基于动力学控制的钛加工材料成型优化技术

钛金属强度大,密度小,硬度大,熔点高,钛金属在进行材料成型过程中成本之高,使应用受到限制。需要研究一种有效的钛加工材料成型优化技术,降低生成成本,提高钛金属的应用性。传统方法采用两相非稳态流动规律进行钛加工的成型优化控制,随着不稳定频率与转速的非线性变换,导致控制精度不高,提出一张基于动力学控制的钛加工材料成型优化技术,分析了钛加工材料成型的基本流程,设计动力学控制方法,实现加工材料成型的优化控制。实验结果表明,采用该方法能有效提高钛加工成型的控制精度,降低生产成本,提高钛加工生产工艺。     

粒子群优化算法优化BP神经网络联合PID模型的烧结自动加水控制

针对烧结混合料自动加水控制的难点,尤其是在烧结配料过程中自动加水系统的大滞后、非线性、低稳定性问题进行了加水控制算法研究。采用内环和外环方案分别控制两级混合机加水,设计基于粒子群优化(particle swarm optimization, PSO)算法优化BP(back propagation)神经网络联合模糊PID控制模型以解决时变、非线性系统的局限性问题。通过PSO算法对BP神经网络进行训练优化以获得最优控制参数,将预测的烧结料水分加入模型参与下一步控制。考虑系统存在较大延时,Simulink仿真中同步加入延时环节。仿真结果表明,相比BP神经网络模型,PSO-BP预测模型的拟合性能更加优越;相比PID、BP-PID控制算法,PSO-BP-PID控制算法在超调量、响应时间以及震荡周期等指标上均有显著提高。经梅钢4号烧结机实际应用数据表明,相比传统PID控制,PSO-BP-PID控制平均误差下降约45.75%,控制标准差下降约62.72%,可以明显提高混合料水分控制的精准度、稳定性、敏捷性,提高烧结过程的稳定性。     

基于变结构神经网络的铁合金加工温度控制算法

通过对铁合金加工的温度有效控制,保障加工过程的温度和火候,提高加工精度,提出一种基于变结构神经网络的铁合金加工温度控制算法。仿真结果表明,采用该算法进行铁合金加工温度控制,温度控制输出的目标值与预测值具有较好的匹配性,温度控制精度较高,自适应性能较好。     

采用广义模糊加权的金属连杆自适应控制算法设计

金属连杆的优化控制在汽车轴承控制、机器人控制等领域都具有较好的应用价值。提出一种基于广义模糊加权的金属连杆自适应控制算法。构建金属连杆的运动数学模型,进行被控对象建模和控制约束参量分析,采用广义模糊加权自适应神经网络控制方法,实现控制算法改进。仿真实验分析表明,该控制算法的精度较高,控制品质较好,误差收敛到最小。     

4200 mm轧机AGC的模糊神经网络滑模控制

针对舞钢4200mm轧机AGC控制系统在工作过程中的高阶、非线性、强耦合等特性,提出一种将模糊神经网络与滑模变结构控制相结合的控制算法,仿真与实验结果表明,该控制器能有效克服轧机的上述不良特性,并具有较好的鲁棒性与跟踪性能。     

氧化铝脉冲电沉中的PI控制器电气耦合设计

氧化铝脉冲电沉加工中,通过控制器的电气耦合优化设计,提高加工控制的稳定性,提出一种基于模糊PI控制的氧化铝脉冲电沉电气耦合设计方法,进行了电气耦合器的总体设计描述,构建模糊和PI控制算法提高控制过程的自适应误差修正能力,实现了控制器电气耦合器的硬件电路设计,实验表明,该系统具有较好的氧化铝脉冲电沉控制能力,氧化铝加工过程中机械电气执行机构的稳定性较好。     

一种基于模糊神经网络FNN在加热炉温度控制中的应用

从实际出发,以昆明钢铁集团公司中板厂加热炉为研究对象,对具有时变性、非线性、模糊性的随机过程进行了研究。着重研究了神经网络与模糊系统融合的可行性及融合方式,采用了一种新型的智能控制方案——模糊神经网络控制。对提出的模糊神经网络控制算法进行了仿真试验,仿真结果表明,对比PID控制和自整定PID控制,采用本文所提出的模糊神经网络控制算法对加热炉进行控制,具有推理速度快,跟踪性能好,抗干扰能力强的优点,它完全能够满足工业生产需要,具有较强的可行性和实用性。     

钛金属材料的强度结构测试研究

钛金属材料具有较好的能量吸收特性,可以作为高性能的航空航天材料、精密仪器材料等,研究钛金属材料的强度结构,对其动力学结构特性进行分析,在优化钛金属材料的功能,拓展钛金属材料的应用方面具有重要意义。提出一种基于线性加载和非线性动力学分析的钛金属材料的强度结构测试方法研究,测试的环境在超低温环境下进行,选择的钛金属材料为钛与金属Al、Sb的合金材料。考虑钛金属材料构件的随机性,准确建立结构尺寸、材料属性尤其是劈裂荷载的统计模型,实现对钛金属材料结构模型失效概率的准确分析和评价,计算冲击载荷下钛金属抗剪连接的柔度和屈服强度,根据材料动态冲击平台的结构力学模型,进行近似预测递变梯度最小二乘拟合分析,在递变屈服强度下测试整个压缩变形度,通过递变屈服强度梯度值计单位质量的钛金属材料能量吸收度,实现对钛金属材料的最弱层到最强层的逐层结构屈服强度分析,运用有限元分析软件ABAQUS进行结构力学模式分析,实现对钛金属材料强度结构准确测试,得出有效性结论。     

