提出了一种将遗传算法用于热送热装生产计划优化的方法.与MTSP方法不同,该方法在优化时不需预先确定轧制单位的数目,它充分利用了轧制单位的结构特点,在对轧制计划优化的同时,优化了轧制单位的数目.仿真结果表明,该方法可在大量的生产合同中很快找出满足各种生产约束条件的热送热装生产计划的可行解,以提高热送热装率

针对生产工况实测数据不能覆盖整个数据空间的现象,提出了一种基于统计空间映射的自学习模式识别方法.通过实测数据的仿真实验验证了该方法的有效性

采用Matlab仿真的方式构建了一个简单的有躯干双足机器人模型,研究了该模型在斜坡上的被动行走,分析了模型步行的稳定性,并设计了一个全状态线性反馈步行稳定器.研究结果表明:无任何驱动器的有躯干双足机器人能够实现沿斜坡而下的被动行走,其步行方式有两种,但均不稳定;设计的全状态反馈稳定器能够较好地稳定模型的被动行走

将模糊遗传算法与混沌的延迟反馈控制方法相结合,提出了基于模糊遗传算法的延迟反馈控制方法.它利用模糊遗传算法强大的寻优能力来整定延迟反馈控制中的控制刚度矩阵参数,从而克服了延迟反馈控制中控制刚度难于确定的问题.对混沌Lorenz系统的仿真控制说明该算法具有快速性好和抗干扰能力强等优点

本文结合极点配置的基本设计思想,提出了一类具有输出跟踪的多变量自校正控制算法。该算法将工程应用中提出的要求与系统的性能指标联系起来,实现了闭环极点配置的广义最小方差控制,而性能指标中加权多项式矩阵R(z-1)的选取是根据使闭环系统输出对参考信号实现稳态无偏跟踪的原则进行的。进而运用Martingle收敛理论对算法进行了研究,导出了控制器的无偏收敛条件。数字仿真研究表明了该算法的可行性和有效性

通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

以马钢四机架UCM酸洗冷连轧联合机组为研究对象,采用显示动力学有限元方法建立了六辊轧机辊系与轧件一体化有限元仿真模型.在分析其边降控制性能的基础上,提出通过调整UCM轧机中间辊窜辊位置控制带钢边降的方法.采用自主研发的适用于UCM轧机的U-EDC工作辊辊形,取得了硅钢边降≤5μm合格率由46.0%跃升到99.3%以上的显著生产实绩,在工作辊不能窜动的六辊轧机上成功实现边降控制

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩阵.仿真试验表明这种动态神经网络的预测模型具有较高的精度

在不需要任何额外硬件投资的基础上,提出了一种新的控制带钢楔形的思路,即引入比例积分调节(PI)法对楔形进行控制.仿真实验结果表明,采用此控制方法可以有效地提高带钢楔形的控制精度

提出了一种改进的Johnson-Cook模型,用于室温和低应变速率下AP1000核电站主管道316LN奥氏体不锈钢的塑性变形过程研究.借助有限元软件ANSYS/LS-DYNA,对AP1000核电一回路主管道热段管冷弯成形过程进行模拟仿真,分析管道壁厚、相对弯曲半径、摩擦系数等工艺参数对壁厚减薄率的影响规律,拟合出壁厚减薄率的经验公式.全尺寸主管道冷弯试验结果表明,数值模拟结果准确可靠