唐钢薄板坯连铸连轧生产中半无头轧制技术分析

介绍了热轧薄带钢生产中半无头轧制的优点，并对唐钢薄板坯连铸连轧生产中半无头轧制的工艺方案和关键技术进行了技术分析。     

唐钢高速线材轧机的张力控制系统分析

1.唐钢高速线材轧机概况我公司从美国布茨包罗公司引进的高速线材轧机,设计年生产能力为35×10~4t。产品范围为φ5.5～13mm,其中螺纹钢为(?)10、12mm。生产钢种包括碳钢、焊条钢、冷镦钢、低合金钢及弹簧钢。φ5.5～6.5mm小规格线材的终轧速度为90m/s,最高可达108m/s。其生产工艺流程如图1所示。 2.张力控制系统 2.1 控制特点     

FTSR薄板坯连铸连轧SS400钢板的组织与性能

研究了唐钢薄板坯连铸连轧线(FTSR)生产的4种不同厚度SS400钢板的显微组织和力学性能，井测定了钢板的应变硬化指数。实验结果表明：随钢板厚度的减小，其晶粒尺寸呈现出减小的趋势，该钢板具有较为优良的综合力学性能及较好的成形性。另外，通过对5．75mm厚SS400钢板的系列温度冲击实验发现，该钢板在-60℃时仍具有较好的韧性。     

基于动态特性的剑杆织机共轭凸轮开口机构的设计方法

重新建立了共轭凸轮开口机构的动力学模型,组成相应的弹性振动微分方程.用矩阵摄动法分析该微分方程,并设计织机的开口机构.与传统的求解方法相比,计算时间减少20%,减小综框的振动以及降低断纬频率达到65%以上.     

一类线性离散系统H∞鲁棒容错控制器设计

从不确定线性离散控制系统的传感器或／和执行器等部件极易发生故障的实际情况出发，对这类控制系统的鲁棒容错控制器设计问题作了研究。在假设传感器和执行器同时发生故障的情况下，基于状态反馈思想和H∞鲁棒控制理论，通过求解一个代数Riccati方程得到H∞鲁棒容错状态反馈控制律。因此，由该设计方法得到的控制律同样适用于传感器和执行器分别出现故障的情况。并通过仿真实例来验证该H∞鲁棒容错控制律不仅对不确定性和扰动具有H∞鲁棒性能，而且对传感器或／和执行器故障具有容错性能，从而说明该控制器设计方法的正确性和有效性。     

一类基于FNN的非线性系统自适应控制

模糊神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于模糊神经网络具有学习能力和自适应性，使得其能对变化的环境有自适应性，控制器也基本上不依赖于模型，针对一类非线性系统，利用模糊神经网络对系统进行建模提出一种鲁棒自适应控制方法。首先利用李雅普诺夫定理证明在一定的条件下，闭环系统必能稳定，并证明这个条件即非线性函数f(x)中的x必落入某一紧集中成立，同时考虑其控制性能，选择鲁棒控制量，使跟踪误差达到要求的性能指标。理论分析和仿真结果说明了该控制算法的可行性和有效性。     

基于改进的RBF神经网络在线辨识算法及其应用

针对径向基函数(RBF)神经网络用于非线性系统辨识时存在的问题，对径向基函数网络的拓扑结构作了改进，并给出了改进的径向基函数(MRBF)神经网络的中心选取方法和权值在线调整算法，最后用改进的径向基函数网络对一个典型工业对象(CSTR)进行了应用研究，结果表明方法有效。     

一种用于非线性函数逼近的小波神经网络

提出一种用于非线性函数逼近的小波神经网络，给出了网络的参数训练方法。从信息熵的概念出发，改进了网络参数训练的目标函数，并利用引入动量项的最速下降法训练网络权值、尺度因子和平移因子。仿真实验表明，该小波神经网络用于非线性函数逼近时优于同等规模的BP网络，且其训练方法亦具有收敛速度快、逼近精度高等优点。     

基于改进遗传算法的神经网络模型辨识

利用前向神经网络对非线性动态系统建模时存在着很大的缺陷，因此提出采用递归网络(RNN)对非线性动态系统建模。并在权值的修正上，摆脱常用BP算法的束缚，采用改进的遗传算法搜索最优权值。最后对一高阶非线性系统进行建模仿真实验，结果表明该方法是有效的。     

基于二维Delaunay近邻的空间散乱数据曲面重建算法

给出了一种新的散乱数据曲面重建算法。算法基于曲面的局平特性，通过二维Delaunay三角剖分到三维空间的映射，快速查找空间任意点的Delaunay近邻，然后根据散乱数据重建三角网格中顶点互为Delaunay近邻的原理，进行曲面拓扑重建。应用新的求解κ-近邻和二维Delaunay近邻的算法，提高了曲面重建的算法效率。实验表明，该算法高效、稳定，对不均匀数据有较好的适用性。