2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩110頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、廣義板形是冷軋薄帶鋼關(guān)鍵質(zhì)量精度指標(biāo)之一。當(dāng)前冷軋薄帶鋼軋制技術(shù)向厚度更薄、強(qiáng)度更高、精度要求更苛刻的方向發(fā)展,由于現(xiàn)有的冷連軋機(jī)平坦度閉環(huán)反饋控制系統(tǒng)難以滿足需求,研究新一代高精度的冷軋薄帶鋼板形控制模型和技術(shù)有著迫切需求。同時,計算機(jī)技術(shù)及現(xiàn)代檢測技術(shù)的蓬勃發(fā)展,使得工業(yè)用戶可以實(shí)時獲得大規(guī)模、高維乃至超高維的海量數(shù)據(jù)。對這些海量數(shù)據(jù)的分析和處理,一方面是數(shù)據(jù)挖掘和知識發(fā)現(xiàn)領(lǐng)域的基本研究任務(wù),另一方面,也是為了更好地服務(wù)工業(yè)用戶需要

2、的任務(wù)。本文從軋制過程與工業(yè)過程大規(guī)模數(shù)據(jù)相結(jié)合的角度,在知識發(fā)現(xiàn),異常數(shù)據(jù)挖掘模型以及其在軋制的應(yīng)用兩方面展開了深入研究。
   當(dāng)前薄帶鋼板形控制的研究難點(diǎn)之一是具有高性能的復(fù)雜模型的建立及模型求解方法。帶鋼的冷軋軋制是個典型的多變量、非線性、強(qiáng)耦合、時變性的復(fù)雜過程。傳統(tǒng)的基于物理機(jī)理解析建模的方法,從若干條基本假設(shè)出發(fā),推理演繹,導(dǎo)出某個或者某些參數(shù)的計算公式,這條路線已被實(shí)踐證明不能滿足現(xiàn)代化高精度軋制過程控制的要求。

3、而純粹的智能方法回避了軋制過程的物理意義,直接關(guān)注系統(tǒng)的輸入和輸出之間的智能關(guān)系,使得模型的推廣性和適應(yīng)性也不能滿足要求。所以本文綜合機(jī)理模型和智能方法的特點(diǎn),在兩者的結(jié)合上作了嘗試,針對冷軋軋制過程的幾個重要問題,如軋制來料形狀精度的波動、前饋處理、人工智能的識別方法等進(jìn)行了系統(tǒng)研究,提出了冷軋薄帶鋼平坦度橫向厚差綜合控制模型( FTIC)。該模型揭示了帶材平坦度和橫向厚差二者之間的本質(zhì)關(guān)系,對來料帶鋼橫向厚差的波動信息做了實(shí)時處理,

4、是滿足當(dāng)前板帶材生產(chǎn)的更高質(zhì)量需求的有益探索和嘗試。FTIC以機(jī)理模型為框架,結(jié)合了智能方法的局部應(yīng)用,部分復(fù)雜計算可以離線完成。
   在理論研究方面,首先提出了一種適用于聚類算法的基于數(shù)據(jù)空間密度序列的初始凝聚點(diǎn)生成模型。之后提出了一種基于數(shù)據(jù)點(diǎn)指數(shù)權(quán)函數(shù)的模糊均值聚類策略。在此基礎(chǔ)上將這種策略廣義化,系統(tǒng)地提出了一種新的模糊聚類模型,稱為自適應(yīng)模糊均值聚類(AFCM),AFCM核心思想是,數(shù)據(jù)集中各個數(shù)據(jù)本質(zhì)上是“各異”的

5、,數(shù)據(jù)之間是內(nèi)在關(guān)聯(lián)的。AFCM考慮了各個數(shù)據(jù)之間的差異性,對現(xiàn)有模糊均值聚類模型研究具有較大的貢獻(xiàn)。采用公共數(shù)據(jù)集試驗(yàn)的結(jié)果表明,基于數(shù)據(jù)空間密度序列的初始點(diǎn)給定模型可以有效解決聚類算法中初始凝聚點(diǎn)隨意給定的缺陷,提高了聚類精度。AFCM模型一方面可以通過有針對性地處理離群點(diǎn)來提高聚類質(zhì)量,另一方面,也可以直接判定出離群點(diǎn)的位置及發(fā)掘出離群點(diǎn)所蘊(yùn)含的豐富信息,且二者是同時實(shí)現(xiàn)的。
   在軋制技術(shù)的應(yīng)用研究方面,提出了完整的平

6、坦度橫向厚差綜合控制方案,并在實(shí)際系統(tǒng)中加以實(shí)施和應(yīng)用。該系統(tǒng)由軋制參數(shù)預(yù)設(shè)定控制模型、橫向厚差前饋控制模型及平坦度反饋控制模型組成,其中橫向厚差控制模型在冷軋領(lǐng)域中是初次提出。前饋控制模型中,帶鋼橫向厚差處理即采用了本文提出的AFCM聚類模型模式識別的方法,包括特征提取、離線聚類、實(shí)時分類等。FTIC模型應(yīng)用的工業(yè)試驗(yàn)表明,采用基于智能模式識別的前饋控制系統(tǒng)的新廣義板形控制系統(tǒng)可以獲得更高質(zhì)量的板形控制水準(zhǔn),同時AFCM可以在線獲得板

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論