神经网络在CVC六辊轧机板形控制中的应用

本文提出了基于板形机理的神经网络板形预报的思想,对CVC六辊轧机建立了神经网络板形预报模型,并结合神经网络板形预报以及在线PID神经网络控制器建立在线板形控制系统,对冷轧薄板的板形进行控制,以得到良好的板形控制效果.     

单机架冷轧机板形控制技术

通过对板形缺陷的分类及产生原理的分析,明确了板形的影响因素是轧辊热膨胀、轧辊弹性压扁、轧辊磨损和来料板形。通过辊型控制法和工艺润滑控制法进行板形控制,结合轧制工艺控制达到改善板型的目的。     

首钢2160mm热轧机板型控制方法的探讨

通过对WRB/WRS、CVC、PC等三种常用板形控制技术的对比分析,并根据首钢热连轧机组拟采用中薄板坯连铸连轧的工艺方案,讨论了2160mm热轧机的板形控制方法.     

太钢热轧板形控制方法研究

针对太钢1 549 mm生产线板形控制方面的不足,根据设备情况及板形控制特点,在研究工艺原理及现有控制功能的基础上,针对性地从窜辊策略、操作功能及长期自适应3个方面对原有模型进行了改进,实现了太钢热轧产品板形质量的提升.     

2030 mm冷连轧机组板形综合优化设定技术

针对2030mm冷连轧机组板形控制参数的设定通常采用各机架单独设定,不但不容易充分发挥出所有控制手段的潜力而且容易出现相关板形控制手段互相抵消,甚至有可能带来新的附加局部浪形、影响成品板形质量的问题.充分考虑到冷连轧机组的设备及工艺特点,在相关板形模型的基础上,以出口板形最优为控制目标,将冷连轧机组所涉及的各机架弯辊力...     

泰钢1700mm六辊可逆冷轧机板形控制技术的应用

介绍了泰钢冷轧厂1700 mm六辊可逆式冷轧机在板形控制方面的经验。通过张力控制、压下量控制、液压弯辊控制、轧辊轴向横移控制及工艺润滑系统控制,有效地改善了板形,提高了轧制产品质量。     

基于支持向量机预报模型的CVC轧机板形智能控制系统

板形控制系统的控制对象是一个有惯性、纯滞后、大扰动、多变量、强耦合的非线性系统,难以建立精确的数学模型.以板形机理及其控制方法的基础上进行改进,提出了一种基于支持向量机的板形预报模型,结合BP网络提供参数的智能PID实现板形闭环控制,从而实现板型控制系统智能化.针对板型控制系统的需要对神经网络进行了改进,有效提高其收敛速度、精度及有效性.生产实践表明该预报控制系统对控制精度和鲁棒性都有较大改进,有效提高了轧制前段板形的平直度和板材的成材率.     

宝钢二次冷轧极薄DR材板形控制技术研究

从实际生产出发,结合相关板形控制理论和实践经验,从目标板形设定、工艺参数调整、轧辊辊形优化等方面,对宝钢二次冷轧机组DR材的板形控制技术进行了深入探究,总结出一系列适合于宝钢极薄二次冷轧DR材板形控制的操作技术,并在现场实际应用,获得了良好的效果。     

1400F铝带轧机板形缺陷识别处理

要对铝带材的板形进行有效的控制,必须对实际的板形进行识别,以判断当前带材板形的缺陷模式,才能有效的利用轧机装备的板形控制装置对板形实施控制。本文通过最小二乘法,建立板形缺陷的识别理论,并根据实际数据和现场应用,证明了该理论的可行性。     

基于“大数据”的冷轧板形分析与控制技术研究

为充分利用冷轧过程中的工艺数据,总结板形控制过程中的规律,文章借鉴了"大数据"的相关思想,对板形检测结果和大量工艺数据进行了分析,找到边部板形缺陷难以控制的原因在于冷连轧机现有板形控制手段能力不足,进而提出了能提高轧边部板形控制能力的辊形优化方法,并进行了工业试验,证明此方案的有效性。     

板带轧机板形控制倾辊弯辊神经模糊PID模型

板形是板带轧制的重要质量指标,倾辊和弯辊是板形控制的重要手段.目前常规的PID控制算法被广泛应用到板带轧机倾辊和弯辊板形控制系统中,但由于实际系统随机干扰严重,具有多变量、非线性、强耦合的特征,难以建立较为准确的数学模型,常规的PID控制算法很难满足板形高精度控制的要求.为能提高倾辊和弯辊板形控制系统的性能,在常规PID控制算法的基础上,建立基于神经网络的模糊PID倾辊弯辊板形控制模型,通过神经网络的自学习能力和模糊控制的"概念"抽象能力的有机结合寻找一个最佳的P、I、D非线性组合控制律,增强对控制环境变化的适应能力和自学习能力.仿真试验结果表明,该模型能很好地跟踪板形的目标设定值,响应快,超调小,鲁棒性强,可提高倾辊和弯辊对板形的控制精度,为板形高精度控制提供了一种新方法.     

