基于Elman神经网络的炉卷轧机的轧制力预报

为了改善国内某钢铁厂炉卷轧机的轧制力模型的预报精度,提出将结合热模拟实验建立的传统轧制力模型计算值作为Elman神经网络的一个输入项,将传统数学模型预报的轧制力与实测轧制力的相对误差作为此神经网络输出项的方式构建网络模型,通过大量的在线数据分析,这种将神经网络与传统数学模型相结合的方法明显地改善了轧制力的预报精度。该神经网络模型可为以轧制力为主要控制目标的炉卷轧机的过程自动化系统提供可靠的模型参数。     

炉卷轧机单机架与双机架布置特点的分析与探讨

针对国内板卷生产线炉卷轧机单机架与双机架的布置特点,从中厚板卷产量、质量以及设备的生产适应性和投资经济性等方面进行了分析讨论和比较,为单机架与双机架轧机的布置形式提出了建议,可供炉卷轧机的设计选型提供参考和借鉴.     

TIPPINS双机架紧凑式炉卷轧机的技术评价

本文简要介绍了炉卷思机的发展现状及昆钢引进的TIPPINS双机架紧凑式炉卷轧机的技术水平。     

双机架炉卷轧机布置形式分析

简要分析了现代化双机架炉卷轧机的分开式和串列式两种常见的布置形式、各自的特点和设备构成，对两种布置形式进行了比较，同时根据经验就生产不锈钢与特殊合金钢和碳钢与低合金钢的双机架炉卷轧机的布置形式提出了相应的见解。     

现代中厚板炉卷轧机轧制温度模型探讨

介绍了中厚板炉卷轧机,轧制温度模型的特点,并分析了影响现代炉卷轧机温度控制的主要因素.     

浅析双机架炉卷轧机的两种工艺布置形式

介绍了双机架炉卷轧机的两种不同布置形式；分析比较了其优缺点；提出了在不同的生产工艺条件下两种布置形式的适用范围：分开式布置可满足难变形钢种在粗轧开坯和精轧阶段保证产品质量的不同要求，适用于大量生产不锈钢和特殊合金钢等产品的炉卷轧机；串列式布置形式可节省工程投资，有利于薄规格产品轧制，适用于生产碳钢和低合金钢为主的炉卷轧机。为有意建设炉卷轧机的厂家提供了一定的参考。     

可逆终轧机设定模型在安钢炉卷轧机上的应用

介绍了安钢第二炼轧厂炉卷轧机设定模型的基本功能、主要原理,及轧机设定模型在炉卷轧机上的实际应用情况,实践表明,轧机设定模型在轧制力的预估、轧件温度的计算上有较高的精度。为炉卷轧机的品种开发、质量提升提供了技术保障。     

安钢炉卷轧机厚度控制系统的改进

介绍了安钢炉卷轧机厚度控制系统的概况,分析了轧机厚度控制对轧线效益的意义,针对改进前炉卷轧机厚度控制上存在的问题,提出了系统性的改进措施,取得了显著的效果。     

单机架轧机结构板的轧制力优化

针对河钢唐钢冷轧厂结构级冷轧板生产过程中存在的轧制力过高和板形较差的问题,通过分析原料化学成分和力学性能,阐释了机组难以实现结构板轧制的原因。在此基础上,以轧制力优化为导向,结合相关理论研究成果分析了轧制力的主要影响因素。通过综合采用轧制规程优化、乳化液参数优化、张力优化等措施,结构极冷轧板轧制过程的轧制力得到了有效降低,年产结构钢2.89万t,合格率达99.40%,产品综合质量全面提升,实现了批量稳定生产。     

基于模糊聚类的BP神经网络模型预报中厚板轧制力

以实测数据为基础,在中厚板轧制设定中采用BP神经网络的方法取代传统的轧制力数学模型,并对神经网络输入项和训练样本进行分析,将传统轧制力模型的自学习过程引入神经元网络用于轧制力预报,改善预报精度.采用模糊聚类分析方法,科学选取学习样本,解决了由于样本多学习速度慢的问题.通过在线数据分析,可知这种方法对轧制力的预报精度有很大改善,而且神经元网络的结构也得到简化.此方法可以作为神经元网络应用的一个拓展.     

