基于PCA和LS-SVM的软测量建模与应用

针对工业过程中某些重要过程变量难以实现实时在线检测和高维数据处理的问题,提出了将主元分析与最小二乘支持向量机相结合的软测量建模方法,并利用该方法建立了工业阿维菌素发酵过程中的菌丝浓度软测量模型.主元分析方法的引入,有效地提高了最小二乘支持向量机软测量模型的精度和泛化能力.应用结果表明,该方法与基于径向基函数神经网络软测量模型相比具有有效性和优越性.     

基于模型迁移的磨矿过程混合蛙跳算法-小波神经网络软测量建模及重构

摘要：
以磨矿过程的关键工艺指标(磨矿粒度和磨机排矿速率)为预测对象,提出一种基于小波神经网络（WNN）的自适应软测量建模方法.通过对磨矿过程工艺的分析,选取了软测量模型的辅助变量,利用混合蛙跳算法(SFLA)对WNN软测量模型的结构参数(小波函数伸缩因子、平移因子和网络连接权重)进行优化,实现软测量模型输入输出变量之间的非线性映射;并采用模型迁移思想及输入输出修正规划方法实现软测量模型的重构,以解决输入矿石品位改变这一动态工况下的模型自适应校正问题.仿真结果表明,所提出的模型能够显著提高磨矿过程中经济技术指标预测的精度和鲁棒性,满足磨矿生产过程的实时控制要求.
关键词：
磨矿过程; 软测量; 小波神经网络; 混合蛙跳算法; 模型迁移
中图分类号： TK 232
文献标志码： A     

基于软测量模型的粗轧厚度预测方法

为提高热连轧粗轧过程各道次厚度控制精度,满足道次动态修正的要求,提出了一种简单有效的厚度软测量模型.基于典型粗轧区的仪表配置,模型从轧件跟踪、数据处理等方面进行了针对性的研究,提出了偶数道次立辊辊缝渐变的策略用于可逆轧制过程中的宽度测量,并通过模型预测得到了轧制过程中各道次的出口厚度.现场实际应用表明,通过软测量模型预报的各道次厚度与实际测量结果吻合较好,各道次的厚度预报偏差在±0.10 mm范围内达到95.2%,满足了现场生产需求.     

基于ICA变量分组的集成软测量方法研究

提出了一种基于独立主成分分析（independent component analysis,ICA）变量分组和集成学习的软测量建模方法.该方法首先运用ICA对输入过程变量进行分组,建立多个变量组子空间.然后在各变量组子空间内提取子样本集,降低变量和变量组之间的耦合性,并基于核偏最小二乘法（KPLS）建立预测子模型.最后,采用贝叶斯方法对子模型的输出进行集成,给出最终预测结果.运用该方法对工业橡胶密炼过程的数据进行了预测,并与其它软测量方法的结果进行比较分析,实验结果表明,本文提出的方法具有更好的预测性能.      

基于有限元数值模拟的宽厚板热轧过程宽度控制ANN模型

利用商业有限元分析软件DEFORM-3D,建立宽厚板热轧过程中立辊侧压和随后平轧过程的三维热力耦合刚塑性有限元模型.模拟了不同板坯厚度、板坯宽度、立辊压下量和平辊压下率条件下320种立辊侧压和随后平轧过程,探讨了不同工艺参数对调宽效率的影响规律.模拟结果表明,调宽效率随着板坯宽度和立辊压下量的增加而升高,随着板坯厚度和平辊压下率的增加而降低.基于上述有限元数值模拟结果,借助BP人工神经网络,建立了热轧宽厚板立轧-平轧宽度控制模型,经测试,模型预测的调控效率与有限元数值模拟结果符合很好.将宽度控制模型用于宽厚板实际热轧过程的有限元数值模拟,模拟轧件宽度与实测宽度吻合很好.     

大棒材热轧工艺的数值模拟

大棒材轧制属于高温大变形塑性成形过程,为了研究轧制过程中轧件温度场、应变场及微观组织演变的规律,在热模拟实验的基础上建立了大棒材初轧道次热-力-组织耦合的有限元模拟模型.模拟结果显示,轧制过程中轧件由于发生再结晶使晶粒得到细化,初轧完成后,轧件平均晶粒尺寸由芯部到表层逐渐减小;由于大棒材初轧过程中轧件芯部变形量较小,不利于轧件芯部孔隙性缺陷的压实,因此提高热轧连铸坯的芯部致密度是改善大棒材芯部质量的重要措施之一.     

