热连轧精轧机组微张力控制模型简介

介绍了热连轧精轧机组F1～F2之间微张力模型研究的思路、投入的一般原则以及工程应用效果。     

基于神经网络的热连轧精轧机组轧制力高精度预报

以实测数据为基础，在精轧预设定中采用ＢＰ神经网络的方法取代传统的轧制力数学模型，并对神经网络输入项和训练样本进行分析，提出改善神经网络预报精度的一些方法，预报结果和实测数据比较表明，预报精度有较大的提高。为满足现场要求提出神经网络预报轧制力在线应用方案。     

900mm中宽带热连轧精轧机组温降模型研究

主要介绍了唐山建龙中宽带热连轧精轧机组的温降模型,结合耐候钢SPA-H的开发对温降数据进行了计算,实测数据与该温降模型计算数据基本接近.     

基于张力调节的热连轧精轧机组宽度控制的研究

建立了精轧TWC(张力宽度控制)控制系统,其调节的机制是通过改变活套电机电流和角度来调节精轧机架间的张力,从而达到宽度补偿的目的。分析了精轧区宽度波动的不同原因,阐述了TWC控制系统原理。针对不同原因引起的宽度偏差,给出了相应的控制策略及控制模型。该TWC控制系统由4个控制模型组成,分别控制由粗轧出口引起的宽度偏差、材料硬度引起的宽度偏差、周期性宽度误差和随机性宽度误差。该控制系统投入使用后,带钢宽度的均一性得到明显改善。     

基于FIR神经网络的热连轧机时滞动态模型辨识

介绍一种FIR神经网络模型及其时变反传算法，并把它用于纯滞后非线性MIMO系统模型辨识；以带钢热连轧受控对象为例，建立2机架的小偏差模型，并进行了仿真；使用FIR神经网络模型对仿真数据进行了模型辨识，辨识结果显示了网络良好的性能。     

基于PSO优化T-S模糊神经网络的磨矿粒度预测

选矿厂二段磨矿粒度是影响精品矿位和回收率的关键因素。本文针对目前选矿厂无法对磨矿粒度进行实时检测的问题,结合二段磨矿过程,使用基于粒子群算法(PSO)优化T-S模糊神经网络的方法,建立二段磨矿粒度软测量模型;并采集选矿厂实际生产数据,进行模型对比试验。结果表明：PSO优化T-S模糊神经网络的模型命中率为94%,平均相对误差为0.005 4,模型性能明显优于T-S模糊神经网络模型和RBF神经网络模型;优化模型能有效解决二段磨矿粒度与变量间的模糊性问题,且预测精度较高,满足选矿厂对二段磨矿粒度实时检测的要求。本文研究成果可为二段磨矿粒度软测量建模提供新策略。     

基于KPLS与SVM的热连轧板凸度预测

热连轧作为典型的流程工业过程,具有多变量、强耦合、过程非线性的特点,轧制机理非常复杂。针对传统方法难以获得准确的数学模型从而导致板形质量预测精度较低的问题,采用基于数据驱动的核偏最小二乘 (KPLS) 方法以有效处理工艺参数和质量指标之间的非线性关系,以此为基础,建立了基于KPLS结合支持向量机(SVM)的板凸度预测模型,并采用粒子群优化算法 (PSO) 优化支持向量机参数,进一步提高热连轧板凸度预测精度。预测结果表明,96.86%的板凸度预测值绝对误差小于5.5 μm,整体具有较高的预测精度,对实现板形质量精确控制、提高热轧产品质量具有重要意义。     

基于DBN-LSSVM的热连轧带钢厚度预测

为提高热连轧带钢精轧厚度预测精度,建立了通过深度置信网络(deep belief network,简称DBN)提取特征的最小二乘支持向量机回归模型(DBN-LSSVM),并且利用粒子群优化算法(particle swarm optimization,简称PSO)优化最小二乘支持向量机(least squares support vector machine,简称LSSVM)相关超参数。通过采集某热连轧带钢生产线实时现场数据,对所提出厚度预测模型进行训练和离线仿真。结果表明,基于DBN-LSSVM的预测模型具有良好的学习能力和泛化性,DBN-LSSVM模型的预测精度较传统BP算法和DBN-BP算法有显著提高,该厚度预测模型在生产实践中具有很好的应用前景。     

