您的位置： 专家智库
>
资助详情>
河南省科技攻关计划(122102210170)
河南省科技攻关计划(122102210170)
- 作品数：4 被引量：13H指数：2
- 相关作者：张利红梁英波李晋吴定允朱思峰更多>>
- 相关机构：周口师范学院更多>>
- 发文基金：河南省科技攻关计划河南省教育厅科学技术研究重点项目国家自然科学基金更多>>
- 相关领域：电子电信金属学及工艺自动化与计算机技术冶金工程更多>>
- 基于RBF的轧机油膜补偿建模与仿真被引量：2
- 2013年
- 为了减小热轧机支撑辊动压油膜轴承油膜厚度变化对带钢出口厚度的影响,提高AGC控制精度,建立了基于RBF神经网络的轧机油膜补偿模型;对某2 500 mm单机架热轧中厚板生产线轧机用空压靠法,得到不同轧辊转速和轧制力条件下的轧辊辊缝值,对模型进行训练,并对模型进行仿真。结果表明:基于RBF神经网络的轧机油膜补偿模型能够在线实时地对热轧中厚板生产线油膜厚度变化进行补偿,对改善中厚板带钢的纵向厚差、提高中厚板带钢成材率具有重要意义。
- 张利红梁英波李晋
- 关键词：RBF神经网络
- 基于SVM的轧机油膜厚度补偿模型的建立被引量：1
- 2012年
- 研究单机架热轧中厚板轧机的油膜厚度补偿问题,利用SVM方法建立了轧机油膜厚度补偿模型,并对回归预测结果进行分析,同时与成熟的基于Reynolds方程的轧机相对油膜厚度补偿方法进行比较,结果表明:采用基于SVM的轧机油膜厚度补偿模型可以对轧机油膜厚度进行良好的补偿,补偿精度较好。
- 张利红梁英波李晋
- 关键词：SVM统计学习理论
- 基于BP神经网络的轧机油膜厚度补偿的测试与建模被引量：4
- 2012年
- 针对单机架热轧中厚板轧机天铁2500mm中厚板生产线的油膜补偿问题进行了研究,用基于BP神经网络的方法建立了轧机油膜厚度补偿模型,并与已成熟应用的基于Reynolds方程的轧机相对油膜厚度补偿方法进行比较分析。结果表明,BP神经网络模型比基于Reynolds方程的轧机相对油膜厚度补偿方法具有预测精度高、样本学习时间快、收敛速度快的优点,BP神经网络模型可以对轧机油膜厚度进行良好的补偿。
- 张利红梁英波李晋
- 关键词：BP神经网络REYNOLDS方程
- 基于改进多尺度形态学的带钢缺陷图像边缘检测被引量：7
- 2014年
- 针对目前板带钢表面缺陷在线检测过程中无法准确地检测出所有缺陷边缘问题,根据带钢缺陷的特点,分析了结构元素的选取,提出了一种将多尺度形态学和多结构元素有机结合的边缘检测方法。该方法首先进行多尺度形态学滤波降噪,分别求取0°结构元素、45°结构元素、90°结构元素和135°结构元素带钢缺陷图像边缘;其次通过一定的运算组合,提取多结构边缘;最后对得到的带钢缺陷图像的边缘作二值化处理,再细化边缘得到缺陷图像边缘的最终结果。实验结果表明,该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上提取板带钢表面缺陷的边缘。同时能够较好地保留图像中缺陷的边缘细节信息,为带钢表面缺陷在线检测系统中自动分割、缺陷识别等后续处理奠定了基础。
- 张利红梁英波吴定允朱思峰
- 关键词：边缘检测多尺度
