钢的淬透性技术应用

阐述了淬透性的概念及其在钢铁材料中的重要作用。从钢的淬透性的评估、预测与控制方面介绍了钢的淬透性在生产中的技术应用。     

微量合金元素对5CrNiMo钢淬透性的影响

设计了一种测定高淬透性钢淬透性的加压块端淬试验法,与标准端淬试验法对照进行了仔细的研究,论证了该方法的合理性和实用性。采用这种新方法成功地对国内外五种 5CrNiMo 钢进行了淬透性对比研究。结果表明:在 5CrNiMo 钢中加入0.11％的钒,并把铬钼含量控制在标准上限能有效地提高其淬透性;经改进后的国产 5CrNiMo钢的淬透性已经赶上和超过德国、日本同类钢的实物水平。     

太湖洪水预报的前向人工神经网络全局最优逼近方法

将求解不等式约束非线性优化问题的群体复合形进化算法 ,应用于前向人工神经网络逼近 ,提出了前向人工神经网络全局最优逼近算法 ;将前向人工神经网络全局最优逼近算法应用于太湖水位预报 ,建立了太湖水位预报的神经网络模型 ,表明了提出的全局最优逼近算法的有效性     

低淬透性钢齿轮的试验研究

本文较全面总结了55D低淬透性钢的热处理及其组织和机械性能。试验研究表明:55D钢齿轮经高(中)频深层加热表面淬火后,单齿静弯、单齿疲劳、单齿多冲性能赶上和超过了18CrMnTi渗碳齿轮。工农——11型手扶拖拉机55D齿轮经过5000小时田间旋耕试验,性能良好,为大量推广与使用55D钢提供了依据。     

低碳合金类齿轮钢带状组织的控制

<正>CrMnTi系列及CrMo系列是沙钢集团淮钢特钢有限公司重点开发的低碳合金齿轮用钢,主要用于工程机械、汽车、摩托车等合金类齿轮。随着机械工业的发展,对齿轮钢的淬透性、高低温强度和硬度、抗热裂能力、耐磨性及耐热性都有了更高的要求,而齿轮钢的带状组织是影响其工艺性能和机械性能的重要因素之一,以前生产的20CrMnTi的带状组织及20CrMo带状组织如图1、图2所示,其级别     

太湖洪水预报的前向人工神经网络

将求解不等式约束非线性优化问题的群体复合形进行化算法,应用于前向人工神经网络逼近,提出了前人工神经网络全局最优逼近算法,将前向人工神经网络全局最优逼近算法应用于太湖水位预报,建立了太湖水位预报的神经网络模型,表明了提出的全局最优逼近算法的有效性。     

一种神经网络模型算法控制的研究

本文提出了一种利用人工神经网络来实现的模型算法控制，通过神经网络的离线学习和在线修正产生预测作用，并由智能控制单元实施控制作用。仿真表明，该控制方法具有良好的控制特性和鲁棒性，且适用于非线性系统。     

一类欠驱动系统的自适应神经滑模控制

针对一类欠驱动系统在系统不确定性和外界干扰条件下的稳定控制问题,文章提出了自适应神经网络滑模控制策略。利用基于径向基函数(RBF)的神经网络在线估计系统的不确定量,采用李雅普诺夫方法设计自适应算法在线调整神经网络的参数;同时,利用带自适应算法的神经网络调节滑模控制的增益来消除滑模控制中的输入抖振现象;并通过李雅普诺夫定理论证了系统的稳定性。与传统滑模控制策略的仿真结果对比证明了系统是全局渐进稳定的,且控制器具有很好的适应性和鲁棒性。     

BP神经网络在信用风险评估中的应用

采用人工神经网络模型研究信用风险评估问题。研究利用BP算法训练多层前馈神经网络,给出了基于BP算法的信用风险评估计算步骤,最后以对个人信用评估为例,说明了人工神经网络在信用风险评估系统中的应用。     

模糊神经网络控制系统

介绍了将神经网络和模糊控制相结合,即用人工神经网络算法产生模糊推理规则和隶属函数,再基于这些模糊推理规则和隶属函数产生模糊逻辑控制的一种新颖控制策略--模糊神经网络系统的组织结构及其神经网络的设计.     

A Self-Adaptive Control Method for Uncertainty Systems Based on ANN with AEP

A self-adaptive control method is proposed basedon an artificial neural network(ANN) with acceleratedevolutionary programming(AEP.) algorithm. The neuralnetwork is used to model the uncertainty process, fromwhich the teacher signals are produced online to regulate theparameters of the controller. The accelerated evolutionaryprogramming is used to train the neural network. Theexperiment results show that the method can obviouslyimprove the dynamic performance of uncertainty systems.     

