铝电解质温度与初晶温度实时测量系统及应用

为了实时获取铝电解槽内的动态槽况,采用Multi-Lab 2 Cry-O-Therm系统对工业预焙铝电解槽内的电解质温度和初晶温度进行了测量,该系统可实时、同步地给出电解质温度和初晶温度的测量值。通过对2台槽龄相同电解槽的对比测试,分析了在相同的槽况条件下电解质温度和初晶温度对过热度的影响及其原因,为设计基于初晶温度和过热度的铝电解槽控制策略及相应算法提供了基本测试数据。     

基于LS-SVM的铝电解槽电解温度软测量

针对铝电解槽温度高、腐蚀性强、温度难以直接测量的问题,在分析了铝电解生产工艺和电解温度影响因素的基础上。建立了基于最小二乘支持向量机（LS-SVM）的铝电解槽电解温度的软测量模型。并根据实测数据进行了仿真。仿真结果表明：基于最小二乘支持向量机方法建立的铝电解槽电解温度软测量模型具有精度高、泛化性能好等特点。是一种有效测量铝电解槽电解温度的方法。     

用嵌入式技术实现初晶温度实时在线检测

文中通过描述热电偶测温原理,设计了数据采集系统,其包括一级放大电路、滤波电路和二级放大电路。通过零漂电压调节电路和冷端温度补偿电路,实现了铝电解质初晶温度的测量。嵌入式实时在线铝电解质初晶温度检测系统基于ARM9(EP9315)和FPGA。该系统即便在高温和强磁场下,仍然具有系统稳定,测量实时准确等优点。     

如何准确测量大截面铝导体电缆直流电阻

为了准确测量大截面铝导体电缆直流电阻,对影响测量的因素:温度、施加电流、试样长度和夹具、试样端头的选择进行具体的分析,正确制作样品,对整个测量过程进行有效的控制,得到准确的测量结果,并通过公式计算出大截面铝导体电缆直流电阻,与标准要求进行比较,判断出厂和进入使用现场的电缆品质的优劣,以避免由于电缆载流量不够引起供电系统的故障而引发安全生产事故。     

低浓度混合染料间歇式染色过程色泽软测量

为了实现低浓度混合染料间歇式染色过程织物色泽的在线测量,提出了一种基于卡尔曼滤波的软测量方法,该方法通过测定问歇染机中残液的吸光度,采用卡尔曼滤波算法来估计残液中各染料的浓度,再根据染料浓度与织物色泽的软测量模型计算出染机中织物色泽的三刺激值,并以3种活性染料拼染纯棉为例,对该方法的可行性进行验证.实例证明,基于卡尔曼滤波的软测量模型的色泽估计值与人工离线实测值之间的色差值在1.0(CIE LAB)之内,模型的估计值能够满足工艺要求.因此,该方法是有效可行的.     

基于PXI总线的发酵过程软测量系统研究

PXI总线是一种专为工业数据采集与自动测试应用度身定制的模块化仪器平台,而软测量方法是解决发酵过程中难以直接测量变量的有效方法.本文介绍了软测量技术在发酵过程中的应用,提出了将PXI总线数据采集系统应用到发酵过程变量检测,以及利用LabVIEW进行软测量建模以得到发酵过程待测变量最佳估计值的方法.实验表明,开发的基于PXI总线的发酵过程软测量系统实时性好、精度高并且具有广泛适应性.     

基于自适应FLSVM的赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型随着时间的推移而出现的模型老化现象,提出一种基于增量学习的自适应模糊支持向量机软测量建模方法.它首先将输入空间中的样本映射到高维特征空间,然后根据样本偏离超平面的程度赋予不同的模糊隶属度,建立模糊支持向量机软测量模型,并在模型投入现场运行后,通过一种改进的增量学习算法在线更新模型参数以自适应获得更加准确的软测量模型.以L-赖氨酸流加发酵过程为例,验证了所提算法能够从过程的第2批次开始对关键生物量参数(菌丝浓度和基质浓度)进行较准确的在线预测,与普通的模糊支持向量机建模方法相比具有较高的预测精度和自适应性.     

