棒材生产线冷床对齐装置的设计与应用

通过分析热轧圆钢成材率指标的影响因素,发现冷床对齐装置设计不科学,是影响多倍尺圆钢成材率最关键因素。重新设计的带有筛选功能的新型冷床对齐装置具有结构简单、安装方便、稳定性高等特点,能将带有质量缺陷的倍尺圆钢头尾筛选出来,由定尺剪进行单独剪切,减少了其它无缺陷倍尺圆钢的剪切消耗,可提高成材率0.20%以上,大幅降低了生产成本。     

棒材Ф550粗轧机组轧辊优化设计

针对棒材Ф550粗轧机组轧辊发生的辊颈断裂事故,分析出产生原因为球墨铸铁轧辊辊颈强度不足。通过选用半钢轧辊、重新优化设计其配辊,校核与计算Ф550半钢轧辊辊颈强度,能够满足生产需求,避免了轧辊辊颈断裂的事故,保证了生产的稳定顺行。     

基于故障判别增强KECA算法的故障检测

基于核熵主成分分析方法的统计模型仅利用正常工况下数据进行建模,而忽略了监控系统数据库中一些已知类别的先前故障数据。为了利用先前故障数据中包含的故障信息来增强故障检测性能,提出了一种故障判别增强KECA（fault discriminant enhanced kernel entropy component analysis, FDKECA）算法。该法通过采用无监督学习和监督学习方法建立模型,同时监测非线性核熵主成分（kernel entropy component, KEC）和故障判别成分（fault discriminant component, FDC）两类数据特征。此外,利用贝叶斯推理将相应的监视统计信息转换为故障概率,并通过加权两个子模型的结果来构建基于总体概率的监视统计量。通过数值仿真和田纳西伊斯曼（Tennessee Eastman, TE）过程仿真实验,证明和传统KECA相比,FDKECA算法能够有效利用故障数据提高故障检测率。