LVC工作辊在超宽带钢热轧机的应用

分析了超宽带钢轧机的板形控制特性,指出其在板形控制方面的不足.为增加超宽带钢热轧机的板形调节能力,开发了线性变凸度(LVC)工作辊,实现板形调节与带钢宽度成线性关系,其板形控制性能优于CVC技术.建立了LVC工作辊的板形控制策略模型,在超宽带钢热轧机上实现了长期稳定应用.生产实绩表明,LVC工作辊可显著提高带钢的凸度控制精度,对凸度控制要求严的供冷轧料和凸度难控制的高强度管线钢,其凸度控制在50±18mm的比例可达96%以上.     

板形控制的传递矩阵方法

建立板形调节量与板形偏差特征量之间的数学模型是实现快速准确板形控制的关键。在建立板形控制传递函数概念和数学模型的基础上,提出了传递矩阵(控制矩阵)的概念和数学模型。以900mm HC六辊轧机为对象,基于GA-BP网络模型,建立了该轧机板形控制的传递矩阵,并进行了实际应用,取得了好的效果。为板形控制的研究和应用,提供了一个新的理论方法。     

冷轧带钢原始波形信号零点误差补偿方法

板形检测辊是在线检测冷轧带钢板形缺陷的关键仪器.在中试过程中,各检测通道的原始波形信号总存在或大或小的零点漂移,一定程度上影响板形检测辊的检测精度.基于压磁传感器特性、差动补偿回路及调制解调过程等,推导冷轧带钢原始波形信号的数学表达式,深入研究板形检测辊板形信号零点漂移的产生机理,建立了相应的工艺误差补偿模型.结合板形机理和实测数据,精细调整电路结构,对原始波形信号进行综合误差补偿,显著降低零点残存电压,提高原始波形信号的信噪比,零点残存电压从200 ～ 500 mV降低到了10 mV以下,A/D零点值降低到了50以内,为提高板形检测辊标定精度和冷轧带钢在线板形检测精度,奠定了坚实的理论基础.     

冷轧带钢板形测量和控制

本文主要介绍冷轧带钢板形测量方法和控制技术,着重对带钢平直度定义、板形控制数学模型的结构、控制系统构成及各种控制功能进行分析     

板形自动控制在热连轧中的应用

莱钢1500热连轧生产线的板形自动控制系统是国内自主研发的板形控制系统,它包括板预设定形、板形的PID调节、弯辊力的前馈控制、凸度仪的反馈控制、窜辊的闭环调节、平坦度的反馈控制、板形与板厚的解耦控制等多种控制于一体。主要介绍弯辊力前馈、凸度反馈和平坦度反馈3个模型在实际轧钢过程中的应用。     

冷轧带钢虚拟仪器板形测控系统及其应用

针对大宽厚比冷轧带钢复杂板形测控问题,从板形检测单元划分、工艺误差综合补偿、非对称高次板形模式识别、板形统计评价和板形手段协同调控等角度,详细地分析了影响板形测控精度和调控效率的物理机制,并基于机理-智能协同调控模型和虚拟仪器平台,研制了新型的冷轧带钢智能板形测控系统。首先,细化板形检测单元有助有改善带钢边部板形的检测效果,同时还能提高复杂板形缺陷的识别精度;其次,根据各板形控制手段的响应时间和调控特性,实施分层次的组合调控策略,能够充分利用各板形控制手段的调控潜力,避免不同板形控制手段的性能冲突;此外,对在线板形实施智能统计评价,可以准确评估轧机板形控制特性和轧后带钢板形指标,有助于优化板形测控模型。工程案例表明,新型的虚拟仪器板形测控系统闭环周期缩短在100ms以内,板形控制在61以内。     

莱钢1500 mm单机架冷轧机组板形控制实践

介绍1500VCMW冷轧板形控制系统组成，控制模型的建立及板形的控制和调节。通过板形识别、信号处理、板形评价、目标曲线，最终实现板形控制闭环系统。     

自适应技术在热连轧板形控制中的应用

将自学习控制方法应用在热连轧生产线的板形控制中，利用C＋＋高级编程语言和MATLAB仿真软件对应用自学习控制方法的板形控制系统进行仿真。采用自学习控制方法的板形控制系统能够降低稳态误差，减小系统超调量，提高系统响应速度。     

基于粒子群理论的板形模糊模式识别方法

带钢板形的模式识别是板形闭环控制的关键环节,板形模式的识别结果直接影响着板形控制精度.随着板形控制手段的不断更新,对板形模式识别方法提出更高的要求.为克服传统板形模式识别方法抗干扰能力差、逼近阶难以确定的缺点,依据模糊分类原理,运用欧式距离的择近原则对板形模式进行分类,完成板形信号的模式识别.在此基础上,为进一步提高识别精度,将20世纪90年代发展起来的具有全局优化能力的粒子群理论应用于板形模式识别,对模式识别的结果进行优化,并将其与单纯形法优化结果进行对比.试验结果证明了粒子群优化算法的有效性,该算法能够提高识别精度,使优化后的结果能更精确地控制板形调控机构,以适应高精度板形控制要求.