利用灰色预测线性规划模型对多金属矿山的产能进行优化配置.经过灰色预测模型对各定位系数进行预测,将灰色线性规划问题转化为一般的线性规划问题,对其进行求解.结果表明,定位系数GM(1,1)误差检验合格,预测的多金属矿山经产能优化后可以实现生产资料的合理配置和利润的最大化

为优化设计钢/Al2O3陶瓷/钢轻型复合装甲板,结合薄板冲塞的极限速度方程与Florence模型建立了钢/Al2O3陶瓷/钢轻型复合装甲板的抗弹极限速度预测模型.根据模型,分析了不同面板、背板及陶瓷厚度组合对钢/Al2O3陶瓷/钢轻型复合装甲板抗弹极限速度的影响,并通过7.62mm普通钢芯弹侵彻钢/Al2O3陶瓷/钢复合装甲板试样实验验证了该模型的正确性.结果表明,钢面板厚度小于1.0mm时,复合板抗弹极限速度计算值和实验值之间的相对误差在15%以下,陶瓷芯与钢背板的厚度比保持在1.5~4.5之间比较合理

根据准二元合金随其中某种合金元素含量的不同,其合金电阻率发生单值变化的规律,提出了一项硅锰合金电阻法定硅的检测技术.实验结果表明,硅锰合金中硅含量与电阻率变化的关系可表示为[Si%]=-12.51+2×107ρ-4×1012ρ2,当合金中硅的质量分数小于6%时,合金中锰铁比对其电阻率变化的影响不大,定硅误差为0.005%～0.178%.用于电阻率测量的合金样品适合的尺寸为φ6.00～6.50mm、长1cm左右,可以避免试样中夹渣、裂隙等缺陷对电阻测量精度的影响

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

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．

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

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

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

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