摘要：应用RBF神经网络对车牌字符进行识别.在网络中心参数确定阶段,对每类字符分别采用最近邻聚类和k-均值聚类相结合的算法来确定隐层中心值,从而解决传统k-均值聚类算法中初始聚类中心需要被人为确定的问题;中心宽度通常通过公式来确定,为了消除此方法对中心值的依赖性,选择遗传算法对中心宽度进行优化;输出层连接权值则采用违逆法确定.仿真结果表明,设计的RBF神经网络可以有效地识别字符.

摘要：针对国内某1 420极薄带钢冷连轧机组辊耗较大,甚至偶发轧辊剥落和爆辊的问题,研究冷轧辊型曲线设计的一般方法,再结合对象轧机的设备与工艺,建立冷连轧机组轧辊辊型曲线参数优化设计模型,并为对象轧机优化设计出新的支撑辊辊型曲线和中间辊辊型曲线。新辊型曲线能够降低轧辊辊间压力分布不均匀程度,并改善弯辊力的调节效果,将其应用于该1 420冷连轧机组后,减少了辊耗与轧辊爆辊的发生率,改善了产品质量,提高了品牌竞争力,给企业带来了效益。

摘要：针对窄带钢多卷打捆工序中人工捆扎与焊接方式所带来的效率低、劳动强度大以及与轧机效率不匹配等问题,秦皇岛西重所燕大重型机械研究院有限公司经过技术攻关,综合运用现代包装机械和自动焊接理论,成功研发了新型热轧窄带钢多卷自动打捆机,该设备具有结构简单、占地面积小、运行平稳、自动化程度高等特点,对于改善窄带钢打捆工序技术落后的生产现状具有重要的工程应用价值,该设备已在国内某钢厂的窄带钢生产线上进行了工业试验,并取得了良好的效果。

摘要：为了提高冷轧带钢的板形控制质量,通过理论计算结合现场生产条件制定了板形闭环控制系统的控制策略。在此基础上,设计了板形闭环控制系统的系统结构,建立了以板形调控功效为基础的多变量板形闭环控制算法。给出了分步求解各个板形调节机构调节量的计算方法,既避免了通过求导方式进行全局最优化计算时产生的矩阵奇异无解的状况,又在最大程度上降低了工作辊弯辊等调节机构输出饱和的情况。在板形闭环控制系统的设计中,给出了板形调节机构的变增益补偿设定环节。开发的冷轧板形控制系统已用于1450冷连轧机的板形控制过程中,经现场应用表明,板形闭环控制系统具有较强的消差能力,为冷轧板带生产实现精确的板形控制提供了必要条件。

摘要：通过控制伺服电机输出变角速度规律,设计并制造了伺服电机驱动的结晶器非正弦振动样机,建立了系统的弹性动力学模型,推导了系统运动学微分方程,分析了系统的固有频率及振型。结果表明:系统的固有频率和振型都随偏心轴的角度变化而周期变化,而与波形偏斜率和频率变化无关,在线调节频率和波形偏斜率时有利于系统的平稳运行。

摘要：本文设计了一种高碳钢,用于模拟轴承用渗碳纳米贝氏体钢表层的高碳层,并研究了随等温时间延长,其组织演变和力学性能变化规律。结果表明,当试验钢在200℃等温淬火时,贝氏体转变结束时间为48 h。随着等温时间的延长,马氏体含量降低,贝氏体铁素体含量升高,残余奥氏体含量先升高后降低,并在8 h时达到最高值,约为34.5%。贝氏体板条平均厚度约为69 nm。随等温时间的延长,试验钢的硬度先降低后升高,冲击韧性先升高后降低,且均在8 h等温时间条件下获得极值,硬度为最低值58.4HRC,冲击韧性为最高值101 J/cm^2。由于采用无缺口冲击试样,显著削弱了块状残余奥氏体对冲击韧性的消极影响,导致本文中冲击韧性与残余奥氏体含量呈现完全正相关的规律。

摘要：将CDIO工程教育模式引入到焊接专业综合实验教学环节,构建一种全新的综合实验教学新模式,实现了对实验内容及实施方案的改革,完成了对学生从自主设计实验、自行操作、焊接检验、性能测试、分析总结到报告撰写的全过程培养。对综合实验的改革提高了学生解决实际问题、团结协作以及创新思维的能力。此外,尝试了对部分综合实验报告进行返还,给学生提供了对不足之处自我思考、自我提升与争辩的机会,参与试卷返还的学生普遍认为效果良好,获得了更多的知识与提升。

摘要：H2作为还原剂在竖炉内生产直接还原铁,可降低炼铁过程中的碳耗并减少CO2排放。物料运动行为直接影响到氢气直接还原竖炉内反应及生产效率。本文通过离散单元法建立竖炉内炉料颗粒运动三维模型,针对不同高度条件下炉内物料运动行为进行模拟仿真。研究表明氢气竖炉由于高度较低,下层物料运动速率分布不均匀性更显著,在竖炉下部,物料下降速率由中心向边缘处逐渐降低,为氢气直接还原竖炉炉型及设备设计提供理论指导。

摘要：孪生网络跟踪算法是利用离线训练好的网络提取目标特征并进行匹配,从而实现跟踪。而离线训练深度特征在表征任意形式目标时将目标从背景中分离开的性能较差。为此,提出一种基于目标感知特征筛选的孪生网络跟踪算法。将经过裁剪处理后的模板帧和检测帧送入到ResNet50的特征提取网络分别提取目标和搜索区域的浅层、中层、深层特征;在目标感知模块中,通过设计一个回归损失函数来学习对目标敏感的特征,根据反向传播的梯度来确定每个卷积核的重要性程度,并以此来激活相对重要的卷积核筛选较重要的目标感知特征;将筛选得到的特征送入到SiamRPN模块,进行目标、背景的二分类判别和边界框的坐标回归,从而得到一个精确的目标边界框。在OTB2015和VOT2018两个标准数据集上进行测试实验,结果表明该算法可以实现对目标的稳健性跟踪。