共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
5.
6.
7.
8.
为了探究镍基高温合金真空感应熔炼(VIM)过程中碳氧反应动力学规律,基于电磁场-流场-溶质场多物理场耦合技术,建立了考虑电磁搅拌和坩埚分解作用的真空感应熔炼脱氧动力学模型,研究了电流强度、压强以及精炼温度对镍基高温合金熔体脱氧反应的影响。结果表明,模拟得到的熔池氧含量随时间的变化规律与试验结果吻合较好;电磁搅拌加速了熔池中氧的传质速率,对熔池中氧的分布有显著影响;增大电流强度、降低压力或降低精炼温度均能有效促进熔池脱氧反应的进行。当电流强度从55 A增加到75 A时,熔池氧平均质量分数从0.001 373%下降到0.001 298%。当压强从1.5 Pa降低到0.5 Pa时,熔池氧平均质量分数从0.001 960%下降到0.001 338%。当精炼温度从1 873 K降低到1 773 K时,熔池氧平均质量分数从0.001 855%下降到0.001 339%。所得结果将为改进镍基高温合金的VIM精炼过程提供有效依据。 相似文献
9.
介绍了济钢第三炼钢厂炉外精炼系统中网络自动化系统的应用。网络自动化系统由一级基础自动控制系统和二级过程模型控制系统两级网络构成,采用Ethernet工业以太网和Modbus Plus两种通讯技术,完成生产管理和动态冶金模型的功能,实现了炉外精炼的网络自动化控制。 相似文献
10.
11.
基于RBF-BP混合神经网络的烧结烟气NOx预测 总被引:1,自引:0,他引:1
摘要:对烧结烟气NOx生成量进行预测,能为烧结NOx源头和过程减排提供有效指导。利用BP神经网络模型和RBF神经网络模型对烧结烟气NOx进行了预测,在此基础上结合BP模型自适应学习能力强和RBF模型快速收敛的特性,采用优化模型结构、设立连接层的方法,构建RBF BP混合神经网络模型进行了NOx预测研究,并对3种模型的预测结果进行了对比分析。研究表明,3种神经网络模型中,RBF-BP混合模型的均方根误差为11.37mg/m3,平均绝对误差为7.14mg/m3,最大绝对误差为35.47mg/m3,最小绝对误差为0.0083mg/m3,各评价指标均为3种模型中最优,混合神经网络模型的预测数据稳定性更好,结果拟合程度更高且收敛速度最快。采用混合模型预测NOx能有效消除烟气NOx生成量反馈延迟。 相似文献
12.
基于分布式神经网络模型的高炉炉温预测建模 总被引:1,自引:0,他引:1
高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低。以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值。对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果。 相似文献
13.
轧制力预测中RBF神经网络的组合应用 总被引:1,自引:0,他引:1
传统的数学模型无法达到冷连轧控制的尺寸精度要求。针对传统轧制力模型的固有缺陷,为提高冷连轧机组轧制力计算精度,合理选择、更新和预处理训练样本,采用RBF神经网络预测冷轧带钢屈服应力并把它用于传统轧制力计算模型,获得较高的轧制力预测精度。而后使用RBF长期数据修正网络和RBF短期数据修正网络得到长期数据修正网络和短期数据修正网络的修正系数,对轧制力计算值进一步修正,从而进一步提高轧制力预报精度。上述方法直接用于某冷连轧机组,轧制力预测误差在±6%之内。这充分证明RBF网络可以成功用于轧制过程控制并满足实际生产的需要。 相似文献
14.
15.
对RBF神经网络的结构和特性作了简要的概述,应用RBF神经网络建立了选矿生产指标预测模型,并进行了仿真试验,结果表明,RBF神经网络的应用是成功的。 相似文献
16.
RBF神经网络在磨矿故障诊断中的应用 总被引:2,自引:0,他引:2
对 RBF神经网络的结构和特性进行了简要的概述 ,指出 RBF网络可避免网络训练局部最优问题 ,是一种分类能力较强的神经网络。应用该方法设计出神经网络故障诊断系统 ,并对磨矿设备进行的模拟验证 ,结果表明网络的应用是成功的。 相似文献
17.
18.
宝钢2050热轧短行程控制模型研究 总被引:1,自引:0,他引:1
为提高热轧带钢短行程控制精度,将折线模型改进为光滑模型,研究了短行程控制的多项式模型和RBF神经网络模型,进行了仿真分析,并投入现场使用。 相似文献
19.
以4200 mm轧机轧制71块钢板的实测数据为基础,利用Matlab神经网络工具箱,分别建立了轧制变形区的应力状态系数与轧前厚度、轧后厚度及轧辊直径对应关系的Elman神经网络预测模型和RBF神经网络预测模型。结果表明,所建立的两种网络模型均建立了金属应力状态系数输入和输出关系,RBF神经网络模型比Elman网络模型数据稳定,性能更优,实现了与实测结果的高度拟合。并得出不同轧辊直径对神经网络模型精度的影响规律,对轧制工艺规程的制定提出了合理建议。 相似文献
20.
在对黄金市场进行分析时,通常根据黄金价格数据自身特点选取合适的模型进行建模预测,但因黄金价格数据本身的非线性特征比较明显,模型的选取往往较为困难,预测精度不高。利用神经网络的特性,建立了RBF神经网络,有效地解决了模型选择不当的难题。实证表明,RBF神经网络建立的非线性模型预测精度较高。 相似文献