针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性

研制用于高温恶劣生产环境下新型冶金专用雷达.采用改进的调频连续波测量原理,提高了固体雷达料面测量的实时性.提出一种新的智能时变阈值信号处理方法,解决了因高炉内料面反射系数变化影响雷达测距精确性问题.实验室模拟仿真固粉态料面测量表明,该冶金雷达测量料面的跟踪延时在0.2 s以内,最大跟踪测量平均误差控制在0.05%.现场测试结果表明,测量平均误差0.95%,能够实时稳定地跟踪料面变化,满足高炉监控需求

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能.通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型.采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性

为使钢铁企业主体工序炼钢-连铸-热轧之间的生产协调有序、提高生产计划水平和加强生产资源配置效益,运用统一建模思想进行轧制单元计划、炉次计划和浇次计划的抽象描述,从注重共性的角度统一各阶段批量计划的目标函数,通过对目标函数的组合来实现各阶段计划的有效衔接.设计基于Multi-agent的协同进化算法进行模型求解,编制炼钢-连铸-热轧-体化计划.以某钢铁企业的生产计划制定实例进行模型测试,仿真计算结果表明模型的有效性

运用人工智能(AI)理论和知识工程技术,使传统的设备故障诊断系统成为基于深知识的知识中心型专家系统。它与机械设计专家系统利用同样的对象模型及其阶层构造和性能框架,在进行设计推理,探索最优设计方案的同时,从深知识推导出诊断故障所需的因果关系,寻找设备的故障及其原因所在,从而使原本各自独立存在、独立运行的两类专家系统融成一体,形成故障诊断,机械设计综合专家系统

高炉是一个包括复杂物理化学变化和传输过程的高温反应器。由局部反应和区域热平衡、物料平衡建立的机理模型难以适应炉况的迅速变化。用模糊数学理论进行不确定知识的处理,构成了知识库和推理机,从而建立了人工智能高炉异常炉况诊断专家系统,避免了人工可能漏看忽略的仪表微小变化所造成炉况判断的偏差,因而有较高的命中率

以某钢厂15t顶底复吹转炉为背景,介绍用一般IBM-PC微型机实现复吹转炉计算机操作,同时提出冶炼终点钢水温度、含碳量的自适应预报和补吹智能操作,并给出程序框图和实验结果

智能制造模式要求制造系统能够快速动态重构以及时响应多品种、小批量产品的客户化、个性化定制的需求.本文从生产制造流程出发,针对不同输入输出函数下非托肯守恒复杂制造系统一般PN模型,在网重写系统的基础上提出修正网重写系统.修正网重写系统依据产品制造流程聚类对规则类库中重构单元子类进行系统的模块化封装,并制定相应的重构区域边界耦合约束与内部结构使能规则.构建的修正网重写系统重构单元类库具有行为特性继承的特点,保证局部区域重构后制造系统的活性、有界性及可逆性,根据制造系统修正网重写系统重写规则与重构步序可实现制造系统自主快速的动态重构.仿真结果与应用实例验证了修正网重写系统的可用性

为了提高热轧生产过程精轧机组的轧制力预设定精度,需要对轧制力进行高精度的预报.本文通过机理公式计算出轧制力的近似值,然后采集大量的实际生产数据修正轧制力预报值.首先利用聚类方法区分不同的生产状态,其次在相同生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数,最后采用乘法方式修正轧制力,达到高精度的轧制力预测.结果表明,轧制力预报的平均相对误差为3.2%,满足现场的生产要求

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类