基于蚁群算法的神经网络冷连轧机轧制力预报

 为提高冷连轧机轧制力的预报精度和预报速度,用蚁群算法和神经网络相结合的方法进行轧制力预报模型设计。根据轧制原理建立了BP神经网络冷连轧机轧制力预报模型,以网络权值和阈值为自变量,网络预报误差为目标函数,通过蚁群多代运算,找出预报误差全局最小值,再将相应的权值和阈值输入网络进行训练。应用某厂1450 mm冷连轧机的实测数据进行离线计算的结果表明,该方法能够防止BP网络陷入局部极小点,且收敛速度快,可作为轧制力预报的新方法在实际应用中加以推广。     

五机架冷连轧机轧制人工神经网络预报

采用改进的BP网络Levenberg-Marquardt优化算法对冷连轧机轧制力进行快速预报，该网络μ参量可自适应调整，收敛速度快。冷连轧生产轧制力预报精度大为提高，为冷连轧轧制力预报提供了一条准确高效的新途径。     

基于遗传神经网络的冷连轧机轧制压力模型

对鞍钢冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷.把遗传算法(GeneticAlgorithms,简称GA)和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及GA-BP算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冲连轧机轧制压力模型.通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网络模型计算精度优于传统轧制力模型.     

模糊小脑模型神经网络在多辊冷连轧机轧制力预报模型中的应用

针对宽带钢多辊冷连轧机组特点,为提高轧制力的预报精度,在结合传统轧制压力模型的基础上把模糊算法和神经网络有机结合,设计出基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型.通过对传统轧制力模型计算值、小脑模型预报计算值与实测值进行对比分析可知,基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型具有较高的计算精度,更适合于多辊轧机在线计算机过程控制的应用,满足现场在线生产的要求,取得良好的板形板厚控制效果.     

基于遗传算法的冷连轧机轧制策略优化

轧制策略是冷连轧机进行过程控制参数设定的基础。给出了基于遗传算法的轧制策略自动寻优系统,实验数据对比分析结果表明,该系统能够大幅度提高轧制策略的优化性能指标,在实际生产中具有推广应用价值。     

中板轧机轧制压力人工神经网络预报

基于人工神经网络软件Matlab，采用改进的BP(Back Propagation)网络Levenberg-Marquardt训练规则，根据中板轧件入口厚度、出口厚度和宽度、轧辊直径、轧制速度和温度、轧件主要成分等输入参数，优化计算2350中板轧机的轧制压力和力矩。通过该网络的μ参数的自适应调整，提高收敛速度，使2350中板轧机轧制力和力矩的预报精度显著提高。轧制压力的BP网络预报值相对误差小于3％，轧制力矩的BP网络预报值相对误差小于4％。     

冷连轧带钢轧制节奏计算和仿真系统研究

冷连轧计算机控制系统是冷轧生产中的重要组成部分,设定值计算又是控制系统的核心内容,为此,对冷轧计算机控制系统中的力度参数设定值预计算部分进行了仿真,并根据仿真结果对带钢轧制节奏问题进行了研究,根据工艺推导出轧制节奏中最大轧制速度的模型计算方法,并就业模型进行了仿真,结果表明,仿真系统的计算完全符合现场带钢实际运行状况。     

基于全局并行遗传算法的冷连轧机轧制策略优化研究

并行遗传算法把遗传算法隐含的并行性与计算机的高速并行性结合起来，极大地提高了搜索效率。介绍了全局并行遗传算法在冷连轧机轧制策略优化中的应用。结果表明，该方法能大大改善轧制策略的优化性能指标。     

冷连轧机用高性能轧制油国产化研制

文章介绍了适用于攀钢HC冷轧机的高性能轧制油CRD－420C的国产化研制情况，现场应用表明：CRD－420C轧制油性能稳定，主要指标和使用与外商推荐的QN－436相当，完全能满足现场生产的工艺要求，节约了成本，缩短了采购周期。     

改造及预设定镀锡薄板冷连轧机用轧制数学模型

近年来,要求冷轧镀锡板产品减薄至0.10～0.15mm 厚度范围的订单越来越多;另一方面,为提高现有热带钢轧机的生产能力,又要求增大冷轧机入口板厚,为适应这种形势的变化发展,提出了“冷连轧机组最大压下率究竟能达多少”的重要问题。显然,欲得此结论,仅凭实践经验远不足以问题的分析与解决,而必须走建立正确数学模型的路。为此,在实验室基础上开发出一组轧制数学模型,并在四机架和五机架两种镀锡板冷连轧机上进行了仿真计算。结果表明,采用95～96%的累计压下率情况下,仍能保持稳定轧制条件,获得良好产品质量,且不突破设备强度极限。此外,在Hoogovens 实验室所研究出的这种模型还能显著提高镀锡板冷轧机的预设定精度。     

五机架冷连轧机轧制力人工神经网络预报

采用改进的 BP网络 L evenberg- Marquardt优化算法对冷连轧机轧制力进行快速预报 ,该网络 μ参量可自适应调整 ,收敛速度快。冷连轧生产轧制力预报精度大为提高 ,为冷连轧轧制力预报提供了一条准确高效的新途径     

冷连轧机轧制规程的多目标模糊优化设计

建立了冷连带轧机能耗最小、负荷分配最均衡及板形质量最优的多目标优化模型,介绍了运用模糊理论进行多目标优化轧制制度的方法,算例分析表明了方法的有效性。     

冷轧机穿带新工艺的应用研究

通过对某轧钢厂冷连轧机的穿带工艺及轧制参数的研究 ,找出了影响顺利穿带的主要因素 ,提出了应对措施。结合轧机自身的特点 ,在操作工艺和计算模型方面作了改进。采用比出口处带钢目标厚度较厚的设定值穿带 ,再逐步过渡到目标值的方法可改善穿带过程 ,减少穿带时间。还对穿带所用厚度的计算模型进行了初步探讨     

应用BP神经网络提高冷轧机弯辊力预设定值精确性

简述了人工神经网络的原理，主要介绍了应用BP神经网络提高弯辊力预设定值精确性的过程和结果，解决了热轧板原料材质相同但因性能和板形不同而使弯辊力预设定值和实际值相差较大的问题。     

人工神经网络和数学模型在热连轧机组轧制力预报中的综合应用

针对传统轧制力模型的固有缺陷,为了提高精轧机组轧制力预设定精度,提出一种将人工神经网络和数学模型相结合的新方法,用于热连轧精轧机组轧制力的预设定。离线仿真表明,采用本文所述的方法,预报精度优于传统方法。预报结果的相对误差限制在±５％以内。     

森吉米尔轧机板形预测的神经网络方法

针对传统板形预测模型的固有缺陷,研究建立了基于神经网络的森吉米尔轧机板形预测模型,模型经由某钢铁公司森吉米尔20辊冷轧实测数据仿真验证表明,预测模型具有较高的预测精度。     

冷连轧的静态模拟

以来料厚度差作为干扰量,对冷连轧进行了静态模拟。     

现代化冷连轧机的最佳机型配置

轧机机型的选择是建设冷连轧机时需首要考虑的问题之一。首次系统地阐述了机型的含义及其选型理论和原则，定义了评价轧机板形控制性能的7项指标。利用建立的有限元仿真模型，详尽分析了当前国际上流行的冷轧机型(如HCW、HCMW、UCMW、CVC4、CVC6、DSR和PC)的板形控制性能。在此基础上，提出1800冷连轧机的最佳机型配置方案，对新建宽带钢冷连轧机的选型具有重要的参考价值。