基于递阶T-S模糊系统的软测量建模方法

在采用递阶模糊系统进行软测量建模时,合理的模糊系统结构对于提高模型的性能具有重要的意义.为选择合理的系统结构,采用多目标遗传算法(MOGA)选择子系统的输入变量,并结合T-S模糊系统的特点,采用二分法划分子系统的输入空间,建立了基于递阶T-S模糊系统(HTFS)的软测量模型.该方法从结构细化、输入变量对输出的影响度、输入空间划分等多方面同时提高建模精度,简化模型结构.仿真结果表明,提出的软测量方法具有精度高、结构简单、生成规则数量少,具有良好的泛化特性等优点.     

工业过程软测量研究

综述工业过程软测量研究现状.论述软测量过程中辅助变量的选择,过程数据的预处理,软测量模型的建立及软仪表校正方法,提出工业过程软测量的实现方案.评述基于回归分析、BP神经网络、RBF神经网络、支持向量机等当前主要软测量建模方法的特点及其在工业过程软测量中的应用.指出当前工业过程软测量实现过程中存在的诸如误差处理、软仪表校正等问题及今后软测量技术与优化控制相结合的研究与发展方向.     

基于PSO-ANN逆的发酵过程软测量建模

针对发酵过程中一些关键生化参量难以通过常规仪表实时测量,而制约发酵生产过程优化控制的问题,提出一种基于粒子群神经网络逆(PSO-ANN逆)的发酵软测量建模方法.以青霉素发酵过程为背景,首先建立其虚拟子系统数学模型,并构建发酵过程逆模型;其次,提出PSO-ANN逆的软测量实现方法,以克服解析法逆运算的复杂性甚至难于实现的问题;最终构建PSO-ANN逆软测量模型,并进行试验及仿真.结果表明:该软测量建模方法能够将机理建模与数据驱动建模方法相结合,充分利用对象模型的先验知识和经验数据,有效解决了青霉素发酵过程中不可在线测量的关键参量实时测量难题,其训练和测试误差分别达到0.037 2和0.046 1,模型具有较高的预测精度和较强的预测能力.     

热轧带钢层流冷却过程混合智能控制方法

现有热轧带钢层流冷却过程缺少对卷取温度的直接反馈机制,难以将卷取温度控制在一定范围内.将机理模型与案例推理智能技术相结合,提出了由冷却区喷水集管开启阀门总数预设定模型、卷取温度预报模型、前馈补偿模型与反馈补偿模型四个模块组成的混合智能控制方法,并利用某钢厂的实际运行数据进行实验研究.实验结果表明即使在工况条件频繁变化时,提出的层流冷却混合智能控制方法也能够及时、自动调整喷水集管阀门开启总数的设定值,最终将实际卷取温度控制在工艺要求的范围内,从而提高热轧带钢的组织性能.     

H型钢热轧过程微观组织的数值预报

将热力耦合有限元方法与金属微观组织演变数学模型相结合,提出了热变形过程微观组织的数值预报方法。作为应用,模拟了Ｈ型钢热轧过程的微观组织演变。预报值与实测值吻合良好,表明本文方法己能成功预报热变形后的金属微观组织。     

遗传算法优化神经网络的热轧带钢弯辊力预报模型

针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点，利用某钢铁公司1580mm热轧线生产数据，对精轧机组末机架进行了基于遗传算法优化神经网络的弯辊力预报模型研究.以大量实际数据作为神经网络训练输入，充分考虑了输入参数之间的影响作用，模型结构简单、容易实现，其整体性能用平均绝对百分误差、均方根误差和相关系数R评价.通过将预测结果与实测结果比较，验证了模型的精度.研究发现，提出的弯辊力预测模型相比于传统模型可实现高度非线性拟合，适用于提高热轧带钢头部板形控制精度，为实际弯辊力设定提供指导和试验基础.     

汽车用TWIP钢的力学性能与微观组织

采用热轧、冷轧及退火处理等工艺,对成分为25Mn-3Si-3Al的TWIP钢进行了试制,研究了钢板的力学性能、微观组织及其断裂机制,并采用X射线测定了钢板的晶体学织构.实验结果表明:钢板拉伸时发生典型的延性断裂;拉伸前的组织为伴有大量退火孪晶的奥氏体;在拉伸过程中退火孪晶转变成形变孪晶,使产品的强度和塑性提高;退火过程中形成的织构组分有利于塑性变形.     

