基于实测数据的热轧带钢变形抗力模型

采用热连轧生产过程实测数据,建立一种新型结构的精轧带钢变形抗力模型。首先,提出热轧带钢变形抗力广义相加模型的建立方法,包括清洗数据、建立子模型、验证子模型、修正子模型等建模步骤,给出了求解广义相加模型的局部积分算法。接着,针对某热连轧生产线进行变形抗力建模实验,基于收集到的大量热连轧带钢生产历史数据,根据轧制机理和先验知识对各模型自变量进行函数变换预处理,再采用参数估计方法并指定变形抗力模型的基本形式,通过局部积分算法迭代计算确定各自变量的单变量光滑函数。预测实践表明,新模型计算精度高于该热连轧机组在线模型,具有计算精度高、适应性强等优点。     

热轧相变过程变形抗力模型研究与开发

 对精轧阶段存在相变的热轧钢种,因变形抗力随轧制温度的变化规律与常规的奥氏体轧制钢种显著不同,使得传统变形抗力模型的预报误差较大,严重影响这类钢种的轧制稳定性。为此,研发了一种热轧相变过程变形抗力模型,通过在原变形抗力模型基础上添加一个新的相变趋势项,该修正项为轧制温度的二次多项式函数,并根据钢种分类来精细优化适应不同钢种轧制的多项式待定参数。该模型目前已成功应用于涟钢CSP热连轧生产线变形抗力在线计算,实际生产应用表明,新模型上线后,变形抗力与轧制力的预报精度显著提高,轧制力模型预报误差12%以内的比例从83.3%提高到96.7%,满足了热连轧精轧相变带钢的稳定生产要求。     

热轧带钢质量在线控制技术研究

针对热连轧机组生产过程中的带钢质量不佳,不能在线定量预报和控制问题,充分考虑到热连轧机组的设备与工艺特点,在提出热轧带钢质量指标概念的基础上,以出口带钢厚度满足用户要求为目标,以出口带钢板形、板凸度、带钢表面粗糙度为约束条件,建立了一套适合于热连轧机组的带钢质量在线控制模型,开发出热轧带钢表面质量控制模拟软件,并将其推广应用到生产实践,取得了良好的使用效果,提高了热轧带钢质量,具有进一步推广应用的价值。     

七机架热连轧机组轧制温度综合优化技术

热连轧轧制过程中的轧制温度会影响带钢变形抗力以及轧制力的大小,进而改变带钢的出口厚度以及出口板形分布,因此,当轧制温度设定不合理时,会导致带钢的出口厚度精度变低、出口板形质量变差。充分考虑到热连轧机组的设备特点及其轧制工艺特点,首先,通过对变形抗力模型、出口厚度模型、宽展量模型以及出口板形模型的研究,定量分析了轧制温度对变形抗力、出口厚度、带钢宽展量以及出口板形的影响效果及其影响过程。然后,针对由于轧制温度设定不合理而导致的出口板形质量较差的问题,以板形分布的极值差值程度以及波动程度为约束条件建立了带钢板形横向控制目标函数与纵向控制目标函数,进而建立了带钢板形综合控制目标函数,针对由于轧制温度设定不合理而导致的出口厚度精度较低的问题,以出口厚度偏差的标准差以及出口厚度偏差的平均值为约束条件建立了带钢厚度偏差综合控制目标函数,并在此基础上以出口板形最优以及出口厚度偏差最小为目标,以7个机架的极限轧制力、宽展量以及轧制温度变化范围为约束条件建立了七机架热连轧机组轧制温度综合优化设定目标函数,实现了七机架热连轧机组轧制温度设定值的综合优化,将该优化技术应用到了国内某热连轧机组的带钢生产中后使...     

