学性质数据表
• 4.3.2 碳纳米管力学性质数据表
• 4.3.3 碳纳米管热学性质数据表
• 4.3.4 碳纳米管光学性质数据表
• 4.4 推理规则
• 4.4.1 算法中的变量
• 4.4.2 BP神经网络学习步骤
• 4.5 人机交互界面的设计
• 4.6 系统的测试
• 4.6.1 电学性能的预测
• 4.6.2 力学性能的预测
• 4.6.3 热学性能的预测
• 4.6.4 光学性能的预测
• 第五章 总结与展望
• 5.1 本文总结
• 5.2 展望
• 致谢
• 参考文献