智能控制和预测控制在冷轧板形自动控制中的应用

将控制建模方法与预测控制思想相结合用于带钢板形自动控制,研究建立了基于神经网络的板形预测控制数学模型。模型经由宝钢１４２０ｍｍ冷轧实测数据仿真验证表明,预测控制模型具有较高的预测精度和较好的控制效果。     

基于神经网络集成学习的冷连轧板形预测

为了实现对冷连轧带钢出口板形的预测,基于粒子群算法对小波神经网络进行了优化,将优化后的网络作为基学习器,并通过bagging算法构建集成学习预测模型,进行冷连轧带钢板形的预测.以某1 450 mm冷连轧生产线数据作为样本,比较了该模型与未经优化的小波神经网络和单个学习器的预测效果.结果表明,集成学习模型预测的带钢出口板...     

基于广义极值分布的带钢板形统计模型研究

针对冷轧带钢板形统计存在误差的问题,基于广义极值分布理论,采用拟合优度检验方法,建立了板形分档定级统计模型。对在线检测的板形数据进行拟合优度检验,然后选用合适的统计函数对带钢的板形进行统计,得到带钢的质量等级。对比传统的板形统计方法,该模型以某1050六辊可逆式冷轧机在线检测板形数据为研究对象,对其进行实时统计。结果表明,板形分档定级统计模型统计误差小,计算速度快,可在线实时显示板形统计结果,给带钢板形在线调控提供了准确的统计数据,从而提高了带钢的质量等级。     

板形辊位置补偿模型的研究及应用

基于冷轧带钢生产中板形辊不可避免的位置偏差问题,分析了分段接触式板形辊水平度和平行度误差对板形检测的影响;根据板形辊包角沿辊身轴向线性变化的规律,建立了板形辊位置补偿模型.该模型能够真实反映带钢张应力分布,从而获得了准确的板形,解决了板形辊位置偏差导致的板形检测失真问题;将板形辊位置补偿模型应用于某单机架六辊轧机,通过...     

冷轧薄带钢边部板形自动控制技术

建立了一种冷轧薄带钢边部板形自动控制方法,即在以末机架为重点的板形反馈控制系统中,在主要针对常规边浪和中浪等的基本板形控制功能的基础上,基于末机架出口带钢边部与临近区域实测板形与目标板形的差值识别出带钢边部板形状态,再据此调节末机架以及上游机架相应的板形执行机构,实现对带钢边部板形如小边浪和小偏浪等的有效控制.实际应用表明,该技术能明显提高冷轧后带钢的边部板形质量.     

基于硬度辨识的冷连轧厚度控制模型

为了消除来料硬度波动对带钢厚度的影响,提高冷轧带钢厚度控制精度,建立了基于硬度辨识的冷连轧厚度控制模型,并在传统AGC基础上,提出了改进控制策略。离线仿真结果表明：改进的AGC与传统AGC相比,各机架出口厚度波动幅值明显减小,轧制过程更加稳定,而且板形偏差降低了5 IU。     

横向厚差与宽厚比对冷轧带钢临界失稳板形的影响

基于秒流量相等的体积不变条件和弹性薄板稳定性理论,推导了理想条件和实际工况下冷轧带钢横向厚差、宽厚比与板形之间的耦合关系,分析各因素对临界失稳板形的综合影响规律。参考理想条件下横向厚差与板形的基本关系,建立实际工况下的影响模型。结果表明,0.3mm以下厚度薄带的横向厚差变化量对板形的影响明显;根据弹性薄板稳定性模型,分析横向厚差和宽厚比对临界失稳板形的影响。结果表明,当冷轧带钢的宽厚比大于3000时,临界失稳应力明显减小。通过实测1450六辊冷轧机的两卷典型带钢横向厚差,得到在生产不同宽厚比的超薄规格带钢时,需要根据入口带钢的横向厚差,调整负载辊缝形状,以保证出口带钢的横向厚差变化量满足板形不失稳条件,从而获得了良好的板形。     