自热炉计算机模拟控制

采用热力学机理模型和神经网络相结合的预测模型控制算法 ,建立了自热熔炼优化操作的计算机辅助控制模型及软件系统 ,采用在线校正 ,优化了控制模型输出。     

神经网络控制系统在钛渣电炉上的应用

针对大型钛渣电炉生产中炉压、一氧化碳含量、电流等参数属于非线性变量的状况,提出一种类似于标准的操作方法,基于模糊神经网络的智能协调控制方案,应用提前算法对模糊神经网络结构和参数进行优化,并采用神经网络模决与PLC的逻辑梯形图语言编程实现智能协调运算,实际应用后,冶炼时间缩短,电耗降低。     

基于BP的二自由度时滞系统容错性控制算法

二自由度时滞系统容错性控制算法设计在无人机控制、冶金机电控制等领域具有较好的应用价值。提出一种基于BP神经网络模糊控制的二自由度时滞系统容错性控制算法。仿真结果得出,该控制方法进行时滞系统控制的控制参量输出的稳定性和自适应性较好,避免了失真,实现容错性控制。     

神经网络控制系统在钛渣电炉上的应用

针对大型钛渣电炉生产中炉压、一氧化碳含量、电流等参数属于非线性变量的状况,提出一种类似于标准的操作方法,基于模糊神经网络的智能协调控制方案,应用提前算法对模糊神经网络结构和参数进行优化,并采用神经网络模块与PLC的逻辑梯形图语言编程实现智能协调运算,实际应用后,冶炼时间缩短,电耗降低.     

基于BP神经网络PID控制及其仿真

对BP神经网络算法进行了改进,克服了直接使用神经网络算法进行PID控制的不足之处.仿真表明,设计了附加动量项的BP神经网络,能有效地提高算法的收敛速度.实验结果表明控制效果优于传统的PID控制算法的仿真结果.     

自热炉计算机模拟控制

采用热力学机理模型和神经网络相结合的预测模型控制算法，建立了自热熔炼优化操作的６计算机辅助控制模型及软件系统，采用在线校正，优化了控制模型输出。     

钢丝电接触运动加热温度的模糊神经网络控制

利用模糊逻辑及推理机制划分出问题解空间的网格，并同步训练神经网络的初始权值，然后利用神经网络并行与分布式学习机制，在模糊划分的区间中，快速搜索出被控对象的优化解值。这种模糊神经网络控制算法对于具有分布参数、动态特性快速变化的钢丝电接触运动加热温度，取得了良好的控制。     

基于PSO-BP神经网络双机架炉卷轧机轧制力的预测

为了有效预测双机架炉卷轧机的轧制力,使热轧板带材生产具有很好的可操作性,采用粒子群算法(PSO)优化BP神经网络,建立了往复式双机架炉卷轧机轧制力预测的智能模型。以某钢厂热轧产品Q195实测数据作为试验样本,并将粒子群算法优化的BP神经网络模型和标准BP网络模型分别用于轧制力预测,结果表明PSO-BP神经网络模型在预报精度上明显优于标准BP网络模型,并且PSO-BP神经网络模型预测轧制力的误差率控制在10%以内。     

基于非线性预测模型的单神经元自适应PID板形控制

为了解决传统PID板形控制精度低、速度慢、抗干扰能力差等问题,将BP神经网络和单神经元引入到板形的控制中,提出一种基于BP神经网络预测模型的单神经元自适应PID控制的板形控制策略。利用BP神经网络的非线性逼近能力和单神经元的自学习、自适应能力,通过两者的有机结合寻找一个最佳的P、I、D非线性组合控制律,实现对带钢板形缺陷的有效控制。仿真实验结果表明,该控制算法能很好地跟踪板形的目标设定值,提高了系统的控制精度,加快了系统的响应速度,并且具备较强的抗干扰能力。     

变结构神经网络在板形信号模式识别方面的应用

提出了基于模糊距离的变结构神经优化算法,并将其用于板形信号的模式识别过程,有效地解决了板宽变化时神经网络拓扑结构不变的问题,提高了识别速度和精度,从而成为一种新的智能板形信号识别方法。     

基于神经网络的提拉法钛单晶生长过程建模

用神经网络建立提拉法钛单晶生长过程的经验模型，并通过试验验证模型的有效性。改进钛单晶生长试验设备，采集建立经验模型所需的无噪实验数据。建立前馈神经网络预测器，建模提拉法钛晶体生长过程非线性动态特性，用自适应BP算法训练神经网络，以加快网络的学习和收敛。     

基于克隆算法的变结构模糊神经网络在AGC系统中的应用

遗传算法优化函数参数可能会出现不足,为此采用高斯变异与柯西变异相结合的克隆算法,优化了变结构模糊神经网络的参数,并基于此方法设计控制器,应用于AGC控制系统.仿真实验结果表明,应用克隆算法比遗传算法优化参数收敛速度更快,用于AGC控制性能更好.