液压AGC控制在轧钢中的研究

精轧控制主要包括以下几方面的控制：主速度控制、活套控制、厚度控制和板型控制。液压AGC控制系统对带钢生产线来说有着至关重要的作用。直接影响到产品的厚度精度。文章介绍了精轧机组液压AGC软件包控制思想的实现,对轧钢设计具有参考价值。     

精轧机自动辊缝控制程序升级改造

介绍马鞍山钢铁股份有限公司万能精轧机自动辊缝控制系统结构及各部件分布.重点介绍液压位置控制HPC的比例积分控制,蝴蝶适应系数K-BUT引用和计算方法.阐述自动辊缝控制AGC工作原理,自动辊缝控制AGC工作方式,辊系弹性模数Cg计算公式和测试方法.     

重钢4100mm宽厚板精轧机压下控制系统

本文介绍了应用在中厚板轧机压下装置上的电气及液压自动控制系统。其中电动压下可实现自动位置控制（APC）,采用两台西门子6SE70整流回馈装置的逆变器组成主从控制系统,主装置采用速度控制方式,从装置则接受主系统发出的转矩设定指令而工作在转矩调节方式;液压压下使用自动辊缝控制（AGC）系统,实现厚度、位置及压力的自动控制,其主控制器为西门子的TDC。     

1700mm热轧板形控制优化

针对1 700 mm热轧生产线投产以来存在的问题,通过数学模型和工艺参数的分析研究,结合大量生产实际,通过对工作辊轴向移动可获得辊缝正负凸度的变化,从而降低目标凸度;通过增大PC角提高平直度;修正比例因子值,从而提高了AGC控制精度;合理分配精轧机负荷,保证精轧出口的平直度。经过这4方面的综合优化,改善了板形控制功能,使1 700 mm轧机热轧带钢的浪高基本控制在10 mm以下,板形得到有效优化。     

快速监控FMN在热连轧上的应用研究

研究了快速监控FMN在热连轧上的应用,提高头部命中率是投入绝对AGC所要求的,它的重要手段是靠提高设定模型精度、模型自学习的收敛速度。为进一步提高带坯全长厚控精度及控制品质,依靠液压压下快速移动特性及利用快速监控FMN功能。以热连轧模型增量方程为核心,对不同轧制规程,给出了兼顾板厚与板形FMN动作表。在鞍钢1700ASP热轧现场中的实际应用表明,此算法是正确的,它可大幅度地改善板卷头部的厚度精度。     

基于结构奇异值μ综合的热轧带钢AGC鲁棒控制

基于鲁棒结构奇异值μ理论, 建立了热轧带钢AGC的鲁棒控制模型, 把AGC系统中分散的摄动集中成一个对角阵进行描述, 分析了μ综合控制在热轧带钢中的摄动抑制机理, 应用鲁棒稳定与鲁棒性能准则约束条件, 设计了热轧带钢AGC μ控制器．仿真结果表明μ综合控制能有效地抑制AGC系统中的摄动, 对模型不确定性具有很好的鲁棒性.     

50MN中厚板全液压压平机无冲击控制策略研究

以沙钢5300mm热轧生产线50MN中厚板全液压压平机压头机电耦合系统为研究对象,因工作中频繁升降压头所引起的系统冲击振荡问题,采用无冲击控制策略构建过程智能决策的位置/压力双闭环系统,最终使压头平滑压下后无冲击接触待修复钢板且减小工作压力建立与撤销时液压油对控制阀的冲击。现场设备调试结果表明该控制策略提升了设备的控制精准性与运行平滑性,节省了设备的运营维护成本。     

全液压伺服控制矫直机的辊缝控制策略

矫直机主液压缸辊缝的控制效果直接影响到系统稳定性、产品质量、设备安全。针对矫直机主液压缸平行压下的同步要求,提出一种基于单缸辊缝闭环控制与倾摆辊缝闭环控制的改进的四缸同步控制策略,该策略不仅能够实现矫直机的倾斜、摆动辊缝控制,也能提高4缸平行压下的同步性。针对机架弹性变形,提出了在基础自动化系统中直接进行AGC刚度补偿来提高辊缝的控制精度。针对矫直机的结构特点,论述了矫直机碾压与碰撞监测的实现方法,其能够进一步有效保护矫直机的上下辊系。通过在东北某厂热处理生产线的成功应用,证明本文所论述的控制策略及技术的有效性,可在矫直机上广泛应用。     

平整机AGC控制系统研究

本文以平整机AGC控制系统为研究对象,分别从液压APC系统数学模型的构建、轧制力闭环控制以及测厚仪控制这三个方面入手,就平整机AGC控制系统关键控制要点以及控制功能做出了详细分析与说明,希望能够通过对控制系统控制精度的提升,达到提高平整机轧制作业效率与作业水平的目的。     

带钢热连轧机变刚度和最优前馈分析与实现

论证和分析了本钢连轧厂引进的德国AEG公司厚控模型算法与我国自行研制的动态设定型变刚度理论的关系，从而证明了动态设定型变刚度原理用于本钢连轧厂引进的液压压下系统是可行的。同时针对前馈AGC中采样信号出现的奇异项，采用一阶差分法来预测信号变化，对奇异信号进行预处理。实验证明效果良好。     