基于tPSO-BPNN的赖氨酸发酵软测量

赖氨酸发酵过程是一个复杂的非线性强耦合动态过程。某些发酵过程关键生物参数(如菌体浓度、基质浓度、产物浓度)难以实时在线检测。采用软测量技术可解决这一难题。建立了用于生物参数状态预估的tPSO-BPNN软测量模型。针对BPNN软测量模型易陷入局部极小值,进化后期收敛速度慢以及全局搜索能力弱等缺陷,tPSO-BPNN软测量模型采用带极值扰动粒子群(tPSO)算法优化BP神经网络权值和阈值。仿真结果表明,tPSO-BPNN软测量模型的性能优于BPNN软测量模型,能够准确预估赖氨酸发酵过程中的关键参数,具有较高的精度和良好的应用前景。     

融合机理与数据的篦冷机温度软测量模型

针对篦冷机内部温度难以在线测量的问题,提出一种融合渗流换热机理与神经网络数据辨识的篦冷机温度软测量模型。首先考虑局部非热平衡效应,并结合多孔介质渗流换热理论建立床层内气固换热的机理模型;其次以床层边界条件与机理模型的温度预测值作为网络输入量,机理模型的温度预测偏差作为输出量,建立双并联前馈神经网络,并采用快速学习网算法训练网络参数;将辨识后的人工神经网络作为篦冷机气固渗流换热机理的补偿器,建立混合温度软测量模型。利用篦冷机生产运行数据进行了二次风温的软测量实验,实验结果表明,与机理模型相比混合软测量模型测量精度有较大提高,并且与实验数据的误差较小,混合软测量模型对于篦冷机温度具有较好的测量精度。     

软测量技术在预测钢坯内部温度场的应用研究

由于目前测试技术的限制,在生产过程中对钢坯内部温度的检测比较困难,为了获得钢坯内部的温度,一些研究人员尝试通过数学模型的方法实现钢坯内部温度分布的软测量模型。本文以热处理炉中钢坯温度场分布为应用背景,提出了利用机理建模的方法来实现钢坯内部温度场分布的软测量模型,并且对典型工况进行了仿真,结果表明测量精度完全符合工业应用要求。     

基寸电阻法的铝合金疲劳损伤表征

基于电阻法定义了表征铝合金构件疲劳损伤程度的损伤变量,并给出了铝合金疲劳损伤累积模型,以及基于电阻变化的疲劳剩余寿命预测公式。通过6A02铝合金疲劳试验,对得到的理论预测公式进行了验证。结果表明,基于电阻的损伤变量能够较好地反映出铝合金材料的疲劳损伤过程,理论预测模型对于铝合金材料高循环周次疲劳剩余寿命具有较高的预测精度,而对于低循环周次疲劳剩余寿命的预测能力有限。本文给出的模型具有一定的工程参考价值。     

润滑条件下铝合金板成形模拟中摩擦模型的研究

对润滑条件下铝合金薄板筒形件拉深成形过程进行了工艺分析，在作出一些简化和假设的基础上，建立了基于流体润滑的筒形件拉深成形过程摩擦模型；将该模型运用到板料成形过程有限元分析中，计算出筒形件成形时摩擦系数动态变化的数值；开发出基于探针测试的铝合金板温成形动态过程摩擦测试系统，并对筒形件成形时的摩擦系数进行了测试实验。计算结果与实验数据表明，板料成形过程中的摩擦系数不是一个常数，随着凸模行程的增加，摩擦系数具有增加的趋势。     

基于第二类导体热源的新型恒温器的研究

根据第二类导体的导电原理,采用适当浓度的电解质溶液作为发热体并兼作传热介质,设计一种适用于科研和实验教学使用的新型恒温水浴装置,论述恒温槽的基本结构和工作原理,探讨电解质溶液浓度、加热功率、极间电压和电流等因素对控温精度的影响。研究结果表明,采用电解质溶液作为发热体,可以彻底消除热滞问题对控温精度的不利影响。当以Pt100热敏电阻为感温元件,LU-902K型位式调节仪作为温度控制器时,可使控温灵敏度达到±0.02℃。     

