基于改进遗传算法优化BP网络的轧制力预测研究

为提高铝热连轧轧制力预报精度,满足现场生产需求,采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本,在遗传算法的初始化和变异机制中引入混沌序列,同时选择最优保存机制、动态调整交叉率和变异率等方法,提出了改进的遗传算法,并将其与改进的BP算法相结合,对多层前馈神经网络权值阈值进行优化,避免学习中陷入局部最小,使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内,该预测精度明显优于传统数学模型,实现了铝热连轧轧制力的高精度预测。     

冷轧平整机工作辊表面粗糙度衰减模型

冷轧平整机的工作辊直接和带钢接触,其表面粗糙度衰减情况对带钢成品的板形和表面质量有重大影响。因此,分析轧辊磨损机制,对轧辊表面粗糙度的衰减进行精确预测十分必要。首先采用灰色关联度分析对影响平整机工作辊表面粗糙度磨损的因素进行分析,确定了工作辊表面粗糙度评估指标体系。进而应用优化在线稀疏最小二乘支持向量回归模型对冷轧平整机的上工作辊表面粗糙度进行在线预测。通过预测误差准则实现系统的前向递推,采用FLOO(fast leave one out)的修剪算法实现其后向删减,并且采用最速下降法实现了2个超参数的在线优化。经过仿真研究表明,系统预测的绝对误差平均值为0.014 9,与其他方法相比具有明显的优越性,并且系统具有在线自适应的能力,能够随着时间而进化。     

自适应模糊PID在双铝轧机机架间张力控制中的应用

张力控制是铝带轧机生产过程控制的难点。在双机架铝轧机控制系统中,通过控制机架间的张力大小,可以减少轧机的负荷,在一定程度上也可以改善铝带的板型质量。分析了张力控制的基本原理,基于双闭环的动力系统建立了以速度为主要影响因素的张力系统模型。通过自适应模糊PID的智能控制方式对双机架铝冷轧机中的张力模型进行仿真,仿真研究表明,自适应模糊PID对张力系统的控制优于常规PID,可减小系统较大幅度的振荡,而且能更快地达到张力控制系统的稳定状态。     

基于改进混洗蛙跳算法的冷连轧轧制规程优化

轧制规程优化是使轧制过程达到最佳状态的重要保证。综合考虑影响冷连轧轧制过程的多种因素,以等功率裕度和克服划痕为目标函数,建立了轧制规程多目标优化模型,并采用自适应混沌变异蛙跳算法对轧制规程进行优化设计。该算法是在基本蛙跳算法中,加入自适应混沌变异操作,具有较好的寻优精度和收敛速度。对某钢厂1 370mm冷连轧机轧制规程进行优化的结果表明,优化后的规程较好地实现了各机架等功率负荷分配,降低了划痕出现的概率和程度,大大地提高了产品质量,增加了经济效益。     

双机架铝带冷连轧机机架间张力分析及仿真

针对某公司1850mm双机架铝带冷连轧机机架间张力波动问题,完善了基本张力公式,并分析了影响张力波动的原因,建立了比较精确的张力微分方程,描述了张力波动及其波动的自调节过程,做出了几种主要因素变化时张力变化情况的Matlab仿真图形,仿真结果与现场实际基本一致。     

基于MMAS-PID 的板形板厚综合控制

针对带钢冷连轧板形、板厚存在的强耦合关系，建立了板形板厚耦合模型，进行了厚度波动前馈补偿，设计了对角形板形板厚解耦控制系统，实现了板形板厚解耦。同时设计了最大最小蚁群算法（MMAS）优化的PID控制器,对综合控制系统进行了PID参数优化.仿真实现了快速优化PID以满足控制要求,与传统的PID控制相比，MMAS-PID综合解耦控制系统有效提高了板形板厚控制精度.     

基于IAGA的冷连轧机预防打滑的规程优化设计

为解决冷连轧轧制过程中的打滑问题,在引入打滑因子的基础上,建立了以预防打滑为目标的规程优化模型.针对标准遗传算法存在的早熟收敛、振荡和随机性太大等缺点,利用改进的自适应遗传算法进行优化.该算法提出了一种基于排序的多轮轮盘赌选择算子,提高了算子的选优能力,也减少了随机性所产生的误差,同时依据个体适应度的值确定染色体的交叉概率和变异概率,使前期变异明显,后期趋于稳定,保证了种群开发和搜索的平衡及全局收敛性.现场试验及生产实践情况证明,该优化规程模型能够有效地降低打滑发生的概率,提高产品的质量,获得更好的经济效益.     

1450mm冷连轧机活套张力控制系统

冷连轧活套张力控制的动静态精度对于稳定轧制过程至关重要.在结合活套张力控制原理的基础上设计出1450mm冷连轧机活套电气控制系统,详细介绍了活套张力控制系统的控制原理及实现方案,对惯性力矩、弯曲力矩和摩擦力矩进行补偿,随后分析活套的运行情况.实践证明此活套控制系统具有较好的控制效果,满足了工艺上的要求.     

基于遗传算法的PP及冷连轧轧制规程多目标优化

针对多目标优化算法中综合目标函数权值难以确定的问题,通过对偏好的数学量化,采用数值分析的方法,构造了6种不同的偏好函数,建立了物理规划(physical programming)数学模型,然后以遗传算法为寻优工具,实现一种更加灵活更加适合于工程技术人员的交互式多目标优化算法。结合某冷轧厂实际的轧制规程优化过程,选取等功率裕量、轧制总能耗及各机架打滑因子为目标函数,运用基于遗传算法的PP进行优化计算。结果表明,优化后的轧制规程很好地实现了各机架等功率负荷分配,降低了打滑出现的概率,大大提高了板材表面质量和成品成材率。     

基于改进差分进化算法的带钢冷连轧负荷分配

为了更加合理地制定冷连轧轧制规程,选取打滑因子、等功率裕度和最小能耗作为目标函数,采用改进的差分进化算法求解Pareto前沿,减少了冗余的寻优代数、缩短了优化时间。以求解出的Pareto前沿为选择池,基于不同的偏好因子选择出不同的负荷分配方法,满足不同工况下的要求。仿真结果表明,该算法可以快速均匀地覆盖Pareto前沿,产生偏重于不同目标的负荷分配规则。优化规程与原规程相比,降低了打滑现象出现的概率,减小了轧制功率。