轧制节奏自学习模型

本文以某钢铁厂均热炉群计算机调度管理系统为例，提出了一种轧制节奏自学习模型的建立方法，为当今工业计算机自控系统关于自学习功能的研究提供了有益的实践经验。     

热轧带钢轧制力模型自学习算法优化

根据轧制数量、测量数据质量和轧制力预报误差的影响,建立了轧制力自学习速度因子优化模型.在长期自学习的判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量,减少了换规格的次数.长期自学习系数计算时利用了从前一块钢数据中分离出的设备状态信息,从而改善了模型自学习的连续性.离线仿真分析结果表明,轧制力计算精度相对于自学习算法优化前有较大的提高.     

工程实用平整轧制压力模型及其自学习技术研究

针对传统的以赫希柯克公式为基础的轧制压力模型不适合于平整轧制的问题,经过大量的现场数据回归与理论分析,充分考虑到不同平整机组的设备工艺特点与实际工况,综合轧制速度、变形抗力、张力、伸长率等平整轧制工艺参数的影响,根据平整轧制过程轧辊与带材交界面处接触弧更具平面性质而非圆柱表面性质的特点,在罗伯茨平整轧制压力模型的基础上,提出了一套工程上实用的平整轧制压力计算模型,同时给出了相应的模型自学习方案,并将其应用到宝钢冷轧薄板厂1220平整机机组的生产实践,95%以上的钢卷轧制压力预报值与实际值的相对误差在10%以内,达到了工程要求,取得了良好的使用效果,具有进一步推广应用的价值.     

中厚板轧制力自学习过程层别跳变的自整定方法

在中厚板轧制力预报过程中,为防止自学习系数沿着厚度层别发生跳变,提出了中厚板轧制力自学习过程层别跳变的自整定方法.针对厚度层别表中的每一个厚度节点计算其半宽带,然后根据半宽带计算厚度节点的有效区域,最后找到当前轧制厚度的有效区域并确定它所对应厚度节点的权值,从而得出自整定后的自学习系数.实际应用结果表明,应用该方法后轧制力的预报精度及板形控制效果有了很大的提高和改善,具有良好的应用价值.     

线材连续轧制技术的新方案和优点

描述的线材连续轧制技术在产量、收得率、设备损耗和生产灵活性等方面与传统工艺相比有明显优势。温度控制、规格控制和卷重优化等方案的应用也使产品质量得到显著改善。     

高精度板带轧制力计算模型研究

采里柯夫在对轧制变形区的卡尔曼微分方程处理时，用一条弦代弧得到平均单位压力数值。由于大压下量时弦比弧高很多，使轧件计算厚度增加，故用此平均单位压力不可能得到确切轧制力。用分段直线贴近圆弧的方法对单位轧制力分别进行计算，与采里柯夫、Sims等理论公式的计算值以及现场实测数据进行比较，该模型更为接近实际值。     

板带轧机轧制力实测方法的实验研究

对板带轧机轧制力的实测方法做了实践性的探讨,为实际生产提供了可行性的素材,而且也为目前普遍关注的板带轧机的研究提供了实践依据。     

基于神经网络的轧制力模型参数辨识

为了提高热连轧轧制力预设定值的精度,提出卫种新的轧制力模型参数辨识方法。利用人工神经网络对以往的大量生产数据进行了训练、预测、将预测结果结合轧制力模型,对思制力模型中的温度相关关系数ｍ１、变形速度相关系数ｍ３进行只。现场生产实践表明,采用辨识后的模型进行轧制力预设定,带钢头部厚度精度有明显提高。对于象本钢热连轧厂这样的老企业,这种新方法更具有在线应用的可行性。     

板带轧制的边界单元法分析

本文在计算板带轧制中的参数时应用了初始应力的弹塑性边界单元方法。计算结果与实验值相等。该研究表明,弹塑性边界单元法用来分析板带轧制是满意的。     

基于流函数的H型钢轧制力能参数模型

通过合理的假设对H型钢变形区进行分区.基于流函数方法确定了各个变形区的速度场,建立了H型钢万能轧制力学模型.在此基础上,使用Powell多参数优化算法优化变形区参数以使变形区的总功率达到最小并最终求得H型钢轧制力能参数.计算中采用高斯积分的方法,使得计算结果更加准确.计算结果表明,腹板和翼缘的延伸率相同时,本文模型计算结果与经过实验数据验证的有限元结果的误差不超过1.53%,当偏离标准工况较大时,通过适当修正,亦可保证本文方法的计算精度.在腿腰延伸比λ=1附近时,模型计算的轧制力与有限元结果变化趋势相同.在合理的力臂系数情况下,两者结果吻合较好.     

