针对在AGC板厚控制系统中存在时滞、时变、大惯性、非线性等问题,提出了采用自适应集中延时神经网络辨识、最优预报和模糊免疫PID控制相结合的控制方案,有效地提高了系统的控制精度和动态性能.经MATLAB仿真实验表明,各项指标均好于传统的控制方式,取得了令人满意的控制效果

热轧钢材的淬火冷却是改善钢材质量和性能的重要措施,淬火过程的核心就是控制钢板的冷却速度.针对传统的淬火控冷模型的固有缺陷,为了满足扩展钢种、规格及淬火温度高精度的要求,利用神经网络技术建立了神经网络淬火控冷温度预报模型,该模型与回归数学模型相结合,完成淬火控冷现场控制.应用结果证明,该综合模型极大地提高了钢板淬火冷却的控制精度,提高了产品的成材率

BOF+LF+RH+CC工艺路线生产IF钢,在RH脱碳前,钢水经脱氧和LF精炼后,钢中自由氧达到极低水平.根据表观脱碳速率常数的不同,这种极低氧钢水的RH脱碳可以划分为四个阶段.与传统三个阶段的RH脱碳不同的是在低速脱碳阶段和快速脱碳阶段存在一个脱碳速率介于两者之间的过渡阶段.在正规溶液模型的基础上,建立了能够准确预报钢液氧含量及顶渣FeO含量的RH脱碳模型.结果表明:在RH吹氧前,极低氧含量的钢液与顶渣之间基本不传氧;吹氧之后,钢液氧含量呈线性增加,当钢液氧势大于顶渣氧势后,钢液向顶渣传氧,渣中FeO含量上升;RH处理结束FeO含量较处理初始有所回升,但是仍处于极低水平,能够有效降低顶渣对钢液的二次氧化

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高

提出利用最小二乘法拟合烧结废气温度曲线,求曲线方程的二阶导数计算出烧结废气温度的四个拐点.结合烧结过程各带的迁移情况,计算得出拐点所对应的各带前沿到达料层底部的温度.根据拐点出现的时间,求出烧结过程中各带前沿平均速度.利用多元线性回归法和F检验进一步考察烧结工艺参数对各带前沿平均速度的影响规律,并给出了它们之间的关系式.利用该关系式,可以在节能和提高烧结矿平均粒度的原则下,定量地调整工艺参数以稳定烧结终点

建立了非规范正交曲线坐标系下DC-EAES-LF炉电弧电渣加热过程三维数学模型，并进行联立耦合求解：速度场计算使用了矢性流函数方程和涡量输运方程；湍流模型采用引入Rechardson浮力修正项的k-ε双方程模型；温度场用非定常能量输运方程描述．现场测量的温度场与预报结果基本一致

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量

根据鞍钢厚板厂投产的国内第一套中厚板轧后高密度管层流控冷装置的特点,结合理论分析,建立了一套适用于中厚板轧后快冷的控制用数学模型.该模型由层流冷却预设定冷却模式、各预设定冷却模式下终冷返红温度预报模型、终冷返红温度修正模型、自学习模型等组成,且该套模型已在鞍钢厚板厂投入使用

针对宽带钢冷连轧机首次应用的SmartCrown板形控制技术,通过对SmartCrown轧辊大量实测得到了轧辊磨损辊形,采用遗传算法建立了轧辊磨损预报模型,并利用ANSYS软件建立了三维辊系有限元分析模型,研究了磨损辊形对SmartCrown板形控制技术在服役过程中板形调控能力的影响,提出了新辊形使用工艺策略．

以恒应变速率凸轮压缩试验机得到的实验数据为基础,采用人工神经网络的方法建立了碳钢变形抗力与应变、应变速率及温度对应关系的预测模型,与多元非线性回归模型比较,神经网络模型具有较高的预测精度