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.     

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。     

冷连轧轧制力计算模型及改进方案

过程控制系统要求数学模型能正确反映规律性,运算简单,并且有较高的预报精度。轧制力计算模型是过程控制数学模型的核心,轧制力的计算精度直接影响到板形与板厚控制的精度。为了提高轧制力计算的精度,通过对冷轧轧制力特点的分析和计算模型的研究,我们在现有Hill公式的基础上,考虑张力对计算冷轧带钢轧制力的影响并借助于自学习计算功能,通过添加张力影响因子和模型自学习系数对Hill公式进行了改进,在保证轧制力预报精度的同时实现轧制力的在线计算。实际数据测试结果表明轧制力在线计算模型的预报精度误差在±5%以内。     

不锈钢冷连轧轧制力显函数模型的开发与应用

针对不锈钢冷连轧生产工艺,提出动态变形抗力概念,利用四辊可逆冷轧机和Inston高速拉伸实验机进行轧制-拉伸实验,在MMS-200热模拟实验机上测定不锈钢的应力-应变曲线,建立不锈钢动态变形抗力模型。在Hill方程的基础上建立了轧制力显函数模型,并通过变形抗力和摩擦因数的逆向回归计算实现模型的在线自学习。提出了适合轧制力模型的可信度评估方法,引入Theil不等式系数法,依据TIC值定性分析了模型的适用性。最终确立了适合于冷连轧生产的精确的轧制力显函数模型,并将其应用到生产实践中。统计结果表明：冷连轧过程中轧制力的模型计算值与实测值的相对误差小于3.67%,该模型具有良好的计算精度和较好的泛化能力,适合于工业生产实践。     

冷连轧过程控制系统的自适应功能实现

针对冷连轧过程控制系统的模型设定计算的特点与需求,建立了轧制力、前滑、扭矩和辊缝自适应系数的计算模型,同时给出了冷连轧过程摩擦因数和变形抗力参数的反馈计算模型,进而完善和优化冷连轧轧制参数模型。为实现实测数据的采集与处理,设计了基于事件、计时器和消息的3种实测数据采集方法。最终完成冷连轧过程控制的自适应功能开发,并将其应用到生产实践中。结果表明,该自适应功能模块有效保证了在线模型设定计算的快节奏,大大提高了原始模型的计算精度,有利于提高系统稳定性和运算效率,适合于工业生产实践。     

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。     

基于大数据平台的冷连轧轧制力自学习模型优化

针对神经网络算法不能满足多品种轧制模式下提升轧制力模型精度要求的现状,以某厂工业大数据平台为基础,在完成多源异构实时数据采集、时空变换,形成以物料为中心的数据集合后,将大数据分析的思路和方法应用于提高冷连轧轧制力模型精度上。在多品种轧制模式下,以数据统计方法计算轧制力修正系数,将修正系数投入某大型钢铁企业现场使用。通过收集修正系数投入应用的实际轧制力数据对比分析,结果表明,该方法可有效提升冷连轧轧制力模型精度。     

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.     

提高轧制稳定性的冷连轧动态张应力补偿模型研究

针对冷连轧轧制过程中,因为速度变化导致轧制力变化,从而引起轧制稳定性的问题,研究了一种张应力动态补偿模型。以轧制力稳定为目标,在每次过程控制设定计算中,将整个轧制速度区间进行分段处理,针对每个速度点定量计算机架前张应力和后张应力对轧制力的影响系数。在此基础上,计算每个速度点对应的前张应力和后张应力补偿值。在实际轧制过程中,对于现场不同的轧制速度,动态计算针对该速度的机架前张应力和后张应力补偿值,用于轧制过程的张力控制。该模型应用于某1 850五机架六辊冷连轧机组的轧制过程,取得了良好的使用效果,轧制稳定性得到了提高,其中轧制力最大波动率从18.38%降低到9.17%,平均波动率从2.33%降低到1.62%。同时提高了产品厚度控制精度,厚度标准方差从0.027 9降低到0.018 1。实际应用表明,该模型具有进一步推广的价值。     

六辊冷连轧机弯辊力设定模型

 基于影响函数法建立六辊冷轧机辊系弹性变形计算模型,从理论上深入分析了主要因素如单位宽度轧制力、中间辊横移位置等对最佳弯辊力的影响,从而建立了合理的弯辊力设定模型。根据中间辊弯辊力与工作辊弯辊力之间存在的关系,建立了更为简化的中间辊弯辊力设定模型,降低了模型现场调试和维护的难度。现场应用效果表明,弯辊力设定值与实测值之间偏差在±20%以外的仅占总数的5.25%,这说明模型具有较高的设定精度。     

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。     

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。     

唐钢冷连轧边浪缺陷分析及消除方法

 针对唐钢冷连轧机轧制1700热轧线供料板形良好而轧制1580热轧线供料出现双边浪缺陷的问题,对比分析了两种热轧原料的板形和组织,发现1580原料边部和中心组织严重不均匀,在其他轧制条件相同且采用同一目标板形曲线的情况下,在轧制过程中,带钢在宽度方向上产生的变形热不同,引起带钢沿横向不均匀的热延伸,进而导致双边浪缺陷;结合1580线供料的特性,根据板形目标曲线系数的设定原理,制定了一系列目标板形曲线,消除了双边浪缺陷,很好地满足了镀锌工艺对板形的要求,显著提高了产品的板形质量。     

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.     

轧辊弹性压扁下冷轧轧制力数学模型的研究

在冷轧轧制中,轧辊会发生严重的弹性压扁,对轧制力计算产生影响。考虑轧辊弹性压扁,建立平均单位轧制力数学模型,有重要意义。以卡尔曼单位压力平衡微分方程与采利柯夫解为基础,建立平均单位轧制力数学模型。     

一种结合模拟退火算法的BP网络冷连轧参数预报模型

 用神经网络模型代替传统的数学模型,达到提高轧制参数预报精度的目的。在分析了轧制原理的基础上设计了神经网络冷连轧参数预报模型,并针对前向网络反向传播算法（BP）收敛速度缓慢和易陷入局部极小点的缺点,将有全局寻优特性的模拟退火算法（SA）与之结合得到具有较快收敛速度和较高逼近精度的神经网络轧制参数预报模型,提高了网络的快速性和精确性。最后以轧制力预报为例,证明了该方法收敛速度快,稳定性好,可信度高,具有较好的应用前景。     

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%.     

冷连轧高速轧制过程中摩擦因数机理模型的研究

在现场试验与理论分析的基础上,针对现有摩擦模型对冷连轧高速轧制过程中摩擦因数的预报精度不高、通用性不强等问题,首先对润滑油膜厚度计算模型与摩擦因数返算方法进行了推导,然后定量研究了辊缝中润滑油膜厚度与摩擦因数之间的关系,最终建立起一套适合冷连轧高速轧制的摩擦因数机理模型,并将其应用于宝钢冷轧薄板厂1220五机架冷连轧机与宝钢冷轧厂2030五机架冷连轧机的生产实践.应用结果表明:提高了轧制的稳定性与带材的控制精度,减小了相关模型的自学习与自适应系数波动,取得了良好的使用效果.