综合神经网络在热连轧机组轧制压力预报中的应用

由于传统的轧制压力计算模型结构简单，即使采用自适应技术，也难以适应不断提高的尺寸精度的要求。为了提高精轧机组轧制压力预设定精度，采用人工神经网络和传统数学模型相结合的综合神经网络方法。经离线仿真证明，该方法的预报精度优于传统方法，预报结果的相对误差基本限制在±５％以内。     

基于多模态和加权支持向量机的热轧轧制力智能预报

为了提高热轧生产过程精轧机组的轧制力预设定精度,需要对轧制力进行高精度的预报.本文通过机理公式计算出轧制力的近似值,然后采集大量的实际生产数据修正轧制力预报值.首先利用聚类方法区分不同的生产状态,其次在相同生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数,最后采用乘法方式修正轧制力,达到高精度的轧制力预测.结果表明,轧制力预报的平均相对误差为3.2%,满足现场的生产要求.     

人工神经网络在中厚板轧机轧制力预报中的应用

在实际生产过程中 ,传统轧制力模型在计算中板轧机轧制力时存在着较大的误差 ,为了提高中厚板轧机轧制力的预报精度 ,提出了一种将人工神经元网络用于轧制力预报数学模型中 ,进行轧制力预设定。离线仿真表明 ,采用本文所述的方法 ,预报精度要优于传统的数学模型 ,预报精度的相对误差可以控制在± 4 %以内     

基于神经网络的热连轧精轧机组轧制力高精度预报

以实测数据为基础，在精轧预设定中采用ＢＰ神经网络的方法取代传统的轧制力数学模型，并对神经网络输入项和训练样本进行分析，提出改善神经网络预报精度的一些方法，预报结果和实测数据比较表明，预报精度有较大的提高。为满足现场要求提出神经网络预报轧制力在线应用方案。     

基于神经网络的热带钢连轧弯辊力预报模型

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。     

热轧轧制力小波神经网络预报模型的研究

为了进一步提高热连轧精轧机组轧制力的设定精度，采用小波神经网络建立轧制力预报模型。并采用改进的快速BP算法来训练网络。仿真结果表明：建立的轧制力预报模型的预报值与实际值之间的相对误差在±6％以内，且学习算法收敛速度快。     

变异PSO算法协同神经元网络在轧制力预报中的应用

 为了避免BP神经元网络易陷入局部极值和基本粒子群(PSO) 神经元网络早熟收敛问题，采用一种自适应变异的粒子群优化算法训练神经元网络，根据轧制力的实测值和神经元网络的预报值确定粒子群算法的适应度函数，按照权重梯度方向进行变异操作，并首次将该方法应用到热连轧机组轧制力预报中。通过攀钢热轧板厂现场数据运算表明，该方法的预报误差平均值比传统数学模型低165%，比BP神经元网络低055%，收敛速度比BP神经元网络提高了约1/4，为进一步提高精轧机组轧制力预报精度提供了一种新的有效方法。     

结合模型自适应的神经元网络在中厚板轧机轧制力预报中的运用

在中厚板生产过程中,用传统轧制力模型预报中厚板轧机轧制力时存在着较大的误差.为了提高中厚板轧机轧制力的预报精度,采用轧制力模型自适应与人工神经元网络相结合的方法进行中厚板轧制力的在线预报.应用结果表明,采用本方法预报轧制力时精度优于传统的数学模型,相对误差可以控制在±3%以内.     

基于模糊理论的中厚板轧制力学习算法

由于传统的中厚板轧制力计算模型结构简单,并且要测量模型中的一些参数较困难,即使采用一定自适应技术,也难以适应不断提高的中厚板尺寸精度的要求。为了提高中厚板轧机的轧制力预设定精度,笔者采用基于模糊理论计算轧制力参数算法,利用现场采集的数据进行了计算。结果表明,该方法的预测精度优于传统数学模型,预测结果的相对误差基本限制在±6%范围内。     

热连轧机轧制力和轧制力矩模型研究

研究了一种适用于热连轧机的新型高精度轧制力和轧制力矩模型,建立了一个轧制力功系数和轧制力矩功系数的新型指数公式,将两个系数的表达式统一起来,仅含"压下率"和"压扁半径与出口厚度之比"两个影响因子,形式简洁,物理意义明显.给出了新型指数公式中待定参数的确定方法,求得的待定参数值对不同钢种和不同精轧机架具有通用性.预测实践表明,新型轧制力和轧制力矩模型提高了热连轧过程中轧制力和轧制力矩的预报精度,可用于热轧板带生产线精轧机架的在线控制.     

