轧制过程中,轧制速度的波动和传动系统的扭转振动,都将导致轧辊与带钢表面之间产生相对滑动,严重影响带钢表面质量.为更进一步研究轧辊与带钢打滑特性,建立了森吉米尔二十辊轧机传动系统打滑扭振动力学模型,对不同轧制速度和不同摩擦系数时轧辊扭矩的动力学进行了仿真分析,通过与实验数据的对比,验证了动力学模型的有效性,为分析轧制打滑时扭矩波动提供了新的、完善的分析模型

用气固相反应原理分析了单晶硅热氧化机理。在氧化中期,考虑到热应力对扩散系数的影响,从而得出了硅氧化的一个新模型,即化学反应控速——四次方混合控速——扩散控速模型。用该模型处理了文献[4]中的数据与本实验结果均得到满意的相关系数。另外,用扫描电镜和透射电镜对氧化膜进行了观察,分析了单晶硅的氧化膜生长机理

针对含动态再结晶粘塑性模型中的材料参数应用传统的测试方法很难准确测定的问题,吸收了遗传算法、增广高斯-牛顿算法、Levenberg-Marquardt算法和可变多面体算法的优点,构造了一套混合的全局优化算法.以26Cr2Ni4MoV为例,以镦粗实验提供的实验数据和刚塑性有限元模拟提供的数值解差值的l2范数的平方作为目标函数,应用构造的算法识别了该模型中的材料参数,计算结果和实验结果符合良好

以工业轧机为对象,建立了实用的板形方程即凸度传递模型.该方程能反映热连轧板形生成及控制的特点,并满足热连轧机组板形控制的需要.同时给出了建立板形方程所需的一整套完整分析工具.取样数据与该模型仿真计算结果的对比表明,该模型是可行的

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

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果

为了适应炼钢-连铸生产调度系统对实时性和动态性的要求,用Unifled Modeling Language(UML)对该问题建立了需求模型、静态模型和动态模型,探讨了使用UML建模的特点及关键技术。结果表明,UML能够将系统的结构与数据良好的结合起来,精确体现系统的需求

将BP神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于BP神经网络的板形预测控制数学模型.经用宝钢1420mm冷轧实测数据仿真验证表明该模型具有很高的预测精度

建立了基于析出、回复和再结晶之间交互作用的低碳含铌钢组织预测模型,用于模拟低碳含铌钢热轧道次间隔期间粗晶奥氏体的再结晶及析出行为,并讨论了模型在绘制低碳含铌钢的再结晶-析出-时间-温度(RPTT)图中的应用.结果表明,模型对两种低碳含铌钢在热变形道次间隔期间内粗晶奥氏体的组织演变过程的模拟结果与测试数据符合较好,可以有效预测不同低碳含铌钢在不同工艺条件下的析出和再结晶行为

• 2.1 信息检索模型概述 • 2.2 一个简单的搜索示例 • 2.3 倒排索引 • 2.4 布尔检索模型 • 2.5 布尔检索模型的优化与扩展