含复合材料构件机构系统的优化综合

研究了复合材料参数、驱动电机电磁参数、机构的结构参数以及电机轴的横振对复合材料连杆机构动态响应的影响,并在此基础上以构件的比阻尼容量为目标函数,以复合材料的纤维结构参数及复合材料构件截面的几何尺寸为设计变量,在考虑驱动电机对机构动态响应的影响并保证构件振幅的前提下对系统进行了综合优化设计研究。结果表明,将驱动电机和机构作为一个完整的系统进行综合优化研究更符合实际情况。最后通过实例仿真进行了验证。     

潜艇内干冰的液压排出装置设计

针对潜艇内干冰的排出问题,设计出以液压系统为推力的装置.在设计中不仅对该系统进行整体校核和验算,而且对液压系统的动态特性进行分析,提出了优化本设计的具体方案.通过选材和结构的校核,进一步确定重要的技术参数和结构参数.     

中厚板轧机垂直振动研究

建立了6自由度的4200轧机垂直振动系统的动力学模型,并用Matlab对其进行了动态分析和仿真,分析了轧制力随时间变化的7种工况下的系统响应,得出了影响轧机垂直方向自激振动的因素,从而为轧制过程中避免产生垂直方向自激振动提供了可靠的理论依据.     

中厚板轧机的轧制压力模型

以现场的钢种为样本,测定热轧条件下的流动应力,建立流动应力模型.采用现场实测轧制数据,通过数值计算,得到中厚板轧机轧制压力模型,并应用于计算机在线控制.     

苛化白液精细过滤器的研发与应用

根据碱回收苛化工段管式白液压力过滤器工艺与设备运行生产经验,结合市场和用户需求,研制了BYGⅡ系列白液精细过滤器。该白液精细过滤器已投产应用于国内外多家企业,白液澄清度可达到小于20 mg/L,设备运行平稳可靠,达到预期设计目标。     

火电厂管道清灰装置的控制工程设计

热电厂输灰管道结垢问题已严重影响火电厂的正常运行,其中管道内壁平均要两年酸洗一次,成本很高,环境污染和管道腐蚀均比较严重。以机械,电器,液压技术为基础,运用控制理论,设计管道清洗器,实现机械方法的除垢,无污染、无腐蚀,而且能够实现在不停机的情况下在线清洗。     

基于GRNN神经网络的中厚板轧机宽展预测模型

为了实现中厚板轧机在轧制过程中的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人工神经网络工具葙,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,预测精度有较大提高.     

基于广义回归网络的金属变形抗力预测

金属的变形抗力是表征钢材压力加工性能的一个基本量,正确确定不同变形条件下金属的变形抗力,是制定合理的轧制工艺规程的必要条件。以往许多研究者在建立变形抗力与变形量、变形速度及温度的关系模型时,采用多元非线性回归对实测的数据进行处理,得到相应的变形抗力模型。该方法首先要对变形抗力模型的函数类型做出假设（如通常采用指数型函数）,而实际上变形抗力的变化规律并不能在大范围内与所选择的函数类型完全一致。特别是考虑静态再结晶,应变积累,动态再结晶,相变等因素的影响时,变形抗力的变化很复杂,难以用所选定的函数来描述,因而这种方法势必带来较大的计算误差。人工神经网络是在模拟脑神经对外部环境进行学习过程中建立起来的一种人工智能模式识别方法,具有适应性强和能够处理复杂非线性问题的特点,广泛应用于解决非线性系统以及模型未知系统的预测和控制。     

基于神经网络的中厚板轧机轧制力模型

 以4200轧机大规模测试得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了该轧机轧制力的预测模型。通过对该网络隐层神经元个数的调整,提高了收敛速度,使轧制力的预测精度大为提高。     

基于神经网络的金属应力状态系数模型

 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。