基于神经网络的板坯连铸二冷水动态控制模型

以缩小板坯表面实际温度和目标温度的差异为目标,基于神经网络技术,建立以BP神经网络进行连铸二冷段的温度预测和运用模糊神经网络对二冷段的水量进行实时控制的动态控制模型,模型能及时根据拉速、温度的变化做出水量的动态调整和分配.针对某钢厂2#板坯连铸过程进行了仿真计算和现场应用测试,结果表明:该模型将二冷水量控制问题与铸坯在冷却过程中的温度状态相结合,能很好的响应现场的变化,及时给出二冷段水量的动态调节量.     

板坯连铸二冷水智能控制及仿真研究

基于传统板坯连铸二冷水控制方法，提出用自适应模糊神经网络推理系统实现板坯连铸二冷水智能控制，建立了基于自适应模糊神经网络推理系统的板坯连铸二冷水智能控制系统模型，并对该控制系统进行了计算机仿真，结果表明系统较好地实现了板坯表面的温度控制，且具有良好的自适应和自学习能力．     

二次冷却水工业控制的应用与分析

通过工业控制模型调配板坯连铸的二次冷却水,直接影响板坯表面质量和液心凝结速度。通过工业控制模型控制仪表操作二次冷却水,调整铸坯冷却喷淋速率,进而控制板坯质量。     

板坯连铸二冷水智能控制及仿真研究

基于传统板坯连铸二冷水控制方法,提出用自适应模糊神经网络推理系统实现板坯连铸二冷水智能控制,建立了基于自适应模糊神经网络推理系统的板坯连铸二冷水智能控制系统模型,并对该控制系统进行了计算机仿真,结果表明系统较好地实现了板坯表面的温度控制,且具有良好的自适应和自学习能力.     

二次最小化问题的有限时间递归神经网络求解

利用一类递归神经网络模型来求解二次最小化问题，在该模型的基础上加入双符号幂激励函数，以加快递归神经网络的收敛速度，甚至达到有限时间收敛.通过调节设计参数λ的取值，递归神经网络的收敛性能可进一步提高.利用MATLAB软件对有限递归神经网络模型进行仿真，数值仿真结果验证了模型求解二次最小化问题的有效性和优越性.     

基于动态递归神经网络的动态矩阵控制

给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征 ,容易实现并进行稳定性分析。利用训练好的网络作为预估模型 ,设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性     

基于蚁群算法的连铸二冷优化

连铸二次冷却水量是影响铸坯质量的关键因素之一.为使二冷区内各冷却段间的铸坯表面温度冷却速率和温度回升速率更加趋于合理,减少诱发铸坯产生内部裂纹和表面裂纹的应力因素,根据冶金准则对目标表面温度、矫直点温度、表面最大冷却速率和表面温度回升速率、液芯长度、铸坯的鼓肚等的要求及设备约束条件建立连铸二冷优化模型,并利用蚁群算法对连铸二次冷却水量进行优化,达到提高连铸坯产品质量的目的.     

基于BP神经网络的连铸板坯裂纹预报

分析了连铸板坯裂纹的成因,并根据连铸生产的特点和工艺条件,结合国内外一些先进钢铁厂板坯裂纹的防止对策,引入BP神经元网络,采用神经网络与专家系统相结合的方法,运用热电偶温度数据,结合结晶器液面、保护渣、钢号、钢液C,S,P含量等数据实现板坯表面裂纹预报.     

基于对角递归神经网络的粘度软测量模型

采用对角动态递归神经网络,基于生产过程的可测参数,构造聚酯(PET)的粘度软测量模型,实现PET粘度的在线估计。实验表明了方法的有效性和可行性。     

连铸二冷节水增效多目标优化模型

在蚁群算法中采用节点选择优化策略,减少算法中的节点选择次数,并通过对筛选候选节点减少单个蚂蚁选择节点的计算量,提高蚁群算法的执行效率.在冶金准则、设备约束条件确定的板坯连铸优化模型中,加入节水模型、拉速优化模型,形成新的板坯连铸二次冷却多目标优化模型.并利用改进的蚁群算法对板坯连铸二次冷却进行优化,达到在保证连铸坯质量的前提下,提高生产效率、节约二冷用水的目的.