基于深度学习的热连轧轧制力预测

摘要：轧制力预报一直是热连轧过程控制模型的核心，浅层神经网络对复杂函数的表示能力有限，而深度学习模型通过学习一种深层非线性网络结构，实现复杂函数逼近。利用深度学习框架TensorFlow，构建了一种深度前馈神经网络轧制力模型，采用BP算法计算网络损失函数的梯度，运用融入Mini batch策略的Adam优化算法进行参数寻优，采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略，针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验，对比分析了4种不同结构的前馈网络预测精度。结果表明，相比于传统SIMS轧制力模型，深度神经网络可实现轧制力的高精度预测，针对所有机架的预测精度平均提升21.11%。     

人字闸门启闭机选型浅析

本文通过作者多年工作经验.结合实例.针对人字闸门启闭机选型进行了简要的分析,以供参考.     

110kV变压器损坏原因分析及处理

介绍了一起110 kV变压器故障情况,并对其损坏原因进行了详细分析。结果表明:由于高压套管顶部连接帽不严,外部潮气进入变压器本体内部,引起调压线圈上部油纸绝缘受潮,导致油纸绝缘击穿放电而造成该变压器损坏。为避免类似事故的发生,应在优化变压器组件的产品设计和制造工艺两方面采取措施。     

以LLM-105为基的耐热混合炸药的应用研究

对 LLM-105为基的耐热混合炸药进行了热安定性、相容性、成型性和破甲威力性能试验.结果表明:LLM-105混合炸药的热安定性较好,LLM-105混合炸药与射孔弹壳体和药型罩的相容性等级为一级;地面穿钢靶性能测试表明,装填LLM-105混合炸药的102型石油射孔弹的平均穿孔深度比装填混合炸药S992的石油射孔弹提高9.3%,平均穿孔孔径提高8.3%.     

基于三维激光引导的加料机械臂精准定位研究

在铁水加注等钢铁冶炼的重型生产场景中,由于作业行程远、温度高等原因均采用人工操作。设计开发了基于三维激光扫描技术的加料机械臂精准定位系统。该系统以机械臂和三维激光扫描仪为基础,采用手眼标定方式得到转换矩阵,根据所获得的靶球坐标得到下料口在机械臂坐标系下的精确位置,最终实现下料管的安装和拆卸。现场测试证明,该系统可以替代操作人员进行自动加料作业。     

装填LLM-105炸药超高温射孔弹性能评价

在对块状晶形LLM-105炸药进行DSC和TGA热分析条件下,对装有该混合炸药的射孔弹进行常温、200℃/100h、220℃/100h和220℃/200h等4种环境温度条件下地面模拟装枪穿钢靶试验。不同温度环境下的块状晶形LLM-105炸药耐热性能良好,所装填的射孔弹经3种高温环境穿深,相比常温条件下的试验结果均有所降低,但降低率均小于8%,药剂无剧烈热分解、燃烧、爆炸现象。在上述3种高温条件下使用LLM-105混合炸药装填的超高温射孔弹耐热安全性良好。     

基于深度学习的热连轧轧制力预测

轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini-batch策略的Adam优化算法进行参数寻优,采用Early-stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。     

聚能射孔弹射流侵彻钢靶数值仿真研究

利用ANSYS/LS-DYNA有限元分析软件对聚能射孔弹的射流形成、侵彻钢靶过程进行了数值仿真研究,揭示了射流侵彻过程中发生的一些物理力学现象及机械效应,并进行了仿真结果验证试验.结果表明,计算结果与射孔弹打靶试验结果之间的相对误差在10%以内,验证了该数值仿真模型和算法的合理性.本研究对聚能射孔弹的设计与研发具有一定的指导意义.     

油管传输压力编码控制系统研究

为解决油管传输压力起爆因井下压力波动或人员误操作等行为引发的误起爆问题,考虑到井下环境,设计了油管传输压力编码控制系统,详细描述了其设计思路与工作原理,并在常温和高温两种不同环境下对系统进行模拟试验,同时在油田进行现场上井试验。结果显示:系统功能正常,运行稳定,满足安全、可靠的高性能指标要求。     

基于自适应加权数据融合的无线传感器网络仓库监控系统

无线传感器网络的仓库监控系统具有监控效率高,监控节点易扩展和硬件成本低等优点,但面积较大的仓库内,仓储参数分布不均匀。为了提高无线传感器网络仓库环境参数监测的准确度,采用自适应加权数据融合的方法,对传感器网络的采集数据进行数据融合处理。文中给出了数据融合的具体工作步骤,并以仓储环境温度采集为例,进行了传感器网络温度采集数据的融合处理,与均值处理方法进行对比,结果表明,基于自适应加权数据融合方法的传感器网络监控系统具有更高的数据监测精确度。