热连轧加热炉控制系统及升温曲线的优化研究

为解决当前热连轧加热炉在实际生产中由于对温度控制精度不够而导致的轧制产品质量不好和能耗偏高的问题,在对热连轧加热炉进行综合概述的基础上,采用可兼容通讯模块对控制系统进行改造,对加热炉升温曲线进行优化。优化改造后,对在炉时间、装炉温度和能耗等指标进行综合评估,不仅提升了产品质量,而且降低了能耗。     

退火炉内罩中气体流动及钢卷传热的数值模拟

摘要：轧制力预报一直是热连轧过程控制模型的核心，浅层神经网络对复杂函数的表示能力有限，而深度学习模型通过学习一种深层非线性网络结构，实现复杂函数逼近。利用深度学习框架TensorFlow，构建了一种深度前馈神经网络轧制力模型，采用BP算法计算网络损失函数的梯度，运用融入Mini batch策略的Adam优化算法进行参数寻优，采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略，针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验，对比分析了4种不同结构的前馈网络预测精度。结果表明，相比于传统SIMS轧制力模型，深度神经网络可实现轧制力的高精度预测，针对所有机架的预测精度平均提升21.11%。     

基于深度学习的热连轧轧制力预测

轧制力预报一直是热连轧过程控制模型的核心,浅层神经网络对复杂函数的表示能力有限,而深度学习模型通过学习一种深层非线性网络结构,实现复杂函数逼近。利用深度学习框架TensorFlow,构建了一种深度前馈神经网络轧制力模型,采用BP算法计算网络损失函数的梯度,运用融入Mini-batch策略的Adam优化算法进行参数寻优,采用Early-stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略,针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验,对比分析了4种不同结构的前馈网络预测精度。结果表明,相比于传统SIMS轧制力模型,深度神经网络可实现轧制力的高精度预测,针对所有机架的预测精度平均提升21.11%。     

基于深度学习的热连轧轧制力预测

摘要：轧制力预报一直是热连轧过程控制模型的核心，浅层神经网络对复杂函数的表示能力有限，而深度学习模型通过学习一种深层非线性网络结构，实现复杂函数逼近。利用深度学习框架TensorFlow，构建了一种深度前馈神经网络轧制力模型，采用BP算法计算网络损失函数的梯度，运用融入Mini batch策略的Adam优化算法进行参数寻优，采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略，针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验，对比分析了4种不同结构的前馈网络预测精度。结果表明，相比于传统SIMS轧制力模型，深度神经网络可实现轧制力的高精度预测，针对所有机架的预测精度平均提升21.11%。     

安钢1780精轧设定模型辊缝补偿的改进

为提高热连轧换规格轧制产品的质量和穿带稳定性,对精轧设定模型辊缝补偿自学习进行改进,增加辊缝补偿长期自学习功能,将补偿值按钢组、厚度、宽度进行分层别细化,在系数使用中增加对系数有效性、设备状态改变情况、不同机架的区分,将不同性质的条件转化为取信系数。改进措施实施后,提高了换规格情况下预设辊缝的精度。     

1780轧线数学模型的应用及优化

数学模型是热连轧过程系统中的关键控制核心,其参数设定的优劣将直接关系到产品的尺寸精度和生产的正常进行,宝山钢铁股份有限公司不锈钢分公司1780热轧厂就采用了东芝三菱先进的模型控制技术。本文对所采用的主要轧线数学模型的控制特点及在实际生产中对参数的确定与优化方法进行了描述,解决了一系列与模型相关的问题,为正常生产提供了有力保证。     

基于连续曲面的轧制模型自学习方法

 针对基于层别数据的传统轧制模型自学习方法导致相邻层别上自学习系数跳跃大、不连续等问题,提出“机理模型＋特征点＋拟插值＋自学习”的轧制模型构建新机制,用多维空间连续曲面代替原来的层别,实现轧制模型结构的升级。构造用特征点表征的连续曲面,采用连续函数对空间中各个特征点上的自学习系数进行拟插值的方法,获得光滑曲面方程。从相邻层别不连续变为多维空间上连续可导,使模型自学习系数精确到空间任意点,对提升模型设定精度有质的突破。该模型自学习方法目前已成功应用于国内某大型热连轧机组变形抗力在线计算,实际生产应用表明,新方法上线后变形抗力与轧制力的预报精度显著提高,带钢因厚度超差导致的预封锁量减少了44%,满足热连轧带钢稳定轧制的生产要求。     