冷连轧过程弯辊力模型研究与开发

弯辊力设定对高速冷连轧过程的板形控制至关重要。针对某1 750 mm冷连轧机组的设备与工艺特点,计算并分析了弯辊力设定对成品带钢板形的影响规律。深入研究了带钢宽度、单位轧制力、中间辊横移量、带钢入口厚度、带钢凸度、轧辊辊径和轧辊凸度等因素对最优弯辊力的影响。通过大量统计分析和理论计算,利用Origin软件进行多元回归拟合,最终建立了冷连轧过程最优弯辊力的设定计算模型。采用新模型设定计算弯辊力的最大偏差小于3.14%,成品带钢的板形标准差平均值降至2.64 IU,新模型对成品带钢板形质量的控制有明显改善和提高。实践证明：该弯辊力模型具有较高的板形控制精度和较好的板形控制稳定性,适合于工业生产。     

1420 mm酸轧机组带钢板形分析与控制研究

板形是冷轧带钢非常重要的质量指标,直接决定了产品的质量等级,同时影响着机组的生产效率和成材率。针对某1 420 mm酸轧机组生产的带钢出现中浪板形易导致连退产线出现带钢起筋的问题,介绍了酸轧机组的板形控制原理,分析了热轧原料凸度、热轧终轧温度、弯辊力控制模式、冷轧轧机中间辊辊形对带钢板形的影响。结果表明：带钢中浪板形与热轧原料凸度和终轧温度密切相关;采用微中浪目标曲线自动控制时,带钢板形的边浪、中浪幅值都要小于手动控制模式;通过对冷轧机中间辊辊形进行优化,使其边部倒角更加圆滑过渡,能够有效改善边降过大的缺陷,同时板形控制效果也得到明显改善。在此基础上,提出了减小热轧原料凸度、提高终轧温度、开展板形自动控制以及优化中间辊辊形的措施,有效解决了冷轧带钢中浪大的板形问题,为连退生产运行稳定提供了强有力保障。     

平整机的板形改善机制及其应用

分析了带钢平整过程中带钢的应力状态、带钢表面的微观结构、能量特征及位错分布等,得出了平整过程中金属的塑性变形特征。提出了平整过程改善板形的两种机制。分析了普通冷轧产品、冷轧深冲产品、热轧产品及热轧高强钢产品在平整过程中应采取的板形控制策略及其合理的设备配置方案。     

宽幅冷轧带钢连退跑偏影响因素的定量分析研究

冷轧带钢连续退火过程中的稳定性决定了生产的效率和产品质量,而带钢跑偏严重影响了连退工艺的稳定性,这种情况在宽幅带钢的生产中尤为明显,其容易引发限速或断带事故。因此,在生产较宽较薄带钢时,应提高连续退火炉内,尤其是加热段中前期的带钢跑偏控制水平。通过生产试验,研究了宽幅冷轧带钢的板形因素对连退炉内带钢跑偏的影响;采用ABAQUS有限元分析软件,建立了具有复杂板形的带钢与炉辊耦合的有限元动态模型,从炉内工况的角度,对炉内工艺参数对带钢跑偏的影响进行了定量分析。结果表明,对于宽规格带钢,应采用5~10 IU的双边浪模式;炉内工艺参数中张力制度以及带钢与炉辊表面的摩擦状态对炉内带钢跑偏具有明显影响:张力越大、带钢与炉辊表面间的动摩擦因数越大,越不容易跑偏;带钢运行速度虽对单位跑偏量无显著影响,但其能加快跑偏量的积累。因此,在工艺段通过对张力、带钢运行速度的调节,以及对炉辊表面状态的优化,可以提高炉段带钢跑偏控制水平。     

