基于DOA估计算法的多用户检测新方法

提出一种利用天线阵列的多用户检测方法.新方法假设各个信号源的训练序列互相正交,并且各信号源都是幅度为1的恒模信号.结合无空间模糊性的T型阵列,新方法能快速、精确地估计波达方向矩阵,进而检测多个用户的信息,利用Matlab对算法进行了仿真实验,并给出了新方法的误码率性能.

一种欠特征情况下的型钢规格尺寸控制建模及验证方法

在型钢轧制领域,产品的规格尺寸控制是影响产品产量和质量的主要因素。由于型钢产品断面形状复杂,同时控制尺寸种类多,除了用先进设备保障之外,生产现场均设有规格尺寸调整岗位,但因为现场工况条件复杂,参数特征众多,同时有些特征无法直接测量或缺少测量装备,人工很难进行综合判断。这种经验控制的调整效率不高,需要根据数据关系进行模型化,而单纯地在大数据集上建模,模型的准确性不会太高。为了提高模型准确性,以钢轨规格控制为例,介绍了一种欠特征情况下的型钢规格控制建模及验证方法。

钢坯缺陷在钢轨轧制过程中的演变规律分析

在步进式加热炉加热钢坯的过程中,步进梁上垫块结瘤会导致钢坯下表面产生＂磕伤＂,最终在钢轨上形成人工甚至设备难以发现的闭合性缺陷。为此对带缺陷钢坯的轧制过程进行了全轧程有限元模拟仿真,分析了在钢轨轧制过程中缺陷的演变规律,并提出了减少此类缺陷的措施,在生产中取得了较好的效果。

基于高斯过程构建钢轨轧制力模型的方法

在钢轨轧制过程中,轧制力一定程度上对轧制参数调整有着指导或参考作用,一个成材率高、缺陷率低的轧制过程,必然会对应一个合理的轧制力分布。轧制力上冲过大不仅会使轧制状态靠近轧制系统的极点,稳定性降低,而且会导致轧辊磨损、疲劳加快,并将导致钢轨表面质量、规格波动等问题。采用高斯过程回归算法,基于现场生产数据建立了压下量与轧制力模型,为钢轨轧制过程轧制力的精确控制,提供了一种残差较小的统计模型。

钢轨热打印商标精确定位自适应算法设计

因钢轨焊接后需采用推刀对焊缝处的瘤子进行推除,如果突出的轧制商标出现在距钢轨端部600 mm范围的推瘤区域内,则会导致推刀损坏和设备故障,这就要求生产钢轨时热打印商标要合理精确控制。目前各生产厂家均是以经验设定的方式来控制,由于影响热打印商标定位的因素众多,该方法不能准确定位、自适应能力差。为此,提出了一种精确控制100 m长钢轨热打印商标位置的自适应算法,其结合钢坯重量变化及成品轧件长度的波动情况,可以提前给出不同辊径下的商标控制位置,不需要任何人工参与。现场生产表明,采用自适应算法后,钢轨一端或两端部商标定位合格率能达到100%,减小了工人劳动强度,提高了生产效率。

U-E连轧失张对钢轨“高点”的影响分析

为了解决现场万能轧机与轧边机连轧60kg/m钢轨过程中距尾部3.6m处出现局部＂高点＂的问题,经试验与分析,对可能导致＂高点＂产生的第3道次轧制过程利用有限元仿真软件进行了仿真模拟,分析得出连轧失张产生的收缩力是导致局部＂高点＂产生的主要原因,最后从纵波和能量的角度提出了措施,解决了该问题。