轧钢加热炉的绝热保温与节能

针对热连轧厂关注较少的轧钢加热炉炉体散热损失问题作了讨论,借用其他单位的经验进行论述,对常用隔热材料优缺点进行分析,阐述了减少散热损失的方法和热连轧厂可采取的措施。     

斜轨型步进式板坯加热炉的安装经验

步进式板坯加热炉主要有三种类型,即辊子杠杆型(新日铁型)、偏心凸轮型和斜轨型,其中斜轨型步进式加热炉的结构简单,便于制造、维修及安装,为国内外新建或改造热轧带钢厂广泛采用。现把上海宝钢2050热连轧带钢厂采用的法国斯大因·霍特公司设计制造的斜轨型步进式加热炉的几点安装经验简介如下。 1.斜轨底座的无垫板安装工艺及找正方法 宝钢2050热连轧带钢厂的斜轨型步进式板坯加热炉系世界上最大的板坯加热炉     

太钢1549热连轧加热炉区自动控制系统

为了进一步提高热连轧的产能及控制水平,山西太钢不锈钢股份有限公司对1549热连轧加热炉自动控制系统进行了改造,改造后的加热炉自动控制系统由一级基础自动化系统和二级过稗自动化系统组成.炉区一级基础自动化系统由仪表摔制和电气控制两套系统组成,分别用作加热炉的燃烧控制和电气设备控制;炉区二级过程自动化系统实现了坏料数据核对、数据跟踪处理、数据设定等功能.本文主要介绍太钢1549热连轧加热炉自动控制系统的硬件配置和结构,对电气基础自动控制的内容进行了说明,详细阐述了实现精确燃烧的加热炉灵活控制分区功能和二级数据跟踪功能.该系统已投入运行,效果良好.     

带钢热连轧机生产TA10钛合金带的轧制工艺

在带钢热连轧机组上开展TA10钛合金带的轧制工艺优化研究,结合带钢轧制工艺设计,提出多组不同钛带轧制工艺规程,然后直接在带钢热连轧机上进行TA10钛合金带的热连轧生产试验。通过比较研究不同轧制工艺所生产产品的微观组织、力学性能及其他质量状态,揭示了不同热连轧工艺与组织性能的相关性,掌握TA10钛合金带热连轧变形特点,优选确定了TA10钛合金带的轧制工艺及参数,并投入生产应用后使该带钢热连轧机稳定生产出了基本满足相关技术标准要求的TA10钛合金带产品。     

轧制力优化对20辊冷轧硅钢厚度精度的影响

轧制力是影响冷轧带钢厚度精度的关键因素。为实现高精度的冷轧带钢厚度控制,通过优化变形抗力模型参数和摩擦系数模型参数提高冷轧轧制力模型计算精度,并使用指数平滑法的自学习算法保证轧制力精度的稳定性。在首钢股份公司迁安钢铁公司20辊森基米尔轧机生产线进行S12硅钢钢种轧制力优化试验,将优化的模型参数应用于L2并投入现场生产,结果表明该优化方法不仅提高了轧制力设定精度,而且减小了冷轧硅钢的厚度超差长度,提高了成材率。     

提高带钢热连轧卷取温度控制质量的措施

以莱芜钢铁公司1500mm热连轧机层流冷却系统为对象，对如何提高带钢卷取温度控制质量进行了研究。在基于非线性函数分段线性化的预设定模型的基础上，加入了如下措施来改善控制质量：考虑模型中所用变量的波动，对预设定模型进行实时动态补偿；考虑模型中没有涉及到的因素及慢时变参数对卷取温度的影响，对带钢头部进行自学习。运行结果证明所采用的这些措施大大提高了控温精度，能够很好地满足产品质量的要求。     