热轧厚度自动控制仿真系统的设计

本文介绍多机架连轧机的厚度自动控制仿真系统。正常生产的轧机不可能提供太多的试验机会,为给某热连轧厚度自动控制系统的改造提供一个仿真实验的平台,通过对某钢厂热连轧机轧制控制过程的深入研究,采用组件对象模型（COM）技术将轧机7个机架的厚度自动控制系统进行模块分割,并对每一个子模块进行机理建模,然后利用Matlab中的Simulink来封装联结各个子模型,最后建立起热连轧多机架仿真系统,为生产现场试验新工艺、新产品提供了一个安全、可靠、离线的软环境。     

鱼群优化下的BP网络在冷轧控制中的应用

在轧机液压AGC系统及其运行机理的基础上,建立了电液位置控制系统数学模型。通过FB Generater、C语言等对优化后的网络进行编写封装,得到了基于改进人工鱼群算法优化的神经网络智能控制器,创建了基于神经网络智能算法的CFC(连续功能图)块,并在西门子FM458平台下对电液系统模型进行控制实验。实验结果表明,人工鱼群算法优化后的神经网络控制器能够准确、快捷的达到控制要求,此方法应用于冷轧AGC控制行之有效。     

液压轧机厚度自动控制的设计

随着轧制理论的不断深入研究 ,自动检测与控制技术不断发展 ,特别是高性能电液伺服伐在轧钢工业上的应用 ,在机械、液压、电气及自动控制的密切配合下 ,使液压轧机的发展达到了一个新的水平。而液压 AGC(厚度自动控制 )是液压轧机的核心部分 ,它关系到液压轧机的产品精度和轧机的自动化水平。介绍了采用预控的方法来消除入口带材厚度对出口厚度的干扰 ,以及利用监控的方法来准确锁定成品尺寸。     

轧机两侧液压伺服位置系统自抗扰同步控制

针对轧机传动侧和操作侧液压伺服位置系统存在不一致性而引起两侧位置不同步的问题, 提出一种自抗扰同步控制方法.首先建立了液压伺服位置同步系统动态机理模型, 并在考虑两侧位置伺服系统都具有参数摄动及外负载波动的情况下, 设计了扩张状态观测器对同步系统中不确定性和不一致性进行估计, 并采用状态误差反馈律给予主动补偿, 同时消除同步误差. 仿真和实验结果表明, 所提出的同步控制方法能够使两侧液压伺服位置系统动态响应和稳态特性保持一致, 并提高了单侧子系统的动态性能及抗干扰能力.     

模糊PID在冷轧机厚度控制系统上的应用

为解决现有轧机液压AGC系统响应慢、精度不高和工作效率低的问题,将现有液压PID控制系统改进成模糊PID自整定控制系统。首先在分析轧制过程中的变形确定轧制阻力,以及控制环节的传递关系的基础上,建立了工作装置和液压控制系统联合仿真模型,并且在轧机厚度控制系统的数学模型基础上进行了参数优化,利用AMESim和Mat]lab/Simulink联合仿真得出了轧件入出口板厚曲线,并对液压缸PID控制系统和模糊PID自整定控制系统进行对比分析。经研究表明:普通PID控制系统无法对出口板厚进行有效实时调整,而模糊PID自整定控制系统除对板厚能实时调整外,其控制精度大大提高,最大板厚误差仅为0.1 mm,改进后的系统响应快,响应时间为0.4 s。     

模糊控制在热轧机中的应用

某厂热轧试验机是试验钢轧制的重要设备,以前采用传统的厚度自动控制方法,当来料规格变化大时,出口厚度偏差大,本文在深入分析热轧试验机工作原理的基础上,将模糊控制技术应用于厚度控制系统中,提出了一种基于模糊控制的试验轧机厚度自动控制方法,通过仿真试验,采用新方法的试验轧机具有很好的鲁棒性和控制精度。     

热连轧宽度自动控制系统的研究与应用

液压AWC控制直接影响到产品的宽度精度,在热连轧带钢中起着至关重要的作用。本文介绍了粗轧液压AWC系统控制思想的实现,对于轧钢设计有着很大参考价值。     

加热炉自动装出钢过程控制研究

加热炉是轧钢工业必须配备的热处理设备,随着工业自动化技术的不断发展,它的自动化程度也在不断得到完善。通过分析首钢京唐2250加热炉过程控制系统的实际应用情况,介绍了关于加热炉过程控制系统的控制时序以及系统的优化。     

热轧带钢自动厚度控制鲁棒预测模型与控制策略

研究了热轧带钢自动厚度控制(AGC)鲁棒预测模型与控制问题.提出了一种全新的AGC动态鲁棒预测模型,并给出了对应的控制策略.首先通过弹跳方程,分析了传统AGC控制模型的局限,讨论了变刚度AGC与鲁棒控制的联系;其次,针对轧机机架间传递的扰动,在AGC的前馈部分,引入H∞滤波器,使得轧件在输送过程中传递的不确定性得到了有效的抑制.同时,利用预测控制(MPC)预测机理,对轧制力进行动态预测,使得轧制条件迅速优化;最后用仿真结果表明所提控制策略的有效性与可行性.     

2050粗轧轧机系统仿真研究

针对宝钢2050热轧粗轧机组的特点,建立了粗轧系统仿真结构。对粗轧仿真系统中的关键环节轧机设备系统进行了建模与仿真研究。采用实际现场生产数据对仿真系统进行验证,结果证明仿真系统具有较高的精度。该仿真系统的研究将为宝钢热轧过程控制领域的研究提供强有力的支持,将大大减少宝钢热轧科研成果到现场应用间的实验风险。