基于复合神经网络的热轧变形抗力模型研究

为反映材料化学成分波动对变形抗力的影响效果,基于自适应线性神经网络和径向基神经网络技术,建立了以典型化学成分和机架入口温度作为输入,变形抗力修正系数作为输出的热轧带钢变形抗力修正网络.利用实际生产数据,对奥氏体变形抗力修正网络进行了训练、验证和测试,并与在线模型的自适应值、独立的BP网络和RBF网络的预报值进行了对比....     

热连轧精轧轧制力预报模型研究及优化

针对攀枝花钢钒有限公司1450热连轧生产规格变换频繁、同钢种带钢成分波动较大,导致换规格第1块带钢轧制力预报精度较低的情况,研究了精轧轧制力预报模型和其重要组成部分应力状态系数模型和变形抗力模型,结合现场生产数据,分析出化学成分修正系数和变形抗力自学习系数是影响轧制力预报精度的主要因素,从这两方面对模型进行优化,提高了轧制力预报精度。     

基于随机森林的钢材性能预报与影响因素筛选

钢材力学性能的影响因素众多且存在复杂交互作用,合理筛选性能预报模型的影响因素,将有助于提高模型精度。采用随机森林算法以及数据与机理分析相结合的力学性能建模方法,对热轧带钢力学性能预报与影响因素筛选问题进行了研究。首先,基于收集到的大量热轧生产过程实测数据,采用随机森林算法获得各影响因素的重要性排序;接着,基于各因素的重要性排序,逐个增加自变量建立一系列力学性能预测模型,并根据各模型预测误差的变化趋势,判断各因素对模型预测精度影响的大小,进一步筛选出更为重要的影响因素,最终建立以少量重要性较高的影响因素作为自变量的性能预报模型。最后,对国内某大型热连轧机组生产的热轧含铌高强钢产品进行了抗拉强度建模试验,实践表明,基于Mn、Cs、FDH、Nb C、Nb N、RT、Si、CT以及FET等因素建立的抗拉强度预测模型具有较高的预测精度,平均绝对百分误差为2.52%,均方根误差为21.65 MPa。     

融合大数据与冶金机理的热轧带钢力学性能预报模型

融合工业大数据与冶金机理,提出一种全局可加型热轧带钢力学性能预报模型。首先,给出一套系统的、具有一定通用意义的建模方法,包括:综合应用随机森林、因果图、贝叶斯网等数据挖掘方法,并结合冶金机理与人的先验知识筛选模型的影响因素;接着,构建一元无交互作用广义可加模型,包括数据清洗、子模型建立、子模型验证、子模型修正等环节;探明各影响因素之间的交互作用,构建二元有交互作用的广义可加模型;分析各子模型之间的关系,将各子模型整合构建整体模型。最后,对上述建模方法进行了应用验证,利用大量热轧含铌微合金钢生产数据,建立微合金钢产品力学性能预报模型,获得工艺、成分对力学性能的影响规律,新模型对钢材抗拉强度的预报误差为2.51%。上述研究为复杂工业系统数学建模提供了新的思路。     

针对冷轧中间浪的热轧带钢凸度分析与控制

针对某钢厂冷轧工序电镀锌等钢种表现出的中间浪板形缺陷，通过长期的跟踪对比分析，认为电镀锌钢种冷轧中间浪缺陷与热连轧生产线的热轧带钢板廓凸度有关。为明确热轧带钢凸度与冷轧中间浪之间的对应关系，统计分析了热轧带钢凸度情况，表现出冷轧中间浪问题的热轧带钢凸度值C₄₀均为50μm以上，而且现场实际生产的热轧带钢C₄₀大于50μm的比例达到了44.07%,因此提出热轧带钢C₄₀过大是产生冷轧中间浪的一个主要原因；分析了热轧凸度仪数据处理计算过程对实测凸度值的影响规律，并将凸度仪的在线测量值与人工离线测量值进行对比，发现离线测量凸度均大于在线测量凸度，偏差平均值为10μm左右，因此提出热轧现场凸度仪因数据处理过程中存在的误差，导致实际生产的带钢凸度较测量值偏大是产生冷轧中间浪的另一个主要原因。针对热轧产品凸度过大，综合生产稳定性、改进过渡性原则，提出了将原凸度目标50μm设定为30μm的“小凸度”控制策略，并投入工业生产实践，热轧带钢凸度得到有效控制。分别连续统计实施“小凸度”轧制策略前后各5个月的实际生产数据，发现电镀锌钢种因存在...     

