基于EEMD方法的爆破振动信号去噪研究

鉴于小波类去噪法存在小波基和分解层数的选择问题、EMD类去噪法受限于端点震荡和模态混叠效应,将EEMD方法引入,对爆破振动原始信号进行去噪研究。在EEMD分解的基础上,通过波形和频谱分析,得到IMF4~IMF8属于爆破振动真实信号分量,将其重构,获取了爆破振动真实波形。与EMD去噪法相比,EEMD去噪法避免了端点震荡和模态混叠效应的影响,不仅有效去除了噪声,还保留了爆破真实波形的真实性和完整性。     

冷轧板形多变量模型预测控制

冷轧板形是带钢冷轧过程中重要的质量指标之一，板形控制是冷轧过程中的核心技术。为了实现高精度、高效率的板形控制，提出了基于动态矩阵控制(dynamic matrix control, DMC)算法的冷轧板形多变量模型预测控制的方法。为了充分验证预测模型调控效果，首先分别利用偏最小二乘法(partial least squares, PLS)和主成分分析法(principal component analysis, PCA)计算获取两套板形调控功效系数并进行了准确性验证；然后建立了基于DMC算法的板形调控模型；最后模拟在一套轧机上输入以PLS计算获得的准确调控功效系数模拟模型匹配情况，并将两条板形偏差曲线导入到分别基于DMC算法、最优控制算法和遗传算法(genetic algorithm, GA)建立的预测模型中进行优化。同样，输入以PCA计算获得的不准确调控功效系数模拟模型失配情况，将两条偏差曲线导入到3个预测模型中进行优化。基于以上条件，得到基于DMC算法的预测模型在模型匹配时标准差分别为0.63 I和0.25 I,模型失配时标准差分别为2.20 I和1.81 I,调节时间约为100 ...     

SmartCrown轧机板形执行机构调控功效分析

冷轧带钢因其优良特性而广受欢迎，其中，板形是衡量冷轧带钢产品质量的重要指标。SmartCrown技术作为一种新兴的板形控制技术，有着良好的板形控制效果，研究分析SmartCrown轧机中板形执行机构的板形调控功效对于调节带钢板形、提高带钢产品质量具有重要意义。以某厂1 740 mm带钢冷连轧生产线为研究对象，运用大型有限元分析软件ANSYS/LS-DYNA建立SmartCrown轧机带钢轧制的有限元仿真模型，对中间辊横移、工作辊弯辊、中间辊弯辊等板形执行机构的调节量在工程许用范围内进行等分设定，利用有限元平台进行模拟带钢轧制试验并对其进行后处理分析，系统地分析了各板形执行机构对带钢横截面形状、板凸度、边部减薄、轧后带钢横截面的相对厚度差以及纵向纤维条的相对长度差等的影响规律，在此基础上，进一步计算获得了各板形执行机构的调控功效系数曲线，并采用六次Legendre正交多项式对调控功效系数曲线进行拟合，获得了各项拟合系数的绝对值，将各板形执行机构的板形控制分量进行对比以定量分析各板形执行机构的板形控制特性。仿真结果表明，中间辊横移的板形控制能力是最强的，工作辊弯辊次之，中间辊弯辊最弱，3种...     

基于有限元与神经网络的板形调控功效

 针对冷连轧机组中的6辊CVC轧机,利用大型非线性有限元软件MSC.Marc建立仿真模型,对多种轧制条件下轧件的弹塑性变形和辊系的弹性变形进行了耦合计算,得到了6辊CVC冷轧机工作辊弯辊、中间辊弯辊、中间辊横移的板形调控功效离散值。研究了不同轧制工艺参数、轧件参数和轧辊参数对各板形调节机构调控功效的影响规律,并得出相应的板形调控功效系数。以有限元计算结果为样本,利用BP神经网络强大的非线性映射功能,建立了板形调控功效的神经网络计算模型,为板形在线闭环控制模型提供高精度的板形调控功效,解决了有限元计算耗时长,难以满足在线控制要求的问题。     

基于改进CEEMDAN-DCNN的声发射源识别分类方法

声发射源的准确分类识别是声发射地压监测预报预警研究的重要基础。针对矿山井下围岩体声发射事件信号和采掘作业噪声信号分类识别问题,提出了一种基于改进完备总体经验模态分解和深度卷积神经网络（DCNN）的智能识别分类方法。首先,对信号进行改进CEEMDAN降噪处理,即利用相关性系数阈值和排列熵（PE）阈值剔除伪分量和噪声分量;然后,利用DCNN对降噪后的信号自动提取高维特征;最后,将特征用于softmax分类器分类识别,实现智能化井下信号源多分类。研究表明：改进CEEMDAN能够有效剔除伪分量及噪声分量;相比其他机器学习方法,改进CEEMDAN-DCNN方法具有准确率高和稳定性较好等优点。信号源识别分类方法研究为地压监测预警预报提供了重要的基础数据,准确的灾害预警预报可为矿山井下作业人员和设备提供安全保障。     