基于神经网络的热带钢连轧弯辊力预报模型

针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点,利用日照钢铁有限公司1580 mm七机架热轧机生产数据,对精轧机组进行了基于神经网络的弯辊力优化预报。基于神经网络的弯辊力预报模型与传统模型相比,可进行高度非线性模拟,以大量实际数据作为神经网络训练输入,有模型结构简单、容易实现等优点。基于神经网络的弯辊力预报模型不但考虑各种输入参数相互之间的影响作用,而且考虑到各机架输出之间的关系,可用于提高头部板形控制精度,并为实际弯辊力设定提供了指导和试验基础。     

基于BP神经网络的平整机伸长率控制技术

基于平整机伸长率控制基本原理,针对目前伸长率控制模式下轧制力等预设定值不准确问题,提出采用BP神经网络控制技术,对平整机的轧制力设定、轧制力速度补偿以及平整机入出口张力设定进行优化。实际应用表明,基于BP神经网络的伸长率控制系统大大提高了伸长率控制的响应速度,有效减小了平整机过焊缝伸长率不符合带钢长度,从而提高了产品的成材率。     

Mechanical Property Prediction of Strip Model Based on PSO-BP Neural Network

Mechanical property prediction of hot rolled strip is one of the hotspots in material processing research. To avoid the local infinitesimal defect and slow constringency in pure BP algorithm, a kind of global optimization algorithm-particle swarm optimization （PSO） is adopted. The algorithm is combined with the BP rapid training algorithm, and then, a kind of new neural network （NN） called PSO-BP NN is established. With the advantages of global optimization ability and the rapid constringency of the BP rapid training algorithm, the new algorithm fully shows the ability of nonlinear approach of multilayer feedforward network, improves the performance of NN, and provides a favorable basis for further online application of a comprehensive model.     

基于动态轧制力的波纹辊轧机非线性振动

 金属层状复合板波纹辊轧制成形技术是一项变革性技术。为研究动态轧制力对波纹辊轧机振动特性和分岔行为的影响,考虑了波纹辊轧机动态轧制力、波纹界面间的非线性刚度和非线性阻尼,建立了基于动态轧制力的波纹辊轧机非线性振动数学模型。运用多尺度法求解了波纹辊轧机辊系在动态轧制力激励下的非线性振动幅频特性方程。分析了动态轧制力幅值、非线性刚度系数和非线性阻尼系数等参数对非线性振动的影响。通过最大Lyapunov指数、分岔混沌图、Poincaré截面和相轨迹等方法分析了轧制力的动态变化对系统稳定性的影响,设计了分岔反馈控制器对轧制力动态变化诱发的分岔行为进行控制,并且通过数值仿真验证了控制器设计的正确性和可行性。     

冷连轧机轧制力在线计算模型

通过将轧制变形区离散化的方法,在考虑变形区内横截面上张应力、摩擦应力等影响因素沿带钢轧制方向分布规律及其与带钢厚度及压下量的关系的基础上,采用数学模型和神经网络相结合的方法计算了金属变形抗力,建立了冷连轧机轧制力在线计算数学模型.经大型工业轧机生产实践数据检验,该冷连轧机在线轧制力计算模型预报误差控制在6.1%以内,满足模型在线控制要求,可提高在线控制轧制力模型的计算精度.     

模糊神经网络融合建模方法及其在轧制力控制中的应用

针对目前热轧中神经网络控制模型不能满足一些特殊轧制规律钢种精度要求的问题,在深入研究现有热轧模型建立与优化的基础上,结合模糊控制技术,提出在神经网络的基础上建立基于模糊规则补偿模型的融合建模方法.针对两类特殊钢种的特性,详细阐述了基于模糊规则补偿模型的建立及实际应用过程,并根据实际生产经验给出建模中规则库的建立过程.实...     

板坯的轧制力计算

根据Ｓｉｍｓ公式和由滑移线场理论导出的公式计算板坯轧制力,并采用二维刚塑性有限元法计算了板坯轧制力,所得结果与文献介绍的实验数据相比,其精度较好．     

粗轧过程中轧制力和宽展的预测与分析

 板带轧制数学模型是实现自动控制的基础,高精度的数学模型是提升产品质量和市场竞争力的重要保障。在热连轧粗轧过程控制中,轧制力和宽展是关键参数,其模型精度不仅会影响粗轧轧制规程的设定,而且会影响最终热连轧带钢产品凸度。以矩形板坯热连轧粗轧过程为研究对象,针对轧制变形区建立了三维运动许可加权速度场,在此基础上充分考虑自然宽展效应,基于刚塑性材料的第一变分原理,采用可变上限积分法对塑性变形、剪切功率和摩擦功率进行积分获得变形区总功率泛函。利用Matlab优化工具箱对总功率泛函进行最小化,得到了轧制力、宽度分布的理论解。最后利用理论模型计算数据回归得到了板坯宽展及速度场中的加权系数模型。将基于所提出模型的轧制力和宽展预测值与现场实测值及部分有关学者所建立模型的预测值进行了对比,结果验证了所建立模型的准确性。研究得到的宽展模型和速度场加权系数表达式可以方便、灵活、快速地应用到粗轧现场中,为更高质量热连轧带钢产品的生产奠定了坚实基础。