板带轧机主传动系统的鲁棒故障检测与重构

考虑模型的非线性摩擦阻尼和主传动系统在轧制过程中受到外部干扰的情况,建立了板带轧机主传动系统的数学模型。针对该系统,设计了一种非线性未知输入观测器(unknown input observer,简称UIO)并用于轧机主传动系统的故障检测和故障重构。为了增强残差对故障信号的灵敏度,提高观测器故障检测精度,构建未知输入观测器,将外部干扰从残差中解耦。利用H_∞性能指标提高观测器对故障重构的鲁棒性,采用Lyapunov稳定性理论进行误差动态系统的收敛性分析。为了改进观测器的设计过程,把增益矩阵求解问题转化为受线性矩阵不等式(linear matrix inequality,简称LMI)约束的优化问题。将产生的残差与设定的阈值进行对比,实现故障的检测并完成故障重构。通过对2 030 mm冷连轧机F4号机架主传动系统的仿真研究,验证了该观测器可以准确地对系统状态进行跟踪,并能够检测和估计出主传动系统的故障。     

基于Widrow-Hoff算法的轧机单独传动系统同步控制

为了提高轧机单独传动系统中电机同步速度的精度,提出了基于Widrow-Hoff学习算法的交叉耦合同步控制策略.该策略将速度同步误差输入到同步控制器中,通过权值的变化规律调整权值,直至达到性能指标的要求.由仿真结果可以看出:与PI并行加补偿同步控制系统、PI交叉耦合同步控制系统相比,该方案的抗干扰能力最强,跟踪响应速度最...     

基于SSAE-LSTM模型的冷连轧机扭振预测

轧机振动预测模型性能依赖于从输入变量中提取的特征。针对冷连轧机振动数据样本大、非线性强的特点,且在时间上具有前后依赖关系,提出了一种基于SSAE-LSTM的轧机扭振预测方法。首先,对于同种参数数值差异较小、关系表征不明显的轧制过程参数,使用栈式稀疏自编码(SSAE)网络进行无监督自适应特征提取,挖掘生产数据的深层次特征。然后,利用长短时记忆(LSTM)网络在处理时间序列上的优势,将SSAE网络提取到的深层特征作为预测模型的输入,将旋转角加速度作为输出,建立基于LSTM的轧机扭振预测模型。仿真结果表明：SSAE-LSTM模型的预测精度达98.5%,与RNN模型和LSTM模型相比,预测精度分别提高了24.8%和12.2%,验证了该方法的有效性,为实时预测轧机扭振状态提供了参考。     

基于免疫萤火虫算法的轧制负荷分配研究

针对带钢冷连轧精轧机组中负荷分配的优化问题,提出一种免疫萤火虫算法。该方法利用免疫算法中抗体对抗原敏感性强的特点,在目标函数的激励下迅速大量产生可行域中适应度高的解,解决基本人工萤火虫算法中因观察范围内高亮度的萤火虫发现率低导致的算法初始迭代缓慢问题。为提高萤火虫算法的精度、避免陷入局部极值,根据免疫算法中抗体浓度与激励度的关系,提出新的萤光素更新公式。仿真分析免疫算法、人工萤火虫算法和免疫萤火虫算法,结果表明了免疫萤火虫算法在收敛速度和精度上的优越性。     

材料扭转试验机计算机控制系统开发与实现

以NJ-50B型材料扭转试验机为研究对象,针对原有测控系统测量性能差和故障频发等问题,用传感器来替代原有的滑轮和杠杆式数据采集系统,采用AT89S52单片机设计了数据采集和控制系统,并采用Visual Basic开发工具结合SQL Server数据库完成了上位机控制、绘图、数据存储、分析等功能的开发。通过对材料扭转试验机的测控系统进行设计和优化,使得其自动化水平大大提高,并且测量性能与精度得到有效的提升。     

