宝钢2030冷轧带钢板形识别和统计系统

为了实现对每卷带钢板形质量的定量评价，应用模糊分类理论构建了板形实测应力的板形缺陷(浪形)模式识别方法，提出了整卷带钢全部各帧应力值的识别结果的板形评价方法，开发了轧后带钢板形质量的识别和统计系统，实践表明该系统能在线及时提供每卷带钢板形定量的实物质量指标。     

基于神经网络模式识别的板形模糊控制器

提出一种基于CMAC(Cerebellar Model Articulation Controller)神经网络的板形缺陷模式识别方法,并基于模式识别结果设计了板形模糊控制器.将模式识别与控制器设计合二为一,利用CMAC神经网络识别出相对于6种常见板形缺陷基本模式的隶属度,直接作为板形模糊控制器的前件部,实现了隶属度的求取功能.通过对板形缺陷特征的分析,合理定义了模糊集合,大大地减少了模糊推理的计算量.仿真结果表明,该板形模式识别方法识别精度高,设计的板形模糊控制器可以快速将板形缺陷控制到期望目标,板形控制性能良好.     

基于模糊神经网络的板形板厚综合控制系统

面对板形板厚控制这一复杂、多变量耦合的非线性系统，提出一种基于模糊神经网络的综合控制方案，实现了无模型板形板厚综合控制．仿真结果表明，该控制系统收敛性好、抗干扰性强，取得令人满意的板形板厚控制精度．     

基于计算机图像处理的板形识别研究

提出了一种基于计算机图像处理的板形识别方法。首先对输入系统的图像进行中值滤波去噪预处理;再通过Canny算子检测图像的边缘;用Hough变换提取钢板板形特征;最后根据板形特征应用分类决策树实现对钢板板形的分类。实验表明该方法能有效地识别出钢板的单边浪、双边浪、中间浪和边中浪。     

基于计算机图像处理的板形识别研究

提出了一种基于计算机图像处理的板形识别方法。首先对输入系统的图像进行中值滤波去噪预处理;再 通过Canny算子检测图像的边缘;用Hough变换提取钢板板形特征;最后根据板形特征应用分类决策树实现对钢 板板形的分类。实验表明该方法能有效地识别出钢板的单边浪、双边浪、中间浪和边中浪。     

超宽带钢典型板形缺陷向量提取方法

提出了从带钢板形数据中提取典型板形缺陷向量的方法,即先对带钢板形缺陷进行初级分类,再根据带钢应力之间的相似度提取出单位典型板形向量,最后采用k均值聚类算法求解出典型比值系数.针对提取出的带钢单位典型板形向量而设计出的单侧倒角工作辊,经过大规模的轧制试验,所轧宽带钢板形质量较好,综合平坦度均小于5 IU(1 IU=10-5),基本消除边中复合浪为主的复杂浪形缺陷.     

基于改进T-S云推理网络的板形模式识别方法

将云模型与T-S模糊神经网络相结合,利用正态云代替模糊神经网络的隶属度函数,构成T-S云推理网络.该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性,增强了网络处理数据的能力,同时分析了T-S云推理网络的结构和稳定性.在超熵确定的情况下,使用最速下降法辨识了T-S云推理网络的参数,将该网络应用于板形模式识别,并与T-S模糊神经网络作了对比.仿真结果表明:T-S云推理网络抗干扰能力较强,能够识别出常见的板形缺陷,并且识别精度较高.     

板形模式高斯分解

分析现有板形模式分解方法的缺陷，提出了一种新的板形高斯模式分解．该方法不仅大大提高了板形曲线的拟合精度，而且更加适合于板形调控机构进行板形控制，尤其是板形分段冷却控制系统及局部辊型调节控制系统．     

多变量模糊预测控制在板形板厚综合系统中的应用

针对板形板厚综合系统,提出一种基于遗传算法的多变量模糊预测控制新方法,该方法通过模糊预测来建立多变量系统的模糊模型,给出了辨识参数。同时,利用遗传算法优化控制,仿真结果表明该方法是有效的。     

改进的模糊Min-Max神经网络与模糊系统建模

应用改进的广义模糊Min—Max神经网络进行样本分类，并以此分类结果确定模糊系统所需的模糊规则数，再运用TSK模糊系统实现函数建模，该方法的优势在于，改进的广义模糊Min—Max神经网络具有较好的自适应分类能力，可用来初步确定模糊规则数和规则空间的划分。有效避免了模糊建模时常见的规则数选取之随意性，实验结果证明，该方法实用有效。     

旋转飞行器的一种解耦模糊控制方法

研究旋转飞行器的解耦控制问题.考虑飞行过程中耦合对象系统的时变性,采用串联解耦网络对开环系统进行近似解耦,并采用模糊PID控制对闭环系统进行设计,实现了纵向和侧向通道之间的稳态解耦.仿真算例表明,该方法有效消除了旋转飞行器纵、侧向通道之间的耦合效应,在飞行状态时变的情况下能够获得良好的动态性能.     