P91厚壁钢管混晶组织分析

P91厚壁钢管经金相检验时出现混晶现象，导致钢管的高温性能降低.对钢管热处理工艺、坯料种类和热轧过程中组织变化进行分析，结果表明:P91锻坯和连铸坯的种类不同并不会导致组织差异；钢管热轧后出现明显的混晶组织，仅通过传统正火+回火热处理工艺不能得到最优组织形态.将钢管的非平衡组织先转变为平衡组织，然后进行合理的热处理可有效优化组织均匀性;在同样的热轧工艺参数下，毛管中未出现混晶，而荒管中晶粒却发生了异常长大，则皮尔格轧制阶段为混晶的萌生阶段和改善组织均匀性的重要阶段.     

异步热轧对低合金钢显微组织及力学性能的影响

分别采用同步热轧及异速比为1.2的异步热轧对低合金钢进行热轧,研究异步热轧对低合金钢显微组织及力学性能的影响机制.结果表明,与同步热轧相比,异步热轧可显著促进低合金钢奥氏体/铁素体相变,提高热轧钢板厚度方向的组织均匀性.同步热轧工艺下,钢板表层为细晶铁素体层,厚度1/4或1/2处组织为粗大的贝氏体.异步热轧工艺下,钢板板厚方向主要为均匀的铁素体组织.两种热轧条件下,实验钢的抗拉强度和延伸率相当,分别为710~718 MPa和20%.采用异步热轧代替同步热轧后,实验钢的屈服强度由526MPa提高至561 MPa.这主要是由于同步热轧的钢板相变强化占主导,而异步热轧的钢板细晶强化相对较强.     

含钒超细晶双相钢的细化机制

利用铁素体+马氏体+贝氏体的初始显微组织结合冷轧和连续退火的方法达到了细化晶粒的目的,通过这种方式制备的双相钢中有63.8%的铁素体晶粒尺寸分布于0.5～1μm,有53%的马氏体晶粒尺寸分布于0.5～1μm.针对该现象研究了基于铁素体+马氏体+贝氏体初始显微组织含钒超细晶双相钢的晶粒细化机制.分析认为,细化机制主要有三个方面:第一是形变对显微组织的细化,包括为了得到铁素体+马氏体+贝氏体的初始显微组织而进行的热轧和冷轧;第二是冷轧态显微组织的再结晶和快速奥氏体化;第三是钒的析出物阻碍奥氏体的长大.     

取向硅钢常化过程析出物和组织演变规律

使用透射电镜(TEM)和电子背散射衍射技术(EBSD)对取向硅钢热轧板常化过程中析出物和组织的变化进行了研究。结果表明,热轧及常化过程中都有大量细小的析出物析出,其中热轧板中主要是MnS和少量MnS与AlN的复合析出物;常化板中主要是AlN和少量MnS与AlN的复合析出物;且常化板中析出物数量比热轧板中析出物的数量高1~2个数量级,平均尺寸减小约16nm。热轧板的组织沿着厚度方向存在较大不均匀性,高斯织构主要存在于热轧板次表层的变形组织中,且强度约为2;常化热处理后试样厚度方向组织的均匀性变大且次表层可以得到细小均匀的晶粒组织,高斯织构依然存在于试样次表层但强度减小约为0.8。     

人工神经网络在热轧宽厚板性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型 .在此基础上 ,利用神经网络对热轧管线钢力学性能进行了预测 ,并对预测结果与生产数据进行了比较 .此外 ,还利用神经网络对生产工艺参数进行了优化 .结果表明 ,将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义     

热轧带钢轧制批量计划的实例应用

应用轧钢厂生产批量计划的理论方法,从热轧带钢的实际生产工艺出发,建立了热轧生产批量的具体模型·对模型参数的结构进行了分析,给出了模型参数的具体表达,并应用遗传算法用来求解热轧带钢生产计划问题·组合了运筹学与人机协调系统,开发了实验性原形系统·这个系统不但改进热轧调度的质量,由调度系统产生的热轧调度优于手工系统产生的调度,平均改进在２０％以上,而且降低了产生热轧调度的时间·