扇形段拉矫力数据突变特征提取方法

多维时序拉矫力的幅值突变表征着扇形段机组的故障,多维时序数据的时间和空间复杂度对突变特征提取方法的准确率和效率提出了更高的要求。利用多维时序数据的时间和空间相似性,提出小波相关滤波结合主成分分析的多维时序突变特征提取方法。首先,将每一维时域含噪拉矫力分别变换到小波域,利用拉矫力的自相似性进行降噪;然后,将去噪后的拉矫力映射到正交空间中,利用多维拉矫力之间的互相似性,通过线性变换将多维拉矫力映射到一维,再根据一维特征曲线的统计特征确定阈值,提取突变特征;最后,应用基于时间的滑动窗口动态更新数据,实现状态的连续在线识别;通过现场实测数据分析表明,小波相关滤波-主成分分析模型对多维时序数据的突变特征提取的准确率和效率分别达到90.39%和97.56%。

基于改进SAGGAN模型的齿轮故障分类方法研究

针对齿轮故障样本获取困难,导致深度学习驱动故障分类模型的可靠性和准确性不足这一问题,提出了一种基于改进自注意力门单元生成对抗网络(SAGGAN)的半监督齿轮故障分类模型。首先,为增强改进SAGGAN模型的特征表示能力,提升齿轮故障的半监督分类效果,在自注意力生成对抗网络(SAGAN)的基础上,引入了门控通道转换模块(GCT)、改进自注意力门控模块(SAG)和预训练的Inception V3分支;然后,使用齿轮故障实验装置采集齿轮断齿、磨损、周节误差和正常四种状态下的振动信号,并将数据划分为训练集、验证集与测试集;最后,将计算结果与现有的半监督分类方法:TripleGAN、Bad-GAN、Reg-GAN、SF-GAN进行了对比,并对改进模块进行了消融实验研究。研究结果表明:在标签样本为40、60、80、100时,改进SAGGAN模型的整体分类准确率分别为89%、90%、92%、94.25%,远高于其他四种方法,特别在只有少量标签样本情况下的优越性更为明显。以上结果揭示了改进的SAGGAN模型在齿轮故障分类领域中的实用性和优越性。

基于加权聚类和DNN的KR法脱硫剂加入量预报模型

为了准确预测铁水KR脱硫工序中的脱硫剂加入量,提出了一种基于密度的聚类方法(DBSCAN)和深度神经网络(DNN)相结合的建模方法。首先计算Spearman相关系数筛选出与脱硫剂加入量相关性较强的6个输入特征;基于筛选后的特征,利用DNN对数据集建立脱硫剂加入量预测模型;通过SHapley Additive exPlanations(SHAP)方法解释DNN模型,计算出各个特征对模型输出的贡献程度,根据得到的权重代入DBSCAN聚类算法中对某炼钢厂的脱硫实际生产数据进行聚类,保留清洗后的数据集;最后,通过五折交叉验证的方法对比了数据清洗前后的支持向量回归(SVR)、随机森林(RF)、极限梯度提升(XGBoost)、BP神经网络、深度神经网络(DNN)的预测模型性能。试验结果表明,使用清洗后的数据集建立的脱硫剂加入量预测模型的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、决定系数(R^(2))较原数据集平均提高了33.6%、15.5%、12.9%、6.9%。

基于集成学习的脱硫剂加入量预测方法

为解决铁水预脱硫过程中脱硫剂加入量控制问题,提出一种基于集成学习的脱硫剂加入量预测方法。首先,对原始数据进行预处理,将空值、重复值、0值以及不符合工艺规范的数据行删除,并使用LOF算法结合专家经验剔除异常值;其次,基于GBDT算法计算每个输入特征的重要性占比,进行特征筛选;最后,采用Optuna超参数自动寻优框架对预测模型调优,寻找最佳超参数组合,预测脱硫剂加入量。利用某钢厂铁水预处理过程中的实际生产数据,分别采用XGBoost、RF、GBDT以及LightGBM等方法构建预测模型并进行对比试验。其中XGBoost模型的拟合精度(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)以及平均绝对百分比误差(MAPE)分别为0.8962、198.245、119.726以及7.897%,相较于其它模型均是最优。

基于异质堆叠集成学习的脱硫剂加入量预测

KR搅拌法是铁水预脱硫的重要工艺之一,但在脱硫过程中脱硫剂的加入量主要依赖于人工经验控制,导致一次脱硫命中率较低,铸坯质量不稳定。为准确控制脱硫剂加入量,提高一次脱硫命中率,提出一种基于异质堆叠集成学习的脱硫剂加入量预测方法。首先,进行数据清洗,采用LOF算法结合专家经验剔除异常值。其次,采用最大信息系数结合斯皮尔曼秩相关系数进行特征筛选。最后,引入堆叠集成算法,基于评价指标和误差相关性分析优选模型的不同基学习器,并采用Optuna算法为基学习器寻找最优参数组合,建立异质堆叠集成预测模型。以现场采集的脱硫数据作为样本进行实例分析,结果表明,模型的决定系数(R^(2))为91.6%,均方根误差(RMSE)为197.79,平均绝对误差(MAE)为117.14,平均绝对百分比误差(MAPE)为6.95%。

