冷连轧过程控制轧制力模型综合参数自适应

轧制力模型是冷连轧过程控制系统的基本模型,影响其预报精度的主要因素是材料的变形抗力和摩擦因数.本文采用参数自适应方法来提高轧制力的预报精度.在对轧制力模型进行自适应过程中,将材料的变形抗力作为轧制过程模型的整体属性,各机架根据累计变形程度确定各自的变形抗力.在此基础上,将摩擦因数看成是各机架的单体属性,各机架取不同的模型参数.实践证明,这种综合考虑变形抗力和摩擦因数的参数自适应方法可以对二个参数同时进行修正,能有效提高轧制力模型的预报精度.     

冷连轧过程控制数学模型研究

轧制力的计算受变形抗力、摩擦系数、轧辊压扁等多种轧制因素影响,是一个非线性关系.对冷连轧轧制力模型进行了研究,考虑轧制变形区内金属塑性变形和入、出口弹性变形,采用将变形区离散化的方法,建立冷连轧机轧制力数学模型.经实践数据检验,该轧制力模型的计算结果误差小,能较好的满足生产需要.     

BP网络参数优化及其在轧制压力预报中的应用

利用最优化算法对ＢＰ算法中的学习速率（η）和动量因子（α）进行了优化选取,利用优化的ＢＰ网络对冷轧机轧制压力进行了预报,结果良好。     

冷连轧机轧制力人工神经网络预报

采用改进的BP网络Levenberg-Marquardt优化算法对冷连轧机轧制力进行快速预报,此网络参量可自适应调整,收敛速度快.冷连轧生产轧制力预报精度大为提高,为冷连轧轧制力预报提供了一条准确高效的新途径.     

基于EXCEL的冷连轧模型调试工具

建立一套可靠的离线模型调试工具,为实际生产提供技术依据十分重要。依据冷连轧轧制力模型公式、辊缝模型公式、轧辊压扁半径计算模型等公式,在EXCEL下建立了各个模型之间的关系。通过先调整变形抗力参数,再调整摩擦因数可以使轧制力自适应系数达到1;通过采集实际的轧制力,用实际轧制力公式反推摩擦因数,达到调整模型参数的目的。     

五机架冷连轧机轧制力人工神经网络预报

采用改进的 BP网络 L evenberg- Marquardt优化算法对冷连轧机轧制力进行快速预报 ,该网络 μ参量可自适应调整 ,收敛速度快。冷连轧生产轧制力预报精度大为提高 ,为冷连轧轧制力预报提供了一条准确高效的新途径     

冷连轧变形抗力模型的优化

采用原始静态变形抗力模型,并考虑入口、出口弹性变形轧制力对模型的道次影响系数,进行计算优化,建立了1个优化的变形抗力模型。2种模型的对比表明,优化的模型精度更高,提高了轧制力的计算精度。     

基于罚函数法的冷连轧轧制规程优化设计

 合理的轧制规程是使轧制过程达到最佳状态的重要保证。规程设定中采用具有自学习功能的BP神经网络取代传统轧制力数学模型,选用Levenberg Marquardt算法对轧制力进行预报。采用等相对负荷目标函数,考虑到现场和设备所受限制,确定约束条件。利用罚函数法将有约束的最优问题转换成无约束的最优问题,对某厂冷连轧现场规程进行了优化设计,并对优化前后的轧制规程进行了分析和比较,优化效果令人满意,满足实际生产要求。     

热轧轧制力小波神经网络预报模型的研究

为了进一步提高热连轧精轧机组轧制力的设定精度,采用小波神经网络建立轧制力预报模型。并采用改进的快速BP算法来训练网络。仿真结果表明：建立的轧制力预报模型的预报值与实际值之间的相对误差在±6％以内,且学习算法收敛速度快。     

神经网络预报在冷连轧规程设计中的应用

在轧制规程设定中采用BP神经网络取代传统轧制力数学模型,通过动态规划算法对某1370mm冷连轧现场规程进行了节能并兼顾板形的多目标优化设计,并对优化前后的规程进行了分析和比较,优化效果令人满意,满足实际生产要求。     

