连铸板坯外形的在线检测方法

介绍了板坯外形在线检测的测量原理，计算方法，并给出了实验测量方法，过程及计算机图像处理系统的处理结果，该方法简单，实用，精度较高。     

一种基于BP网络的PID控制器

针对PID控制中三个参数的整定问题,提出了一种基于BP神经网络的PID参数整定方法,并依据此种方法对某模型进行了仿真仿真结果表明此方法能较好的调整比例(P)、积分(I)和微分(D)的关系,使之达到一种比较理想的组合状态。     

电容层析成像算法

电容层析成像技术具有非侵入,响应快,低成本,测量范围宽及易于安装等特点,在多相流在线检测中具有良好的发展前景.电容成像中图像的重建算法与技术,是其在工业实际中得以应用的关键.近年来在图像重建方面的研究取得了较大的进展,Tikhonov正则法,Landweber迭代法、同步跌代法、神经网络法、共轭梯度法及通用迭代法的图像重建质量较LBP法有了明显提高.     

集散控制系统在高炉过程控制中的应用

介绍了集散控制系统CENTUM-XL的基本性能、系统特点、基本组态方法及该系统在高炉过程控制中的应用.特别介绍了高炉顶压控制、热风炉燃烧控制用该系统的实现方法.     

连铸板坯外形的在线检测方法

介绍了板坯外形在线检测的测量原理,计算方法,并给出了实验测量方法、过程及计算机图像处理系统的处理结果.该方法简单、实用,精度较高.     

光栅光谱仪光路结构的设计

为提高光栅光谱仪的波长扫描精度,设计了一套可对光栅转动情况进行实时反馈的系统结构,实现了仪器在高速和高精度扫描上的统一。在对反馈结构进行设计时,应用光栅尺测位移技术对正弦丝杆上的滑块进行位移反馈,由计算机对其进行接收和处理。对比实验显示,仪器本身波长扫描精度为 0.7 nm,加入反馈电路进行反馈后波长扫描精度可达 0.15 nm。结果表明,加入对光栅转动情况的反馈结构后,可使光栅光谱仪满足高精度扫描要求。     

挖掘机器人阀控缸系统RBF神经网络参数辨识

为提高液压挖掘机器人工作装置轨迹规划控制精度,减小按照理想模型进行控制的阀控缸系统存在的控制误差,获得更接近实际状况的阀控缸系统控制模型,采用RBF神经网络方法,建立含阀控缸系统待辨识参数及Jacobian信息的线性方程组.以挖掘机斗杆油缸为研究对象,经实验获得油缸进回油压力、斗杆倾角参数,辨识出阀控缸模型中阀的增益系数kq、体积模量Eoil和内泄漏系数Cli.最后通过对阀控缸系统进行力控制实验对比研究,验证了采用辨识参数的系统模型控制精度较好,有很强的鲁棒性.     

微含量石油类污染物三维荧光光谱及平行因子解析

为解决微含量石油类污染物识别问题,采用三维荧光光谱(EEMs)与平行因子(PARAFAC)相结合的技术,研究了石油类样品荧光组分特征及平行因子组分识别方法。依据水体中石油类含量的标准规定,配制出与Ⅰ—Ⅴ类水体对应的CCL₄含油样品,用来模拟油类污染物成分。首先对97#汽油、0#柴油、普通煤油及CCL₄溶剂进行三维荧光光谱扫描,得到纯组分样品的三维荧光光谱图,其次对97#汽油、0#柴油及普通煤油的标准样品进行三维荧光光谱图测定,最后对97#汽油、0#柴油、普通煤油在CCL₄溶剂中的混合样品进行三维荧光光谱图测定。在掌握上述不同组分样品的三维荧光光谱特性的基础上,重点分析微含量下97#汽油、0#柴油及煤油混合液的三维荧光光谱,应用平行因子方法解析出样品中三种组分的激发与发射特征光谱以及组分间的浓度比。解决了混合样品荧光光谱出现叠加,用化学分离或单纯荧光分析方法较难识别荧光组分的问题,实现了对微含量含油混合样品的主要组分的识别,并得到混合样品溶液中不同组分间浓度比。     

利用光斑图像特征确定飞秒激光有效烧蚀焦距

为确定飞秒激光光束对微尺度结构的烧蚀深度,研究了给定功率条件下对应的激光束有效烧蚀焦距。提出采用激光焦点处获得的烧痕阵列图像及在离焦状态下提取烧痕图像特征,通过分析图像特征与离焦距离,获得激光束有效烧蚀焦距范围的方法。在激光束焦点附近的硅晶片表面烧蚀出斑痕阵列,向下逐渐减小焦距,采集硅晶片斑痕图像,提取斑痕平均像素面积及斑痕目标与背景之间的R分量灰度差,获得斑痕像素面积及灰度差随激光束焦距变化的曲线;向上逐渐增大焦距,提取并获得斑痕像素面积及灰度差随激光束焦距变化的曲线。结合激光束向下离焦阈值(633 μm)及向上离焦阈值(993 μm),确定20 mW输出功率条件下,飞秒激光在硅晶片材料表面的有效烧蚀深度为360 μm。采用中位值方法确定了激光束在硅晶片表面聚焦时的焦距为0.823 mm。实验表明,激光烧蚀斑痕像素面积及灰度差与激光束焦距之间的关系能够客观地反映激光束有效烧蚀焦距的变化范围。     

可拓神经网络模式识别对成品油的鉴别与测量

燃油存在“消耗量大”、“相对低质”、“前端缺少清洁”、“末端排放缺乏控制”四大问题, 我国的空气污染60%以上来自煤和油的燃烧,雾霾问题很大程度上取决于能源问题。快速准确地实现汽油、柴油、煤油等成品油的鉴别与测量,对于实施空气污染监测及治理具有重要意义。在精确地表征成品油种类信息的基础上,为了提高网络模型的识别效率,采用主成分分析方法将高维空间进行降维处理。对最常用的三维荧光光谱基于激发-发射矩阵(excitation-emission matrix, EEM)数据进行主成分分析以提取更精细、更深层的特征参量。分类过程中应用交叉验证的方法避免发生“过拟合”现象。设计鉴别和测量双重处理的神经网络,将神经网络模式识别结果反馈到浓度网络的输入端,与相对斜率、综合本底参数、相对荧光强度一起测量相应种类的浓度输出,利用可拓神经网络模式识别技术实现成品油的鉴别与测量。应用可拓神经网络方法实现成品油种类模式识别的平均识别率达到0.99,浓度平均回收率为0.95。模式识别平均耗时为2.5 s,仅为PARAFAC模型分析方法的48.5%。该方法显著提高了运算速度,且应用效果理想。需要指出的是,在分析诸如成品油、茶叶、农药等成分复杂的混合物时,应针对具体待测物制作相应的校正样本,用以确保分析的准确性与精度。