神经网络在热轧铬镍钢变形阻力预测的应用

以凸轮式高速形变试验机进行的热模拟压缩实验得到的实验数据为基础,建立了热轧铬镍钢的变形阻力与其化学成分、变形温度、变形速度及变形程度对应关系的BP、Elman、RBF和GRNN 4种神经网络预测模型;并对4种网络的训练过程和预测精度进行比较分析。结果表明,神经网络有很强的预测能力;4种神经网络相比较,RBF网络具有更高的预测能力和好的泛化能力。     

热电厂在线管道清洗器的设计

热电厂输灰管道结垢影响发电机组的正常运行.采用在线管道清洗器可实现不停机除垢,避免传统酸洗对管道的腐蚀破坏和对环境的污染,降低成本.清洗器设计过程中,应用三维CAD建模,利用有限元方法对关键部件校验分析,缩短了设计周期,提高了设计效率.     

中 厚 板 轧 制 过 程 的 数 值 模 拟

 基于LS DYNA仿真软件,采用显式算法和隐式算法相结合的方法,对中厚板轧制过程的热力耦合有限元模拟进行了研究。通过仿真,得到了中厚板的应力场、应变场及温度场的分布。根据分析可知轧件表面温度在轧制过程中有所上升,轧件内部到表面形成明显的温度梯度。轧件头部变形较剧烈,在轧制后外端存在明显的预应力区。模拟结果与实测结果比较一致,表明了该数值仿真方法的可靠性。     

基于GRNN网络的中厚板轧制温度的预测

 针对中厚板轧机控制模型中的轧制温度精度的提高问题,以4200轧机轧制的大量实测数据为基础,利用Matlab人工神经网络工具箱,建立了中厚板轧制温度的GRNN神经网络预测模型。通过分析影响钢板温度变化的各种因素,调整神经网络的光滑因子,确定了最佳的网络结构形式,提高了模型的预测精度,并与传统的BP神经网络模型相比较。结果表明,GRNN网络具有更高的精度和更好的泛化能力。该神经网络模型可应用于中厚板轧制温度的预测,也可为人工神经网络在其它自动控制方面的应用提供参考。     

基于RBF神经网络的中厚板轧机的温降模型

 基于Matlab神经网络工具箱,采用改进的径向基函数(RBF)网络优化计算4200中厚板轧机的轧制温度。通过径向基层散布常数的人工调整以及神经元的自适应调整,提高了收敛速度,确定了最佳的网络结构形式。网络预测结果与在4200中厚板轧机上实测的轧件温度进行了对比,预测精度很高,表明了该网络模型的优越性。该模型可为以温度参数为主要控制对象实行自动化生产的4200轧机提供可靠的参数,也可为人工神经网络在其它自动控制方面的应用提供参考。     

基于GRNN神经网络的4200轧机宽展模型

 轧制过程中,针对4200轧机在轧件宽展变化自动预测和控制,分析了轧制过程中宽展变化的影响因素。在神经网络技术和现场实测数据的基础上,利用Matlab人工神经网络工具箱,应用GRNN广义回归神经网络建立宽展变化预测模型来提高轧制宽展变化预测的精度。结果表明,该方法建立的模型可以实现对宽展变化的预测,其预测精度有较大提高。     

磁流变液减振器及振动控制技术研究

在振动控制领域,用磁流变液减振器对机械设备进行减振防护是近年来的减振技术研究热点之一.阐述了磁流变液减振器的类型及技术特点,对比分析了几种常用的振动控制方法的优异性.讨论了磁流变液减振器的实用价值,指出磁流变液减振器是目前减振设备的开发方向.     

钇钡铜氧在气体纯化和空分方面应用初探

采用自制的钇钡铜氧 (YBa2 Cu3 O7- x)样品和动态吸附实验装置研究了该材料在气体纯化和空分方面应用的可能性及条件。实验表明 ,该材料对氧有强烈的选择吸附性 ,并且可以再生 ,可以把 YBCO做为除氧分子筛。     

含裂纹复合材料板的应力计算

针对含裂纹的复合材料板，根据非均质各向异性弹性理论和复变函数理论，通过保角映射方法建立精确的边界条件，解决了裂纹的边界条件问题。建立了基于准确边界条件的边界积分方程，对裂纹周围应力在不同的外载荷及不同位置的情况下进行了仿真计算，得到了含裂纹复合材料板裂纹周围应力场的精确解析解。     

中厚板轧机垂直振动的非线性

根据4200轧机的实际参数,建立了轧机的两自由度非线性振动模型。采用Matlab软件编程求出了振动方程的数值解,并用分岔图和庞加莱映射的方法分析了振动系统随参激角频率变化的拟周期运动和混沌运动现象,以及轧件的刚度变化幅值对轧机振动状态的影响。结果表明,参激频率靠近固有频率附近,轧件的刚度较大时,轧机系统的非线性特征越显著,越容易失稳。