热轧机组轧制负荷的自适应模糊预测

针对传统轧制负荷模型的固有缺陷，为了提高精轧机组轧制负荷预设定精度，提出一种将基于误差反馈和专家经验的闭环模糊控制引入轧制负荷预测系统中的新方法，用于修正预测输出、提高预测精度和鲁棒性的设想。离线仿真表明：采用本文所述的方法，预测精度优于传统方法。预测结果的相对误差限制在5%以内。     

城市交通信号三级模糊滑动优化控制方法

提出一种城市交通信号三级模糊滑动优化控制方法.引入非冲突车流的搭接相位构建交通信号三级模糊控制器的模型,并采用滑动时间窗设计滑动优化的框架.根据实时采集的交通数据,采用基于黄金分割的混合遗传算法,在线学习模糊控制器的隶属函数及控制规则参数.在常态及事故不同交通条件下,以典型路口进行Paramics仿真试验.结果表明提出方法的自适应能力好,可快速响应路口交通流的不确定性事件,且在高饱和的交通条件下性能稳定.     

基于双谱的模糊聚类滚动轴承故障诊断

为了能准确可靠地判别出机械设备中滚动轴承的故障类型,基于双谱能表征随机信号偏离高斯噪声程度的特性,提出一种模糊聚类的滚动轴承故障诊断方法。基于滚动轴承运行过程中监测到的振动信号包含高斯噪声且具有非高斯、非线性特点,该方法在分析高阶谱理论的基础上,对双谱估计特征值进行阈值化处理,构成二值特征图并构造模板,通过测试样本与目标模板之间距离大小来进行不同类别的判断,实现对滚动轴承故障的诊断。经实例验证,该方法有效实现了对滚动轴承故障的分类判别,并提高了判别的可靠性和准确性。     

热轧窄带钢模糊边界的精确求解

在基于图像处理的非接触式热轧带钢宽度测量中,存在采集图像边缘模糊的情况.由于图像边缘模糊导致边缘检测不准确,从而严重影响宽度测量精度.为了正确定位,消除模糊边缘对测量精度的影响,在分析比较各类边缘算子的基础上,改进了边缘检测算子,提出并应用双模板法,获得了稳定的和较精确的测量结果,并成功地应用于热轧带钢宽度的工业测量.实测证明了双模板法可以比较精确检测出模糊边缘的带钢宽度.     

基于LMD和FCM的滚动轴承故障诊断方法

滚动轴承振动信号具有非线性、非平稳性,轴承故障发展具有渐变模糊性。因此,提出了一种基于局部均值分解(Local Mean Decomposition,LMD)和模糊C均值聚类(Fuzzy C-means Clustering,FCM)相结合的轴承故障诊断方法。应用此方法对轴承外圈故障、内圈故障以及滚动体故障进行诊断,结果表明该方法可以有效地对轴承故障类型进行识别。     

一类复杂关联系统的模糊控制

以轧钢加热炉生产过程优化控制为背景，讨论一类复杂关联系统的控制问题，包括对象特征分析、控制策略选取、控制算法及特点、工程中的解耦效果对比与控制系统结构及软件实现等问题。系统实际运行效果表明，模糊智能控制算法对复杂关联系统不仅具有解耦作用而且控制效果与控制品质也是令人满意的。     

模糊小脑模型神经网络在多辊冷连轧机轧制力预报模型中的应用

针对宽带钢多辊冷连轧机组特点,为提高轧制力的预报精度,在结合传统轧制压力模型的基础上把模糊算法和神经网络有机结合,设计出基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型.通过对传统轧制力模型计算值、小脑模型预报计算值与实测值进行对比分析可知,基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型具有较高的计算精度,更适合于多辊轧机在线计算机过程控制的应用,满足现场在线生产的要求,取得良好的板形板厚控制效果.     

卷板机电液伺服同步控制系统设计及仿真

为了提高水平下调式三辊卷板机的上工作辊同步运动精度,以及抗重负载干扰能力,采用电液伺服技术与模糊自整定PID控制器相结合,设计了一种基于主从控制策略的电液伺服同步控制方案,并进行了计算机仿真.结果表明该方案提高了同步控制精度,增强了设备抗干扰能力,为多缸同步系统提供了有效控制方法.     

基于模糊聚类的粒子群神经网络预测卷取温度

影响热轧带钢卷取温度的因素多而且复杂,采用传统的温度预测模型难以达到较高的精度。为了满足卷取温度高精度预测的要求,将模糊聚类分析、神经网络、粒子群算法结合起来,提出了一种基于模糊聚类的粒子群神经网络用于预测卷取温度。运用现场实际数据测试表明,该方法预测卷取温度效果良好。