点击切换搜索课件文库搜索结果(990)
文档格式:PDF 文档大小:397.06KB 文档页数:3
介绍了一套自主开发的热轧工艺参数模型.该模型内耦合了不同钢种的变形抗力曲线,这些变形抗力方程中耦合了钢的化学成分、温度、应变、应变速率及奥氏体晶粒尺寸等因素.根据输入的工艺参数用西姆斯方程计算每道次的应变速率及应变量,并得到相应道次的变形抗力、热轧轧制力、力矩及功率等参数.模型可根据实测的结果自学习,并修正相应的结果.与攀钢热轧厂的实测结果相比,模型的输出结果吻合较好,预测误差在10%以内.
文档格式:PDF 文档大小:476.64KB 文档页数:5
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
文档格式:PDF 文档大小:646.75KB 文档页数:5
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
文档格式:PDF 文档大小:1MB 文档页数:8
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
文档格式:PDF 文档大小:447.9KB 文档页数:4
介绍了一种基于多项式插值法的改进的亚像素细分算法及相应计算模板和公式,并对算法的误差进行了分析.本算法应用在经典Sobel算子基础上构造出的方向模板,对灰度图像进行处理,得到梯度图像,然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算,对目标边缘进行亚像素精确定位.实例说明本算法是可行的
文档格式:PDF 文档大小:479.77KB 文档页数:6
冷连轧过程中的厚度和张力系统具有多变量、强耦合和不确定特点,为了提高系统的控制精度和控制性能,提出了基于不变性原理解耦的H∞混合灵敏度鲁棒控制策略.首先,建立了厚度和张力系统的动态耦合模型,并应用不变性解耦原理实现了对厚度和张力系统的解耦.其次,针对系统存在的建模误差、参数摄动和外部扰动等不确定性,采用H∞混合灵敏度方法设计了鲁棒控制器来保证系统的鲁棒稳定性和鲁棒性能.仿真结果表明解耦后的厚度和张力系统可以获得更好的控制效果,验证了本算法的有效性
文档格式:PDF 文档大小:614.59KB 文档页数:7
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
文档格式:PDF 文档大小:500.68KB 文档页数:9
在带钢连续热处理热过程机理数学模型的基础上,提出了带钢连续热处理过程中的稳定工况和变工况过程的优化策略.根据稳定工况过程的启发式优化策略,得到了各钢簇(由钢种、规格确定)的可行工况集,基于各钢簇可行工况集之间的关系,研究开发了变工况条件下带钢连续热处理过程优化控制策略.该策略通过调整机组的操作参数,使得带钢温度与热处理目标温度之间的误差最小.通过对现场实际采用的变工况控制策略与本文开发的策略的对比分析表明,基于可行工况集的变工况策略可以在更短时间内实现变工况过程,更精准地控制变工况期间的带钢温度
文档格式:PDF 文档大小:282.42KB 文档页数:5
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
文档格式:PDF 文档大小:511.23KB 文档页数:6
提出了密集模态的拟合精度矩阵概念及相应的等精度拟合方法.在保证一定拟合精度的前提下.尽可能少的考虑频带外模态的影响,消除了无谓的计算工作量,并且把拟合结果与实际误差分析紧密的结合在一起。该法适用于大型模态试验的结果分析
首页上页5051525354555657下页末页
热门关键字
搜索一下,找到相关课件或文库资源 990 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有