基于蚁群算法的神经网络冷连轧机轧制力预报

 为提高冷连轧机轧制力的预报精度和预报速度,用蚁群算法和神经网络相结合的方法进行轧制力预报模型设计。根据轧制原理建立了BP神经网络冷连轧机轧制力预报模型,以网络权值和阈值为自变量,网络预报误差为目标函数,通过蚁群多代运算,找出预报误差全局最小值,再将相应的权值和阈值输入网络进行训练。应用某厂1450 mm冷连轧机的实测数据进行离线计算的结果表明,该方法能够防止BP网络陷入局部极小点,且收敛速度快,可作为轧制力预报的新方法在实际应用中加以推广。     

应用RBF神经网络预测冷连轧机轧制力

针对传统轧制力模型的固有缺陷,为提高冷连轧机组轧制力预测精度,使用一种RBF算法的人工神经网络预测冷轧带钢屈服应力,把预测值用于传统数学模型中计算轧制力;并在此基础上,组合使用机架相关网络(RBF类型)、速度相关网络(RBF类型)修正轧制力计算值.应用结果表明,此方法满足生产的需要,预报最终误差范围为±6.5%.     

Multi-Objective Optimization for Tandem Cold Rolling Schedule

 Based on rolling feature of continuous tandem cold rolling mill, such as multi-variable, strong coupling, non-linear, analyze and set the equal relative load, preventing slippage and profile well as the multi-objective optimization goal, BP neural network with self-learning function is adopted to replace traditional rolling force models and then Levenberg-Marquardt algorithm is adopted to predict the rolling force. Then use multi-objective fuzzy theory to solve the problem of multi-objective optimization of tandem cold rolling schedule. With the example of 1370mm tandem cold rolling, the rolling schedule of the common rolling, the single-object optimization design and the multi-objective fuzzy optimization design are compared with each other, optimization result shows the proposed optimization method decreases the value of three objective functions simultaneous. The performance of the optimal rolling schedule is satisfying and it is promising.     

High Precision Prediction of Rolling Force Based on Fuzzy and Nerve Method for Cold Tandem Mill

The rolling force model for cold tandem mill was put forward by using the Elman dynamic recursive network method,based on the actual measured data.Furthermore,a good assumption is put forward,which brings a full universe of discourse self-adjusting factor fuzzy control,closed-loop adjusting,based on error feedback and expertise into a rolling force prediction model,to modify prediction outputs and improve prediction precision and robustness.The simulated results indicate that the method is highly effective and the prediction precision is better than that of the traditional method.Predicted relative error is less than ±4%,so the prediction is high precise for the cold tandem mill.     

基于神经网络和遗传算法的冷连轧机FGC控制

 冷连轧机动态变规格技术是全连续冷连轧生产的核心技术之一,是一个具有多变量耦合和非线性时变特性的复杂过程。这使得采用常规的控制理论进行控制器设计变得非常复杂和困难。以国内某厂1250 mm冷连轧机组为研究对象,采用神经网络并结合遗传算法建立控制模型,实现冷连轧机的动态变规格的智能控制。实际生产应用表明该控制模型精度高、稳定性好。     

基于实测值置信度的冷连轧轧制力模型自适应

 采用数值积分方法建立了冷连轧在线轧制力模型,确定了轧制力模型自适应的执行条件和计算流程。针对轧制力模型自适应指数平滑算法中难以用固定增益系数适应轧制状况变化的问题,提出了一种根据实测数据动态调整增益系数的方法,建立了增益系数与测量值等效置信度之间的数学关系式。该轧制力模型自适应算法已应用在某1450mm 5机架冷连轧机组上,通过比较自适应前后的计算值与实测值的均方差可知,采用模型自适应后,轧制力模型的计算精度显著提高。     

冷轧平整机轧制力预报模型精度的探讨

以宝钢冷轧平整机组为例，简要分析了轧制力计算模型的基本形式和影响轧制力预报精度的因素，并提出改善和提高平整机轧制力预报精度的措施。     

冷连轧负荷分配优化方法

 冷连轧负荷分配最优化对于提高冷轧带钢的产量和质量具有至关重要的作用。在研究蚁群算法优缺点的基础上,首次提出了将遗传算法和蚁群算法相融合的GA ACA优化算法应用于冷连轧负荷分配的优化。该算法采用遗传算法生成初始负荷分配,利用蚁群算法求取最优化分配结果,优势互补,具有计算精度高、速度快等优点,适合于负荷分配的在线应用。试验对比数据证明了该方法的有效性,为冷连轧负荷分配的优化提供了一种新的方法。