一种基于遗传神经网络的热连轧带钢弯辊力预报方法

针对传统板形模型缺陷和带钢热连轧轧制特点,提出基于遗传神经网络的弯辊力优化预报方法.利用1580mm热轧Q235B钢种实际生产数据对网络进行训练和测试,并对结果进行分析比较.结果表明遗传神经网络预报能力不但优于传统弯辊力设定模型,而且优于单纯神经网络的预报能力,能较准确预报热连轧带钢弯辊力.基于遗传神经网络的弯辊力预报模型可提高头部板形控制精度,有实际应用的价值.     

基于热连轧实测数据的模型钢族层别优化

钢族层别是热连轧过程控制最重要的基础配置数据之一,对轧制模型设定精度具有重要影响。现有的钢族层别划分以人工经验为主,主要依靠碳当量来对钢族进行划分,存在划分不合理、难以满足实际生产需要等不足。鉴于此,提出一种新的线聚类算法来对钢族层别分类进行优化。首先,大量收集某钢族层别的轧制历史数据;其次,绘制各带钢变形速率与变形抗力数据的散点图,并观察数据散点的带状分布特征;最后,采用线聚类算法来优化钢族层别的分类,挑选分离度较大的钢种到新的钢族。目前,该技术已在宝钢1 880等多个热连轧模型调试中使用,对热连轧工程的达标达产和产品验证起到重要支撑作用。     

基于案例推理的热轧融合模型控制

 针对目前热轧模型应用过程中存在的小批量特殊规律轧制钢种适应能力差的问题,在深入研究现有热轧模型建立与优化的基础上,结合机理计算公式和先进的模型控制技术,提出基于案例推理的热轧小批量轧制钢种融合建模方法。针对小批量钢种的工况特征,详细阐述了案例推理模型的建立及实际应用过程,并根据实际生产经验给出了建模过程中的一些针对性的研究和参数调试过程。应用结果表明,这种融合建模方法可以有效提高小批量轧制钢种的模型控制精度,从而提高产品质量。     

济钢高级别石油套管用带钢K55试制成功

8月12日,集团公司热连轧产线传来喜讯,石油套管用热连轧带钢K55首次试制获得成功,开创了国内同类型产线生产此类高强度钢种的先河。 高级别石油套管用钢K55是目前热轧开发的抗拉强度最高、屈强比最低的钢种,技术含量高,生产难度大。     

带钢热连轧机计算机控制压力预报模型

文章首先介绍了带钢热连轧机计算机控制压力预报模型的概况。其次介绍了作者对带钢热连轧机轧制压力预报有关公式的研究成果。通过实验和轧制中的实际数据修正了变形抗力的志田茂公式,提出了在武钢生产条件下的变形抗力公式。另外作者提出了对应力状态系数计算公式结构的观点,用实际例子介绍了作者在这方面所做的工作。通过这些工作提高了压力预报模型的精度,文章最后提出带钢热连轧机计算机控制压力预报模型方面今后应该做的工作。     

济钢热连轧厂轧制力数学模型优化的可行性分析

分析了济南钢铁公司1700热连轧的轧制力数学模型,该模型采用迭代计算的方法进行,并分析了化学成分、变形温度和变形速率对变形抗力的影响．结合生产实际验证了此模型,在轧制力模型中加入了自学习修正系数项。从而得到优化之后的轧制力数学模型．精度基本满足现有钢种的生产要求,但在生产新钢种过程时模型中的各项系数还需进一步优化．     

