共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
过程控制系统要求数学模型能正确反映规律性,运算简单,并且有较高的预报精度。轧制力计算模型是过程控制数学模型的核心,轧制力的计算精度直接影响到板形与板厚控制的精度。为了提高轧制力计算的精度,通过对冷轧轧制力特点的分析和计算模型的研究,我们在现有Hill公式的基础上,考虑张力对计算冷轧带钢轧制力的影响并借助于自学习计算功能,通过添加张力影响因子和模型自学习系数对Hill公式进行了改进,在保证轧制力预报精度的同时实现轧制力的在线计算。实际数据测试结果表明轧制力在线计算模型的预报精度误差在±5%以内。 相似文献
3.
4.
轧制力计算有多种模型,大多存在计算繁琐、工作效率低下的问题。通过对冷连轧多种轧制力计算模型的对比研究,针对中、薄板带钢大压下率的M.D.Stone计算模型,采用最小二乘法对轧制力进行曲线拟合,找出一种便捷的算法——轧制力曲线拟合算法,通过一般的计算器或程序即可对轧制力进行求解。应用效果表明,该算法能使轧制力预报精度和计算效率大幅提高,为轧制力预报提供了一条更加便捷、可靠的途径。 相似文献
5.
分析了涟钢CSP生产线7机架精连轧机的板带轧制力模型,并针对其在实际生产过程中遇到的一些问题,提出了改进方案,即基于原轧制力模型进行优化,建立了新模型.同时确立了新的变形抗力模型方程.由优化前后的计算和对比分析可知,新模型的精度更好。在生产实际应用中对轧制力的预报准确率大幅度提高。 相似文献
6.
7.
《钢铁研究学报》2020,(5)
轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力,精度较低。为提高轧制力预报精度,首先基于大量历史生产数据,通过主成分分析法对影响轧制力的因素进行处理和分析,选出权重较大的影响因子;其次选取现场代表钢种进行热模拟压缩实验,在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型,即先通过化学成分计算出基准变形抗力,再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数,并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产,轧制力预报相对误差±10%以内占比提高15.61%,钢板头部厚度命中率提高1.9%。 相似文献
8.
9.
10.
摘要:轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力,精度较低。为提高轧制力预报精度,首先基于大量历史生产数据,通过主成分分析法对影响轧制力的因素进行处理和分析,选出权重较大的影响因子;其次选取现场代表钢种进行热模拟压缩实验,在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型,即先通过化学成分计算出基准变形抗力,再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数,并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产,轧制力预报相对误差±10%以内占比提高15.61%,钢板头部厚度命中率提高1.9%。 相似文献
11.
12.
13.
14.
15.
16.
美国Citisteel公司轧钢厂四辊轧机自动轧钢系统 总被引:2,自引:0,他引:2
介绍由钢铁研究总院开发的美国Citisteel公司轧钢厂液压AGC自动轧钢控制系统,着重讲述自动轧钢控制系统的特点、构成,功能和控制效果。该系统现已投入使用并通过厂方验收。 相似文献
17.
18.
19.