Development of controlled Nd:YAG laser for medical applications

Several medical fields are concerned with applications of thermal lasers such as neodymium-doped, yttrium aluminum garnet (Nd:YAG), argon, and CO2. However, quantification of the necrotic volume of Nd:YAG laser-induced damage is not possible at the time of treatment. Mathematic models and feedback control can help to optimize Nd:YAG laser treatments. We therefore formulated mathematic models for coagulation processes and developed an intelligent Nd:YAG laser system with closed-loop feedback control. Surface temperature evolution proved to be valuable data for real-time control of coagulation and ablation. Infrared thermometry provided the noncontact measurement of temperature. A computer stored the temperature data calculated by the mathematic model. Deviations of surface temperature during the treatment beyond established tolerances causes the Nd:YAG laser system to adjust the laser power automatically.     

Approximation of the discharge coefficient of differential pressure flowmeters using different soft computing strategies

Due to its importance in flow measurement and instrumentation, as well as its frequent application in differential pressure flowmeters, orifice discharge coefficient (C_d) needs to be estimated precisely. In this study, different soft computing models (including multiple linear regression (MLR), group method of data handling (GMDH), multivariate adaptive regression splines (MARS), M5P tree model, and random forest (RF)) were employed for the first time in estimation of the C_d value, and their respective prediction performances were analyzed statistically. Coefficient of correlation (CC), mean absolute error (MAE), root mean square error (RMSE), scattering index (SI), and Nash–Sutcliffe model efficiency coefficient (NSE) were used as the statistical indicators for validating the performance of each soft computing model. The statistical indicators approved the superiority of the RF model over the other models, while the MARS model also showed a competitive prediction potential over M5P, GMDH, and MLR models. The findings of this computational study clearly demonstrated that the implemented soft computing strategy had the capability to be used in precise estimation of the C_d of the orifice meter, specifically, in situations where the measurement of the parameters in deterministic equation is not practically feasible.     

Multiple Measurement Models of Articulated Arm Coordinate Measuring Machines

The existing articulated arm coordinate measuring machines(AACMM) with one measurement model are easy to cause low measurement accuracy because the whole sampling space is much bigger than the result in the unstable calibration parameters. To compensate for the deficiency of one measurement model, the multiple measurement models are built by the Denavit-Hartenberg's notation, the homemade standard rod components are used as a calibration tool and the Levenberg-Marquardt calibration algorithm is applied to solve the structural parameters in the measurement models. During the tests of multiple measurement models, the sample areas are selected in two situations. It is found that the measurement errors' sigma value(0.083 4 mm) dealt with one measurement model is nearly two times larger than that of the multiple measurement models(0.043 1 mm) in the same sample area. While in the different sample area, the measurement errors' sigma value(0.054 0 mm) dealt with the multiple measurement models is about 40% of one measurement model(0.137 3 mm). The preliminary results suggest that the measurement accuracy of AACMM dealt with multiple measurement models is superior to the accuracy of the existing machine with one measurement model. This paper proposes the multiple measurement models to improve the measurement accuracy of AACMM without increasing any hardware cost.     

热轧铝板带分段冷却闭环控制策略

针对目前热轧铝板带凸度控制存在的问题,建立以轧辊温度在线测量为基础的分段冷却闭环模糊控制系统。以简单的测量设备和控制方法,代替昂贵复杂的板带凸度控制机构。用实际轧制数据训练自适应PSO-BP神经网络,并用训练完成的神经网络依据目标板带凸度得出轧辊温度预设定模型;依据操作人员的经验以及理论分析结果,设计分段冷却模糊控制规则,形成分段冷却闭环控制系统,达到控制板带凸度的目的。经在某厂二辊可逆热轧上的应用,结果表明:轧辊温度偏差量可控制在±4℃内;铝板带纵向各处的凸度95%以上可控制在目标凸度(20~40μm)范围内。该方法充分发挥了分段冷却系统对板带凸度的控制能力。     

RBF神经网络在超高压釜内油温软测量中的应用

依据200MPa超高压釜内介质温度间接测量的实际问题，通过研究RBF神经网络的特点，建立了超高压釜内油温的RBF神经网络软测量模型，并进行了仿真实验。结果表明：该方法可实现超高压釜内介质温度的软测量，为其进一步地推断控制奠定了基础。