应用RBF神经网络预测冷连轧机轧制力

针对传统轧制力模型的固有缺陷,为提高冷连轧机组轧制力预测精度,使用一种RBF算法的人工神经网络预测冷轧带钢屈服应力,把预测值用于传统数学模型中计算轧制力;并在此基础上,组合使用机架相关网络(RBF类型)、速度相关网络(RBF类型)修正轧制力计算值.应用结果表明,此方法满足生产的需要,预报最终误差范围为±6.5%.     

中厚板生产中的道次修正模型

针对传统板对板的自学习模型不能修正轧件个体差异的缺陷,提出了道次对道次的道次修正模型。该模型利用上道次的实测轧制数据,如实测轧制力、轧制速度、测温仪温度等,通过道次出口厚度再计算模块、钢板温度修正模块和轧制力短期修正模块精确计算出当前钢板的实际状态,然后通过剩余道次再计算模块对后续未轧道次的辊缝进行修正。实际应用表明,该道次修正模型投入使用后,轧制力预报精度和成品厚度精度有了很大提高。     

冷连轧过程控制系统的自适应功能实现

针对冷连轧过程控制系统的模型设定计算的特点与需求,建立了轧制力、前滑、扭矩和辊缝自适应系数的计算模型,同时给出了冷连轧过程摩擦因数和变形抗力参数的反馈计算模型,进而完善和优化冷连轧轧制参数模型。为实现实测数据的采集与处理,设计了基于事件、计时器和消息的3种实测数据采集方法。最终完成冷连轧过程控制的自适应功能开发,并将其应用到生产实践中。结果表明,该自适应功能模块有效保证了在线模型设定计算的快节奏,大大提高了原始模型的计算精度,有利于提高系统稳定性和运算效率,适合于工业生产实践。     

冷连轧机轧制力人工神经网络预报

采用改进的BP网络Levenberg-Marquardt优化算法对冷连轧机轧制力进行快速预报,此网络参量可自适应调整,收敛速度快.冷连轧生产轧制力预报精度大为提高,为冷连轧轧制力预报提供了一条准确高效的新途径.     

五机架冷连轧机轧制力人工神经网络预报

采用改进的 BP网络 L evenberg- Marquardt优化算法对冷连轧机轧制力进行快速预报 ,该网络 μ参量可自适应调整 ,收敛速度快。冷连轧生产轧制力预报精度大为提高 ,为冷连轧轧制力预报提供了一条准确高效的新途径     

不锈钢冷连轧轧制力显函数模型的开发与应用

针对不锈钢冷连轧生产工艺,提出动态变形抗力概念,利用四辊可逆冷轧机和Inston高速拉伸实验机进行轧制-拉伸实验,在MMS-200热模拟实验机上测定不锈钢的应力-应变曲线,建立不锈钢动态变形抗力模型。在Hill方程的基础上建立了轧制力显函数模型,并通过变形抗力和摩擦因数的逆向回归计算实现模型的在线自学习。提出了适合轧制力模型的可信度评估方法,引入Theil不等式系数法,依据TIC值定性分析了模型的适用性。最终确立了适合于冷连轧生产的精确的轧制力显函数模型,并将其应用到生产实践中。统计结果表明：冷连轧过程中轧制力的模型计算值与实测值的相对误差小于3.67%,该模型具有良好的计算精度和较好的泛化能力,适合于工业生产实践。     

基于遗传神经网络的不锈钢带冷轧轧制力模型

 为了提高工厂从国外引进的以Bland Ford公式为基础的冷轧不锈钢带轧制力模型的计算精度,将基于遗传算法的BP神经网络与现有变形阻力和轧制压力解析数学模型相结合,建立了变形阻力和轧制压力修正模型。将在生产现场采集的部分过程记录数据,进行分类和预处理后作为训练样本用于训练遗传神经网络模型。将其他现场实测数据用于验证所建的轧制力模型,计算结果表明所建的轧制力模型具有较高的计算精度。     

五机架冷连轧机轧制人工神经网络预报

采用改进的BP网络Levenberg-Marquardt优化算法对冷连轧机轧制力进行快速预报，该网络μ参量可自适应调整，收敛速度快。冷连轧生产轧制力预报精度大为提高，为冷连轧轧制力预报提供了一条准确高效的新途径。     

基于实测值置信度的冷连轧轧制力模型自适应

 采用数值积分方法建立了冷连轧在线轧制力模型,确定了轧制力模型自适应的执行条件和计算流程。针对轧制力模型自适应指数平滑算法中难以用固定增益系数适应轧制状况变化的问题,提出了一种根据实测数据动态调整增益系数的方法,建立了增益系数与测量值等效置信度之间的数学关系式。该轧制力模型自适应算法已应用在某1450mm 5机架冷连轧机组上,通过比较自适应前后的计算值与实测值的均方差可知,采用模型自适应后,轧制力模型的计算精度显著提高。     

中厚板轧制过程中的温度修正模型

针对中厚板轧制过程中钢板温度场不易精确模拟,传统温度计算模型存在较大计算误差的问题,提出了道次间的钢板温度修正模型。该模型利用上道次的实测数据,如测温仪温度、轧制力等,对钢板的温度场进行修正。并将修正后的钢板温度场应用到后续未轧道次的辊缝修正计算中。实际应用表明,该温度修正模型投入使用后,轧制力预报精度和成品厚度精度有了很大提高。     

