共查询到18条相似文献,搜索用时 328 毫秒
1.
2.
3.
4.
5.
6.
7.
为计算板坯在热轧过程中温度场的变化,建立了温降数学模型。该模型考虑了板坯在辊道上的空冷,喷水除鳞冷却,轧辊接触冷却、摩擦生热和轧制功生热等因素,将该楼型编制成计算机程序,以武钢热轧厂为例,经试算得出轧制后结束后的温度与实际生产数据接近。该数学模型可用于根据板坯出炉温度和轧制节奏预测终轧温度或根据轧坯温度修正后续轧制参数。 相似文献
8.
工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。 相似文献
9.
10.
轧辊热膨胀对承载辊缝形状和带钢板形具有显著的影响,而准确预报轧制过程中轧辊热膨胀是板形控制中的难点之一。针对某热连轧生产线单辊期内热膨胀量与轧辊温度不收敛的问题,利用自主开发的与产线生产完全一致的板形模型分析测试系统对热凸度二级模型进行了仿真分析与研究,提出了一种有效提高工作辊热平衡收敛性的优化方法,并进行了生产应用。该优化方法的应用解决了该热轧产线单辊期内热平衡不收敛的问题,消除了轧辊温度计算值和实测值之间的偏差,不仅提高了模型的预报精度,也大幅提高了该产线轧制带钢的凸度控制精度。 相似文献
11.
基于神经网络的热带钢连轧弯辊力预报模型 总被引:2,自引:0,他引:2
针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点,利用日照钢铁有限公司1580 mm七机架热轧机生产数据,对精轧机组进行了基于神经网络的弯辊力优化预报。基于神经网络的弯辊力预报模型与传统模型相比,可进行高度非线性模拟,以大量实际数据作为神经网络训练输入,有模型结构简单、容易实现等优点。基于神经网络的弯辊力预报模型不但考虑各种输入参数相互之间的影响作用,而且考虑到各机架输出之间的关系,可用于提高头部板形控制精度,并为实际弯辊力设定提供了指导和试验基础。 相似文献
12.
13.
14.
15.
Because the structure of the classical mathematical model of rolling load is simple, even with the self adapting technology, it is difficult to accommodate the increasing dimensional accuracy. Motivated by this fact, an Innovations Feedback Neural Networks (IFNN) was presented based on the idea of Kalman prediction. The neural networks used the Back Propagation (BP) algorithm and applied it to the prediction of rolling load in hot strip mill. The theoretical results and the off line simulation show that the prediction capability of IFNN is better than that of normal BP networks, namely, for the prediction of the rolling load in hot strip mill, the prediction precision of IFNN is higher than that of normal BP networks. Finally, a relative complete rolling load prediction system was developed on Windows 2003/XP platform using the OOP programming method and the SQL server2000 database. With this system, the rolling load of a 1700 strip mill was calculated, and the prediction results obtained correspond well with the field data. It shows that IFNN is valid for rolling load prediction. 相似文献
16.
热连轧生产过程中经常出现设备和质量故障,为了快速确定故障原因并排除故障,需要对生产过程开展监控以及对故障进行诊断。基于热连轧生产过程采集的数据,采用核主成分分析法对热连轧轧制过程中精轧机组相关数据进行监控,并对断带故障进行诊断。先使用平方预测误差(SPE)统计量监控生产过程,再基于核主成分分析绘制出各变量贡献率图,最后依据贡献率大小找出造成故障的主要影响变量。与主成分分析法相比,采用核主成分分析法更为高效和准确。基于核主成分分析的热连轧断带故障诊断可节省故障分析时间,为热连轧生产过程调整和故障排除提供依据,具有重要的理论意义和实际应用价值。 相似文献
17.
在钢铁生产过程中,副产煤气占钢铁企业总能耗的40%,因此,准确预测副产煤气的消耗量可以为钢铁企业煤气系统的优化调度提供科学的指导。热风炉是副产煤气系统的最大用户之一,由于工作周期频繁调整导致副产煤气消耗量波动剧烈,预测难度较大。针对现有预测模型预测提前量较短的问题,建立了基于时间序列的BP神经网络预测模型,在保证较高的预测精度的前提下将预测提前量延长至30 min。以现场采集的热风炉煤气数据作为数据样本进行实例分析,发现训练样本为2 000组、预测样本为30组时预测效果最好,平均误差绝对值可达4.04%。此外,还对不同预测模型进行对比,结果表明本模型最适合热风炉煤气消耗量的中期预测。 相似文献
18.
为提高热连轧带钢精轧厚度预测精度,建立了通过深度置信网络(deep belief network,简称DBN)提取特征的最小二乘支持向量机回归模型(DBN-LSSVM),并且利用粒子群优化算法(particle swarm optimization,简称PSO)优化最小二乘支持向量机(least squares support vector machine,简称LSSVM)相关超参数。通过采集某热连轧带钢生产线实时现场数据,对所提出厚度预测模型进行训练和离线仿真。结果表明,基于DBN-LSSVM的预测模型具有良好的学习能力和泛化性,DBN-LSSVM模型的预测精度较传统BP算法和DBN-BP算法有显著提高,该厚度预测模型在生产实践中具有很好的应用前景。 相似文献