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。     

铜元素对304L不锈钢热加工性能的影响

采用Gleeble-3800热模拟试验机对含铜304L不锈钢进行热压缩实验,变形温度为900~1150 ℃,应变速率为0.01~20 s^-1,并通过应力-应变曲线构建其热加工图。结果表明,随着铜含量的增加（0%Cu-304L,2.42%Cu-304L,3.60%Cu-304L）,较好的热加工温度范围从200 ℃降低到75 ℃。微观组织分析发现：该材料失稳的主要原因有局部流动失稳、剪切带、空洞和裂纹;在热变形过程中,塑性变形能在短时间内转化为热量,导致变形材料局部温度升高,这使得熔点相对较低的铜偏析区易融化从而形成孔洞,成为裂纹的来源,降低了材料的热加工性。     

热轧厚规格窄带钢厚度控制策略优化

针对某450 mm窄带钢生产线生产6.00 mm以上厚规格产品时带钢扭转导致测厚仪产生厚度测量偏差，严重影响厚度自动控制系统的正常投用，对产品厚度控制精度产生影响的问题，通过对轧件扭转前后轧件厚度的比较，实现了6.00 mm以上厚规格产品的厚度测量补偿，以此为基础实现了厚度的精确控制。现场实际生产应用表明，6.00 mm以上厚度规格96%以上达到了±50 μm的厚度控制精度，有效地保证了产品质量。     

Algorithm design and application of novel GM-AGC based on mill stretch characteristic curve简

As the spring equation is limited to the accuracy of mill stiffness and the linearity of the mill spring curve, the traditional gaugemeter automatic gauge control （GM-AGC） system based on spring equation cannot meet the requirements of practical production. In allusion to this problem, a kind of novel GM-AGC system based on mill stretch characteristic curve was proposed. The error existing in calculating strip thickness by spring equation were analyzed first. And then the mill stretch characteristic curve which could effectively eliminate the influence of mill stiffness was described. The novel GM-AGC system has been applied successfully in a hot strip mill, the application results show that the thickness control precision is improved significantly, with the novel GM-AGC system, over 98.6% of the strip thickness deviation of 3.0 mm class can be controlled within the target tolerances of ±20 μm.     

基于负荷平衡的监控AGC在热连轧中的应用

针对传统热连轧监控AGC不能解决各个机架之间厚度偏差量的分配和保持各机架间负荷平衡的问题,提出一种基于速度和机架间带钢厚度的样本跟踪方式,同时兼顾各机架间负荷平衡,以此为基础对监控AGC控制方式进行优化。现场应用效果表明,优化后的热连轧监控AGC控制方式可以在不影响调节速度的前提下有效平衡各机架负荷,取得良好的控制效果,适用于推广。     

热轧带钢轧制节奏的优化

针对热连轧窄带钢生产中由于精轧区轧区长度长、传统控制方式导致轧制节奏慢的问题,通过对两级自动化控制系统进行优化,设置双存储区,优化轧制规程发送时序和速度算法,解决了两块钢同时轧制的问题。唐山国丰钢铁有限公司620mm热连轧生产线据此改进后,小时产量由原先的55块提高到了72块,大大缩短了生产周期,提高了产能。     

热轧厚规格窄带钢厚度控制策略优化

针对某450 mm窄带钢生产线生产6.00 mm以上厚规格产品时带钢扭转导致测厚仪产生厚度测量偏差，严重影响厚度自动控制系统的正常投用，对产品厚度控制精度产生影响的问题，通过对轧件扭转前后轧件厚度的比较，实现了6.00 mm以上厚规格产品的厚度测量补偿，以此为基础实现了厚度的精确控制。现场实际生产应用表明，6.00 mm以上厚度规格96%以上达到了±50 μm的厚度控制精度，有效地保证了产品质量。     

涂层应力及外加应力对烟机传感器用取向硅钢巴克豪森噪声的影响

采用巴克豪森无损检测系统,对普通取向硅钢及高磁感取向硅钢的巴克豪森噪声值进行了检测,研究了表面涂层应力及外加应力对烟机传感器用取向硅钢巴克豪森噪声值的影响。结果表明,去除表面涂层导致普通取向硅钢A与高磁感取向硅钢B的磁畴宽度分别增加了53%和90%,巴克豪森噪声值随之增大了9.7~36%,主要由磁畴宽度的增加引起。施加3 MPa的拉应力使A与B取向硅钢的磁畴宽度分别降低了47%和50%,巴克豪森噪声值随之下降了17~31%。磁畴壁的移动速度验证了取向硅钢的铁损与巴克豪森噪声的相关性。     

基于M-SVR的热连轧板带宽度-厚度预测

针对板带热连轧过程中存在多变量、 非线性、 强耦合和时变性的特点以及常规支持向量机仅一维输出的问题,提出了基于机器学习和优化算法的热连轧板带宽度-厚度预测模型.首先,综合考虑影响板带宽度及厚度的主要特征参数,并对现场采集的相应特征数据进行预处理,剔除异常数据,确保数据质量.其次,建立基于多输出支持向量回归(M-SVR)...