热轧带钢卷取温度控制模型及其自学习

在带钢热轧后的冷却过程中,热轧带钢卷取温度的数学模型是至关重要的.本文介绍了某热轧带钢厂的新旧卷取温度控制数学模型,给出了新模型在线控制的自学习算法,并对新模型测得的数据进行了分析.     

热轧带钢卷取温度控制及其改进

以宝钢２０５０ｍ ｍ 热连轧机为例, 介绍了现代热轧带钢卷取温度控制系统的组成与控制功能。为了满足扩展钢种与规格及卷取温度高精度的要求, 对控制模型进行了改进。     

遗传神经网络在热轧带钢卷取温度预报中的应用

针对热轧带钢卷取温度传统预报模型的固有缺陷,提出基于遗传神经网络的卷取温度预报方法,并对其在卷取温度控制中的应用策略进行了研究.由于神经网络有很强的泛化映射能力,而遗传算法能收敛到全局最优解,因此将遗传算法与神经网络结合起来,建立了遗传神经网络.运用实际生产数据对该网络进行训练和测试,结果表明：它能准确、实时地预报卷取温度,有在线应用的前景.     

热轧带钢头尾卷取温度分析及其补偿研究

热轧带钢卷取温度是反映热轧带钢性能指标的重要参数。针对某热轧厂层流冷却系统的具体情况,基于实时数据,应用数据挖掘工具,从理论和工艺的角度分析了控冷过程中头、尾部温差大的原因,得出了热轧带钢头、尾部卷取温度的规律,并以此建立温度补偿模型进行实验研究。文中的研究对提高控冷精度、优化生产工艺具有一定意义。     

人工神经网络方法预报热轧带钢的卷取温度

针对我国热轧带钢生产中普遍存在的卷取温度控制精度较低问题 ,采用神经网络与数学模型相结合的方法 ,以某热轧厂生产为例 ,构造了BP神经网络 ,使卷取温度控制精度达到了± 15℃。     

BP神经网络在预测热轧带钢最终力学性能中的应用

应用基于BP算法的神经网络能较好处理非线性问题的特点,建立起能描述工艺参数(化学成分、板材尺寸和相关生产工艺参数)和热轧带钢最终力学性能的映射关系的神经网络模型。该模型均具有较好的预报精度,预测值与实测值之间的相对误差小于±10%。     

热轧带钢卷取温度控制系统的双重化改造

针对卷取温度控制系统分步改造的特点，实施了双重化改造方案。介绍了此次改造内容，包括网络配置和全局变量的修改，L2级应用系统的修改和完善及功能调试。此次改造不仅缩短了工期，而且改造后控制精度和水平稳步提高。     

热轧带钢层流冷却数学模型述评

从数学模型原理、具体数学模型及特点3方面介绍了国内主要应用的几种热轧宽带钢层流冷却数学模型，同时探讨了层流冷却数学模型存在的问题，最后展望了层流冷却数学模型的发展。     

层流冷却工艺在首钢迁钢热轧分厂的应用

介绍了首钢迁钢公司2160热轧分厂层流冷却的工艺布置、冷却区的结构组成、操作模式、冷却制度及冷却系统的控制功能。该系统投产后，带材的卷取温度偏差可控制在±8℃以内，且96．8％的产品卷取温度偏差可控制在±5℃内，从而有利于提高产品的性能和表面质量，也为生产高质量的产品打下坚实基础。     

热连轧卷取温度控制模型技术的发展

数学模型是热轧带钢温度控制的核心 ,对热轧带钢层流冷却卷取温度控制模型技术的发展状况进行了详细的综述 ,介绍了对换热机理的研究、过程数学模型开发方面的进展 ,分析了模型系统结构的特点及未来发展趋势     

BP神经网络在轧机厚度控制AGC-PID系统的应用

针对采用传统的PID控制系统,在轧制升速降时,带钢厚度变化的问题,采用BP神经网络技术和传统的PID技术相结合,通过神经网络来控制PID系统的参数,从而达到对带钢厚度的控制,取得了良好的效果。     

低温卷取热轧双相钢的显微组织及疲劳性能

采用扫描电镜、拉-拉疲劳试验机等研究了低温卷取热轧双相钢的显微组织及疲劳性能.结果表明:热轧双相试验钢的疲劳极限约为530 MPa;低温卷取工艺生产的热轧双相试验钢夹杂物平均尺寸多在5 μm以下,晶粒比较细小,马氏体组织较细小且弥散均匀分布,具有良好的综合力学性能.热轧双相试验钢疲劳裂纹源位于样品表面的棱角处,疲劳裂纹...     

提高热轧高级别管线钢卷取温度精度的措施

摘 要：为改善高级别管线钢卷取温度的控制精度,从基本控制原理出发,通过采取开发模型功能、调优模型参数、改进干头控制、完善热尾功能等措施,实现了低温卷取带钢卷取温度模型设定的稳定控制。将上述措施用于在线生产,有效提高了高级别管线钢的卷取温度精度,为顺利卷取和改善卷形缺陷奠定了基础。     

Smith预估器在卷取温度控制系统中的应用

针对热轧带钢卷取温度控制系统的滞后特点,在带钢卷取温度控制系统中引入了Smith预估补偿器。介绍了Smith预估器的基本原理,并将Smith预估器设计在卷取温度二级控制系统,使Smith预估器采用与设定计算完全一致的数学模型,与常规系统相比,具有稳定性好、超调量小、控制精度高等优点。通过对卷取温度数学模型进行优化,为Smith预估器在卷取温度系统中的应用提供了有力保障。     

板带钢层流冷却温度控制探讨

从板带钢层流冷却数学模型、控制系统、控制冷却技术等几个方面对板带钢层流冷却温度控制进行了分析和讨论     

中温卷取热轧低Mo双相钢的组织与性能

采用三段式和两段式冷却工艺成功试制了低成本热轧双相钢,分析了低Mo试验钢的微观组织和力学性能。结果表明,通过工艺参数控制能够实现低Mo双相钢中温卷取热轧,其屈服强度达到315 MPa,抗拉强度达到620 MPa,伸长率达到26%,屈强比约0.5;加入合金元素V起到细化晶粒和改善组织作用,很好弥补了Mo减少带来的不利影响。     

神经网络在模具型腔温升预测中的应用

挤压成形过程中由于坯料和模具之间的滑动接触摩擦和坯料的塑性变形产生热而使模具型腔表面温度升高,加剧模具的磨损。采用热力耦合有限元法计算挤压成形过程中模具型腔表面的温升,将模拟结果与人工神经网络相结合,以有限元模拟结果作为学习样本,训练BP神经网络模型,以此模型预测模具型腔表面的温升。根据预测结果分析了挤压锥角、挤压速度和摩擦系数对型腔温升的影响,为进一步建立挤压成形过程中模具型腔表面的温升模型和磨损预测模型奠定了基础。