DSR板形调控功效的ANSYS仿真

板形调控功效是板形控制技术的核心所在 ,也是板形自动控制系统模型设计的主要依据。运用有限元软件对 2 0 3 0冷连轧机组DSR支持辊的板形调控功效进行仿真研究。通过分析比较各工况因素对调控功效的影响 ,建立了DSR板形调控功效矩阵。研究结果对DSR板形闭环自动控制系统的开发具有重要的现实意义     

基于PEMD-MPE算法的露天矿爆破振动信号降噪方法

为了去除露天矿山爆破振动信号中混入的噪声成分,提出了一种基于PEMD-MPE算法的降噪方法。该算法通过自适应性正交经验模态分解（PEMD）得到完全正交的本征模态函数（IMF）分量,然后对各个IMF分量进行多尺度排列熵（MPE）的随机性检测,成功确定其中的噪声分量并将其去除。采用该算法对实测的露天矿山爆破振动信号进行降噪处理。结果表明：相比EMD-MPE和EEMD-MPE算法,PEMD-MPE算法的信噪比分别提高了3.520 dB和1.107 dB,且重构标准差和均方根误差最小,说明该算法不仅能够有效去除爆破振动信号中的噪声成分,还能有效保留真实信号。     

冷轧宽带钢板形控制降维功效继承调控方法

 基于高次勒让德正交多项式和调控功效函数,提出了降维功效调控模型及两级调控模型。首先,利用连续可导的高次曲线准确描述局部板形信息,同时降低影响系数矩阵的维数和功效函数的计算量,利用传统板形调控手段（倾辊、弯辊、横移）同步消除典型板形缺陷;然后,利用精细分段冷却实施剩余板形偏差的二级调控,改善局部浪形缺陷,提高成批钢卷的生产稳定性和板形质量。实例表明,当阶数为带钢覆盖检测通道数量的一半以上时,拟合曲线已包含所有的局部板形信息;对于相对较典型的板形问题（50 I左右）,一级调控后剩余板形偏差在15 I以内,二级调控后剩余板形偏差在8 I以内,综合调控效果比较理想。     

连续退火线平整机辊形优化

对连续退火线平整机的板形问题进行研究. 通过实际生产数据的统计分析,基于减小有害接触区和增强弯辊力调控功效的思想,利用影响函数法下的辊系弹性变形计算提出了相应的平整机支持辊辊形优化目标. 采用分层序列法处理多目标函数,并通过混合遗传算法进行求解,设计出新的辊形配置方案. 使用二维变厚度理论建立辊系有限元模型,对辊缝横向刚度、弯辊力调控功效进行计算校核. 将研究结果应用于实际生产,改善了平整机的板形控制效果,降低弯辊负担.      

UCMW冷连轧机板形闭环控制模型优化研究

为充分发挥轧机现有的板形控制能力,提高产品的实物板形质量,针对某1550UCMW冷连轧机板形闭环控制模型的缺点,建立板形闭环控制仿真模型,选取四种典型的板形缺陷模态对原模型进行了优化。仿真结果表明,优化后的板形控制模型控制迭代次数少,并明显地增S强了板形调控能力,尤其是对高次板形的调控能力。     

冷轧板形平坦度计算方法

 冷连轧生产线多配备有1套或2套板形仪,用于板形的实时反馈控制以及板形质量的监测,各处所用板形仪的规格不尽相同。板形平坦度指标是表征冷轧带钢板形质量的重要参数,由板形控制系统根据板形仪检测结果自动提供,一般以IU(I-Unit)表示。为了更准确地表征带钢板形质量,分析了某冷轧常用板形控制系统中带钢平坦度的计算方法,并考虑板形仪传感器分布不均会对其平坦度计算结果造成的影响,在此基础上提出了利用线性插值构造间距均匀的横向伸长率分布模型的方法,对平坦度计算过程进行了修正,并以实际板形数据进行检验,结果表明修正后的板形平坦度计算方法不再依赖于板形仪传感器的布置方案,使得具有不同板形仪的冷轧生产线的板形质量更具可比性。     

