热带精轧温度控制设定策略的研究

结合热轧带钢加速轧制时精轧机组的轧制速度制度，研究了热轧带钢精轧温度的控制设定策略，给出了控制设定系统的预设定和修正设定方法以及设定计算模型的自适应策略。采用国内某厂现场实测数据，对带钢的终轧温度和精轧温度分布进行了模拟计算，并与实际测量数据比较，表明该精轧温度控制设定模型具有较高的计算精度，能满足现场生产需要。     

基于灰色理论和神经网络的轧制力预测

针对热轧带钢轧制力预测精度不准确问题,建立了灰色轧制力预测模型,通过对比灰色轧制力预测模型和BP神经网络预测模型的优缺点,进一步提出将灰色理论和BP神经网络组合应用到热轧带钢轧制力预测中,并分析比较了轧制力预测模型的相对误差。同时,在相同的轧制条件下,对灰色神经网络轧制力预测模型的预测值和在线平整轧制的实测轧制力值作了比较,所得轧制力预测误差小于±5%。由此可以看出,灰色理论和BP神经网络组合应用的方法能够较准确地实现平整轧制力的预测。     

基于深度森林的热轧带钢凸度预测模型

在热轧现场轧制规格切换或工况异常的情况下板凸度控制模型偏差较大,为了提高模型精度,提出了一种基于深度森林的热轧带钢凸度预测模型。深度森林模型融合了集成学习和深度学习的思想,采用了多粒度扫描增加数据特征多样性,采用级联森林逐层处理,使得模型具备强大数据拟合能力。将热轧数据经前期预处理导入模型,并对模型参数进行了网格搜索寻优,对比随机森林模型,深度森林模型的效果更优。基于深度森林的热轧带钢凸度预测模型得到了MSE值为6.537,MAE值为1.587,MAPE值为2.903%和R值为0.985的预测性能。     

基于改进BOA-ELM的热轧带钢宽度预测

针对传统粗轧宽度预测模型参数强耦合、非线性等特点,从数据驱动角度出发,提出一种基于改进蝴蝶算法优化极限学习机(IBOA-ELM)的粗轧宽度预测模型。首先,利用蝴蝶优化算法(BOA)对极限学习机(ELM)的随机权重和偏置进行参数寻优,以提高ELM模型的预测精度。然后,针对蝴蝶优化算法易陷入局部最优及收敛性差等问题,引入Fuch混沌映射、非线性惯性权重和折射反向学习等策略改进蝴蝶优化算法,进一步提高宽度预测模型的精度。最后,通过某钢厂热轧生产现场数据对该模型进行仿真测试。结果表明：基于数据驱动的IBOA-ELM模型在预测精度方面具有明显优势,预测粗轧宽度误差在±8 mm以内的命中率为93%,明显优于对照模型,可用于热轧带钢粗轧宽度预测且具有较强的适用性。     

1580 mm热连轧带钢精轧轧制力模型研究与改进

为了提高首钢京唐1 580 mm产线精轧轧制力预报精度，对精轧轧制力模型进行了研究，结合现场生产的典型问题，即同一钢种族内化学成分波动、薄规格带钢头部大张力引起精轧模型自学习趋势异常及变形抗力自学习层别跳变引起的轧制力设定偏差，对轧制力基础模型和自学习模型进行了改进。修正了钢种族的划分方法、回归整定了化学成分对变形抗力的影响因子、增加了实测张力修正精轧自学习的方法以及建立了基于双线性插值方法来获取变形抗力自学习系数的方法。改进措施实施后，各机架的轧制力预报精度均有不同程度的提高，且带钢通长的厚度标准差由12.22μm降低至10.5μm以内，指标精度得到显著提升。     

