基于改进粒子群算法的轧制负荷分配优化

应用改进粒子群算法,实现单机架可逆冷轧机轧制负荷分配优化。结合某厂单机架可逆冷轧机实际工况,建立了合适的轧制力数学模型并进行参数计算,以压下率为自变量,以轧制力成比例分配为目标,通过改进粒子群算法,得到最佳的轧制负荷分配。工程实践证明:与基本粒子群算法、遗传算法相比,改进粒子群算法具有计算精度更高、收敛速度更快、搜索能力更强等优点,是一种适于单机架可逆冷轧机轧制负荷分配优化的新方法。     

基于证据理论多源多特征融合的柱塞泵故障诊断方法

提出了1种基于证据理论多源多特征融合的故障诊断方法,构建了柱塞泵的故障特征向量,分析了单源多特征融合故障诊断,利用证据理论融合多个单源诊断结果,进行了多源故障诊断.对液压泵进行了试验.试验结果表明:多源数据较单源数据,更具有冗余互补性,能提高诊断的可靠性和准确性.该诊断方法是可行而有效的.     

基于混沌关联积分的暂态电能质量扰动分类

关联积分曲线基于时间序列重构,能够更全面反映时间序列扰动变化,并且作为扰动识别的特征量,可以避开关联维无标度区间确定这一问题。根据暂态电能质量信号在不同扰动下其关联积分曲线所呈现出的特有形态特征,将关联积分曲线作为扰动识别的特征量。不同扰动信号的关联积分曲线区别较大,直观明了。该方法操作简单方便,可以省去烦琐的数值分析,且具有较高的精确度和实用性。对几种典型的暂态扰动信号进行识别和分类,仿真结果证明了其有效性和优越性。     

电导法固体材料水份测量仪

本文给出了固体电导率与含水率之间回归一化线性数学模型，不同物质的线性模型仅斜率和截距不同，只要校正即可实现通用性，这与历史认识有差异，测量仪利用网络理论解决了高阻测量问题，利用线性叠加原理实现了温度补偿并提高了测量准确度，利用单片机对模型进行编程计算和校正，从而实现了智能化，采取隔离，滤波，ＷＴＤ等技术，提高了系统的可靠性。     

伺服阀性能测试中差压测量的新方法

提出了一种差压测量的简单方法，消除了传统差压测量方法的不同步采样误差，节省了计算机采集板的模拟量输入通道和应变仪的测量通道。该方法成功地应用于电液伺服阀性能测试系统中，取得了很好的效果。     

高精度可逆冷带轧机全数字厚度自动控制系统

介绍了自行研制的650 mm可逆冷带轧机全数字厚度自动控制系统的基本组成和功能特点。系统具有厚度闭环监控、压力或缸位移内闭环数字控制、倾辊调节、缸位移内环加厚控外环、厚度预控等功能;另外还在可逆冷带轧机厚控系统中尝试性地设计和应用了压力内环加厚控外环的新的控制方案,从而有效克服了来料厚度波动和轧辊偏心对带钢厚度的影响。在郑州第二钢厂的现场应用情况表明,该系统厚控精度小于±3μm,最高轧制速度达7.6 m/s,两项与生产质量和产量有关的指标均超过了同厂从意大利引进的MINO 650可逆冷带轧机的指标,取得了显著的经济效益和社会效益。     

多特征信息融合的贝叶斯网络故障诊断方法研究

针对轴向柱塞泵故障特征的模糊性和不完备性特点,提出一种多特征信息融合与贝叶斯网络相结合的故障诊断方法。该方法从柱塞泵采集的振动信号中提取出频域和幅域的多个故障特征,并将这些特征当作来自多个不同传感器的多源信息。利用贝叶斯参数估计算法进行多特征信息融合。通过构造贝叶斯网络并建立贝叶斯分类器来简化融合后的结果,通过最大后验概率估计值的计算进行故障识别。经过轴向柱塞泵多故障模式的诊断实验,验证了该方法能够有效地实现柱塞泵柱塞松靴和脱靴故障的诊断。     

Duffing振子的微弱信号检测

分析了Duffing振子的混沌运动，阐述了该振子相变对志参考信号频差较小的周期小信号具有敏感性，对白噪声和与参考信号频差较大的周期干扰信号具有免疫力，使Duffing振子应用于微弱信号检测具有可行性。检测不同频率的信号需要不同频率ω的参考信号，不同的参考信号频率ω会对系统产生很大影响，通过调整系统参数使得振子对不同频率的信号检测具有普遍性，给出了基于混沌微弱信号检测的具体方案。     

基于大数据简约及PCA改进RBF网络的短期电力负荷预测

针对电力负荷大数据化越发突出,引入最小绝对值收敛及选择（Lasso）算法解决电力负荷大数据难题,对电力负荷及相关天气因素大数据进行高维数据特征提取,获得有用数据集。为避免输入空间严重自相关及网络维数较高,造成径向基函数（RBF）神经网络预测精度严重下降的不良影响,提出基于主元分析(PCA)改进的RBF神经网络电力负荷预测模型,消除多气象因素相关性,剔除冗余,提取天气因素特征量,将新天气特征量与历史负荷数据共同作为RBF网络的建模对象,既全面表征天气因素对电力负荷的影响,又简化预测模型,加快预测速率。 经美国南部某地区实际电力负荷数据的预测分析,充分证明该方法的有效性及可靠性。