人工神经网络在空气污染预报中的研究进展

人工神经网络是20世纪80年代迅速兴起的一门非线性科学,特别适用于对具有多因素性、不确定性、随机性、非线性等特点的对象进行研究,而空气污染预报正是这样的一类问题。简单介绍了人工神经网络的基本概念,详细地回顾了国内外人工神经网络在空气污染预报领域的研究应用情况,最后讨论了人工神经网络在空气污染预报领域中的研究方向和发展趋势。     

常化炉辊道速度自校正PID控制系统

针对中厚板常化炉的计算机控制系统，详细介绍了辊道控制子系统，并提出了一种基于自校正神经网络PID优化控制算法．采用此算法的常化炉辊道控制系统运行稳定，产品性能指标、生产效率显著提高．     

机床主轴动态特性优化设计的遗传算法实现

机床主轴的动态特性设计可归结为特征值反问题的求解。研究了基于神经网络和遗传算法机床主轴动态特性结构优化设计的求解方法。计算结果及分析表明它是求解一切特征值反问题的有效方法。     

基于DSP的人工神经网络环境控制系统

文章提出了将人工神经网络结合遗传算法应用于环境控制的新方法。该方法利用遗传算法在线计算控制量,利用人工神经网络模拟被控对象的动态特性,从而代替被控环境进行分析。同时,针对DSP的高速运算机能,解决了在工程应用中难以用一般的CPU完成实时控制的要求。该系统充分发挥了人工神经网络和遗传算法各自的特点,是具有良好发展前途的新型的环境控制系统。     

分布式HDP领导-跟随者系统最优一致控制研究

为研究行为未知的非线性多智能体系统领导-跟随者最优一致控制问题,针对智能体动态方程未知的情况,设计神经网络辨识器学习智能体动力学行为;构造以多智能体系统局部误差为输入的性能指标函数,将多智能体系统领导-跟随者一致性问题转换为求解智能体局部性能指标函数最优值的优化控制问题;结合自适应动态规划思想设计分布式迭代算法求解该优化问题,并讨论了算法的收敛性;设计基于神经网络的评价-执行结构分布式控制器来近似局部性能指标函数,通过神经网络学习迭代寻找局部性能指标函数的最优解,实现多智能体系统的最优一致控制策略。设计的分布式控制器能够根据智能体状态数据自适应产生控制策略,使多智能体系统趋于一致。     

改进BP神经网络的并网逆变器分数阶比例-积分-微分控制策略

传统PID控制技术在电网产生扰动时无法兼顾快速性和鲁棒性,易造成系统不稳定失衡,向电网注入大量的谐波。对此现象,提出了一种改进BP神经网络的分数阶PID控制器来提高电网的鲁棒性和对响应的快速性。该算法采用分数阶PID控制器跟踪电流外环的参考电流,并针对分数阶PID控制器的五个参数采用BP神经网络实时在线整定。消除了人为调参所带来的不确定性。对于BP神经网络在整定参数过程中无法整定得到最优解,引入变化的惯性因子和学习率,提高了BP神经网络的求解效率。仿真结果验证,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。     

基于模糊控制的人工神经网络模拟在土质边坡安全预测中的应用

从最优化角度出发,用神经网络解决模糊控制系统的规则提取问题,给出可靠的基于BP算法的可靠神经网络模拟过程,对模糊子集个数的选取与系统复杂性、精确性之间的关系进行讨论.为获得边坡复杂工况下的安全特征,建立基于模糊控制的人工神经网络边坡安全预测模型,由大量样本进行网络训练.研究结果表明:所建立的模型预测精度较高,且实用易行;边坡的坡度、内摩擦角、凝聚力对边坡的安全系数影响较大;该预测模型可用于处理普遍存在的不确定性、非线性复杂工程问题;通过模糊控制调整模型,可对不同工程对象进行较精确的模拟分析.     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...     

基于相关机会目标规划的钢板切割分配建模

为实现从多个不确定供给端向数控切割机分配钢板的多目标要求,运用相关机会目标规划对钢板切割的供给-分配系统进行建模.该模型修正了同一优先级下对多目标的处理过程,并在给定优先级下极小化各目标偏差,采用融合随机模拟、神经网络和遗传算法的混合智能算法进行求解.计算结果极大化了关键设备完成最大切割长度的机会,提出了加大临时抽板量的同时保证分配有序性的方法,基本满足了生产的多目标要求.结果表明,将相关机会目标规划用于多供给端分配系统中,可以消除和控制由于供给的不确定性对生产造成的影响.