基于改进堆叠降噪自编码器的连铸机扇形段故障特征提取

为了提取连铸机扇形段在正常浇铸状态下的故障特征,设计一种利用鲸鱼优化算法(WOA)改进的堆叠降噪自编码器(SDAE)网络模型,命名为WOA-SDAE,并应用于扇形段拉矫力信号特征学习和故障分类。首先,从完整的浇铸周期中获取正常浇铸状态下的数据,对低频的拉矫力信号进行时域特征提取,将一维拉矫力信号转换为多维时域特征信号,并建立评价体系以寻找最优时域参数;其次,运用堆叠降噪自编码器与softmax分类器组成网络模型对故障信号进行分类,采用鲸鱼优化算法确定SDAE模型中隐含层层数与节点数。通过实际生产过程中的连铸机扇形段拉矫力信号来验证所提方法的可行性。试验结果表明,WOA-SDAE可有效提取扇形段的故障特征,在测试集上的识别准确率达到92.23%。

基于数字孪生的铣刀磨损状态识别方法研究

实时精准地监测铣刀磨损状态对于提高加工质量与加工效率具有重要意义,提出一种基于数字孪生的铣刀磨损状态识别方法,该方法通过结合VMD-MPE特征提取方法和GA-SVM状态识别模型构建数字孪生体对铣刀磨损状态进行实时监测。首先,利用变分模态分解算法(VMD)分解铣刀振动信号得到包含磨损状态信息的模态分量;其次,引入多尺度排列熵(MPE)从包含磨损状态信息的模态分量中提取铣刀的非线性动力学特征,并取各有效模态分量的多尺度排列熵平均值作为特征矩阵;最后,通过遗传算法(GA)优化支持向量机(SVM)构建铣刀磨损状态识别模型。实验结果表明,所构建的数字孪生体具有良好识别效果,其识别精度可达97.33%。

基于铁水搅拌的漩涡图像信息增强方法

现有的铁水漩涡图像识别系统的性能很大程度上取决于图像的质量。然而由于钢渣、光线变化和脱硫剂雾气的干扰,摄像头系统在获取漩涡图像中的特征信息时面临一定的困难,导致图像存在大面积的低质量区域。基于此,提出了一种基于铁水特性和漩涡特性的二维图像漩涡信息识别及增强方法,并采用Gabor小波算法来改进提取漩涡图像的特征以及连接断裂纹线信息,通过特征处理单元对图像进行处理以减少伪特征的存在并通过涡径识别方法得出漩涡的量化参数。以生产现场采集的视频数据为对象进行试验,试验结果表明,该方法对比现有方法降低漩涡图像信息伪特征率43.4%,提升涡径识别准确率3.6百分点,实现对自由表面漩涡特征信息的增强并准确识别。

基于k值优化VMD-WT的血糖信号降噪方法研究

针对血糖信号受高频随机噪声干扰进而影响血糖预测精度的问题,提出一种基于k值优化VMD-WT的血糖信号降噪方法。在不同模态数k下,对血糖信号进行变分模态分解(VMD)预分解,基于原信号与残差信号间的相关性越小信号分解越完全的原则,确定最优k值并分解信号,利用小波阈值(WT)处理含噪高频模态,将降噪高频模态与其余模态重构得到更纯净的血糖信号。实验结果显示,在信噪比方面,降噪血糖比经验模态分解法提高1.8346 dB,提前60 min预测的MAPE为4.9083%,相对于经验模态分解法、未降噪信号分别降低1.6%、2.9%,表明该方法可抑制噪声并保留高频有用信息,降噪效果更好。

基于NMI-SC的糖尿病混合数据特征选择

针对糖尿病预测精度受高维混合数据影响的问题,提出基于NMI-SC的糖尿病特征选择方法,通过邻域互信息(NMI)计算混合属性特征邻域半径内的联合概率密度,构建相似度矩阵,通过糖尿病特征之间的相似性构建无向图,基于谱聚类(SC)将糖尿病特征切分为多个特征相似组,实现非线性特征间的聚类,根据特征分类重要性选出相似组中的代表特征。并将其与原始特征集在支持向量机分类器上的准确率进行比较,该特征选择方法在删除46个冗余特征后,准确率提高了13.07%。实验结果表明,该方法能有效删除冗余特征,得到糖尿病分类性能优异的特征子集。

基于神经网络的铁水KR脱硫预报模型

将神经网络理论应用于铁水脱硫过程,研究工艺参数与其影响因子之间的关系,建立预报模型,为生产过程中工艺参数(搅拌时间、搅拌次数和加入剂量)的设定选择提供准确的预报。研究分析表明,该预报模型可以应用于实际生产,提高铁水的脱硫成功的命中率,降低铁水的脱硫成本。

