针对烧结过程生产实际,运用神经网络中的BP学习算法设计了分类器,用于在线推断烧结矿的质量。为了加快BP学习算法的收敛速度,采用了自适应变步长学习算法。实验结果表明,由此建立的烧结过程神经网络质量预报模型,预报正确率高,具有很好的泛化能力

对广泛用于电厂主蒸汽管道的耐热钢12Cr1MoV的蠕变曲线进行了研究.将恒应力蠕变与恒载荷蠕变进行对比，证明原始的θ—ConceptProject方法可以成功地描述恒应力蠕变，但它不能用于恒载荷蠕变.根据12Cr1MoV钢的蠕变特性，提出一种修正的θ法，可以成功地描述恒应力和恒载荷蠕变曲线，从而可以利用已有大量的恒载荷蠕变数据，有效地进行的蠕变曲线的外推

采用Gleeble-1500热/力模拟试验机进行压缩试验,研究了不同变形条件下微量稀土对T91耐热钢动态再结晶行为的影响.分析绘制了稀土加入前后实验钢的真应力-真应变曲线、再结晶-温度-时间图、再结晶图及功率耗散图,并计算了高温下实验钢的再结晶激活能.在变形温度为850~1100℃,变形速率为0.004~10 s-1变形条件下,变形温度越高和变形速率越低,动态再结晶越容易发生.稀土加入会产生固溶强化,稀土元素与碳原子发生交互作用,且在晶界处或晶界附近偏聚,使变形抗力与峰值应变均增大,再结晶激活能由354.6 kJ·mol-1提高到397.2 kJ·mol-1.另外,稀土会显著推迟再结晶发生时间,扩大再结晶的时间间隔,推迟再结晶动力学过程

应用非线性数学工具对物料在强化筛中的复杂运动规律性进行了分析,推导出颗粒在强化筛中运动的递推公式.应用混沌分析方法对物料在强化筛中的运动规律进行了数值计算,并用其描述了颗粒的运动特性.结果认为,真实的料群与筛网碰撞和透筛是个十分复杂的过程,影响因素很多,用数学工具对料群碰撞、透筛过程进行精确描述目前尚有困难

第三章液压缸 本章重点: 1.单杆液压缸的速度和推力的计算 2.差动液压缸的工作特点及速度和推力的计算 3.液压缸的结构形式

建立了一个特殊情况下死焦堆在炉缸中的受力模型,推导出了最小死铁层深度的计算公式,并用某高炉解剖数据进行了验证,结果表明该模型可靠.在此基础上提出了一般条件下的死料柱受力模型,推出了一个用于估算一般情况下死焦堆浮起高度的公式,并讨论了死焦堆浮起高度与炉渣液面高度的关系

将自由权矩阵思想推广到一类时滞随机系统中,研究了其时滞相关稳定性问题.通过构造新的Lyapunov函数,引入适当的自由权矩阵,推导出系统渐近稳定的时滞相关的充分条件.所得结果完全基于线性矩阵不等式的形式给出,不需要对原系统模型进行变换.数值算例说明了方法的可行性

应用PFC2D计算程序,对某矿水平与倾斜联合布置的折线型综采面,分析了散体顶煤和破碎直接顶的落放过程及落放形态,揭示了不同放煤步距连续推进模式下的煤损动态特征,并对不同放煤顺序的顶煤回收率及支架受力工况进行了优化分析.研究表明:折线型综采面采用自上而下的回采顺序,顶煤回收率高,支架受力均匀;低位单口放煤时,放出体形态向采空区侧偏转;在支架连续推进过程中,煤损形态节律性变化;大倾角厚煤层综放开采,采用中档放煤步距的经济技术效果较好

采用带动量项的线性再励自适应变步长BP神经网络算法,建立了基于多周期运行模式的烧结矿化学成分预报模型;使用基于数据库技术的知识库和正向推理的推理机,开发了化学成分控制专家系统.系统自投入运行以来,预报模型命中率稳定在90%以上,操作指导建议采纳率达到92%,实现了对烧结矿化学成分的稳定控制

为了发挥LF炉精炼优质钢及流程节奏调节能力的作用,开展了LF炉过程优化主要内容之一的钢液成分微调优化的研究.该研究有利于:实现快速准确的合金计算,缩短处理周期,提高流程节奏调节能力;实现自动称量、自动加入,减轻劳动强度;可对钢液成分实现下限控制,尤其对贵重合金,降低合金消耗;可对钢液实现窄成分控制,提高钢质量,实现一材多用,等.为建立LF炉钢液成分微调模型,给出了合金计算公式的推导过程及公式的解析,并给出LF炉钢液合金成分微调模型框图,为LF炉过程优化奠定基础