基于改进HMM的带钢热连轧精轧过程故障检测

针对传统HMM方法故障检测的准确率不高，以及带钢热连轧过程数据的非线性和混合高斯性问题，提出一种利用WT和PCA改进HMM的故障检测新方法。首先，采用小波变换对轧制数据进行去噪处理，并使用PCA将数据的维度降低、数据相关性减小，可以有效减少模型训练的迭代次数，并且能够提升故障检测的准确率；然后，利用期望最大化算法结合观测序列训练得到WT-PCA-HMM故障检测模型；最后，通过模型得出精轧工艺数据的对数似然值即可实现故障检测。结果表明：与传统HMM方法相比，WT-PCA-HMM的故障检测方法不仅能够降低8.1%的误报率，而且减少50%的模型训练迭代次数，为故障的检测提供了新方法。     

MWCVA方法的带钢热连轧过程故障检测研究

带钢热连轧过程中采集的数据具有较强的自相关性、互相关性以及时变性，典型变量分析方法（CVA）虽然能够解决自相关性和互相关性的问题，但是由于过程数据存在时变性，导致以前构建的监控模型不再适用于现在的数据，因此提出了一种基于滑动窗口的典型变量分析方法（MWCVA）。该方法首先通过初始窗口构建CVA模型和统计量，解除了数据之间的自相关性和互相关性，然后通过滑动窗口更新过程数据，不断更新CVA模型和统计量，解决了时变性导致检测结果不准确的问题，最后通过控制限判断是否发生故障，在监测系统内部状态空间的同时监测外部状态空间的变化，更加全面地进行故障检测。通过带钢热连轧过程（HSMP）案例的仿真研究，对比CVA、MWCVA的检测效果，证明了MWCVA对故障识别的精度高达100%，误报率不足0.5%。     

基于典型独立元分析方法的带钢热连轧过程故障检测

针对带钢热连轧过程中故障检测不准确、容易出现错误报警的问题，提出一种典型独立元分析(CV-ICA)的故障检测方法。该方法利用典型变量分析(CVA)求出观测数据的典型变量，有效地解决了数据自相关和互相关性的问题；对典型变量进行独立元(ICA)分解，弥补了ICA不能准确捕捉动态关系数据的缺点，从而有效地提高了故障检测的准确率。通过带钢热连轧过程(Hot Strip Mill Process, HSMP)案例的仿真研究，证明该方法对故障数据的识别精度达到100%,误判率降到0.6%以下。     

谐波力矩和辊系偏心影响下轧机水平振动研究

考虑谐波力矩和轧辊偏心的影响，建立了工作辊水平振动的动力学模型。采用多尺度近似解析法得到了在谐波力矩和轧辊偏心影响下工作辊水平方向的主共振、超谐波共振和亚谐波共振的幅频特性方程，分析了阻尼系数、轧制力非线性系数以及谐波力矩变化下系统的幅频特性。结果表明：系统阻尼系数的增大会使幅频特性曲线的幅值和共振区域变小；随着轧制力非线性系数和谐波力矩的增大，幅频特性曲线的曲率和幅值增大，系统的稳定性降低。最后，对模型进行数值求解，并通过相轨迹和分岔混沌图等方法分析了谐波力矩和辊系偏心影响下系统的运动规律，发现谐波力矩和轧辊偏心力共同作用时会导致工作辊在水平方向上的混沌运动范围增大，使系统更容易出现失稳现象。通过将模型的数值解与近似解对比，进一步验证了谐波力矩和轧辊偏心力会降低工作辊运行的稳定性。研究结果为稳定工作辊的运行提供了一定的理论依据。     

改进人工鱼群算法在冷连轧负荷分配优化中的应用

针对冷连轧机负荷分配寻优速度缓慢的问题，采用了基于改进人工鱼群算法的优化方法。由于基本人工鱼群算法后期收敛速度慢、精度不高，所以对其中觅食行为的视野和步长进行了优化。首先给定一个较大的视野和步长，随着算法的迭代，视野不断减小，到某一值后不再改变，同时步长随着视野的减小而同比例减小。结合某钢厂五机架冷连轧机，以轧制力成比例分配为目标函数，以压下率为约束条件，通过MATLAB对轧制负荷分配的寻优过程进行仿真，结果表明改进后的人工鱼群算法在轧制负荷分配方面，具有算法实现简便、收敛速度快等优点，而且与典型轧制规程相比，各机架出口厚度误差最大为4.26%，为实际生产中轧制规程的制定提供了有效的方法。