铁水脱硫搅拌器结构分析及改进

对某钢厂现用脱硫搅拌器进行现场工况条件下的仿真分析，并针对最大应力位置进行优化设计。结果表明，改用电熔莫来石作为耐火材料，可使最大应力减小约38MPa，最大变形减小约10mm；增大叶片迎叶面由下而上的倾角5°～10°，可使最大应力减小约50MPa，最大变形减小约13mm；综合改进搅拌器的材料及结构，可使最大应力减小约59MPa，最大变形减小约16mm。

基于ANSYS的压路机振动轴的动态特性分析

YT1000型振动压路机是一种小型电能振动压路机,其振动轴设计成一个吊篮的形状,简化的振动系统使压路机的制造成本和维修费用大大降低。振动轴是连接车架与钢轮的重要部件,是振动轮的主要部件之一。压路机在工作时,振动轴用在车架与钢轮之间传递铅垂力、纵向力和横向力,同时又承受偏心块所产生的离心力。通过PROE软件对振动轴进行了三维建模,并导入ANSYS软件再进行模态分析,得到了振动轴的前8阶固有频率和振型。分析所得结果为振动轴结构的优化和设计的合理性提供了理论依据,为新型电能振动压路机的振动轴动力学分析打下基础。对压路机的振动系统设计做了一定的探讨。

基于单件小批量生产的生产计划管理系统开发与应用

针对以单件小批量生产方式为主的某机制公司所遇到的问题,提出用一种改进的MRP算法建立制造企业生产计划管理系统的设计方案,详细分析了公司业务流程,阐述了系统基本结构,系统实现的关键算法及功能模块。

基于神经网络的KR脱硫控制工艺模型的研究

脱硫过程是一个非常复杂的非线性工艺过程,针对传统的方法建立的脱硫控制工艺模型无法保证稳定和高精度的脱硫效果,在分析测试了常用BP神经网络后,提出采用贝叶斯正则化BP神经网络建立该模型,并用生产实例予以验证;实践表明,该模型消除了操作工人主观误差,提高了脱硫效率。

平面二次包络环面蜗杆传动副在集装箱中应用的研究

根据散装水泥贮运集装箱的运行要求，探讨以平面二次包络环面蜗杆传动副作为其升降系统传动装置的可行性。使用实践证明，在相同的使用条件下，平面二次包络环面蜗杆传动副的传动性能比普通蜗轮蜗杆传动副好。

畸变车牌定位与矫正方法研究

算法实现了对畸变车牌的准确定位、矫正并完成分割、识别,结合形态学对HSV模型定位方法进行改进,提升车牌区域粗定位准确性,之后由定位子算法实现对车牌粗定位结果的精确定位。Hough变换获取定位后车牌图像端点信息,以此利用数学方法重构、矫正车牌图像,从而对车牌进行分割与识别。实验证明,本算法对畸变车牌图像矫正效果显著,对提高车牌识别准确率具有重要意义。

Entity Framework在KR脱硫自动控制系统中的应用

本文介绍一种以EF为框架的KR脱硫自动控制系统。该系统用PLC控制脱硫设备和处理生产数据,2个S7-300PLC分别控制两台扒渣机,1个S7-400控制搅拌头。2个工控机实现系统的双机热备。重点研究了以EF为技术框架,运用EF中新特性的功能,如LINQ、EDM,完成PC上位机与控制系统中PLC下位机之间不同类型数据处理方法,展现EF在传统ADO基础上新特性在控制系统中的应用。为基于C#以EF为技术框架的上位机控制大型机械设备控制系统提供了参考。

高炉炉缸炉底侵蚀预测数值模拟

介绍了用有限单元法建立的炉缸炉底侵蚀模型,及用VB编制的高炉通用的炉缸炉底温度场及应力计算软件。该软件在侵蚀线逼近问题上采用一种新的方法即单元物性转换法,大大减少了计算时间,提高了计算精度;该软件可以实现对不同结构的炉缸炉底进行温度场模拟,并实现了侵蚀线,应力应变分布线的绘制和计算结果的存储等功能。

连铸加渣机摆动机构的设计

ZL2600型连续铸钢自动加渣机的补偿摆杆机构能使保护渣落在结晶器上形成矩形,避免了人工辅助推料。该摆杆机构工作性能稳定,使加渣机的布料效率大大提升,提高了钢坯的合格率,同时减少了保护渣的浪费,降低了生产成本。采用函数法,对偏置曲柄滑块机构进行了分析,得出曲柄速度与滑块速度之间的函数关系。并在ADAMS环境下对偏置曲柄滑块机构进行了仿真,找出影响加渣机摆杆机构落料呈形的关键因素。该方法的仿真形象直观,测量方便,在机械系统运动学及动力学特性分析有一定的应用价值。设计了滑动补偿机构,有效解决了加渣机的落料呈形问题,对摆动布料机构的研究有一定的参考意义。