神经网络与有限元结合在轧机板形预报中的应用研究

通过有限元仿真分析,较准确的模拟了带钢轧制过程,获取对轧机板形影响较大的参数值,并将其结果作为训练样本对神经网络进行训练,建立了较为理想的基于神经网络的板形预测模型,实现了轧制过程中的板形参数的预报。仿真结果表明该神经网络与有限元结合的板形预测模型可获得良好的预测精度,弥补了传统板形预测模型的预测精度不能满足板形在线控制要求的缺陷。     

冷连轧过程中间辊横移模型研究与设定

中间辊横移对高速冷连轧过程的板形控制至关重要。针对某1 750 mm冷连轧机组的设备与带钢轧制的工艺特点,建立了UCM轧机的横刚度系数分布曲线,计算并分析了中间辊横移位置设定对成品带钢板形和横向厚度分布的影响规律。深入研究了带钢宽度、单位轧制力、工作辊辊径及工作辊热凸度等因素对最优中间辊横移位置的影响规律。通过大量统计分析和理论计算,利用Origin软件进行多元回归拟合,最终建立了冷连轧过程中间辊横移位置的设定计算模型。采用新模型设定中间辊横移位置,成品带钢的边部减薄量减小了22 μm,板形统计值提高了4.41%,板形标准差平均减小了1.51 IU,新模型对成品带钢边部减薄量和板形的控制均有不同程度的改善和提高。实践证明,该中间辊横移模型具有较高的板形控制精度和较好的板形控制稳定性,适合于工业生产实践。     

基于神经网络的拉矫机控制模型建立

针对冷轧宽带钢连续生产线上的拉矫机,建立可针对不同钢种、规格、来料板形的拉矫机压下量、延伸率和工艺张力等重要工艺参数的设定模型,结合对拉矫变形过程的力学分析和现场实测数据统计与分析的结果,从板形良好的钢卷中择取有代表性的生产数据作为训练样本,将良好的操作经验转化为数学模型,利用BP网络模型的自适应和自学习优势设定带钢拉矫过程中的工艺参数。此模型可以将新的样本随时添加到网络的矩阵,对新品种具有较好的扩展能力。经现场试用表明,模型能准确地预设定拉矫机工艺参数,满足工厂生产要求。     

基于弹塑性有限元的板形控制机理研究现状与展望

带钢冷连轧过程中的板形控制问题因具有多变量、多控制回路、非线性和强耦合等特征，是工业控制领域最为复杂的控制过程之一。精准的板形预测模型是提高板形控制水平的重要保证。当前，弹塑性有限元法能够耦合分析轧制过程中带钢的弹塑性变形、轧后的残余应力以及轧辊的弹性挠曲、弹性压扁，因此在带钢轧制领域有很广泛的应用。介绍了现代板形控制系统的工作原理，以及当前弹塑性有限元法关于板形控制问题分析的研究进展。同时，采用显式动态有限元建立了六辊UCM轧机的三维数值仿真模型，研究了不同板形调节机构对带钢板形的调控特性及其最优调节量，并采用实际轧制试验对模型进行了验证。结合带钢保持良好板形的几何条件，利用所建立的UCM轧机模型，分析了中间辊轴向横移、工作辊与中间辊弯辊对带钢横截面形状、凸度、边降及平直度的影响。最后，对有限元法应用于分析板形控制问题的方向进行了展望。     

基于弹塑性有限元的板形控制机理研究现状与展望

带钢冷连轧过程中的板形控制问题因具有多变量、多控制回路、非线性和强耦合等特征，是工业控制领域最为复杂的控制过程之一。精准的板形预测模型是提高板形控制水平的重要保证。当前，弹塑性有限元法能够耦合分析轧制过程中带钢的弹塑性变形、轧后的残余应力以及轧辊的弹性挠曲、弹性压扁，因此在带钢轧制领域有很广泛的应用。介绍了现代板形控制系统的工作原理，以及当前弹塑性有限元法关于板形控制问题分析的研究进展。同时，采用显式动态有限元建立了六辊UCM轧机的三维数值仿真模型，研究了不同板形调节机构对带钢板形的调控特性及其最优调节量，并采用实际轧制试验对模型进行了验证。结合带钢保持良好板形的几何条件，利用所建立的UCM轧机模型，分析了中间辊轴向横移、工作辊与中间辊弯辊对带钢横截面形状、凸度、边降及平直度的影响。最后，对有限元法应用于分析板形控制问题的方向进行了展望。     