基于西门子T400工艺板的热连轧卷取张力自动控制系统

日钢1 580 mm热连轧生产线是一套国内自主设计生产的全自动化热连轧机组,卷取张力控制对于钢卷的卷形、产品最终质量及相关设备使用寿命都具有重要影响。传统张力控制功能都是在PLC控制器中完成,然后再通过DP网络通信,最后由传动系统执行而实现,存在响应慢、精度低、故障多的缺点。该控制系统采用西门子专为高精度张力控制设计的T400工艺板,张力闭环控制功能直接在传动控制系统中完成,减少了故障点并提高了系统响应速度和控制精度,是国内首套基于T400的宽带钢热连轧卷取张力控制系统。系统具有控制精度高、控制周期短、通用性强、调试维护方便等优点。系统于2006年12月在日钢1 580 mm热连轧卷取机上开始应用,取得了很好的控制效果。     

基于神经元网络和粒子群优化算法的轧制工艺—性能优化

为了达到厚板生产中的强度和屈强比等性能指标,本文在用神经元网络对屈服强度和抗拉强度建模的基础上,结合粒子群优化算法对粗轧开轧温度、中间坯厚度、终轧温度、终冷温度及冷却速率等生产工艺参数进行了优化。优化结果与实验室热轧实验及工业试生产结果的对比表明,本模型能有效地优化厚板生产过程的工艺参数,从而为优化工艺或柔性化生产工艺的设计提供指导。     

铝热连轧乳液的润滑特点及其实现

从润滑角度论述了轧制润滑机制，并据以研究。确定了热连轧乳液中乳粒尺寸、粘度和润滑成分的水平：乳粒尺寸在4～7μm之间，粘度在50～70mm^2／s之间，润滑成分需从高确定。表面质量良好。     

铝合金热连轧板形控制策略

本文对铝合金板带热连轧板形控制进行分析,介绍了板形的概念,板带材凸度的影响因素及控制机构,热轧板带凸度及板形控制数学模型,热连轧板形控制策略和板形控制实践。     

热连轧机凸度控制

热连轧的凸度控制系统在轧制过程中对带材质量起着十分重要的作用。目前国外热连轧机已普遍采用以数学模型为基础的凸度控制系统。本文分析了影响带坯凸度的因素和凸度控制的策略以及凸度的自适应控制系统。     

基于改进遗传算法的铝板带热精轧轧制规程优化

建立铝板带热轧过程热力耦合数学模型,在SRINIVAS自适应遗传算法基础上,考虑进化代数的影响,对交叉、变异概率进行自适应改进,合理构造非线性约束惩罚函数项,以功耗、负荷分配、板形为优化目标,对某1系铝板带热精轧进行轧制规程优化。经过与实际生产数据比对,验证了上述算法的有效性。     

热连轧过程中的轧制力模拟

 对目前用于带钢热连轧过程分析中的几种屈服应力模型进行了对比,并在此基础上改进了模型：用Orowan公式计算轧制过程中轧件的应力-应变,用有限差分法计算轧件的温度变化,建立了热连轧生产过程中温度变化和塑性变形计算相耦合的力能参数预报模型。用此模型对某钢厂热轧板带生产过程中力能参数的变化进行了解析计算。计算结果表明,模拟值与现场实测值吻合较好。     

铝板带热连轧机带材跟踪控制

带材跟踪是实现轧制过程自动化的基础,也是轧机计算机控制系统的重要功能之一。以“1＋4”铝板带热连轧机为例,阐述了带材自动跟踪系统的软、硬件组成和原理。     

Two-Dimensional Transient Temperature Field of Finish Rolling Section in Hot Tandem Rolling

Comprehensively considering the factors such as descaling cooling, air cooling, watercooling, frictional heat and deformation heat in gap of every stand, heat conduction betweenwork roll and strip etc, a model of two-dimensional transient temperature field of finish rollingsection in hot tandem rolling was built with finite difference method to calculate the temperaturefields of strip and work roll. So two-dimensional accurate analysis and calculation of strip tem-perature were realized, and the theoretical basis for predicting and controlling strip temperaturewas provided. The simulated results show that the model is practical and reliable.     

铝带热连轧机卷取机控制

论述了卷取机最大力矩控制方法与传统控制方法的原理，提示了最大力矩控制方法的优点，并介绍了卷取机张力控制方法．     

1+4热连轧生产线的自动凸度控制系统

中铝西南铝从国外引进的1＋4热连轧生产线是我国第一条具有世界先进水平的铝热连轧线。该生产线的自动凸度控制系统AGC是由一级PLC和二级计算机组成的。一级PLC系统完AGC的执行与反馈控制,二级计算机完成凸度控制的模型计算和设定,整个控制系统达到了当今世界最高水平。本文将对该生产线的自动凸度控制系统作全面详细的介绍。