精轧温度模型优化算法与控制策略的研究

针对国内热轧生产线上精轧区测温点稀疏、温度精度要求高的特点,采用二维有限差分方法建立了精轧区板坯温度的机理模型,通过现场实测数据并结合粒子群算法对温度模型进行优化。针对轧制过程中影响因素多、环境复杂的特点,将支持向量机引入精轧温度模型的预测,并与机理模型和实测数据对比,检测其有效性。经过验证,所建模型的计算精度与实测数据误差在10℃以内。利用所建模型,对终轧区喷水量和加速度提出一种综合控制策略,可为实际生产提供参考。     

热轧带钢层流冷却控制方法

针对热轧带钢层流冷却终冷温度范围的扩大以及控制精度提高的要求,通过分析影响层流冷却过程的关键性因素如,速度、厚度、喷水量对终轧温度的影响,以及各因素之间相互的作用关系,合理制定出层流冷却的初始值,并建立起层流冷却温度控制的数学模型。运用前馈控制、速度补偿控制的思想以及针对层流冷却特点的线性叠加控制对层流冷却过程进行实时控制。所提出的方法成功运用于某层流冷却生产模型中,实现了终冷温度范围扩大以及控制精度提高的目标。     

基于启发式和演化计算的热轧计划编制方法

结合宝钢热轧厂计划编制的实际情况,考虑板坯轧制区段对轧制表面等级的约束和板坯出炉温度、精轧温度、卷取温度对计划单元的影响,建立了热轧计划编制的数学模型.提出将计划单元个数预估计作为模型求解的初始步骤,采用基于启发式和演化计算结合的混合算法,将不可行个体转换为标准可行个体后再进行演化处理.仿真试验表明该热轧计划编制方法能够达到较好的应用效果.     

基于数据子空间PLS建模技术的热轧轧制力优化设定

针对机理模型难以刻画的热轧精轧生产过程, 采用基于数据子空间的偏最小二乘方法建立热轧轧制力数据模型, 并构建轧制力优化模型, 利用改进的粒子群优化算法对优化模型计算求解. 结果表明, 使用数据驱动方法建立的轧制力数据模型能够揭示精轧过程轧制力的机理规律, 可以替代机理模型在实际系统中的应用. 通过对整体优化模型的求解, 可以提高热轧精轧产品的质量, 降低能源消耗, 表明基于数据驱动的建模和优化方法在实际生产中具有较大的应用价值.

     

混合多目标粒子群优化算法在热精轧负荷分配优化中的应用

通过对热精轧负荷分配过程的分析,选取负荷均衡、板形良好和轧制功率最低为目标,建立了热精轧负荷分配多目标优化模型.为了提高多目标优化算法解集的分布性和收敛性,提出了一种混合多目标粒子群优化算法(HMOPSO),该算法根据Pareto支配关系得到Pareto前沿进而保证种群收敛;采用分解策略维护外部存档,该策略首先根据Pareto前沿求出上界点对目标空间进行归一化处理,然后对种群进行分区处理进而保证种群的分布性能.仿真结果表明,HMOPSO的收敛性和分布性都好于MOPSO和d MOPSO;采用模糊多属性决策的方法从Pareto最优解集中选择一个Pareto最优解,通过与经验负荷分配方法相比,表明该Pareto最优解可以使轧制方案更加合理.     

基于CMAC神经网络的热连轧精轧温度预报模型

温度是带钢热连轧过程中几个最重要的工艺参数之一,由于温度将直接影响到热札轧制力,因此精确预报各道次,特别是精轧机组各机架的轧制温度,是保证厚度、板形及宽度数学模型命中率的关键.而精轧温度预报技术是热连轧的核心技术.由于传统的模型技术已经不能进一步提高精轧温度的预报精度,针对带钢热连轧精轧温度传统模型的固有缺陷,根据CM...     

