预测控制思想在层流水冷却中的应用

以热连轧层流冷却控制系统为实际背景，运用预测控制思想，得到了一套适用性较强的控制算法，并在实际工业控制生产中得到较好的应用。     

规则与数据驱动的层流冷却过程带钢卷取温度模型

针对现有层流冷却过程带钢温度模型缺乏换热系数、带钢定位、带钢卷取温度计算的有效方法这一问题,提出了由冷却单元阀门开闭状态模型、带钢冷却单元定位模型、不同换热方式下的带钢温度模型组成的带钢卷取温度动态模型,将案例推理、规则推理、 神经网络等相结合,提出了规则与数据驱动的模型参数智能辨识方法.采用某钢厂实际生产运行数据对所提出的带钢卷取温度动态模型进行了实验研究,实验结果表明本文提出的方法能够有效提高带钢卷取温度模型的精度.     

热轧带钢层流冷却控制系统研究与实现

控制冷却是热轧钢材生产过程中控制与改善钢材质量的重要途径,带钢层流冷却温度控制是热轧带钢生产过程中控制冷却经常采用的一种主要技术方法;对层流冷却系统及层流冷却计算机控制系统进行了研究;根据人工神经网络具有处理非线性复杂过程的能力,对神经网络预测控制模型的工作原理进行了研究,并进行了仿真;仿真结果说明了冷却速率、终冷温度都得到了很好的控制,仿真结果接近目标结果。     

热轧带钢卷取温度的模糊神经网络预测函数控制

本文采用T S模糊神经网络建立了热连轧带钢卷取温度控制模型，并在该模型的基础上提出了一种在线计算量较小、计算速度较快的预测函数控制算法．应用该算法对热连轧带钢卷取温度的精冷区控制进行了仿真研究；结果表明，该控制器能够把带钢卷取温度控制在预定的范围内，控制精度能够满足生产要求．     

基于遗传算法的层流冷却系统优化控制策略

为进一步提高层流冷却系统的控制精度, 不仅要满足对卷取温度的要求, 还要满足控制冷却对冷却速率的要求. 本文以热连轧层流冷却系统的粗调区为研究对象. 综合考虑层流冷却控制系统的两个控制目标: 目标卷取温度与目标冷却速率, 直接将粗调区集管的开闭模式作为染色体的编码, 应用遗传算法搜索粗调区集管开闭的最佳模式. 最后对整个冷却控制系统进行了仿真, 结果表明采用该控制策略明显优于简单的前端密集冷却模式.     

案例推理及迭代学习在层流冷却控制中的应用

现有的卷取温度预报补偿模型和带钢批次间补偿模型中,由于案例推理(Case-based reasoning, CBR)系统中检索特征权重系数采用人工凑试的方法,难以获得满意的补偿作用,且由于缺乏迭代学习的初始工况条件的匹配算法,难以进行准确匹配和有效迭代.因此,本文针对这两个问题, 提出了基于神经网络技术的案例推理系统检索特征权重系数自动学习算法及迭代学习技术初始工况匹配算法,改进了卷取温度预报补偿模 型和带钢批次间补偿模型,并采用国内某大型钢厂的现场实际数据进行实验研究.实验结果表明,与原有方法相比,带钢卷取温度的控制偏差减小了1.63℃,卷取温度精度控制在±10℃以内的命中率提高了14.5%.     

热轧板层流冷却仿真系统的设计

以热轧厂板带轧后的冷却过程为背景,开发层流冷却仿真系统。该系统建立了冷却过程的动态仿真模型,提供了层冷过程的输入变量、输出卷温、控制阀门数以及控制参数的各个显示窗口及画面。该系统已在某厂得到应用,为现场操作人员提供实验的软件环境和优化操作指导。     