[k-NN]自学习模型在中厚板轧后冷却温控中的应用

 在中厚板生产过程中,轧后冷却的温度控制是决定产品组织性能的关键工艺技术。换热系数是温度控制模型的核心参数,由于其影响因素多且复杂,故很难有一个固定的模型来计算。提出一种简单有效的换热系数的自学习模型：先通过参数节点化和插值法得出全范围内的各换热系数影响因素的特征值;再基于[k-NN]原理,寻找待冷目标钢板与各已冷样本钢板之间的相似度;最后,通过IDW加权平均算法,预估出目标冷却钢板所需的换热系数。现场实际的应用情况表明,使用该自学习模型相比以往可提高控制精度约5%。     

基于RF-LSTM的热连轧板坯粗轧出口温度预报

热连轧板坯温度的连续、实时预报是提高带钢产品性能的关键,针对热连轧过程数据维度过高不利于快速、准确预测板坯温度的问题,提出一种基于随机森林-长短期记忆神经网络(RF-LSTM)的板坯粗轧出口温度预测模型.首先,采用改进随机森林算法对特征变量进行选择,通过分析板坯粗轧出口温度的预测结果变化衡量特征的贡献度,进而构造反映过...     

基于表面温度测量的连铸二冷动态控制模型

二冷动态控制以连铸坯温度的稳定控制为目标,对提高连铸坯质量的稳定性具有重要意义。二冷动态控制的核心内容是实现铸坯表面温度的闭环控制,其关键是实现基于在线凝固传热模型的温度反馈,模型的准确性则是保证二冷动态控制应用效果的基础。为此,提出一种基于表面温度测量,结合射钉修正凝固传热模型的方法,用于辨识凝固传热模型的参数以保证模型的准确性,并应用于二冷动态控制。特别对随机氧化铁皮干扰下的铸坯表面温度的测量方法进行了深入的研究,并开发了能够长期稳定运行于连铸现场的测温装置。     

连铸-热轧集成生产库存优化模型

从实际问题从发,研究连铸和热轧两阶段集成生产的库存与生产计划优化问题。根据顾客对板坯和钢卷的订货情况,考虑连铸机和热轧机的生产能力约束及板坯库和热轧卷库的库容约束,针对板坯的外卖量和作为热轧机原料量之间的协调及板坯与热轧卷之间的匹配情况,同时考虑板坯库和热轧卷库的库存成本以及对板坯和钢卷的订货需求可以延迟满足,但需支付惩罚费用等特点,以利润最大为目标函数,建立了相应的线性规划模型。通过大量的数值测试,验证了模型的有效性。     

基于行处理算法的带钢热连轧负荷分配

负荷分配是带钢热连轧精轧模型设定的基本问题,传统 Newton-Raphson算法存在初始值要求严格、易发散等计算性能较差的缺点。针对其在求解非线性方程组方面的不足,基于行处理法提出了一套适用于热连轧机组快速厚度分配的计算模型。该方法以中间机架出口厚度为变量,在采用高精度、非简化轧制模型的基础上,计算速度快,弥补了传统方法的不足。同时为了加快收敛速度,根据经验统计提出了一种新的初始值的确定方法。并利用C＋＋根据得出的算法编制了计算程序进行分析计算,在采用实测数据基础上的验证结果表明该算法具有运算速度快、收敛性好等优点。     

热轧张力观测器模型的研究与构建

张力观测器模型是微张力控制模型实现的基础,本文提供了一种精确的热轧机架间微张力预报的方法。采用新张力计算模型,结合轧制过程中轧制力臂变化,基于以弹性变形理论为基础的张力方程,设计出张力动态变化的计算方法,由此构建新的热轧微张力控制过程的张力观测器,在生产应用中取得了良好的效果。     

基于轧制过程数据的轧机刚度动态模型

针对实际轧制过程中轧机刚度变化难以在线测试的难题,对轧制过程进行数据挖掘,提出了基于厚差溯源分析的轧机弹跳和轧机刚度定向挖掘方法。对某650可逆冷轧机的轧制过程数据进行了分析,并深入挖掘了轧机刚度和轧件宽度、轧制速度的关系,建立了轧机刚度的综合动态模型,对提高板厚控制精度具有重要的意义。     

RBF-NN多模型切换的轧机液压活套控制方法研究

本文对轧机液压活套系统的工作特性进行了分析.该系统为多变量非线性系统,在位置与张力变化较大时,使用传统的控制方法该系统的稳定性较差;而神经网络在控制领域的广泛应用表明,它用于多变量非线性系统较为适合.实验结果表明,当位置与张力变化较大时,采用RBF神经网络控制方式使系统仍然稳定.