感谢你在百忙之中抽出时间阅读MATLAB在沸石超细粉碎中的应用这篇文章。关于MATLAB在沸石超细粉碎中的应用这篇文章的任何评论都可以告诉小编。你的每一个建议都是对小编辑的肯定和鼓舞。接下来让我们一起来了解MATLAB在沸石超细粉碎中的应用。
MATLAB在沸石超粉碎申的应用马云东孟凡娜u2，张海军2（1.辽宁工程技术大学资源与环境工程学院，辽宁阜新123000；2.黑龙江科技学院资源与环境工程学院，哈尔滨150027针对超细粉碎加工过程中遇到的曲线拟合问题，选用MATLAB进行解决，并利用MATLAB非常强大的绘图功能完成图形的绘制。应用MATLAB既提篼了工作效率，又提高了工作质量，使MATLAB在粉体加工中得以应用。同时，其结果也对现实生产有一定的指导性作用。本文以行星磨超细粉碎天然沸石为例，有效的利用MATLAB进行曲线拟合并绘制图形。
天然沸石行星球磨，曲线拟合超细粉体技术是随着近代科技的发展而发展起来的一门新技术。超细粉体不仅本身是一种功能材料，而且为新的功能材料的复合与开发展现了广阔的应用前景。因此，人们对超细粉体的研究不断深人，从对粉体宏观的简单加工、分离过程，逐渐发展到微观的颗粒之间的相互作用。从盲目的细化，开始追求粒度与相关指标之间的相互关系，以求得理论计算值与实验数据拟合程度的不断提高，运用理论推导公式预测实验磨中的粉体破碎性能，相关数据可以指导工业化生产。
阜新不仅是一座煤城，并且有丰富的非金属矿产资源，天然沸石为其中之一。天然沸石是一种无毒、无味，且对环境没有影响的吸附剂，在工农业生产和人们的日常生活中具有重要的作用。对阜新天然沸石进行加工，超细粉碎是一个重要的加工过程。对天然沸石进行超细粉碎曲线拟合研究能更好的指导工业生产。
1试验条件与结果采用实验室小型行星磨对阜新某地的天然丝光沸石与斜发沸石进行超细粉碎。实验采用陶瓷球磨介质和陶瓷研磨罐进行磨矿，每个研磨罐中人球的个数为少17腿10粒，01Omml5O粒，仍匪500粒，以交变运行方式粉碎30min，掀开保护罩，取样测粒度分布情况，转速500r/min.粒度检测采用丹东百特仪器BT93 00型激光粒度分布仪。人料粒度为在0=83 96nm的天然丝光沸石与4.=80. pm斜发沸石。实验结果见表1.在实验过程中有轻微的团聚现象，但没有影响实验。
表1式。随研磨时间的变化（nm）时间丝光沸石斜发沸石2用MATLAB进行曲线拟合2.1拟合方法曲线拟合在数据分析上称为回归分析，或称为数据拟合。所用的数学模型为线性的则称为线性回归，反之，如果使用非线性模型，则称为非线性回归。无论是线性回归还是非线性回归都是一个目的，为了使总的误差平方和*小。MATLAB提供了简单的命令使线性回归与非线性回归都能够非常方便的进行。线性回归使用的是*小二乘法，非线性回归主要有非线性*小二乘法、梯度下降法、下山式单纯形搜索法等。
马云东，男，40岁，教授，博士生导师。
马云东等：MATLAB在沸石超细粉碎中的应用2.2曲线拟合过程在进行过程模拟时，分配曲线大部分使用经验模型。经验模型就是在已知过程输入和输出的情况下，用数学方法找出它们的关系。本实验根据实验实测数据点的大体形状，采用线性数学模型拟合残差很大，故建立非线性数学模型为：a（l），a2）?拟合模型线性参数，MD，m??拟合模型非线性参数；x时间（min）。
本实验在进行几种方法的比较后选择了一种方法改良，就是将线性与非线性参数分开，各用不同的方法来处理。其中，线性参数采用*小二乘法，非线性参数采用单纯形下山式搜寻法。采用此方法，寻空间的维数由4，降为2维，使*小二乘法能够在非线性参数固定的情况下，一次找到*好的线性参数的值，优化效率提高。并且应用此方法不用考虑初值，可以将线性参数的初值设为iniUHO，方便可行，结果令人满意。
丝光沸石的拟合结果为：斜发沸石的拟合结果为：拟合值。在表2中可见，拟合值与实测值比较接近。同时MATLAB提供了强大的绘图功能，可将绘制的图形分开组合，应用十分灵活，并且图形美观大方。本文是将图K2粒度一时间拟合图一起绘制，4拟合残差图一起绘制。
表2拟合值‘随研磨时间的变化（um）斜发沸石拟合残差2.3实际生产过程在实际生产过程中，想要得到味=1Mm的天然斜发沸石，我们可以利用已建立起的曲线拟合模型，利用MATLAB找到相应的时间，x=201在现实的生产过程中，时间并不是####的，要根据具体情况而定，但是这将对生产有非常大的指导作用。
（1）MATLAB易学易用，功能强大。利用MATLAB方法进行曲线拟合较简单实用，省去了编写大量程序的时间，并且免去了手工制图，提高了准确性。同时，本文采用了线性拟合与非线性拟合的综合改进方法，使曲线拟合更加准确，并且提高了拟合的效率。
（2）由于实验条件及时间限制，没有做粒度与吸附量及表面积之间的相互关系模型，将另文介绍。
张智星。MATLAB程序设计与应用M.北京：清华大学出版