基于深度神经网络的斜轧穿孔机调整参数预测

针对无缝钢管二辊斜轧穿孔生产工艺中轧机调整参数对钢管质量影响较大，且传统机理公式计算的设定值精度不高的问题，提出了基于深度神经网络的斜轧穿孔机调整参数预测模型。首先，综合分析了传统的调整参数的数学模型，并在此基础上确定了调整参数的主要影响因素。依据现场收集的数据集，训练了二辊斜轧穿孔时轧机参数的深度神经网络预测模型。在训练深度神经网络时，运用小批量梯度下降法和Adam算法相结合的方法进行了梯度估计修正，优化了训练速度。仿真结果表明：经深度神经网络模型预测的轧机调整参数与实测数据比较，预测模型的R-squared值控制在0.98左右，调整参数的相对误差均可控制在5%以内。相比于传统数学模型，该预测模型具有更高的预测精度，能够实现轧机调整参数高精度预测并用于指导生产。     

热轧带钢头部翘曲有限元研究

结合宝钢2050热轧粗轧机组实际轧制工艺,建立带钢非对称轧制有限元模型.主要研究了在带钢轧制过程中,当板厚、压下量不同时上下辊速比、带钢上下表面温差对带钢头部弯曲的影响规律,并且对调整辊速比控制因上下表面温差造成的头部翘曲问题进行了详细分析,并回归出其关系模型.实践表明仿真研究结果可对热轧过程带钢头部翘曲自动控制模型提供修正数据.     

热轧带钢力学性能在线预测模型的开发与应用

热轧带钢力学性能在线预测技术能够优化生产工艺、改善成品质量.为此,在传统数学模型的基础上,采用Bayes神经网络建立了热轧带钢力学性能在线预测新模型.介绍了基于Bayes理论方法的神经网络、数据预处理方法、数据平台的搭建,力学性能在线预测模型输入参数的选择,以及基于某1 780 mm热轧带钢生产线,对以SPA-H、51...     

基于复合型神经网络的终轧温度自适应模型研究

为准确反映精轧轧制参数和微观组织转变对终轧温度的影响,利用自适应线性神经网络(Adaline)和径向基神经网络(RBF)技术建立了热焓修正系数预报网络作为终轧温度长继承计算模型。首先基于热焓形式的导热偏微分方程建立了带钢终轧温度计算模型,并对带钢在辊缝变形区产生的变形功、摩擦功、与工作辊的接触导热以及机架间冷却换热进行了模型描述;然后从温度与热焓之间的转换关系入手,确定将精轧区域热焓修正系数作为终轧温度模型的自适应参数,并利用复合神经网络技术建立了由19个输入节点,20个RBF隐含层节点,20个Adaline隐含层节点和1个输出节点构成的热焓修正预报网络。结合现场数据,描述了该预报网络训练样本的构成、数据标准化处理方法,同时给出了典型的网络参数和网络的预报能力。     

利用人工神经网络预测热连轧精轧机组带钢宽度变化

采用BP神经网络方法代替传统的数学模型预测精轧机组轧制带钢的宽度变化,以提高热轧带钢的宽度精度,并进行了不同网络结构的比较研究。结果表明,BP神经网络方法优于传统数学模型方法,其预测值与实测值的标准差减小了51．9％。     

基于GA-PELM的板材热连轧轧制力预测

在板材热连轧过程中,轧制力的计算精度直接影响板带钢的实际厚度,也是实现精准在线控制的前提.然而,由于实际的轧制过程受多种因素影响,使用传统模型进行预测的精度往往比较低.为了提高轧制力的预测精度,提出了并行异构极限学习机(PELM)的轧制力预测模型,该模型学习速度快且泛化能力强,同时为了保证模型的稳定性,采用遗传算法(G...     

热连轧粗轧立辊磨损模型的研究与应用

在热轧带钢生产过程中,粗轧立辊会不可避免地出现磨损现象。立辊磨损沿辊面非常不均匀,下线轧辊辊面呈梯形,最大磨损处磨损量可达5 mm。这严重影响了粗轧模型的设定精度,从而使带钢宽度控制精度降低。为了提高模型对立辊的设定精度,对辊面磨损范围各个位置的磨损量进行了分区计算,建立了新的粗轧立辊磨损计算模型。该模型在某1 500 mm热连轧生产线的应用表明,粗轧立辊磨损量计算值与实测值吻合较好,粗轧模型宽度预报稳定、准确。     

