粗轧设定数学模型宽度调试及在鞍钢1780生产线上的应用

在鞍钢热轧带钢厂1780生产线的宽度控制中，主要采用了粗轧设定数学模型。笔者对粗轧设定宽度模型进行了深入的分析，并对宽度自学习中的一些缺陷进行了改进，解决了宽度波动的问题，从而使1780生产线的宽度精度有了显著提高。     

1780mm热连轧粗轧宽展模型参数优化研究

1780mm热连轧生产线的粗轧宽展模型分析与其实际应用效果存在较大误差。为提高宽度控制预报精度，采用了优化宽展模型参数法来提高模型精度；运用麦夸尔特法（Levenberg-Marguardt）和优化程序回归出模型的参数。用优化后的参数替换原有模型参数来控制宽度。经检验，宽度预测精度与优化前相比有显著提高。     

热轧窄带钢粗轧强迫宽展孔型的模拟研究

按照现场使用165mm×280mm连铸坯轧制宽度为355mm带钢粗轧孔型尺寸及轧制规程的有关数据,对热轧窄带钢的粗轧强迫宽展孔型进行模拟试验。通过改进粗轧孔型尺寸使展宽系数提高,使用165mm×280mm连铸坯能够轧制宽度约为400mm的窄带钢。     

热轧宽度模型控制的优化研究与应用

1780热轧宽度问题从2007年6月份开始日趋严重,宽度不合,余材量不断增大,针对这一情况,从提高精轧宽展稳定性、粗轧目标宽度准确性及粗轧宽度控制精度三方面优化宽度控制模型,从而使宽度问题得以受控.     

1780生产线的带钢宽度控制

为了满足客户对宽度指标的要求,对承钢1780生产线宽度控制模型进行了研究和分析。根据研究结果,采用粗轧下表面高温计,并且设计板坯出炉温度预测模型,减少因板坯温度不准对宽度控制的影响。通过在加热炉前安装板坯测宽仪和优化宽度控制策略来减少因板坯宽度不稳定对宽度控制的影响。对立辊短行程控制曲线进行研究,提出优化方案,有效解决了带钢头尾宽度问题;对大量带钢精轧宽展数据进行研究,提出针对不同规格带钢的宽展控制方案。经过研究和优化使成品宽度的波动明显变小,成品宽度在+0~9mm内的命中率达到96%以上,工序控制能力也得到了明显提高,提高了产品的用户满意度。     

铁素体SUS430粗轧模型优化与完善

根据铁素体SUS430的加热及变形特点,结合1 780 mm热轧生产线特点,重点从粗轧工艺模型方面介绍了优化粗轧轧制道次及提高宽度控制精度两方面内容：通过减少粗轧道次,缩短粗轧轧制时间,提高精轧开轧温度,以提高热轧产能;另外,在铁素体SUS430坯料宽度波动比较大的前提下,通过优化热轧宽度模型控制参数来提高带钢的宽度控制精度。结果表明对原有不锈钢430轧制工艺的优化与完善,进一步提高了不锈钢430的产能及产品质量。     

基于R2出口测宽的宽度模型研究和优化

由于在2 050 mm热连轧机中只有粗轧机的立辊具有宽度压下的功能,粗轧出口宽度偏差在精轧及卷取机组基本无法进行弥补,因此粗轧宽度控制精度直接决定了精轧及卷取出口宽度精度,优化粗轧宽度控制模型以减少粗轧宽度偏差,是提高宽度控制水平的重要手段。粗轧R2出口新增测宽仪为模型的优化提供了基本条件,可以实测轧件在R2出口的宽度偏差,并基于实测数据进行模型的学习与后续轧机的设定修正,有利于宽度控制精度的提高。     

本钢1780mm热连轧粗轧机宽度模型

该文介绍了本钢1780mm热连轧生产线从BKMASIC公司引进的热轧带钢粗轧机组宽度控制及宽度负荷分配借鉴GE公司的控制思想,深入研究了宽度控制及宽度负荷分配的数学模型,给出了模型计算宽度用的数学公式,通过宽度与轧制力分配的迭代计算使最终的宽度分配能够满足粗轧机组轧制力分配比与目标负荷分配比相一致。实践证明该宽度负荷分配及AWC控制方法能充分发挥粗轧机组的设备能力,确保稳定生产。     

基于轧制机理和混合神经网络的热轧精轧带宽预测

热轧带钢成品的宽度精度直接影响产品成材率，是产品性能提升的关键，而精轧区带钢出口宽度的精准预测可以为粗轧区宽度控制模型参数提供及时的优化调整指导。传统机理模型与实际情况往往存在较大差异，现有的数据驱动模型大多采用神经网络方法，但没有考虑轧制数据的时序性以及数据剪枝带来的信息损失。为了进一步提升精轧带钢宽度预测精度，提出一种基于轧制机理的混合神经网络宽度预测模型，利用精轧宽展的机理模型计算宽度基准值，结合卷积神经网络(CNN)和门控循环单元(GRU)输出宽度预测纠偏值。利用2 250 mm热连轧钢厂数据集试验，结果表明本文提出的热连轧带钢宽度预测模型训练效率较高，98.7%带钢宽度的预测精度在4 mm内，较传统BP神经网络模型和其他单一结构网络有大幅提升，且模型在线测试速度满足工业现场应用需求。     

热轧带钢头尾短行程控制自学习策略

针对热轧带钢粗轧头尾宽度尺寸精度低的现状,分析了带钢头尾宽度超差的原因,提出了采用短行程控制(short stroke control,简称SSC)的解决方案。针对传统的短行程控制模型在实际应用过程中控制精度不高的问题,开发了短行程控制在线自学习功能。采用加法自学习的方法,利用轧后实测宽度数据对短行程控制模型参数进行自学习。国内某热轧厂现场实际应用表明:自学习后的短行程控制模型,能够将带钢头尾与稳定段宽度超差控制在2 mm之内;金属收得率提高到98%以上。