日照钢铁1580mm热连轧层流冷却控制系统

介绍日照钢铁1580mm热连轧机层流冷却控制系统。     

预测控制思想在层流水冷却中的应用

以热连轧层流冷却控制系统为实际背景，运用预测控制思想，得到了一套适用性较强的控制算法，并在实际工业控制生产中得到较好的应用。     

带钢卷取温度高精度预报的遗传神经网络方法

热轧带钢卷取温度是影响成品带钢性能指标的重要工艺参数之一,其层流冷却控制系统具有高度非线性。影响卷取温度的因素多而且复杂,采用传统的温度预报模型难以达到较高的精度要求。为了满足卷取温度高精度的要求,提出了一种基于数据挖掘技术的遗传神经网络方法。充分发挥数据挖掘的关联分析能力、神经网络的泛化映射能力和遗传算法的全局搜索能力,将三者结合起来,建立了卷取温度预测模型。运用实际现场数据进行测试表明：它能准确地预报卷取温度,具有在线应用的前景。     

热轧带钢层流冷却系统的前馈-反馈控制及其优化

以热轧层流冷却系统为研究对象,对如何提高带钢卷取温度控制精度进行了研究;在带钢冷却模型的基础上,对预设定模块进行了前馈补偿;考虑模型的不确定性和大时滞特性,采用模糊Smith预估器提高了反馈控制的精度;结果证明所采用的这些措施大大提高了卷取温度的控制精度。     

BP神经网络在温度预报仿真系统中的应用

层流冷却是板带生产的关键环节之一,板带层流冷却系统是一个多变量、强耦合、强非线性、难以用数学模型描述的复杂系统,板带冷却效果受板厚、板形、轨道速度、环境温度和水温等多种因素的影响。为了解决层流冷却反馈控制中存在的大滞后,以及用数学模型难以精确预测温度的问题,本文用VC++可视化编程语言建立了基于遗传神经网络的卷取温度预报模型。用现场实测数据对该模型进行离线训练和对比测试。结果表明,该模型能够精确预报卷取温度,为在线应用打下了良好的基础。     

热轧带钢层流冷却喷水组态跟踪精度分析

分析了层流冷却系统中阀门的响应时间,推导出带钢样本跟踪长度的选择标准,定义了喷水组态跟踪精度-冷却水按照样本要求喷水组态喷射到相应的样本段上的准确程度。根据最优控制理论,分析了在升速轧制和恒速轧制条件下喷水提前长度的选择方法,结合国内几家热轧厂所配备的阀门系统,讨论了制约温度控制精度进一步提高的因素,提出通过反馈段采用高响应速度阀门提高温度控制精度的方案。实际应用结果表明,该层流冷却系统评价体系为提高温度的控制精度提供了很好的设计方法。     

炉卷轧机层流冷却系统的控制策略及精冷段系统辨识

某厂炉卷轧机在冷却控制方面,采用冷却前预设定计算：主冷前馈控制,精冷反馈控制和自适应控制策略的层流冷却系统。文中分析了各个部分的功能,并且对该系统在实际生产中的应用进行了分析评价,提出了系统中问题的改进方向,对精冷过程进行了系统辨识,并做了仿真研究。     

中厚钢板加速冷却过程混合式优化控制模型的研究

针对中厚钢板加速冷却工艺过程,建立了基于集散控制系统的混合式优化控制模型,实现了整个过程闭环优化控制,以鞍钢厚板厂钢板加速冷却工艺过程为对象,开发了仿真与控制一体化软件包,进行了详细的仿真研究。     

中厚板层流冷却基础自动化系统设计

控制冷却技术是生产高质量钢板的有效手段,为满足首钢3500mm中厚板轧机轧后控制冷却设备和工艺的控制要求,采用了基于西门子S7-400PLC的控制冷却基础自动化系统。介绍了首钢3500mm中厚板轧机轧后控制冷却设备及其工艺参数,说明了控制冷却基础自动化系统的功能、采用的测控设备、计算机和现场总线系统配置,阐述了控制冷却系统控制策略、控制方式。运行结果表明,控制冷却系统的冷却能力和控制精度、响应时间等均满足工艺要求。