热连轧铝温度场数值模拟及工艺参数影响分析

采用二维交替差分法建立了铝热连轧轧件温度计算模型,同时采用粒子群算法对模型参数进行了优化。经验证,优化后模型的计算精度在10℃以内;利用建立的温度模型研究了铝板带在热轧生产过程中的温度场变化规律,并分析了工艺参数对轧件终轧温度场的影响。研究结果表明,粗轧区轧件温度分布主要由接触导热与轧件内部的热生成两者共同决定,而精轧区还要受到乳液喷淋的影响;轧制速度越大,轧件终轧温度越高,横向温差越大;处于相同机架间的冷却集管的冷却能力几乎相同,而处于不同机架间的冷却集管,随着机架数的增加,冷却能力增强,横向温差随着开启度的增大而减小;轧件宽度对轧件终轧温度的影响很小,而横向温差随轧件宽度的增大而增大;随着乳化液温度的升高,轧件终轧温度升高,而乳化液温度对轧件横向温差没有影响。     

基于模糊神经网络的冷连轧机轧制力预测

建立了一种基于数学模型和模糊神经网络共同作用的冷连轧机轧制力预测模型,通过数学模型描述轧制接触面积,模糊网络预测轧制单位压力.提出将Hough变换应用于神经网络的参数确定,从而使最终设计的网络具有最佳结构参数.试验研究证明了所设计模型具有较强的泛化能力和鲁棒性,大大提高了轧制力的预报精度.     

热连轧带钢生产线计算机控制系统的研发与应用

针对全连续热轧带钢生产线，在开发核心的轧制数学模型的基础上，在过程控制级实现了高精度的模型设定和模型自学习功能，在基础自动化级实现了自动宽度控制和自动厚度控制，最终搭建了功能完备的两级计算机控制系统，实现了热轧产品的高精度控制。现场实际应用效果表明，自动化控制系统的稳定运行率达到了99%以上，针对不同的产品规格，厚度控制精度在±25 μm范围内，宽度控制精度在0~3 mm范围内达到99%以上，实现了产品的高精度控制。     

基于神经网络集成学习的冷连轧板形预测

为了实现对冷连轧带钢出口板形的预测,基于粒子群算法对小波神经网络进行了优化,将优化后的网络作为基学习器,并通过bagging算法构建集成学习预测模型,进行冷连轧带钢板形的预测.以某1 450 mm冷连轧生产线数据作为样本,比较了该模型与未经优化的小波神经网络和单个学习器的预测效果.结果表明,集成学习模型预测的带钢出口板...     

人工神经网络在热轧温度预报中的应用

以热轧板带终轧温度预报为例，探讨了应用BP网络进行温度预报的可行性；通过测试证明，其预报精度较高。     

带钢热连轧过程轧制力三维有限元模拟

在现代计算机控制的带钢生产中,轧制力的设定极其重要.根据宝钢轧制力模型和现场实测数据,结合热连轧过程中带钢三维变形和热力耦合的特点,应用DEFORM-3D软件建立了带钢热连轧前两个道次的有限元模型,模拟了热连轧过程中两个道次的轧制力变化,并与宝钢模型计算值和实测值进行了对比.结果表明,有限元法计算的轧制力与现场实测数据接近,两者误差在5.0%以内,同时有限元法的计算精度高于宝钢轧制力模型,特别是在第一道次,轧制力计算精度高出4.0%,该模拟为现场轧制工艺参数的调整优化提供了重要的参考价值.     

港陆1 500 mm热轧短行程控制及其自学习

针对港陆1 500 mm热轧带钢粗轧头尾失宽现状,提出了采用三次曲线的短行程控制(SSC)的解决方案,并给出了三次曲线的求解方法。由于立辊在实际执行的时候会提前或者滞后,对此立辊执行情况开发了短行程自学习,根据轧后实测宽度数据对开口度进行自学习,二级短行程设定模型采用曲线平移的方法,根据一级跟踪偏差量对短行程曲线做出调整。现场应用表明：短行程及其自学习投入后能够将带钢头尾宽度差控制在3mm之内,金属收得率提高到97%以上。