AVMD-Kriging砂轮寿命周期磨削性能在线监测方法

为了对砂轮寿命周期磨削性能进行特征提取与智能识别,课题组提出了一种改进的变分模态分解算法与Kriging模型相结合的砂轮寿命周期磨削性能识别方法AVMD-Kriging。首先,通过人工鱼群算法和包络熵适应度函数来优化VMD,以解决VMD中本征模态函数分解个数k和惩罚因子α难以自适应确定的问题;再利用皮尔逊相关系数选取与原始信号相关性最高的本征模态函数并计算其样本熵值组成特征向量,将其输入Kriging模型进行砂轮寿命周期磨削性能识别;最后利用实验采集的声发射数据,将提出的AVMD-Kriging方法与传统的KNN模型、Tree模型进行对比。结果表明:AVMD-Kriging方法的识别准确率优于KNN模型和Tree模型,能有效提高砂轮寿命周期磨削性能的识别准确率,同时具有较好的泛化能力和鲁棒性。

考虑下机约束的精轧机组工作辊机会维护建模

以钢铁精轧机组工作辊为对象,综合考虑轧辊磨损、机组两类故障、辊缝质量控制对故障损失、轧件质量损失与维护成本的影响,构建单辊维护模型以实现单辊维护周期的动态决策.在此基础上,考虑各轧辊磨削周期不同、下机周期相同、下机计划允许小幅调整等特殊场景,提出工作辊动态机会维护策略并构建决策模型,优化精轧辊组工作辊机会维护方案.实例分析表明,与传统的时间窗策略相比,动态机会维护策略在降低工作辊维护成本方面更具优势.

减少汽车板矫直辊印措施

分析了冷轧精整矫直机辊印缺陷的形成机理,研究了重点设备对产品质量的影响,制定了避免产生矫直机辊印缺陷的方案。