基于粒子群优化的高维小波神经网络及其应用

本文提出一种粒子群优化小波神经网络的新方法.先采用基于梯度下降的误差反传算法调整小波神经网络参数,再使用粒子群算法修正,从而建立了粒子群优化的高维小波神经网络,并将该方法用于构建热连轧产品质量模型.仿真结果表明,此模型提高了预测精度和收敛速度.     

铝带热连轧过程跑偏现象三维模拟及其规律研究

铝带热连轧过程中,铝带和轧机横向特性参数不均易引起铝带中心线偏离轧制系统设定中心线,产生跑偏现象.本文根据大量现场数据归纳出影响铝带跑偏的因素;采用MSC.Marc有限元软件,建立不同跑偏影响因素下的铝带热轧轧制过程的三维弹塑性热力耦合有限元分析模型;分别以原始辊缝差、铝带入口横向厚差、铝带中心偏移量、铝带咬入偏斜角为变量,加入实验所得JP1235铝合金材料库,模拟了JP1235铝合金的跑偏轧制过程,得出各影响因素作用下铝带中心的跑偏轨迹和跑偏规律.     

板带轧机液压压下-垂直振动特性研究

考虑板带轧机垂直振动对液压压下系统中四通伺服电磁阀非线性流量的影响,推导出非线性流量变化下的液压缸的非对称分段弹簧力,并建立了板带轧机液压压下-垂直振动动力学方程.运用平均法求解出该轧机振动系统的幅频响应方程,并利用奇异性理论求解了轧机在动态轧制过程的分岔特性,得到4组不同的转迁集及其对应的分岔图,分析了开折参数对轧机分岔特性的影响.最后以实际轧机参数为例,通过仿真发现系统幅频曲线在分段处出现拐弯特性,调整伺服阀响应时间可降低系统振幅不稳定频率区域,通过调整外激励幅值与阻尼比等参数可有效改善系统共振情况,为进一步抑制轧机辊系振动提供理论参考.     

用于大工业过程建模的新型小波神经网络结构

提出一种新的小波神经网络结构 ,旨在解决输入变量比较多、变量分先后次序起作用的一类问题。该网络结构类似于多层前向神经网络 ,不同的是将一部分输入节点移至隐层 ,输入变量不是由同一层输入 ,而是根据变量起作用的前后次序分别在网络的不同层输入 ,从而使网络的规模减小 ;同时 ,隐层神经元的激励函数是一维小波函数 ,避免了多元小波函数带来的维数灾难问题。因此 ,该神经网络是处理高维问题的有效工具 ,尤其适用于包含多道加工工序的大工业过程的建模。将该神经网络用于热连轧产品质量建模 ,并经过了实测数据拟合与检验。试验结果表明 ,提出的小波神经网络结构是可行的 ,而且有很好的应用前景。     

2030板带冷连轧机的振动分析

针对2030mm板带冷连轧机发生的振动问题，通过现场综合测试，了解轧机振动的特征与影响振动的主要因素，在分析研究与模拟实验的基础上，找到了振动的原因．     

低碳钢低温轧制工艺实验研究

在实验轧机上进行低碳钢的低温轧制实验,并利用力能参数模型对低碳钢低温轧制时轧机能力进行校核计算。实验结果表明,加热温度从1200℃降至1150℃时,低碳钢的微观组织都是铁素体和珠光体,晶粒直径减小了1.3μm;试样的屈服强度提高了9MPa,抗拉强度提高了6MPa,延伸率下降了1.5个百分点,力学性能仍符合标准要求。校核结果表明轧机设备能力能够满足低温轧制需要。     

热轧带钢轧制力模型自学习算法优化

根据轧制数量、测量数据质量和轧制力预报误差的影响,建立了轧制力自学习速度因子优化模型. 在长期自学习的判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量,减少了换规格的次数. 长期自学习系数计算时利用了从前一块钢数据中分离出的设备状态信息,从而改善了模型自学习的连续性. 离线仿真分析结果表明,轧制力计算精度相对于自学习算法优化前有较大的提高.     

西门子变频特点及热连轧传动控制研究

变频调速技术是一种以改变交流电动机的供电频率采达到交流电动机调速目的的技术.变频调速器应用于电机传动调速,以其优异的调速和启动、制动性能,高效率、高功率因数,显著的节电效果,进而可以改善工艺流程,提高产量质量,改善工作环境,推动技术进步,以及广泛的适用范围等许多优点而成为电动传动的中枢,该文重点介绍了西门子Sinamics S120的技术特点,以及在热连轧系统中的传动控制应用.     

浅谈埋地U-PVC管道施工质量控制

室内埋地U-PVC管道占系统安装量的比例虽然不大,但其地位相当重要。埋地管道如果带有缺陷隐蔽,势必造成后患。那么,如何控制埋地部位的施工质量,笔者提出以下几点经验,与大家共同探讨。     

新型金属热覆膜技术解析

如今不锈钢板、铜板等贵重金属已经广泛应用于各个行业,但因其成本高昂而未在社会中被大量推广,但是新型金属热覆膜技术的产生可以填补这一缺陷。本文就金属热覆膜技术这一新型产品,浅显地分析了金属热覆膜机组的工作原理、设备组成以及发展前景。