热连轧3#加热炉汽化冷却系统及控制

介绍了太钢热连轧3~#加热炉汽化冷却系统，重点讨论了汽化冷却控制系统的安全性、关键参数以及冷却效果。     

首钢京唐1580mm热连轧机精轧过程控制模型及应用

首钢京唐钢铁联合有限责任公司1 580 mm热连轧机由国内自主研发设计建造,其精轧过程控制中厚度分配采用标准负荷分配策略,温度计算采用沿轧线分为不同的温区,沿带钢厚度方向分为不同节点的方法,轧制力计算应用四阶Runge Kutta方法求解单位轧制力的Orowan差分方程,辊缝计算充分考虑了宽度、速度、热膨胀及磨损等的影响,同时采用模型自学习提高模型预报精度,通过模型实现高精度的头部厚度控制。模型系统投入使用后,运行状况良好,精轧设定模型厚度控制精度在(±50～±60)μm之间的平均命中率达到96.37%。该项目的成功经验,对国内新建或改造的热连轧项目具有极高的参考价值。     

本钢1700mm热连轧厂2号至5号加热炉自动化仪表设计特点

介绍了本钢1700mm热连轧厂加热炉改造工程的仪表控制系统设备设计、施工设计的设计特点,对主要技术问题进行了阐述,对旧厂加热炉改造工程及新建加热炉工程均有借鉴之处。     

基于神经网络的轧制力模型参数辨识

为了提高热连轧轧制力预设定值的精度,提出卫种新的轧制力模型参数辨识方法。利用人工神经网络对以往的大量生产数据进行了训练、预测、将预测结果结合轧制力模型,对思制力模型中的温度相关关系数ｍ１、变形速度相关系数ｍ３进行只。现场生产实践表明,采用辨识后的模型进行轧制力预设定,带钢头部厚度精度有明显提高。对于象本钢热连轧厂这样的老企业,这种新方法更具有在线应用的可行性。     

采用DAGC方法改进引进的厚度控制数学模型的研究及实践

通过分析说明采用DAGC改进西门子厚控数学模型可以提高厚控精度,这在宝山钢铁股份有限公司2050mm热连轧机实践中得到了证实.分析表明GE厚控数学模型与西门子厚控数学模型相似,同样可以采用DAGC对其进行改进,攀枝花钢铁(集团)公司1450 mm热连轧机改造中采用DAGC改进GE厚控数学模型后,取得了预期效果.指出DACE改进日本厚控数学模型后的两大优点:简化调节参数,消除压力AGC与监控AGC之间的相互影响,从而达到简化系统、提高厚控精度的效果,宝山钢铁股份有限公司1580 mm热连轧机改造中采用DACE获得成功.     

热连轧运行非对称测控系统研究与应用

常规热连轧运行非对称主要表现为粗轧镰刀弯和精轧机架间带钢跑偏,粗轧镰刀弯会遗传到精轧机组。热轧运行非对称会造成带钢楔形波动与整体中心线偏移,影响轧制稳定性和产品质量。基于目前的生产现状和需求,本文基于机器视觉技术设计开发热连轧运行非对称检测及控制系统,并成功应用于热连轧生产实践,应用结果表明:该测控系统运行稳定,对粗轧镰刀弯和精轧跑偏能够进行在线检测与控制,检测精度满足使用要求,并能有效减少镰刀弯的产生,降低薄规格产品的甩尾率,提高轧制稳定性。     

基于KPLS与SVM的热连轧板凸度预测

热连轧作为典型的流程工业过程,具有多变量、强耦合、过程非线性的特点,轧制机理非常复杂。针对传统方法难以获得准确的数学模型从而导致板形质量预测精度较低的问题,采用基于数据驱动的核偏最小二乘 (KPLS) 方法以有效处理工艺参数和质量指标之间的非线性关系,以此为基础,建立了基于KPLS结合支持向量机(SVM)的板凸度预测模型,并采用粒子群优化算法 (PSO) 优化支持向量机参数,进一步提高热连轧板凸度预测精度。预测结果表明,96.86%的板凸度预测值绝对误差小于5.5 μm,整体具有较高的预测精度,对实现板形质量精确控制、提高热轧产品质量具有重要意义。