基于蚁群算法的神经网络冷连轧机轧制力预报

 为提高冷连轧机轧制力的预报精度和预报速度,用蚁群算法和神经网络相结合的方法进行轧制力预报模型设计。根据轧制原理建立了BP神经网络冷连轧机轧制力预报模型,以网络权值和阈值为自变量,网络预报误差为目标函数,通过蚁群多代运算,找出预报误差全局最小值,再将相应的权值和阈值输入网络进行训练。应用某厂1450 mm冷连轧机的实测数据进行离线计算的结果表明,该方法能够防止BP网络陷入局部极小点,且收敛速度快,可作为轧制力预报的新方法在实际应用中加以推广。     

基于神经网络和遗传算法的冷连轧机FGC控制

 冷连轧机动态变规格技术是全连续冷连轧生产的核心技术之一,是一个具有多变量耦合和非线性时变特性的复杂过程。这使得采用常规的控制理论进行控制器设计变得非常复杂和困难。以国内某厂1250 mm冷连轧机组为研究对象,采用神经网络并结合遗传算法建立控制模型,实现冷连轧机的动态变规格的智能控制。实际生产应用表明该控制模型精度高、稳定性好。     

High Precision Prediction of Rolling Force Based on Fuzzy and Nerve Method for Cold Tandem Mill

The rolling force model for cold tandem mill was put forward by using the Elman dynamic recursive network method,based on the actual measured data.Furthermore,a good assumption is put forward,which brings a full universe of discourse self-adjusting factor fuzzy control,closed-loop adjusting,based on error feedback and expertise into a rolling force prediction model,to modify prediction outputs and improve prediction precision and robustness.The simulated results indicate that the method is highly effective and the prediction precision is better than that of the traditional method.Predicted relative error is less than ±4%,so the prediction is high precise for the cold tandem mill.     

Multi-Objective Optimization for Tandem Cold Rolling Schedule

 Based on rolling feature of continuous tandem cold rolling mill, such as multi-variable, strong coupling, non-linear, analyze and set the equal relative load, preventing slippage and profile well as the multi-objective optimization goal, BP neural network with self-learning function is adopted to replace traditional rolling force models and then Levenberg-Marquardt algorithm is adopted to predict the rolling force. Then use multi-objective fuzzy theory to solve the problem of multi-objective optimization of tandem cold rolling schedule. With the example of 1370mm tandem cold rolling, the rolling schedule of the common rolling, the single-object optimization design and the multi-objective fuzzy optimization design are compared with each other, optimization result shows the proposed optimization method decreases the value of three objective functions simultaneous. The performance of the optimal rolling schedule is satisfying and it is promising.     

基于RBF神经网络的中厚板轧机的温降模型

 基于Matlab神经网络工具箱,采用改进的径向基函数(RBF)网络优化计算4200中厚板轧机的轧制温度。通过径向基层散布常数的人工调整以及神经元的自适应调整,提高了收敛速度,确定了最佳的网络结构形式。网络预测结果与在4200中厚板轧机上实测的轧件温度进行了对比,预测精度很高,表明了该网络模型的优越性。该模型可为以温度参数为主要控制对象实行自动化生产的4200轧机提供可靠的参数,也可为人工神经网络在其它自动控制方面的应用提供参考。     

极限学习机在中厚板轧制力预报中的应用

摘要：轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力，精度较低。为提高轧制力预报精度，首先基于大量历史生产数据，通过主成分分析法对影响轧制力的因素进行处理和分析，选出权重较大的影响因子；其次选取现场代表钢种进行热模拟压缩实验，在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型，即先通过化学成分计算出基准变形抗力，再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数，并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产，轧制力预报相对误差±10%以内占比提高15.61%，钢板头部厚度命中率提高1.9%。     

动态设定及自适应技术在酸轧机组上的应用

为了提高动态变规格时带钢头尾厚度的控制精度,宝钢在酸轧机组采用了动态设定和自适应技术.该技术采用实测数据,提高了轧制模型输入数据的准确度.使用轧制力动态自适应计算,提高了轧制力和辊缝计算的精度,并对辊缝的设定值进行补偿.还分析了动态变规格的条件、阶段和模式.根据该技术应用前后实绩数据的对比,证明它对减少动态变规格头部超差长度、提高头部厚度控制精度效果较好,具有良好的应用前景.     

五机架冷连轧机的负荷分配计算

针对八辊五机架全连续冷连轧机在轧制过程中的特点,在综合考虑了轧机产量和产品质量的前提下,用多目标优化问题的求解方法对多辊冷连轧机的轧制策略进行优化,确定各机架的负荷和待轧带钢的目标厚度,并开发了河北中钢1 250 mm八辊五机架全连续冷连轧机的负荷分配计算程序。通过现场实例证明,该方法精度高、速度快,可满足在线控制需求,是一种适合多辊全连续冷连轧机的负荷分配方法。     

可逆冷轧机过程控制功率计算及其自适应学习

介绍了可逆冷轧机过程控制功率计算及其自适应学习方法,将功率计算值与现场实际功率进行对比,计算出功率模型中的自适应学习系数,用指数平滑法修正自适应学习系数提高该模型的设定精度,并分析了轧制力、轧制速度以及压下量对功率的影响。实例计算表明,采用这种方法计算功率,速度快且计算精度满足在线控制要求,适用于可逆冷轧机过程控制功率计算。     

基于人工智能的自适应板形控制

针对板带材轧制过程是一个复杂的非线性过程及传统板形控制模型的固有缺陷,为了提高冷轧带钢的板形质量和成材率,提出一种基于神经网络模糊推理的自适应板形控制（AI－AFC）方案,并将其引入森吉米尔20辊轧机的板形控制系统。离线仿真结果表明：该系统具有良好的控制性能,可提高板形控制质量。