冷轧带钢板形目标曲线设定模型研究与应用

板形目标曲线设定模型属于冷轧板形控制中的基础工艺设定模型,直接决定带钢的实际控制效果。由于当前的板形目标曲线设定模型难以适应规格及工艺参数的变化,无法满足多品种多规格频繁切换的板形控制要求,导致产品合格率降低。为提高板形目标曲线与实际板形的适配度,以基本板形目标曲线和各补偿曲线为基础,利用函数建模方法建立8次多项式形式的板形目标曲线广义方程。为降低各系数的设置难度且满足全种类带钢的生产要求,利用线性函数归一化算法对板形目标曲线广义方程进行归一化处理并乘以增益系数,得到归一式的8次板形目标曲线最终模型。以国内某厂1 450 mm五机架六辊冷连轧机为应用实例,实践表明,归一式板形目标曲线使稳态轧制、加减速轧制阶段的板形标准差分别降低50%和30%且均满足工艺标准,并可保证良好的指标稳定性,为获得高质量冷轧带钢产品提供了解决方案。     

基于自编码器的冷轧带材板形数据降维方法

 为实现板带轧制过程的智能制造,对智能化的内涵进行了深入探索。针对具体问题,将无监督学习与强化学习理论用于生产实践具有重要意义。以板带轧制过程中的板形检测数据为研究对象,通过无监督学习理论中的自编码器进行板形基本模式的自动学习,从而降低板形数据的存储与传输量,实现板形分布的抽象表示,为后续板形异常检测、智能预报和智能控制奠定基础。与基于勒让德多项式模式的传统板形数据降维方法相比,此方法可显著提高板形重构精度,实现板形数据的近似无损压缩。     

冷轧板形控制中的精细冷却控制

在冷轧带钢的板形控制中，轧辊精细冷却用来消除复合浪形即高次板形缺陷。本文提出了一种新的精细冷却控制系统，并以宝钢2030mm冷轧板形控制系统为背景，讨论了新控制系统实际使用的效果。     

六辊冷连轧机板形前馈控制方法的研究

 本文针对六辊冷连轧机,研究了采用工作辊弯辊的整体补偿板形前馈控制方法和采用工作辊与中间辊弯辊相结合的最优综合补偿板形前馈控制方法。实际控制效果表明,整体补偿板形前馈控制方法只能抑制由于轧制力波动产生的二次板形,而对四次板形几乎不产生影响;最优综合补偿板形前馈控制方法对轧制力波动造成的二次和四次板形均具有很强的控制能力。     

基于CF-PSO-SVM的冷连轧非稳态工作辊弯辊模型优化

 板形质量是冷轧带钢重要的技术质量指标,同时工作辊弯辊是改善冷轧带钢板形质量的最有效的控制手段之一。冷连轧机组在高速稳定的轧制过程中板形控制精度能够达到较高的水平,但在升降速非稳态的轧制过程中板形控制效果非常不理想,这也成为制约冷轧带钢产品质量的不利因素。为了提高冷连轧机在升降速非稳态轧制过程中带钢板形的控制精度,在深入研究了冷连轧弯辊力设定原理的基础上,利用智能算法和包括出入口带钢厚度、机架间口张力、轧制速度、中间辊窜辊、带钢宽度、轧辊倾斜以及轧制力等现场实际轧制大数据样本,提出了一种基于粒子群算法优化支持向量机的工作辊弯辊力预测模型。同时阐明了粒子群优化算法和支持向量机的基本原理,引入压缩因子的概念,提升了粒子群算法参数寻优的效率,选取冷连轧机组五机架为研究对象,利用拉依达准则对轧制数据样本进行处理,通过平均绝对误差、均方差误差和平均绝对误差百分比等评价指标对比预测模型的性能。结果表明,改进的预测模型具有良好的模型预测性能和泛化能力,同时根据实际生产数据样本,回归出基于轧制速度和辊间弹性系数的弯辊力缝补偿模型,并验证了模型的有效性,模型的投入降低了板形控制系统的负荷,改善了非稳态轧制过程中的板形控制精度,产品头尾部的质量合格率提高了5.1%。     

离散跟踪微分器在板形识别上的研究与应用

 实际生产过程中很多因素会对板形信号产生干扰,从而造成板形缺陷识别不准确。针对这一问题,在板形勒让德多项式回归分解识别方法基础上应用最速离散跟踪微分器对板形信号进行滤波处理,消除噪声干扰。仿真结果表明,两种方法相结合后在板形缺陷识别的精确度和抗干扰性方面都有很好的效果。     

一种铸轧板形检测信号的滤波方法

本文成功地将动态测试数据处理理论应用于铸轧板形检测领域，建立了一种通用的板形检测信号除噪方法，并编制了RPEM－KF自适应滤波算法程序。考题验证及仿真结果表明该法除噪效果明显，能满足实时控制要求。