王尧
- 作品数：5 被引量：16H指数：2
- 供职机构：西安交通大学理学院信息与系统科学研究所更多>>
- 发文基金：国家自然科学基金燃烧与爆炸技术重点实验室基金国防科技重点实验室基金更多>>
- 相关领域：理学兵器科学与技术自动化与计算机技术化学工程更多>>
- 从DSC曲线数据计算/确定含能材料自催化分解反应动力学参数和热爆炸临界温升速率的方法被引量：2
- 2013年
- 为应用热爆炸临界温升速率(dT/dt)Tb评价含能材料(EMs)的热安全性,得到计算(dT/dt)Tb值的基本数据,用合理的假设,由Semenov的热爆炸理论和9个自催化反应速率方程[dα/dt=Aexp(-E/RT)α(1-α)(I),dα/dt=Aexp(-E/RT)(1-α)n(1+Kcatα)(II),dα/dt=Aexp(-E/RT)[αa-(1-α)n](III),dα/dt=A1exp(-Ea1/RT)(1-α)+A2exp(-Ea2/RT)α(1-α)(IV),dα/dt=A1exp(-Ea1/RT)(1-α)m+A2exp(-Ea2/RT)αn(1-α)p(V),dα/dt=Aexp(-E/RT)·(1-α)(VI),dα/dt=Aexp(-E/RT)(1-α)n(VII),dα/dt=A1exp(-Ea1/RT)+A2exp(-Ea2/RT)(1-α)(VIII),dα/dt=A1exp(-Ea1/RT)+A2exp(-Ea2/RT)α(1-α)(IX)]导出了计算(dT/dt)Tb值的9个表达式.提出了从不同恒速升温速率(β)条件下的差示扫描量热(DSC)曲线数据计算/确定EMs自催化分解反应的动力学参数和自催化分解转向热爆炸时的(dT/dt)Tb的方法.由DSC曲线数据的分析得到了用于计算(dT/dt)Tb值的β→0时的onset温度(Te0),热爆炸临界温度(Tb)和相应于Tb时的转化率(αb).分别用线性最小二乘法和信赖域方法得到方程(I)和(VI)及方程(II)-(V)和方程(VII)-(IX)中的自催化分解反应动力学参数.用上述基础数据得到了EMs的(dT/dt)Tb值.结果表明:(1)在非等温DSC条件下硝化棉(NC,13.54%N)分解反应可用表观经验级数自催化反应速率方程dα/dt=1015.82exp(-170020/RT)(1-α)1.11+1015.82exp(-157140/RT)α1.51(1-α)2.51描述;(2)NC(13.54%N)自催化分解转向热爆炸时的(dT/dt)Tb值为0.103K·s-1.
- 胡荣祖赵凤起高红旭姚二岗张海王尧常象宇赵宏安
- 关键词：非等温DSC热爆炸硝化棉信赖域方法
- 用DSC曲线数据估算硝化棉的C_nB和表观经验级数自催化分解反应热爆炸临界温升速率被引量：10
- 2013年
- 采用非线性约束优化问题的信赖域算法,由不同升温速率(β)条件下硝化棉(NC,14.14%N)的DSC曲线数据得到了NC的n级自催化分解反应(Cn B)和表观经验级数自催化分解反应的动力学参数和动力学方程。并由计算得到的β→0时的onset温度(Te0),热爆炸临界温度(Tb),相应于Tb时的转化率(αb)和动力学参数值获得了NC的热爆炸临界温升速率值。结果表明,在非等温DSC条件下NC分解反应可用表观经验级数自催化反应速率方程dα/dt=1015.76exp(-170830/RT)(1-α)0.95+1015.76exp(-159070/RT)α1.81(1-α)1.16描述。NC由自催化分解转向热爆炸时的热爆炸临界温升速率值为0.060K/s。
- 姚二岗胡荣祖赵凤起张海王尧常象宇高红旭赵宏安
- 关键词：非等温DSC热爆炸信赖域方法
- 用Boosting算法预测多硝基芳香族化合物的密度被引量：5
- 2007年
- 采用Boosting算法对多硝基芳香族化合物(PNACs)的密度进行预估。选用分子结构描述码作为输入特征参数。结果表明,PNACs的密度与其分子结构存在良好的相关性,与人工神经网络相比,Boosting算法对预测的准确性有显著提高,预测结果的相对误差都在8%以内。
- 张海王尧陈冰胡荣祖高红旭赵凤起
- 关键词：物理化学人工神经网络BOOSTING算法
- 独立随机变量函数的集中不等式
- 2007年
- 目的对独立随机变量函数的指数距进行研究。方法利用由Ledoux和Massart给出的对数Sobolev不等式。结果给出了一个新的集中不等式,此不等式可看作是E fron-Sein不等式的指数形式。结论给出的新的集中不等式容易应用,可应用于其他方向的研究。
- 张海王尧陈冰张晓刚
- 自适应梯度Boosting算法及多硝基芳香族化合物密度的主因子选择被引量：2
- 2011年
- 用自适应梯度Boosting算法研究了影响多硝基芳香族化合物(PNACs)密度的主因子。选择分子结构描述码作影响特征参数,采用影响多硝基芳香族化合物密度的分子结构描述码,依据相关影响程度给出了相应分子结构描述码,预测密度值与文献值的相对误差在10%以内。
- 张海丁毅涛王尧胡荣祖高红旭赵凤起
- 关键词：学习算法BOOSTING算法
