本文用基于传递函数概念的虚拟等价系统方法统一分析各种类型的多变量确定性自校正控制系统的稳定性、收敛性和鲁棒性，分别针对参数估计收敛到真值、参数估计收敛到非真值以及参数估计不收敛的3种情况给出若干定理、推论和注释.在各个判据的基础上，进一步深化对确定性多变量自校正控制系统的理解.所得结论说明：参数估计的收敛性不是确定性多变量自校正控制系统稳定和收敛的必要条件；系统自身的反馈信息对确定性多变量自校正控制是充分的，即外加激励信号不是必要的

一、向量概念 1.向量:既有大小,又有方向的量,称为向量(或矢量)

首先根据首钢京唐钢铁公司烧结生产数据进行系统的硫平衡计算,分析各种烧结原料对废气中SO2排放量的影响权重,并在此基础上作合理假设,结合国家标准对于不同烧结机SO2排放量的统一计量方法,推导出烧结原料硫含量与SO2排放量判定指标的关系式,建立低硫烧结原料控制标准.首钢京唐钢铁公司烧结生产若要满足500mg·m-3的SO2质量浓度限值,需要将混合料中硫的质量分数降至0.032%以下;若要满足 200 mg·m-3 的SO2质量浓度限值,需要将混合料硫的质量分数降至0.013%以下,而这在当前的原料条件下是难以实现的

为了尽可能的去除钢中大颗粒的夹杂物, 在实验条件下通过向GCr15轴承钢中添加适量镁、稀土对夹杂物进行改性, 并利用Aspex夹杂物自动分析仪和扫描电镜对钢中改性后的夹杂物尺寸、类型、形貌等进行了观察、分析, 研究了稀土-镁复合处理对夹杂物的影响规律.研究结果表明, 对轴承钢中加入微量镁处理, 可将未进行镁处理钢中的MnS-Al2O3、MnS、Al2O3夹杂改性为以含硫、镁复合夹杂物为主, 同时包含少量Al2O3、镁铝尖晶石夹杂.进一步采用稀土-镁复合处理后, 钢中的夹杂物转变为主要以含Re-S-O夹杂物为主, Al2O3、MnS、镁铝尖晶石夹杂逐步消失, 且夹杂物成球状分布, 绝大多数夹杂物在5 μm以下.稀土-镁复合处理轴承钢后, 10 μm以上的大颗粒夹杂物大大降低, 钢中的夹杂物明显得到细化.钢中镁含量不变时, 随着稀土含量的增加, 大颗粒夹杂物比例明显下降.而在稀土含量相近的情况下, 增加钢中的镁含量也有利于大颗粒夹杂物的去除.稀土-镁的相互作用进一步促进了夹杂物的细化

研究了不同条件下TiO2和Fe2O3在合成渣中被碳还原时的发泡过程.计算了该发泡过程的发泡系数、消泡系数、平均发泡寿命、发泡强度和消泡过程开始的时间.用熔渣发泡参数定量地讨论了温度、TiO2加入量和初渣中TiC的含量对熔渣发泡过程的影响,发现当初渣中TiC的含量和TiO2加入量较多时,在发泡时会产生二次发泡现象

调查了使用不同氟含量保护渣时连铸二冷水中F-质量浓度的变化，并在实验室研究了保护渣组分及保护渣在水中的浸泡时间对水浸液中F-质量浓度的影响．研究结果表明，A厂使用低氟保护渣，二冷水中F-质量浓度增幅为1．2～24．3mg·L-1水样呈中性；B厂使用高氟保护渣，二冷水中F-质量浓度增幅为57．9mg·L-1，水样呈酸性．保护渣中氟含量越高，保护渣在水中的浸泡时间越长，渣中氟向水中的转移量就越多．控制保护渣中氟不超过2％，有利于减弱保护渣氟的浸出对二冷水的危害．在研究的组成范围内，碱度CaO／SiO2和Li2O对渣中氟的浸出无明显影响．增加保护渣中B2O3含量，有利于降低保护渣中氟在二冷水中的浸出．

通过对连铸板坯生产检验的硫印数据库的统计分析,得到了含铌钒钛微合金化钢连铸板坯中心偏析的影响因素.结果表明:中心偏析程度随钢水中C、P、S含量的增加而加重;Mn质量分数高于1.5%以及锰硫比高于300对改善中心偏析有利;高钢水过热度、高拉速和增加铸坯宽度均不利于改善铸坯中心偏析.由于B级以下中心偏析对钢材使用性能影响不大,因此在生产过程中为使铸坯B-1.0级以上中心偏析出现比率降至10%以下,提出如下控制策略:钢液中C、P、S含量尽量按钢种要求的下限控制,Mn含量尽量按上限控制,实际生产中元素控制[C]1.5%,[Mn]/[S]>300;过热度应小于24℃,拉速控制在1.0~1.1m·min-1为宜.应开发合适的二冷配水制度,并提高铸机精度

采用超细颗粒(0.35μm)钨粉与不同粒径(0.1,0.3,0.8,4.5μm)的碳黑粉,按W+C=WC的反应式配碳,在氢气保护下,于830~1300℃保温40min,研究碳黑粒径、碳化温度对WC粉的化合碳含量及物相组成的影响.XRD分析物相组成,用化学分析测定碳含量(质量分数)结果表明:当使用0.1μm的超细碳黑,温度大于930℃时,WC粉的含碳量可达理论含量.但是在此温度下,随着使用的碳黑粒径增大,WC粉中的化合碳含量急速下降,例如在950℃下,使用0.3μm的碳黑只能使WC粉化合碳达到5.2%,使用0.8 μm碳黑时,WC的化合碳为3.18%

7-1正弦量 7-1-1正弦量的三要素 正弦量——按正弦规律随时间变化的物理量

分析了影响转炉冶炼终点钢水中锰含量的因素, 针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢, 预测精度低等问题, 提出了一种基于极限学习机(ELM) 算法建模的新思路, 并引入正则化以及改进粒子群优化算法(IPSO), 建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM) 的转炉终点锰含量预测模型; 应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证, 并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明, 采用IPSO-RELM方法构建的模型, 锰含量预测误差在±0. 025%范围内的命中率达到94%, 均方误差为2. 18×10-8, 拟合优度R2为0. 72, 上述三项指标均显著优于其他三类模型, 此外, 该模型还具有良好的泛化能力, 对于转炉实际冶炼过程具有一定的指导意义