R0轧机HAGC系统的动态性能仿真

介绍了轧机的液压AGC系统,建立了轧机液压AGC系统的传递函数方程,同时利用MatLab语言编写程序,用来仿真轧机的液压AGC系统。以柳钢热轧厂RO轧机的液压压下装置为例说明了该仿真系统的使用方法,并给出了该系统的动态性能预测。     

轧机AGC液压系统故障诊断研究

轧机AGC液压控制系统是生产高质量板材的核心,其运行的可靠性直接影响设备的正常运转和产品质量,针对轧机液压控制系统常见故障进行了分析,研究运用故障树分析方法进行AGC液压控制系统的故障快速诊断。采用故障树分析方法,可以直观的进行故障诊断次序排查,迅速定位和排除故障。     

板带轧机厚控系统非线性模型与故障模拟

为提高轧机液压压下厚度控制系统(H AGC)建模精度,考虑系统中伺服阀流量与阀口压力之间这一典型非线性关系,应用机理建模的方法建立了轧机液压压下系统的非线性动态仿真模型。研究结果表明：与线性模型相比该非线性模型更加贴近真实系统模型,可以更加准确、完善地反应各参数变化对系统输出的响应。利用该模型对各种典型故障进行模拟研究,可为系统的故障预测和诊断提供依据。实验研究证明了所建立的非线性模型的准确性和故障分析的合理性。     

冷连轧机液压AGC系统动态特性

液压AGC是现代宽带钢冷连轧机组几何尺寸精度控制的关键装备之一。以一米七冷连轧机组液压AGC为研究对象 ,建立了液压压下系统数学模型 ,分析了系统的时域和频域特性 ,研究了系统各主要因素对动态特性的影响 ,并分析了该轧机液压AGC系统改进措施的作用。     

中厚板控制轧制过程机的设计与应用

结合国内某中厚板轧机改造项目，从控制轧制过程机的设备入手，系统的阐述了控轧过程机的具体功能设计以及数据库设计，并对其中过程机采用的数学模型设定、修正计算和轧件过程跟踪控制作了分析。现场应用结果表明，通过基础自动化的液压AGC控制和过程机模型的自学习，能够获得较高的模型预设定精度和良好的在线修正效果。     

液压AGC系统的故障判断、分析与改进

通过对安钢3500mm炉卷轧机液压AGC系统的故障判断、分析与改进,提高了轧机作业率,加快了新产品的开发步伐,树立了炉卷产品的形象。     

轧机液压AGC伺服缸试验台测试缸控制系统研究

轧机液压AGC系统已成为高精度快速轧制的核心设备。系统中的关键元件轧制伺服油缸轧制力大、行程短、频率响应高、测试难度大,常常因无法预测故障或不能判断故障部位而被迫停产检修。根据大型轧机实际使用情况,参考国家和行业的相关液压试验标准,以轧机液压AGC伺服油缸为试验对象,北京科技大学与唐山学院共同开发设计了一套全新的最大轧制力为9 200t的大型轧机液压AGC伺服油缸试验台设备,主要完成油缸的动态和静态性能测试。试验台液压系统由加载系统和测试系统两部分构成。测试系统由加载油缸、测试油缸、三级伺服阀、压力传感器、位置…     

板轧机AGC系统的液压压下建模及模型参数对板厚的影响

 以液压AGC系统为研究对象，建立了一种全面而且有利于分析轧制过程中各因素对轧制精度影响的动态仿真模型。通过对轧机液压AGC系统参数仿真，表明各主要参数变化对系统动态参数的影响，进而影响了轧制板厚，为液压AGC系统设计提供了基础。     

轧机AGC液压系统故障的分析

本文系统地阐述了CSP轧机液压AGC系统的主要故障及分析方法，并列举了故障和症状－故障对应表。     

大惯性液压AGC系统的模糊控制仿真

针对轧机液压AGC系统及模糊控制的特点，提出并设计了模糊PI控制器；利用计算机进行了仿真，结果表明该控制器具有良好的控制效果，为轧机液压AGC系统提供了一种新的控制方法。     

