为了解决风洞试验求覆冰输电线在风荷载下的气动系数成本高、耗时长的问题,提出了一种预测气动系数的BP神经网络方法。使用试凑法对BP神经网络模型进行调参训练,选择8×8、10×8、10×16的BP神经网络模型。以训练好的BP神经网络模型为基础,先预测了新月形、扇形覆冰单导线在不同风速下的气动系数,再预测了无覆冰、新月形、扇形覆冰四分裂导线在不同风速下的气动系数以及新月形覆冰四分裂导线在不同覆冰厚度下的气动系数,最后与风洞试验所测结果以及线性插值的结果对比。结果表明BP神经网络的预测结果与风洞试验结果拟合程度较线性插值结果好,相似度很高,BP神经网络预测方法具有可行性。

介绍了MOCVD（Metal Organic Chemical Vapor Deposition）液态源金属有机物化学气相沉积设备，研究设计了基于PLC和触摸屏的全自动气动控制回路，实现了对装置中气动元件的自动控制。该方法提高了MOCVD设备的自动化控制水平和安全可靠性，确保了工艺的重复性和稳定性。