热轧带钢轧后冷却过程卷取温度的设定策略

为了提高热轧带钢卷取温度控制精度,针对热轧带钢轧后冷却过程非线性、强耦合性等特性,建立了具有非线性结构特征的热轧带钢轧后冷却过程控制的温度数学模型,并对热轧带钢轧后冷却过程卷取温度的设定策略进行了研究,同时在该模型基础上开发了系统软件,通过现场实际应用对模型功能进行了验证.结果表明,该冷却数学模型的卷取温度设定计算结果...     

不同工作模式下激光熔化沉积过程熔池演变数值研究

激光熔化沉积工艺中有连续波(continuous-wave,CW)和脉冲波(pulse-wave,PW)两种激光模式.基于Fluent针对熔池瞬态运动和传热传质建立了三维对称数值模型,通过求解VOF(volume of fluid)连续方程追踪沉积层自由表面,分析了不同激光工作模式下熔池的演变过程及上表面波动规律,对熔池尺寸及最大流速、最高温度进行了对比.结果表明:所得模拟结果和实验结果吻合良好.两种激光模式下熔池上表面中部都会经历凹陷-凸起的波动过程,CW模式熔池内部流速变化相比PW模式平稳,后期熔池内部流动呈准稳态,而PW模式下会重复经历熔池形成过程.PW模式下熔池内部最大流速、最高温度呈周期性变化;同时脉冲激光增大了熔池上表面的波动,其上表面波动幅度接近CW模式的1.8倍,而熔池的较大波动可以较好地平衡未熔化的熔渣颗粒.     

基于阈值法的带钢表面缺陷图像脉冲噪声去除

在板带钢表面缺陷图像脉冲噪声去除的研究中,结合脉冲噪声的特点以及带钢表面缺陷图像的特点,提出了一种基于阈值的开关中值滤波方法.该方法通过设定阈值判断滤波窗口中心像素点是否为噪声点,并对噪声点进行中值滤波.通过大量的仿真实验证明该方法简单可行,在噪声去除和保护细节方面都取得了明显优于传统滤波方法的效果,而且在噪声污染不太大的情况下具有普遍适用性,有一定的工程应用价值,且研究过程也体现了对图像进行考察的重要性.     

一种基于邻域噪声评价法的图像去噪算法

常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失,导致图像模糊不清.为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算法.该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了图像的细节特征.实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能,具有一定的应用价值.     

热轧带钢轧后冷却控制及其自学习方法

热轧带钢轧后冷却过程中卷取温度的控制精度是保证带钢表面质量和板形良好的一个关键因素,因此温度控制精度的核心是冷却过程控制模型的建立,同时新的数学模型应该具有自学习功能以提高控制精度.以此为出发点,建立了具有非线性结构特征的热轧带钢冷却过程控制的数学模型,并对新模型的自学习能力进行了研究,使该模型能够不断地修正其关键参数以提高温度控制精度,从而增强了模型的自适应性.通过对该冷却过程数学模型的现场实际应用,验证了该冷却数学模型的卷取温度控制能够达到较高的精度,为提高带钢产品质量奠定了基础.     

带钢表面缺陷在线检测系统的图像滤波算法

由于纹理背景的存在导致图像缺陷检测结果不准确是目前冷轧带钢表面缺陷在线检测过程中存在的主要问题之一.针对该问题提出了一种基于小波的各向异性扩散图像滤波方法,该方法通过小波分解得到图像的低频和高频分量,并针对高频分量采用小波扩散系数对小波系数进行正则化处理,最后进行小波逆变换,重构滤波后图像.实验结果表明该方法不仅能够有效地滤除不必要的纹理背景信息,而且能够较好地保留图像的细节信息,具有更好的综合性能,为带钢表面缺陷在线检测系统中的后续处理,如图像的边缘检测和自动分割等奠定了基础.     

基于深度学习的挖掘机工作阶段的分类与识别

为实现对挖掘机作业循环各工作阶段的自动识别，采用以执行机构先导压力、主泵压力和功率为识别对象的智能识别方法.根据执行机构先导压力的变化划分工作阶段，并用主泵压力和功率验证.以各工作阶段起始特征波形作为其起始标志，以时间窗滑移方式提取起始特征并确定最佳时间窗宽度，采用深度学习的方法识别各标志.对比了深度学习中分类识别领域应用广泛的ResNet和LSTM的识别效果，发现LSTM的识别效果更好，对测试集的识别准确率最高可达到99.75%.采用LSTM对测试数据进行识别，识别正确率仅有82.54%,说明存在误识别.提出以挖掘机工作阶段的逻辑顺序和设定主泵功率阈值作为校正依据对误识别进行校正，识别正确率可提升至99.72%.结果表明，该方法识别准确率高，可有效识别作业循环各工作阶段.