基于布谷鸟算法的铝热连轧轧制规程优化

根据轧制原理, 提出了支持向量机建立轧制力预报模型, 并通过布谷鸟算法优化支持向量机参数, 达到提高预报精度的目的。提出了支持向量机网络与数学模型结合的方法, 对某“1+4”铝热连轧厂现场采集的5052铝合金轧制数据进行离线仿真, 进一步提高了轧制力预报精度。在轧制规程设定中, 建立了以预防打滑为主的电机功率剩余程度相近目标函数, 并用布谷鸟算法对压下率进行优化, 结果表明, 该规程有很好的预防打滑效果, 并能保证各机架电机的功率剩余程度相近。     

基于TPE-BP神经网络的爆破振速预测模型研究

爆破振动速度是爆破设计需要考虑的的重要因素之一,然而在爆破振动速度预测中,BP神经网络超参数的确定依赖经验公式且具有主观性。为克服这种局限性,并提高振动速度预测精度,采用超参数优化算法TPE对BP神经网络进行超参数优选。以最大段起爆炸药量、炮孔深度、水平距离、垂直距离和炸药单耗参数作为输入量,建立了隐含层数量神经元数量为31个的BP神经网络(TPE-BP)预测模型,该模型的爆破振动速度平均预测误差为2.35%,最大误差为6.29%,与基于经验公式确定超参数的BP神经网络模型和传统的BP神经网络模型相比较,平均预测误差分别降低了23.26个百分点和4.24个百分点,说明参数网络优化后TPE-BP预测模型能更好地拟合振动数据,其预测结果更接近真实值,可为爆破参数设计提供参考依据,从而有效地控制爆破振动。     

考虑辊缝摩擦及张力影响的冷轧机非线性振动特性研究

为研究轧机垂直振动系统过程中辊缝间摩擦及张力对冷轧机非线性振动特性的影响, 在考虑辊缝摩擦及张力作用的基础上建立了四自由度非线性垂直振动模型。采用时滞反馈控制与多尺度法结合求解系统主共振幅频特性方程, 运用奇点稳定性理论对系统稳定性进行分析。仿真分析了辊缝摩擦及张力对振动幅值的影响, 结果表明辊缝摩擦和张力对轧机垂直振动有很大影响, 并且通过适当调节时滞参数可以消除振动系统的跳跃现象。由稳定性分析得到了辊缝摩擦和张力对系统稳定性影响关系及出现各种不同奇点的条件。     

基于改进蜂群算法的冷连轧规程优化设计

综合考虑现场和设备所受的约束条件,以等负荷和克服打滑为目标函数,建立了轧制规程多目标优化模型。为了提高算法性能,对人工蜂群算法进行了改进。首先,应用反向学习的策略初始化种群,使得个体尽可能均匀分布在搜索空间。其次,人工蜂群算法采用不同的选择机制,提高收敛速度和寻优精度。最后,用改进的算法对某五机架冷连轧机进行规程优化设计。结果表明,改进的人工蜂群算法能有效避免早熟收敛,全局优化能力和收敛速率都有显著提高。     

基于改进遗传算法优化BP网络的轧制力预测研究

为提高铝热连轧轧制力预报精度, 满足现场生产需求, 采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本, 在遗传算法的初始化和变异机制中引入混沌序列, 同时选择最优保存机制、动态调整交叉率和变异率等方法, 提出了改进的遗传算法, 并将其与改进的BP算法相结合, 对多层前馈神经网络权值阈值进行优化, 避免学习中陷入局部最小, 使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内, 该预测精度明显优于传统数学模型, 实现了铝热连轧轧制力的高精度预测。     

基于粒子群算法的惯性水平振动给料机的优化

该文介绍了粒子群优化算法的概念、算法的实现方法。通过对惯性水平振动给料机进行运动学分析,以料槽上物料运动的平均速度最大为目标函数,建立相应的优化模型,在MATLAB中编写粒子群优化算法的程序进行优化,得到了更好的结果。粒子群优化算法能够较好的完成优化,为惯性水平振动给料机的设计提供了新的方法和思路。     

基于WOA-VMD-MPE算法的矿山爆破振动信号降噪研究及应用

矿山环境中爆破振动信号含有大量的高频噪声,其严重影响了爆破振动信号真实性。本文针对爆破信号中含有大量高频噪声这一现象,以云南某露天矿爆破振动数据为研究对象,提出了基于自适应WOA-VMD-MPE爆破振动信号降噪方法开展爆破振动信号降噪研究。将3个矿山爆破振动信号进行WOA优化算法处理,得出VMD算法参数中最佳组合K、a,带入VMD算法分解,将MPE值大于0.6的IMF成分去除,以达到降噪效果。研究结果表明：振动波形经过WOA-VMD算法优化后信噪比均为最高,分别为15.23、25.51、27.2,其均方根误差最小,分别为8.51、8.73、5.91。WOA-VMD算法相较EEMD、CEEMD算法在信噪比方面平均增加56%、44%、均方根误差平均减少46%、42%,其降噪效果均优于EEMD、CEEMD算法,能够较好地去除高频噪声,保留原始爆破振动波形信息,验证了其算法的普适性。     

