连铸板坯裂纹预测预报系统的研究

论文摘要

介绍了国内外连铸生产过程中裂纹预测预报的现状,详细地分析了裂纹产生的机理和原因;采用多级热电偶对结晶器四壁温度检测,对检测出的温度波形进行模式识别,进行裂纹征兆的实时检测;同时,针对连铸生产过程中裂纹产生时表征裂纹征兆的信号较弱,易被干扰信号淹没,数据波动较大等问题,提出了一种基于山峰函数的减法聚类的数据预处理方法,利用模糊聚类技术确定系统模糊空间、隶属度函数和模糊规则数,并得到最佳聚类中心个数;提出了将减法聚类和模糊推理系统融合的系统建模方法,构建了自适应模糊神经系统的裂纹征兆预测模型。仿真结果表明这种方法在保证模型精度的前提下,可以提高模糊规则生成的效率和准确性,提高模型的收敛程度,降低建模的复杂程度。本文介绍了连铸板坯裂纹预测预报系统的设计。应用VB6.0、Matlab 6.0仿真系统与后台数据库的接口技术,实现了预测系统前台仿真和后台数据库管理的结合,系统为用户提供了两种不同的裂纹征兆数据输入界面,可以对数据库进行添加、查询等操作,建立了完整的预测、查询、分析和数据管理系统。

论文目录

• 摘要
• Abstract
• 详细摘要
• 1 引言
• 1.1 课题概要
• 1.1.1 课题研究意义
• 1.1.2 连铸板坯裂纹产生的原因
• 1.1.3 分析连铸板坯裂纹产生的机理
• 1.1.4 分析连铸板坯裂纹影响的因素
• 1.2 国内外连铸板坯裂纹预测预报技术研究现状及发展趋势
• 1.2.1 连铸生产工艺简介
• 1.2.2 国内外连铸生产的现状
• 1.2.3 裂纹预测预报技术研究现状及发展趋势
• 1.3 课题研究的内容及技术路线
• 1.3.1 研究内容及方法
• 1.3.2 课题主要解决的技术难点
• 1.3.3 课题研究的技术路线
• 1.4 本章小结
• 2 连铸板坯裂纹征兆的检测方法
• 2.1 结晶器热传递测量分析法
• 2.2 摩擦力（拉坯阻力）测量法
• 2.3 铸坯短边凹度测量法
• 2.4 超声波测量法
• 2.5 本章小结
• 3 连铸板坯裂纹预测预报方案
• 3.1 逻辑预报方案
• 3.2 神经网络预报方案
• 3.2.1 用递归网络进行裂纹预报
• 3.2.2 利用雪崩网络进行裂纹预报
• 3.2.3 利用BP 网络进行裂纹预报
• 3.2.4 利用RBF 神经网络进行裂纹预报
• 3.2.5 利用模糊神经网络进行裂纹预报
• 3.3 基于减法聚类的模糊神经网络
• 3.3.1 减法聚类（Clustering Subtraction）
• 3.3.2 TS（Takagi-Sugeno）型模糊神经网络
• 3.3.3 基于减法聚类的自适应模糊神经网络（ANFIS）
• 3.3.4 神经网络模型的建立
• 3.4 本章小结
• 4 连铸板坯裂纹预测预报系统设计
• 4.1 系统的整体设计
• 4.2 系统的硬件设计
• 4.2.1 裂纹产生征兆的检测
• 4.2.2 热电偶在结晶器中的埋设方式
• 4.2.3 主机硬件环境
• 4.3 系统的软件设计
• 4.3.1 软件环境
• 4.3.2 基于减法聚类的自适应神经模糊网络的实现
• 4.3.3 信号采集系统主程序设计
• 4.3.4 文件调用流程图
• 4.3.5 各模块功能详细说明
• 4.3.6 MATLAB 与VB 的接口
• 4.4 Access 数据库的访问
• 4.4.1 DAO 概述
• 4.4.2 JET 概述
• 4.4.3 与上位机通信子模块
• 4.4.4 系统帮助模块
• 4.4.5 数据库的选择
• 4.5 系统操作说明书
• 4.5.1 系统操作说明
• 4.5.2 注意事项
• 4.5.3 系统运行的软/硬件要求
• 4.6 系统的抗干扰措施
• 4.7 本章小结
• 5 系统仿真及实验结果
• 5.1 系统仿真
• 5.1.1 仿真数据输入
• 5.1.2 用相关函数对系统进行仿真
• 5.2 实验结果与评估
• 5.2.1 数据库1 的数据仿真及预测结果
• 5.2.2 数据库2 的数据仿真及预测结果
• 5.3 实测值和系统预测值对比
• 5.3.1 生产实测数据的提取
• 5.3.2 系统预测值的产生
• 5.4 本章小结
• 6 结论与展望
• 6.1 结论
• 6.1.1 主要研究成果
• 6.1.2 主要的创新点
• 6.2 展望
• 参考文献
• 致谢
• 作者简介
• 在学期间发表的学术论文
• 在学期间参加科研项目