步进梁式加热炉钢温预报的数学模型

以机理分析与现场实验为基础,开发了一种步进梁式加热炉钢坯温度预报的动态数学模型,该模型具有结构简单,计算量小等优点,且仿真结果表明它能满足精度需要,能够实现对加热炉内钢坯温度分布的在线预报。     

漏钢预报系统中温度数据的预处理

漏钢预报是保证冶金连铸生产安全高效的关键环节，本文提出了一种新的温度数据预处理的方法，通过在基于模糊神经网络的漏钢预报系统中的成功应用，已经充分证明该方法不仅能优化网络的结构与参数，而且大大提高了系统的预报精度与速度。     

漏钢预报系统中温度数据的预处理

漏钢预报是保证冶金连铸生产安全高效的关键环节,本文提出了一种新的温度数据预处理的方法,通过在基于模糊神经网络的漏钢预报系统中的成功应用,已经充分证明该方法不仅能优化网络的结构与参数,而且大大提高了系统的预报精度与速度.     

连铸漏钢预报系统数据采样与热电偶埋设方式

炼钢工业中的连铸漏钢事故是影响我国钢铁工业生产的一个主要因素。通过对结晶器铜板上热电偶埋设方式的研究，建立了优化热电偶埋设方式的数学模型。根据预报系统的数据采样周期，分析了在特定热电偶埋设方式下，铸坯与结晶器铜板发生粘结时断裂口发展到结晶器下口的最短时间，得到了一些有价值的结论。     

基于PCA—SVM模型的切削颤振预报

针对切削加工过程中颤振孕育的动态模式,提出一种基于PcA—SVM模型的颤振预报新方法。建立切削加工振动信号的识别模型,进行FFT变换,再归一化处理,把数据送人PCA—SVM模型,对变换后的切削实验数据进行学习、训练,得到PcA—sVM识别模型;提取切削加工过程的振动信号,送给PcA—sVM模型进行颤振情况分析与识别。试验结果表明,具有较好的颤振预测性,颤振预报正确率达到95．5％以上,提高了运算速度,为颤振预报提供了充足的时间。     

三温区电加热炉的神经网络模型参考自适应控制

提出了一种基于神经网络非线性系统的模型参考自适应控制方法，通过在线训练获得反映对象动态持性的神经网络辨识器和神经网络控制器，对三温区电加热炉进行实时控制，仿真结果表明该方法的有效性及其优良性能。     

基于格点场数据的沙尘暴双预报模型

为提高沙尘暴预报的准确率，以描述大气环流形式的物理场格点数据作为建模样本，采用自组织神经网络对物理格点场数据样本进行聚类，构建出由大规模阵列式数据格式表示的建模样本的低维特征，再用模糊神经网络综合建模样本的一般性规律，用非典型样本进行二次建模以反映建模样本的特殊性，并设计隶属度调整方案对一般性和特殊性进行协调，由此形成兼顾建模样本一般性和特殊性的双预报模型．测试结果表明，基于特征提取方案的双预报模型体系使沙尘暴预报准确率达到80．4％．     

大气污染主成分回归预报模型及试报分析

针对丹东城区SO2污染的实际情况及与气象因子的关系,建立了主成分回归预报模型,并在实际预报中进行了模拟、试报和应用、模型拟合及预报效果检验,结果发现:模型模拟值与实际值的变化趋势基本一致,模型可以用于各季SO2浓度预报.     

基于特征的机械设备状态趋势预报

提出了机械设备故障严重度的概念，给出了故障严重度的两种计算方法，一种是基于单一特征指标的计算方法，一种是基于多特征指标的计算方法，将故障严重度作为一个综合指标来预报机械故障的变化趋势，给出基于特征的神经网络故障趋势预报模型和网络训练样本的构造方法，并用实例验证了该预报模型的准确性。     

基于粒子群优化的神经网络漏钢预报模型研究

针对BP神经网络在训练过程中收敛速度慢以及用于模式识别泛化能力差的问题,将粒子群优化算法PSO引入到BP神经网络的训练过程,建立了PSO-BP神经网络模型,并将其应用到连铸漏钢预报系统中。结合某钢厂连铸现场历史数据对该连铸漏钢预报系统进行了测试,测试结果以98.03%的预报率及100%的报出率,验证了基于粒子群优化算法的BP神经网络连铸漏钢预报系统模型的可行性和有效性。     

基于机理模型的加热炉在线炉温模糊决策

以加热炉动态过程全炉钢坯温度跟踪计算机理模型获得控制输入信息,将模糊控制方法应用于炉温的动态控制,构造了带有前馈修正的模糊控制器.该模糊控制器不仅把本段控制点的输出偏差和偏差变化率作为模糊决策的依据,并且将前段控制点的偏差也作为控制器的前馈输入,使炉温决策具有超前功能.利用计算机仿真,模拟了炉子产量波动和非计划待轧时模糊决策系统的执行结果,表明该控制方法适应炉内动态特性,具有良好的控制品质.     