冷连轧焊缝断带概率预测与焊接剪切预控的研究与应用

针对酸洗-冷连轧联合机组生产中焊缝断带现象,分析得到其主要影响因素是热轧原料质量,主要表现为焊接处前后卷带钢厚度差较大,导致在冷轧过程中焊缝位置应力集中而断带.通过综合各项影响因素,建立了焊缝断带预测模型,实现了热轧产品质量数据以及冷轧生产计划的收集、存储,以及跨工序应用.在焊缝断带概率预测模型的基础上,建立了带钢头尾...     

DP590冷轧高强钢力学性能微磁无损评价方法研究

DP590是冷轧高强钢代表性产品之一,对其生产工艺要求极为严格。生产中由于存在带钢边部温降,其边部、中部力学性能波动较大,然而沿带钢宽向的全域力学性能评价是生产工艺参数调整的重要参考。目前采用的抽样、有损检测方法不能满足性能沿带钢宽向整体、全域的评价要求。微磁检测是一种无损、高效的性能评价方法,基于微磁原理,采集得到的多种磁特征与相应位置的力学性能相关。选用首钢顺义冷轧公司生产的DP590高强钢为研究对象,分析了多种微磁特征与其屈服强度、抗拉强度及断后伸长率(A₈₀)之间的相关性,利用神经网络方法建立了相应的定量预测模型,模型预测精度在93%以上,可用于实际生产。     

基于梯度提升决策树的硬车表面白层预测方法

目的 实现硬态车削过程中每个产品零件白层现象的实时在线检测,提高产品生产加工效率和加工质量,提出一种基于梯度提升决策树的硬态车削加工工件表面白层预测方法。方法 首先,利用功率传感器、声发射传感器和振动传感器采集硬态车削过程中的动态切削信号数据,并对上述各种传感器信号数据进行特征提取;然后,结合特征重要性分析和梯度提升决策树建立硬态车削加工表面白层预测模型;最后,基于混淆矩阵提出一套评估梯度提升决策树模型预测性能的评价方法。结果 与功率、振动信号等特征相比,声发射信号特征能够进一步提升模型的白层预测性能。实验结果表明,该方法的预测准确率达到90%,F₁为92%,A_uc为89%,与SVM、XGBoost分类方法所得结果相比,该方法能更准确有效地实现硬态车削加工工件表面白层现象的在线预测。结论 该方法基于智能传感技术和梯度决策树模型对硬车过程中产生的白层现象进行了有效预测识别,对实现硬车过程白层现象的在线智能预测具有重要意义。     

精冲带钢冷轧温度传递与成形变形计算方法

针对精冲带钢冷轧工艺变形会受到轧辊与带钢发热影响的问题,分析了精冲带钢冷轧工艺研究的特点,采用前人实测的辊面温度分布数据,建立轧辊与带钢的网格模型,提出一种结构热量传递、弹性段热膨胀和冷轧过程弹塑性动力学变形的集成计算方法,得到了轧辊与带钢在自身发热温度下的结构应力和变形分布。硬化状态下的304不锈钢带钢的单道次冷轧实例研究表明:结构应力较大的区域与温度变化梯度较大的区域是一致的;带钢横截面中部存在较大的凸起变形,而横截面两端会出现毛刺。研究结果验证了该集成计算方法的可行性,为实际冷轧工艺的数字化设计提供了方法基础。