中厚板轧机压下控制技术的应用

从技术内容、设备以及技术实现方法等方面论述了中厚板轧机压下控制技术和压下控制系统的应用，并指出当前的问题是应该重视压下控制技术的工程应用水平。     

信息技术实施规划

主要介绍了制定企业信息技术实施规划的一种方法，包括现状的诊断，目标方向的决策和规划的预测等三个方面的内容，并讨论了与实施规划相关的问题。     

液压弯辊控制系统动态特性分析及参数优化研究

针对液压弯辊伺服控制系统,建立了电液伺服压力控制系统动态特性的数学模型,采用MATLAB软件的SIMULINK模块构建其动态特性结构框图,对影响系统动态特性的有关参数进行了分析,得出了各有关参数变化对系统动态特性的影响曲线规律,研究了系统各主要参数与抗干扰能力的关系,提出了控制性能的优化建议.研究结果表明:通过优化有关参数,可大大改善控制系统的动态性能.     

1800mm炉卷轧机带钢头尾厚度偏差控制策略

在介绍山东泰山钢铁集团有限公司1 800 mm炉卷轧机设备特点的基础上,分析了带钢头尾厚度偏差形成的原因。针对这些原因,在工艺控制方法上采取了最小化头尾温降、改进头尾辊缝控制、温度补偿以及综合应用压力AGC和监控AGC等削减厚度偏差的相应措施,改进后使带钢头尾厚度公差大大减小。实践表明,带钢头尾厚度偏差的存在不是一个单纯设备问题或控制问题,而是一个综合性问题,需要在设备、生产工艺以及工艺控制等方面综合实施减小厚度公差的方法,才能取得很好效果。     

热轧带钢层流冷却过程的温度预测模型

 通过分析热轧带钢在层流冷却过程中的能量变化,利用焓法模型建立了热轧带钢通过层流冷却段的能量平衡方程。然后利用相变热力学和相变动力学模型得到热焓,最后采用有限差分求解能量平衡方程,得到层流冷却过程中带钢的温度场和热焓场,该模型的计算结果与实测值符合良好,能够准确地预测带钢冷却后的温度分布,同时明确了冷却过程实际上是带钢能量传递给周围环境的过程,并非温度不断下降的过程。     

基于神经网络的轧制力预报系统开发

为解决利用传统方法难以解决的轧钢过程控制,开发出基于BP神经网络的钢材轧制力预报系统软件.该预测程序是基于VC++6.0,Matlab和数据库混合编程技术基础上完成的,程序设计的核心是应用BP网络预报钢材的变形抗力,然后结合轧制力数学模型计算轧制力,最后提出了该系统在热轧生产中的在线应用方案.     

基于Elman神经网络的炉卷轧机的轧制力预报

为了改善国内某钢铁厂炉卷轧机的轧制力模型的预报精度,提出将结合热模拟实验建立的传统轧制力模型计算值作为Elman神经网络的一个输入项,将传统数学模型预报的轧制力与实测轧制力的相对误差作为此神经网络输出项的方式构建网络模型,通过大量的在线数据分析,这种将神经网络与传统数学模型相结合的方法明显地改善了轧制力的预报精度。该神经网络模型可为以轧制力为主要控制目标的炉卷轧机的过程自动化系统提供可靠的模型参数。     

炉卷轧机生产线轧机分布形式分析

分析了多种不同炉卷轧机的生产工艺模式;得出了根据市场需求且考虑轧机技术发展和生产均衡性而在多种机型中选用合适轧机机型模式的结论;提出了一种炉卷轧机最佳生产工艺方案。为炉卷轧机的设计和生产选型提供了依据。     

基于温度观测器的层流冷却路径控制

热轧带钢需要更加灵活的冷却控制策略,保证带钢能够按照设定的冷却路径冷却,以充分发挥冷却过程的相变、析出等强化功能。为此,提出了基于温度观测器的带钢温度控制方法,通过物理模型构造温度观测器在线观测带钢温度并根据测量温度在线修正观测器模型参数。在此基础上应用最优控制方法,实时优化各个冷却单元阀门设定,保证温度观测器估计值与目标温度分布曲线设定值偏差最小。实际应用结果表明,该方法能够较好的控制带钢温度,同时能够克服固定冷却制度的限制,实现冷却路径控制。     

RH精炼的过程控制系统及智能控制方法

介绍了RH装置自动化系统的功能分配、数学模型的功能和过程控制系统中应用的智能控制方法。