数据清洗对热轧微合金钢性能预报模型的改进

热轧生产过程实测数据具有噪音大、信噪比低等特点,运用合适的方法对异常数据进行清洗将有助于提高钢材力学性能预报模型的精度。基于带钢热连轧过程数据的分布特点,采用孤立森林算法对热轧过程异常数据进行清洗,提高了性能预报模型的预测精度。首先,基于收集到的大量热轧微合金钢生产过程数据,采用孤立森林算法计算原始数据集中每条数据记录的异常分值;接着结合异常分值排序与力学性能建模实验,确定异常数据记录的个数;最后,基于清洗后的数据集合,运用融合数据与机理的建模方法建立力学性能预报模型,并对抗拉强度和屈服强度进行预测。预测实践表明,抗拉强度和屈服强度预报的平均绝对百分误差分别为2.50%和3.42%,且分别有93.13%和86.30%的数据预测值和实测值绝对误差在±6%之内;采用孤立森林算法对热轧生产过程异常数据进行清洗,可显著提高热轧带钢力学性能预报模型的精度。     

模糊神经网络融合建模方法及其在轧制力控制中的应用

针对目前热轧中神经网络控制模型不能满足一些特殊轧制规律钢种精度要求的问题,在深入研究现有热轧模型建立与优化的基础上,结合模糊控制技术,提出在神经网络的基础上建立基于模糊规则补偿模型的融合建模方法.针对两类特殊钢种的特性,详细阐述了基于模糊规则补偿模型的建立及实际应用过程,并根据实际生产经验给出建模中规则库的建立过程.实...     

基于连续曲面的轧制模型自学习方法

 针对基于层别数据的传统轧制模型自学习方法导致相邻层别上自学习系数跳跃大、不连续等问题,提出“机理模型＋特征点＋拟插值＋自学习”的轧制模型构建新机制,用多维空间连续曲面代替原来的层别,实现轧制模型结构的升级。构造用特征点表征的连续曲面,采用连续函数对空间中各个特征点上的自学习系数进行拟插值的方法,获得光滑曲面方程。从相邻层别不连续变为多维空间上连续可导,使模型自学习系数精确到空间任意点,对提升模型设定精度有质的突破。该模型自学习方法目前已成功应用于国内某大型热连轧机组变形抗力在线计算,实际生产应用表明,新方法上线后变形抗力与轧制力的预报精度显著提高,带钢因厚度超差导致的预封锁量减少了44%,满足热连轧带钢稳定轧制的生产要求。     

组织性能预报系统在宝钢2050热轧生产线的在线应用

建立了针对宝钢2050热连轧生产线的组织性能预报系统,经10类钢种和1000余炉次现场数据的验证和模型调优,热连轧过程组织性能预报系统在宝钢2050生产线上实现了在线应用.组织性能预报系统的预报温度和强度值与现场实测值的偏差分别在±20℃(在线)和±21 MPa(离线)以内.同时,也讨论了组织性能预报技术的发展方向问题.     

热轧含Nb高强钢力学性能预报模型

借助工业大数据和冶金机理对各要素的影响进行剖析、把复杂问题拆分成若干子问题,建立热轧含Nb高强钢力学性能预报模型。首先,借鉴广义可加模型的思路,提出融合大数据与冶金机理的力学性能建模方法;考虑微合金元素碳氮化物析出对力学性能的影响,开发含Nb钢碳氮化物析出的热力学模型,可对不同温度与成分下的奥氏体平衡成分、碳氮析出物含量进行模拟计算。接着,针对某热轧线进行建模实验,采用三次光滑样条非参数估计方法获得各自变量的单变量光滑函数,得到成分、碳氮化物及工艺参数对抗拉强度的影响关系曲线。实际预测实践表明,抗拉强度、屈服强度的预测误差分别为2.54%和3.34%,新模型具有计算精度高、适应能力强等优点,可为微合金钢产品设计和优化提供参考。