平板波动量检具的研制

平板波动量是平板局部工作面平面度的判定依据之一。提出依据最小包容原则计算平板波动量并研制一种新型的测量工具,并进行不确定度和可行性分析。     

浅谈DAVY系统Ⅱ板形控制系统

板形控制是铝带轧制过程中重要环节，直接影响产品质量，本文介绍了有关板形控制的有关知识，并结合本公司DAVY轧机系统Ⅱ的板形控制系统进行探讨。     

基于Sigmoid函数参数调整的双隐层BP神经网络的板形预测

提出一种改进的BP神经网络处理板形缺陷数据的方法,建立双隐层BP神经网络模型,并对Sigmoid激活函数的形状进行调节。将其应用到冷轧的板形缺陷识别中,与利用Levenberg-Marquardt规则训练的BP神经网络预测结果作对比,表明该方法不仅有效地减少双隐层BP网络的学习时间,同时改善了网络的泛化能力,有利于板形缺陷在线识别。     

机载大尺寸天线平面度控制与测试研究

从系统的角度研究了天线设计、分析和测试验证的思路和方法,提出了一种机载大尺寸平面相控阵天线动态平面度的控制措施,提出了光电位置传感器和动态位移传感器相融合的实时测量技术,通过对飞行条件下天线动态变形的实时测试,研究了天线的动态平面度变化规律,该结果为动平台条件下大尺寸平面阵天线结构设计和优化提供了技术手段,测试方法为类似研究提供了工程参考.     

板型仪在带钢质量检测控制中的应用

带钢板型优劣是影响产品质量的重要指标,而仪表与TDC相结合能够实现热连轧的精确检测和闭环控制;凸度仪和平直度仪能够提供精确、稳定的钢坯质量反馈数据来源,通过闭环控制,提高了板型质量;采用控制参数的自适应优化保证了控制的精度;对于钢坯板形控制有着良好的借鉴价值。     

基于机器视觉的硅钢板边浪平直度测量方法

针对硅钢生产过程中存在的边浪平直度难以检测问题,提出了一种基于机器视觉的硅钢板边浪平直度测量方法。在辅助光源照射下使用相机采集边浪图像信息,强化边浪的图像明暗特征,提高检测精度的同时实现非接触式测量。同时提出了一种基于轮廓检测的硅钢板边浪平直度算法,首先利用种子点生长法的思想对边浪区域进行轮廓定位;其次对图像进行 3 个尺度的高斯滤波,重建图像,增强轮廓细节;最后基于优化的 Canny 边缘检测方法对边浪实现自适应阈值轮廓提取,计算平直度,从而实现非接触式高精度边浪平直度测量。将平直度测量仪测量结果与该方法结果进行对比,结果表明,所提方法平直度测量误差不超过 0.05% 。     

基于微分平坦的磁悬浮移动平台控制研究

由于磁悬浮移动平台具有强非线性，目前各类智能算法只能对磁悬浮移动平台进行定位移动，并不能使磁悬浮移动平台的动子沿着期望轨迹到达预定位置。为了解决磁悬浮移动平台动子的轨迹跟踪及其精准性等问题，将微分平坦理论与磁悬浮移动平台控制相结合。磁悬浮移动平台系统是微分平坦系统，而微分平坦理论具有特殊性，可以将强非线性系统转化为线性系统后进行控制。搭建磁悬浮移动平台的数学模型，在MATLAB/Simulink中进行仿真。结果表明：微分平坦控制的磁悬浮移动平台能够使其动子按照期望轨迹进行运动，且精度更高、跟踪性更强，具有实用性。     

A minimum zone method for evaluating flatness error of gage blocks measured by phase‐shifting interferometry

Abstract

A new method called “Control Plane Rotation Scheme (CPRS)” has been developed here for the analysis of flatness error in terms of the minimum zone definition, which conforms to the ISO/R1101 specification. An application of the phase‐shifting interferometry was performed for on‐line measurement of gage blocks. Experimental results were quite consistent with the specified grade of the inspected gage block with only an uncertainty of up to 0.005 μm.     

沥青路面平整度的控制

根据新疆G314线阿克苏过境（南线）改建工程和新疆克榆公路改建工程沥青路面平整度控制的经验,叙述沥青路面平整度控制中原材料及混合料的质量控制,施工工艺以及对摊铺、碾压、接缝处理三方面施工质量控制的体会。     

板形模式识别的GA-BP模型和改进的最小二乘法

针对板宽变化时需要不同拓扑结构的神经网络才能完成板形模式识别任务，网络学习工作量大，网络存在收敛速度慢，易陷入局部极小等结构性能不佳的问题，首次建立了以勒让德正交多项式为基模式的只用6个输入信号、3个输出信号的板形模式识别GA-BP网络模型。该模型不仅结构简单，而且物理意义明确，识别精度较高，解决了板宽变化时神经网络结构形式不变的问题，从而实现了板形模式识别的智能化。又提出了基于勒让德正交多项式的板形模式识别最小二乘法，该方法简单、实用，识别精度较高，克服了传统的最小二乘模型板形模式识别的缺点和不足。为板形模式识别提供了两种简便实用的新方法，发展了板形模式识别理论和方法。