研究了一种基于特征变量的复杂生产过程预测模型.与传统的建模方法相比,该方法不需要经过机理分析,而从信息科学的角度出发,在对反映生产过程工况原始动态数据进行特征选择的基础上,运用时间序列分析法建立其预测模型.同时讨论了它的神经网络实现方法.仿真结果表明了该方法的可行性

采用人工神经网络方法建立了钢-铝固液相复合中助焊剂质量分数、铝液温度、模具温度、压力与界面层厚度间的关系模型,并结合最大剪切强度的复合工艺参数得出了钢-铝固液相压力复合的最佳界面层厚度为10.0μm

LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上

在深入分析高炉冶炼特点的基础上,提出泛化特性和自适应特性是高炉炉况判断系统稳定有效运行的2个重要特性.设计了增进系统泛化特性和自适应特性的方案,并相应开发出一套炉况判断专家系统.开发的系统在高炉上运行获得了满意效果

鉴于边坡系统影响因素之间的高度非线性和不确定性,融合RS-GP模型的优势,提出了依据边坡稳定性影响因素类比计算边坡安全系数的方法.该方法通过学习样本的数据特征分析、计算属性的重要性及约简规则,降低了遗传规划预测模型的结构规模.人工神经网络(ANN)模型与RS-GP模型计算结果比较表明:该方法具有计算速度快、容错能力强及精度高等特点

采用组合式皮托管测量的方法测量了喷射沉积过程中的雾化气体流场,并基于神经网络的方法对流场进行数值模拟,获得了较为精确的雾化气体压力与流场中轴向气体速度之间的关系,实现了对不同气压下气体流场的预测

最小距离法是一种应用非常广泛的状态识别算法,但其在使用过程中要求待识别样本必须符合类内距离较小、类间距离较大这一前提条件,否则将会造成识别错误.针对最小距离法存在的问题,提出了一种基于人工神经网络的改进最小距离法,并将该方法应用于加热炉工况的状态识别.结果表明,该方法具有识别速度快、识别率高的优点,完全能够满足工业生产过程的需要

运用BP网络来消除信号的随机噪声和模式识别.作为例子,考虑了正弦波、矩形波和三角波3种信号.在50%噪声情况下,BP网络仍能有效地消除这3种信号中的随机噪声并正确地找出它的理想模式

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度

通过将轧制变形区离散化的方法,在考虑变形区内横截面上张应力、摩擦应力等影响因素沿带钢轧制方向分布规律及其与带钢厚度及压下量的关系的基础上,采用数学模型和神经网络相结合的方法计算了金属变形抗力,建立了冷连轧机轧制力在线计算数学模型.经大型工业轧机生产实践数据检验,该冷连轧机在线轧制力计算模型预报误差控制在6.1%以内,满足模型在线控制要求,可提高在线控制轧制力模型的计算精度