基于RF-LSTM的热连轧板坯粗轧出口温度预报

热连轧板坯温度的连续、实时预报是提高带钢产品性能的关键,针对热连轧过程数据维度过高不利于快速、准确预测板坯温度的问题,提出一种基于随机森林-长短期记忆神经网络(RF-LSTM)的板坯粗轧出口温度预测模型.首先,采用改进随机森林算法对特征变量进行选择,通过分析板坯粗轧出口温度的预测结果变化衡量特征的贡献度,进而构造反映过...     

蚁群算法在中厚板液压伺服系统中的应用研究

为解决在环境及负载扰动影响下,中厚板液压位置伺服系统采用常规控制方式很难取得理想效果的问题,首先为便于分析研究,根据中厚板液压系统各环节的机制特性,分别建立了位移传感器、伺服放大器、伺服阀、液压缸及轧辊组合等环节的数学模型.然后在对性能优良的离散蚁群算法改进基础上,通过多层次异构搜索机制对解空间精细搜索,得到可用于连续域寻优的多层蚁群算法.并将改进算法应用到液压位置伺服系统中,根据系统性能指标对控制器进行智能优化.仿真结果表明,采用多层蚁群优化算法的液压位置伺服系统收敛速度明显加快,适应能力与鲁棒性也要好于常规控制方式.     

基于改进YOLOv3算法的带钢表面缺陷检测

针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题,提出了一种改进的YOLOv3算法模型.使用加权K-means聚类算法来优化确定先验框参数,提高先验框（priors anchor）与特征图层（feature map）的匹配度;同时,调整YOLOv3算法的网络结构,融合浅层特征与深层特征,形成新的大尺度检测图层,提高网络对带钢表面缺陷的检测精度.实验结果表明,改进后的YOLOv3算法在NEU-DET数据集上平均精度均值达到了80%,较原有的YOLOv3算法提高了11%;同时检测速度保持在50fps,优于目前其它深度学习带钢表面缺陷检测算法.     

多层蚁群算法在中厚板负荷分配中的应用研究

为改善某厂3800mm单机架中厚板负荷分配制度,采用多层蚁群算法对其内外两层实现分配设定：外层对轧制道次数进行迭代求解,内层根据建立的兼顾负荷均衡和板形良好的目标函数进行智能负荷分配。结果表明,基于多层蚁群算法的分配制度优于基于经验法的负荷分配制度。     

正交试验设计在射孔弹工艺研究中的应用

为了分析影响射孔弹性能的工艺参数，将正交设计应用于射孔弹工艺研究中。确定了试验方案，根据方案完成了穿孔深度试验，并根据试验结果进行数据分析。分析表明：4个因素的影响大小依次为保压时间、药型罩成型压力、烧结时间、烧结温度，确定了较优的工艺条件并完成了验证试验。采用正交设计可缩短试验周期、降低试验成本。     

用凝析油作乙烯裂解原料的研究

总结凝析油作乙烯裂解原料存在的问题，讨论了相应的解决方案。     

基于连续曲面的轧制模型自学习方法

 针对基于层别数据的传统轧制模型自学习方法导致相邻层别上自学习系数跳跃大、不连续等问题,提出“机理模型＋特征点＋拟插值＋自学习”的轧制模型构建新机制,用多维空间连续曲面代替原来的层别,实现轧制模型结构的升级。构造用特征点表征的连续曲面,采用连续函数对空间中各个特征点上的自学习系数进行拟插值的方法,获得光滑曲面方程。从相邻层别不连续变为多维空间上连续可导,使模型自学习系数精确到空间任意点,对提升模型设定精度有质的突破。该模型自学习方法目前已成功应用于国内某大型热连轧机组变形抗力在线计算,实际生产应用表明,新方法上线后变形抗力与轧制力的预报精度显著提高,带钢因厚度超差导致的预封锁量减少了44%,满足热连轧带钢稳定轧制的生产要求。     

控制棒驱动机构固定钩爪打开时间的验收准则优化

基于CPR1000型核电机组中控制棒驱动机构（CRDM）供电时序、固定钩爪的动作特点以及在10台机组中的试验结果分析,发现了在机组调试启动及正常运行期间,一回路液态流体温度、压力和是否带载控制棒对CRDM固定钩爪打开时间的影响规律,并据此优化了不同工况下CRDM固定钩爪打开时间的验收准则范围。本文结论不仅可以作为同类型机组在调试启动和正常运行期间CRDM固定钩爪打开时间验收准则的参考,也可作为CRDM固定钩爪打开过程理论受力模型分析的结论参考。      

冷连轧电气控制系统的研发

在深入分析多套冷连轧系统优缺点的基础上,研究开发了一套用于五机架六辊冷连轧的电气解决方案。阐述了控制系统的整体架构,介绍了厚度控制、液压压下控制、速度控制、张力控制及板形控制等工艺控制功能及主要特点。测试表明该系统具有较高的可靠性,控制精度达到国内先进水平。