根据BP人工神经网络算法原理,结合某厂型钢轧机轧制扁钢时的轧制力实测数据,对扁钢轧制力进行建模.结果表明,神经网络用于轧制力建模是可行的,所建模型系统误差<1%,模型计算值与实测值的偏差<4%,较好地反映了实际轧制过程的特征

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

引入了有向基本割集矩阵Qf的二分解和分解树的概念,导出了Qf可实现的充分必要条件和所实现图G在有向二同构意义上的唯一性,应用超图理论解决了如何求Qf的二分解问题,提出了用分解法直接实现Qf的原理和算法.该原理可计算复杂度为O(v2l2)、v和l为Qf的树路子阵Qfp的行数和列数

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

根据1700mm热连轧机采集的现场数据分析了硅钢轧制工作辊磨损的规律和其磨损轮廓曲线．采用中部磨损和边部磨损分别建立磨损计算函数的方式,建立了无取向硅钢轧制的工作辊磨损预报模型．采用遗传算法优化计算了模型参数．现场实测数据验证表明,模型预报精度可靠实用,可用于指导生产实践．

提出基于IGA模型的热连轧精轧机组负荷分配的智能优化新方法,该方法具有计算精度高、速度快等特点,且适合在线计算.实验数据对比分析结果表明了该方法的有效性,为热连轧精轧机组轧制规程的智能优化设计提供了一条新途径

对于那些无法用数学方程式表述的复杂生产过程,提出一种基于模式识别原理的智能自动化新方法.该方法的基本点在于:从信息的角度出发,采用特征变量来描述过程工况,再用时间序列分析法建立预测模型,从而实现工艺最优化.还介绍了专门为此目的研制的红外线CCD热成像装置,并给出了建立预测模型的神经网络算法

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果

为有效处理结构参数和激励荷载不确定等因素的影响,基于相平面分析,提出了一种分级控制法.将相平面划分成若干局部网格区域,使与被控质点运动状态对应的任一轨迹点映射到某一局部网格区域.根据对应的网格区域可判定质点的运动趋势,然后设计出相应的控制力.通过算例研究了一个底层设有主动拉索系统(ATS)的三层剪切型结构的地震反应控制问题,验证了建议控制律的有效性.数值结果显示,与无控状况相比,建议算法可以显著减少结构的地震反应,同时其控制性能也要略优于线性二次型定常状态调节器(LQR)控制

本文应用超图理论提出了从有向基本割集矩阵Qf的树路子阵Qfp逐层判断其可实现性和综合出其对应有向图G的算法RFCMHGT。它的原理直观,计算复杂度为O(nl2),μ和l为Qfp的行和列数。例2表明:Tutte条件不是Qf可实现的充分条件