基于金属体积非压缩性原理建立了锥形管连续无模拉拔速度控制模型,分析了无模拉拔变形过程中拉拔速度等工艺参数对变形区体积以及锥形管形状和尺寸的影响,并进行了实验验证.结果表明:拉拔速度不仅与进料速度、坯料尺寸、拉拔后锥形管的形状和尺寸有关,还与冷热源距离等工艺参数有关;拉拔速度随时间呈非线性增加;随着拉拔速度的增大,变形区的体积减小;冷热源距离越长、进料速度越大,变形区体积变化越大;当速比一定时,减小进料速度、增大冷热源距离,可以减小锥形管形状和尺寸误差、提高控制精度

根据轧制数量、测量数据质量和轧制力预报误差的影响,建立了轧制力自学习速度因子优化模型.在长期自学习的判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量,减少了换规格的次数.长期自学习系数计算时利用了从前一块钢数据中分离出的设备状态信息,从而改善了模型自学习的连续性.离线仿真分析结果表明,轧制力计算精度相对于自学习算法优化前有较大的提高

分析了极图测量条件以及极图数据处理方法对所计算ODF质量的影响，对其原因做了讨论.结果表明，用1/4极图计算ODF存在着不合理之处，容易造成明显的误差，用测量全极图并做对称化处理的方法可显著地提高ODF的准确性，同时也可对不对称织构进行有效的定量分析

以一种工程应用的张力计为分析对象,建立了存在辊高差的张力计-带材三维有限元模型.以辊高差为基本变量,通过改变高低辊位置、带材厚度及带材平均张应力,得到了不同情况下辊高差导致的板形检测误差值及其分布规律

绪言 典型输入信号 控制系统的时域性能指标 控制系统的稳定性和稳定判据 控制系统的稳态误差 控制系统暂态响应

为了提高数值计算结果的可靠度,基于正交设计、差分法和人工神经网络建立了新的边坡岩体力学参数反分析方法.按照正交设计要求,选定反演参数的水平,确定数值模拟方案;用FLAC2D差分程序计算得出相应的神经网络分析样本;对RBF神经网络进行训练;利用现场监测位移,对某露天矿边坡岩体的力学参数进行神经网络反分析.反分析结果与理论值的误差很小,满足精度要求,表明该反分析方法的可行性和精确性

第一节 时间响应及其组成 第二节 典型输入信号 第三节 一阶系统 第四节 二阶系统 第五节 高阶系统 第六节 系统误差分析与计算 第七节 单位脉冲函数在时间响应中的作用

为了满足某厂1580热连轧机宽度控制精度需求,提高宽展模型的广泛适用性,利用ANSYS/LS-DYNA有限元软件,对热轧粗轧区立轧-平轧过程进行了模拟.根据模拟数据,系统地分析了轧件宽度、厚度、轧辊直径、立辊侧压量和厚度压下量对\狗骨\宽展、自然宽展和绝对宽展的影响规律.利用模拟数据并结合现场数据构造了FES(finite element simulation)\狗骨\宽展模型和自然宽展模型,并建立了PSO-BP神经网络(粒子群BP神经网络).最后,FES宽展模型与PSO-BP神经网络相结合预报第1、3和5道次的宽展,其预报值与实测值误差在1mm以内的均达到了99%以上,达到了宽度控制的精度要求

以BP算法为基础开发了ANN学习预测系统,用于宝钢IF钢大生产产品性能预测.同时,应用在宝钢IF钢大生产数据对该系统进行了测试和分析,并与多元线性回归结果进行预测精度比较.结果表明,ANN学习预测系统,除σ0.2误差较高(9.0%)外,σb,δ,r和n值均<5.0%,且比多线性回归方法精度高

利用大型商业软件CFX建立了高温氮化硅反应炉内温度场的数学模型,采用拟流体模型数值模拟炉内的层流流动,分析了氮气体积流量、各向异性散射和辐射特性等因素对温度场和产物质量浓度的影响.计算结果表明,为确保反应充分完全,预热段温度控制显得非常重要,而氮气体积流量起着决定性的作用;各向异性散射对径向温度、产物质量浓度有一定的影响;散射率对温度场影响很小;计算值与实验值相比较,误差在10%之内