铁素体轧制在传统热轧中宽带上的开发应用

阐述了唐山建龙利用传统中宽带生产线进行低碳钢铁素体轧制的过程,并对产品进行力学性能、金相和组织结构分析.结果表明,铁素体轧制组织为铁素体＋少量珠光体＋三次渗碳体,相对于奥氏体轧制,铁素体轧制屈服强度降低28％,抗拉降低13％,延伸率降低23％,冷轧屈服降低23％,抗拉降低12％,延伸率增加2％,n值增加7％,冷轧轧制力平均减小一半,r值降低25％,并对r值降低的原因进行了分析.经过客户多次实际应用,铁素体轧制实际应用效果良好.     

轧制过程分析工具—热连轧轧制力模型校正软件

在分析影响轧制力计算精度的诸因素基础上，提出一种模拟方法来校正热连轧精轧机组轧制力数学模型组，并利用实测数据结合操作经验增加了修正因子，提高了模型组的计算精度。采用该模拟软件，可对流动应力模型影响轧制力的程度进行分析，也可对传热模型影响轧制力的程度进行分析。     

棒、线材热轧力能参数计算软件的开发与应用

对孔型中轧制的力能计算，目前无论是理论模型还是经验，半经验模型，计算结果均偏差较大。笔者在研究传统与现代的各种计算模型与方法的基础上，开发出热轧棒、线材时的力能计算软件，该软件对轧制压力的计算首次提出并采用了考虑奥氏体再结晶变化的修正函数，使预报精度大大提高；对轧制力矩的计算首次考虑了变形区几何参数对力臂系数的影响，从而使力矩的计算更为贴近实际。经唐钢棒材厂、大亚湾棒材厂的大量测试与试用，轧机负荷的最大偏差为１０％左右，电机负荷的最大偏差为１５％左右，从而达到了较高的精度水平，概要介绍了该软件的开发、应用与效益。     

半无头轧制工艺下的精轧宽展预测

为了提高半无头轧制精轧宽展的预测精度，采用BP神经网络方法代替传统数学模型进行宽展预测，并采用改进的BP神经网络算法提高学习速度，与传统数学模型方法得到的预测精度作比较，结果表明采用此方法预测精度更优。     

"棒、线材力能预报系统"及其应用

对孔型中轧制的力能计算,目前无论是理论模型还是经验、半经验模型,计算结果均偏差较大.在研究传统与现代的各种计算模型与方法的基础上,开发出棒、线材热连轧时的力能预报系统.该软件对轧制压力的计算首次提出并采用了考虑奥氏体再结晶变化的修正函数,使预报精度明显提高;对轧制力矩的计算首次考虑了变形区几何形状对力臂系数的影响,从而使预报结果更为接近实际.经唐钢棒材厂、承钢连轧厂及石钢三轧厂的大量测试,轧机、电机负荷的最大偏差分别为10%、15%左右,从而达到了较高的精度水平.唐钢棒材厂、承钢连轧厂的成功应用为企业带来了显著的经济与社会效益.概要介绍了软件的功能及其应用效果.     

16Mn中板轧制负荷均衡优化

针对16Mn中板轧制过程中存在的轧制负荷不均衡现象,通过模拟轧制实验得出变形抗力与变形程度、变形速度、变形温度间的关系.在此基础上,根据现场生产实际情况,建立了一套符合实际生产的轧机负荷计算模型;利用动态规划法对现场压下规程进行负荷均衡优化,编制出轧制负荷计算和优化软件并给出负荷均衡的压下规程,为16Mn中板轧制提供更合理的轧制制度.     

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。     

宽系桶柱滚动轴承开发研究

针对高速线材厂悬臂式轧机四列短圆柱滚子轴承的轴承座无法实现自位前提下，提出了研制宽系桶柱滚动轴承，以更替原四列短圆柱滚子轴承，解决轴承异常偏载短寿及烧胶问题。     

330乙字钢轧机负荷计算

通过计算出330乙字钢与310乙字钢轧制负荷的比例关系,再结合现有310乙字钢各道次轧制负荷,从而推导出330乙字钢各道次的轧机负荷,从而确定现有生产装备能否生产330乙字钢的结论。