基于人工神经网络优化算法的故障诊断

应用神经网络优化算法,进行网络参数优化计算。为了考察神经网络的优化算法,对实验室的转子模型进行了振动测试,获取其振动信号,将信号经分析仪分析,获取不同测点的动态信息及其参数分布规律,用神经网络优化算法进行故障诊断分析。     

超高速机床切削颤振预报的探讨

提出利用超高速机床主轴前后两转切削振动轨迹的相位差 ψ来预报切削颤振的新方法 ,并且提出了利用等工件转角间隔采样 ,通过计算工件前后两转切削振动信号的互功率谱密度函数 ,精确确定相位差 ψ的算法。通过理论分析 ,提出了超高速机床颤振预报方法的可能性 ,可望在实际中推广应用     

基于数据相似性的铝热连轧轧制力模型自学习

针对铝热连轧中轧制力预报精度低、模型自适应能力差的问题, 提出了基于数据相似性的自学习方法, 该方法首先计算第i卷和第i+1卷轧制初始数据的相似程度, 然后以第i卷的实测轧制力为自学习目标, 将两卷带材的相似程度作为自学习系数的修正因子来对轧制力模型进行自学习运算。以河南某1+4铝热连轧机为实验对象, 通过对现场实测数据的分析表明: 本方法能有效提高轧制力预报精度, 满足在线控制要求。     

UCM轧机辊型综合优化设计

以板形良好及辊间压力分布均匀为目标, 分别采用三角函数、幂函数和多项式函数作为工作辊、中间辊和支承辊的辊型曲线, 建立了六辊UCM轧机辊型综合优化计算模型。在650UCM轧机上的实际应用情况表明, 应用效果良好, 验证了六辊轧机辊型综合优化计算模型的正确性。通过辊型的综合优化设计, 能提高轧机板形控制能力, 改善辊间接触压力分布, 均匀轧辊磨损, 消除轧辊异常磨损及辊端掉肉等缺陷, 使轧机能适应更多规格品种的轧制。     

高线精轧机滚动轴承故障诊断技术研究

针对高线精轧机设备故障的特点,建立了精轧机在线监测系统。采集精轧机滚动轴承的振动信号,对振动信号采用时域、频域多角度分析,时域趋势图可以判断轴承的突发性故障,频域分析可以判断故障的性质及故障部位。有效地提高了滚动轴承故障诊断的准确率。     

基于灰色预测的MFAC在铝热连轧张力控制中的仿真研究

针对重庆某铝加工厂双机架铝带热连轧机机架间张力波动问题, 分析了影响张力波动的原因。为提高张力系统的控制精度, 对传统PID控制器进行了算法改进, 采用无模型自适应算法进行控制器设计, 并加入灰色预测模型, 通过超前预测来补偿系统延时及参数时变, 形成新的控制律作用在被控对象上。仿真结果显示, 基于灰色预测的无模型自适应控制在跟踪性、适应性、克服大时滞能力方面与传统的PID控制相比有很大的优越性。     

压下减速器壳体的模态分析及结构动力修改

应用SolidWorks软件建立了压下减速器壳体的实体模型,在Simulation环境下对其进行了模态分析,得到前6阶固有频率及振型。结果表明该壳体在工作过程中不会产生共振,但各阶振动的振幅较大。为此对压下减速器壳体进行了结构动力修改,与改进前相比较,各阶最大振幅下降明显,说明结构改进措施合理,可有效抑制压下减速器壳体的振动,改善压下减速器的动态特性。     

基于动态多目标进化算法的冷连轧负荷分配研究

在变速冷连轧过程中, 针对负荷分配线性处理方式存在的缺陷, 建立了以速度为变量的轧制过程动态模型。选择以等功率裕量、综合打滑因子函数为最小的动态多目标优化模型, 采用动态多目标进化算法进行优化。仿真结果表明, 动态多目标进化算法相对线性处理方法, 能获得更优的负荷分配方案。     

基于GA-BP神经网络的毫秒延时爆破振动速度预测研究

由于基坑爆破开挖作用而产生的振动效应受多种因素综合影响,传统的经验公式预测振动速度难以满足目前爆破安全的需求.因此,如何优化爆破参数,减小爆破振动效应,对保证临近建筑的安全具有重要意义.基于某基坑工程现场爆破监测所得的400组样本数据,本文采用遗传算法(GA)优化BP神经网络,对振动速度进行预测,将GA-BP神经网络振...