面向工程应用的钢坯加热炉零维数学模型

实现了一个钢坯加热炉零维数学模型，并论述了该模型在加热炉的设计计算、校核计算以及自动控制的前馈环节中的应用。模型支持新型蓄热式换热的计算，工程实践表明该模型有很强的实用性。     

基于二维非稳态导热模型的蓄热式加热炉炉长研究

实现了一个钢坯加热二维非稳态导热模型，并基于该模型对蓄热式加热炉的设计特别是有效炉长的确定进行了研究。计算结果与工程数据的对比表明，计算结果是准确可靠的。该模型及由此给出的蓄热式加热炉参考炉长，对蓄热式炉的设计，特别是对确定蓄热式炉的炉长具有指导作用。     

加热炉待轧时炉温模糊决策

基于对加热炉动态过程受控特征分析,将数学模型方法、模糊控制理论和模糊优化方法应用于加热炉动态过程炉温优化及控制研究.建立了加热炉待轧时炉温模糊优化模型,构造了以钢坯导热机理模型为基础的炉温在线模糊控制决策系统.在此基础上对典型待轧过程进行了炉温控制决策的计算机数值仿真.结果表明,炉温模糊决策结果使在炉钢坯获得了满意的控制效果.本文的模型方法可以有效地应用于加热炉控制系统.     

逆推法实现轧钢加热炉的优化控制

利用机理分析方法建立并改进轧钢加热炉中钢坯温度的预报模型,得出一定条件下炉温分布与钢温变化惟一对应的特点,据此提出一种以优化钢坯升温曲线来逆推炉温分布的新方法.这种逆推法更加有利于实现多目标的优化.对钢坯升温优化模型中目标函数及约束条件进行分析,更全面地兼顾了钢坯质量与节能,使炉温设定更符合生产目标.该方法在优化问题的求解方面更为简单,运算速度更快,更利于实时控制.     

基于进化逆转操作算子的遗传算法对步进式加热炉炉温优化

针对传统遗传算法对炉温进行优化设定时易陷入局部极小值,较难快速稳定地找到最优炉温值的缺点,引入逆转算子对遗传算法进行改进,使算法的每一代都能从父代继承更多的基因。从而提高算法的局部搜索能力。改进后的算法可以跳出局部极小值,快速稳定地寻找到最优炉温值,进而对加热炉炉温进行优化设定。大量的Matlab仿真结果表明,该改进算法具备可行性与有效性。     

推钢式板坯加热炉流场、温度场和浓度场的模拟研究

针对推钢式板坯加热炉,建立加热炉内气体流动、燃烧和传热过程数学模型.采用计算流体力学(CFD)商业软件Fluent模拟得到加热炉炉内的温度场、流场以及反应物和生成物浓度分布.结果表明:通过预热空气至350℃和预热煤气至50℃,平均炉温能够达到1300℃,满足钢坯加热温度要求.由于加热炉结构复杂,使得炉内有明显的回流,预...     

基于M-SVR与RVFLNs的高炉十字测温中心温度估计

由于高炉中心温度较高,十字测温中心位置传感器极易损坏,并且更换周期长,因而导致无法及时判断炉顶煤气流分布.采用多输出支持向量回归(M-SVR)和随机权神经网络(RVFLNs)两种数据驱动智能建模方法建立高炉十字测温中心带温度估计模型,并基于实际工业数据对建立的模型进行验证和比较分析.结果表明,在样本数量较小时,M-SVR模型和RVFLNs模型都具有较好的温度估计效果,但当样本数量充足时,M-SVR模型的泛化性能和估计精度更优于RVFLNs模型.     

PCR-RBF-SVM预测模型在财政数据中的应用

通过使用支持向量机算法将主成分回归的线性预测结果和径向基神经网络的非线性预测结果相结合, 提出一种新的预测模型, 该模型提高了预测精
度, 解决了预测方式单一的问题. 将新预测模型应用于财政数据预测结果表明, 与传统主成分回归和径向基神经网络方法相比, 该模型预测效果更好.     

加热炉三维段法动态数学模型在待轧中的应用

采用段法计算炉内辐射换热,在能量平衡的基础上建立了加热炉三维段法数学模型.给出了以稳态模型为基础的动态数学模型计算方法,并应用于加热炉待轧过程分析.多种不同待轧情况下的模拟结果表明:待轧的发生将对炉内传热过程产生较长时间的影响,待轧发生时应采用灵活的供热制度.具体来说,当发生较短时间事故待轧后可以较大幅度地降低燃料的供...