共查询到18条相似文献,搜索用时 125 毫秒
1.
2.
3.
神经网络在板形检测中的应用 总被引:6,自引:1,他引:5
板形检测信息的模式分解是板形控制过程中的技术难点,该文提出的一种新的神经网络模式识别方法却可以解决这个难题。该识别方法的优点是:在ART网络的特征表示场中采用了具有正反馈和非线性变换的结构,能够有效地抑制板形检测数据中的干扰影响,提高了模式识别系统的抗干扰能力;在类别场中抛弃了传统的竞争学习机制,新的学习机制可以迅速分解板形模式;按照轧机执行机构板形控制的能力设置标准板形模式,可以对任意复杂形式的板形缺陷进行控制。用这种识别方法对实测板形进行了模式分解,识别结果完全正确,充分说明ART神经网络识别方法是一种理想的板形模式识别方法。 相似文献
4.
5.
6.
7.
8.
9.
10.
森吉米尔轧机的板形控制 总被引:4,自引:0,他引:4
结合硅钢生产实际,从现场检测分析入手,寻找实际轧制过程中森吉米尔轧机的板形变化规律,建立了多辊系弹性变形仿真模型,通过对各种条件下辊系变形规律的分析,揭示了森吉米尔轧机的板形控制特性。 相似文献
11.
12.
基于自适应滤波的铸轧板形检测信号分析 总被引:4,自引:0,他引:4
超薄快速铸轧同常规铸轧相比,板形奇异机理复杂,板形现象突出,根据铸轧板形缺陷的表征特点,建立了铸轧板形的数学描述,将板形检测信号视为动态时间序列,运用自适应滤波理论,建立了一种通用的板形检测信号除噪方法,仿真结果表明该法除噪效果明显,能满足实时控制要求。 相似文献
13.
分析了铝箔冷轧过程中板形缺陷产生的原因,阐述了板形仪测量原理和板形控制系统的结构.提出了多点张力分布数据处理方法以及弯辊控制、轧辊倾斜控制、分段冷却液流量控制手段及实现方法.有利于未来板形控制系统的改进及铝箔实际轧制过程中板形控制方法的完善. 相似文献
14.
带钢冷连轧过程中的板形控制问题因具有多变量、多控制回路、非线性和强耦合等特征,是工业控制领域最为复杂的控制过程之一。精准的板形预测模型是提高板形控制水平的重要保证。当前,弹塑性有限元法能够耦合分析轧制过程中带钢的弹塑性变形、轧后的残余应力以及轧辊的弹性挠曲、弹性压扁,因此在带钢轧制领域有很广泛的应用。介绍了现代板形控制系统的工作原理,以及当前弹塑性有限元法关于板形控制问题分析的研究进展。同时,采用显式动态有限元建立了六辊UCM轧机的三维数值仿真模型,研究了不同板形调节机构对带钢板形的调控特性及其最优调节量,并采用实际轧制试验对模型进行了验证。结合带钢保持良好板形的几何条件,利用所建立的UCM轧机模型,分析了中间辊轴向横移、工作辊与中间辊弯辊对带钢横截面形状、凸度、边降及平直度的影响。最后,对有限元法应用于分析板形控制问题的方向进行了展望。 相似文献
15.
16.
17.
板形调控机构的功效系数是冷轧板形闭环反馈控制系统中最为关键的参数,直接影响到板形控制效果的好坏。针对有限元方法计算时间长和在线实验方法风险大、成本高等缺点,本文采用修正的影响函数法建立了六辊冷轧机的辊系弹性变形计算模型,通过求解轧后带钢横向平直度分布来确定各板形调控机构的功效系数,计算值与实测值的分布吻合得很好,轧辊弯辊功效系数的误差都小于1. 2%,轧辊倾斜功效系数的误差小于3. 5%。基于修正影响函数法建立的理论模型计算速度快,可以作为在线设定模型使用。 相似文献
18.
分析了平直度控制的信号获取及控制算法机理。平直度信号的获取采用带有压电式传感器的测量辊。控制算法为神经元网络自学习的算法,即输入实测信号根据效率逐一调节执行元件的设定值,以改善板形。 相似文献