SAS数据挖掘在钢铁终轧温度控制中的应用

企业可以通过数据挖掘技术实现从数据到信息、信息到知识的提炼,这能为公司的生产经营决策提供有效支持。SAS数据挖掘技术是众多数据挖掘方法中的佼佼者,它在大型企业中得到很好的应用。介绍了数据挖掘的基本知识,以及SAS数据挖掘技术在钢铁企业生产管理中的应用实例。通过SAS数据挖掘的深层次分析,在热轧钢卷终轧温度控制管理中,找到了降低缺陷钢卷数量的有效途径：即推广低温轧制技术以及减少同一热轧带钢上的终轧温度差。     

大规格铝材可逆热轧内应力仿真及轧透性研究

轧制过程中轧件在变形区内的变形通常是不均匀的,对于大规格铝材,变形的不均匀性更为突出,芯部变形小,难以实现充分变形.针对以上问题,采用弹塑性大变形热力耦合有限元法研究了大规格铝材多道次可逆热轧的过程.利用大型非线性有限元商用软件MSC.marc建立了7050铝合金多道次可逆热轧的热力耦合有限元仿真模型,探明了内应力和应变在轧件内部的演变过程和控制规律;并对大规格铝材的轧透性及影响轧透性的因素进行了分析与讨论,得出了一个衡量轧透性的方法.以上结果符合相关理论,可以指导生产,减少试轧次数,为控制大规格铝材塑性加工过程中的不均匀变形,从而促进其轧透性提供理论参考.     

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。     

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。     

H型钢精轧过程的有限元数值仿真

为了获得H型钢精轧过程中的轧制力以及轧件变形情况,以商用有限元分析软件ABAQUS为平台,数值模拟H型钢开坯后的精轧过程,得出H型钢精轧过程中各个道次的轧制负荷和截面形状大小.通过Gleeble1500热模拟试验机获得在精轧过程温度范围之内的应力应变曲线,从而建立Q235材料在不同情况下的流变应力曲线.作为材料基本特性,对H型钢开坯后的精轧过程建立了有限元模型,并利用ABAQUS-Explicit对模型进行求解,通过稳态条件的判断和畸变网格的重构以及单元物理物理特性的继承保证仿真过程的进行,说明了ABAQUS中显式求解的主要过程.通过有限元数值模拟的结果得到各个轧制道次截面积,截面形状以及轧制负荷.与现场生产中的数据进行对比看到模拟的结果与实际生产中的数据相接近,从而验证了所建模型的正确性.为改进H型钢的精轧工艺参数,提高H型钢的产品质量提供了参考.     

基于神经元网络的快速监控功能

应用神经元网络理论和计算机仿真实验相结合的方法,对用快速监控理论解决带钢头部厚度超差问题进行了研究。针对板带材轧制过程是一个复杂的非线性过程,难以建立精确数学模型的问题,提出了用神经元网络实现快速监控功能的方法,仿真证明,该方法对于及时地消除厚度偏差的后遗性有着比其他控制方法更好的效果。     

热轧带钢层流冷却系统温度的建模与仿真

针对于传统的热轧带钢生产线层流冷却卷取温度控制精度不高的缺点,以热轧带钢层流冷却控制系统为研究对象,对其温度进行建模与仿真.基于现有模型通过修正黑度系数来考虑带钢厚度方向上的热传导,采用有限差分法来建立带钢厚度方向温降一维模型.通过实际生产数据对模型中的部分参数进行修正,使模型更加符合实际生产要求.在得到层流冷却生产过程中热轧带钢温度变化和温度场分布的基础上,又模拟仿真得出带钢总体卷取温度曲线.将所搭建的模型应用于模拟实际生产过程,通过实际数据计算出的结果与实际测量值相比较,其偏差值在±10℃范围之内.因此所建模型能够满足实际生产精度控制要求.     

优化剪切控制在1580mm热轧线的实现

优化剪切控制系统在飞剪控制中的使用不仅降低了带钢切损,利于下游精轧咬钢,尤其在薄系列热轧带钢的生产中取得了良好的应用效果。     

Identification of Influential Functional Process Variables for Surface Quality Control in Hot Rolling Processes

This paper focuses on surface quality improvement in hot rolling processes. A systematic method based on functional data analysis is developed to identify the key influential process variables. It provides guidelines for hot rolling process control and can also be expanded to generic scenarios of functional variable selection.      

动态系统最优化理论与自适应算法在轧钢中的应用

本文就自行研制的轧机计算机厚度控制系统,应用动态规划、随机最优控制理论与自适应 算法,在轧制规程和厚度分配的最优化计算、轧制规程在线修正与自动厚度控制的改进算法几 方面进行了研究,使轧机的厚度控制精度有了显著的提高.应用结果表明,普碳钢卷板的纵向 同板差精度≤80μm,命中目标厚度精度为士0.1mm.