变尺度混沌神经网络在球磨机故障诊断中的应用

针对神经网络极易陷入局部极小的问题,提出变尺度混沌优化方法与神经网络相结合的变尺度混沌神经网络综合模型,讨论变尺度混沌神经网络模型的建模思路及其算法实现;介绍球磨机常见的故障类型,建立球磨机故障诊断的变尺度混沌神经网络模型,并进行仿真试验,结果表明:该模型具有较高的预测精度,可以有效地运用于球磨机诊断中的故障预测。     

数据网络技术在故障诊断中的应用

Introduced the basic principle and structure of the grid computing technology, as well as the application combined with the fault diagnosis expert systems. Put forward that use grid node to construct integrated fault diagnosis system based on object model, experience rule, neural network model and practice, so that the aptitude and efficiency of the diagnosis system is improved. Researched on the method of applying the grid architecture in fault diagnosis based on OGSA. It also puts forward the method of fault diagnosis in LAN. Server is made up of grid nodes, which are used for spectrum diagnosis and data tendency diagnosis. Using web Service program, can realize accessing and grid calculating between clients and server. Besides, presented the system control flow.     

模式识别在电解铝生产过程故障诊断中的应用

为了提高电解铝生产过程的安全性和可靠性,将模糊理论和神经网络的模式识别方法应用到电解铝生产过程故障诊断中,使用模糊隶属度函数计算并归一化系统状态数据,获得数据隶属异常态的值,再将计算后的值输人至神经网络进行故障诊断,实现电解铝生产的故障诊断与报警,以提高生产过程的智能化水平。最后通过仿真实验,验证了上述诊断方法的有效性和准确性。     

一种基于轻量级神经网络的高铁轮对轴承故障诊断方法

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力,但繁重复杂的计算量对计算机硬件提出了严苛的要求,严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet,用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想,包含多个高效率的ShuffleNet单元,通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率;同时使用通道混洗方法克服了通道分组带来的约束,改进了网络的损失精度。实验分析表明,所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断,相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型,在保证诊断精度的同时,运行效率得到大幅提升。这为深度神经网络技术应用于工程实际,克服计算机硬件条件限制提供了一条新的途径。      

基于小波包的开关电流电路故障诊断

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性.      

Mallat小波快速变换与IDRNN在卫星实时故障检测与识别中的应用

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类.      

RBF神经网络在磨矿故障诊断中的应用

对 RBF神经网络的结构和特性进行了简要的概述 ,指出 RBF网络可避免网络训练局部最优问题 ,是一种分类能力较强的神经网络。应用该方法设计出神经网络故障诊断系统 ,并对磨矿设备进行的模拟验证 ,结果表明网络的应用是成功的。     

基于改进遗传算法优化Elman网络的板形识别方法

针对目前的板形缺陷识别方法精度不高、识别速度慢的问题,根据Elman神经网络模型可以反映系统动态特性,而且可以逼近任意非线性函数的特点,提出了一种利用改进的遗传算法优化Elman神经网络,使其泛化能力强、学习速度快、识别精度高,并建立板形缺陷模式识别模型的方法。为了验证该方法的识别能力,在隐层节点数与学习次数相同的条件下,分别与遗传算法优化的Elman网络和BP网络模型进行板形识别仿真对比分析。试验结果表明,改进遗传算法优化的Elman神经网络模型对板形缺陷识别精度高于BP网络等模型,并且具有收敛速度快的优点。     

大型连轧机传动齿轮在线故障诊断方法研究

在大型连轧机组中，主传动系统的减速机、齿轮在受着巨大的负载，很容易出现各种故障，采用神经网络自适应滤波方法和小波分解方法在线分析传动齿轮的振动信号，有效地分解出信号中由故障所引起的成分，地诊断出连轧机传动齿轮的各种故障原因，为大型连轧机组齿轮传动系统的故障在线监测提供了新的有效的工具。