人工神经网络和数学模型在热连轧机组轧制力预报中的综合应用

针对传统轧制力模型的固有缺陷,为了提高精轧机组轧制力预设定精度,提出一种将人工神经网络和数学模型相结合的新方法,用于热连轧精轧机组轧制力的预设定。离线仿真表明,采用本文所述的方法,预报精度优于传统方法。预报结果的相对误差限制在±５％以内。     

棒线材轧制的上限法解

应用上限法建立了棒线材轧制的三维运动许可速度场，并通过对变形功率求最小值确定最佳的变形过程，该解析方法可用于求解平辊和凸凹型辊的二辊、三辊及多辊轧制过程的轧制力，轧制力矩和宽屏率等参数。其结果与刚一塑性有限元法计算结果进行了比较，其中力能参数与有限元法计算结果吻合较好，而且求解过程较刚一塑性有限元法更简便、灵活。     

动态设定型板形板厚自动控制系统

应用最近建立的解析板形方程推出板形最佳轧制规程和板形板厚协调控制新方法。该方法特征是静、动态负荷分配 ,动态设定 AGC完成了板形板厚的闭环控制 ,其计算方法是贝尔曼动态规划。新方法可以应用于刚度较低的轧机来提高产品精度。从经济效益角度看 ,现行宣传的自由轧制应该被否定 ,提倡传统的调度计划、配轧辊凸度和轧制规程优化 ,从而由高投入高消耗的板形控制方法转向无投入、无消耗的利用信息流的闭环最优板形控制方法     

滚动轴承系统变形的压力分布

提出了一种将滚动体模拟成非线性弹性支承的新方法。它考虑了轴承系统的变形。当轴承座较薄弱时,压力常呈双峰分布。     

Research on Rolling Load Distribution Method based on Data Mining

A new method of establishing rolling load distribution model was developed by online intelligent information-processing technology for plate rolling. The model combines knowledge model and mathematical model with using knowledge discovery in database （KDD） and data mining （DM） as the start. The online maintenance and optimization of the load model are realized. The effectiveness of this new method was testified by offline simulation and online application.     

热连轧机负荷分配优化计算策略

提出一种带钢热连轧精轧机组负荷分配的优化计算策略,采用多目标优化算法离线计算确定精轧各机架的轧制力分配系数,采用"压下模式+轧制力模式"相结合的方式实现负荷分配在线计算。为了确定各精轧机架的轧制力分配系数,建立兼顾轧制功率最小、负荷均衡与板形良好的负荷分配多目标优化模型;为了实现负荷分配在线计算,根据压下模式负荷分配计算确定厚度分配的初始值,根据CLAD算法进行轧制力模式负荷分配迭代计算,最后采用压下模式分配计算确定的压下率分布范围对轧制力模式分配结果进行限幅处理。新方法已成功应用于梅钢1 780mm热连轧生产线,在线应用表明该方法可以有效减少操作工干预,提高带钢精轧过程的轧制稳定性。     

棒材低温轧制中的相对等负荷设计

在棒材生产中,实施低温轧制将使轧制负荷增加,甚至会出现“尖峰”同荷现象,采用相对等负荷法进行孔型优化设计,可改变轧件尺寸,均衡轧制负荷,使相对负荷波动范围缩小29．25％,生产过程趋于合理,为广泛推广低温轧制技术创造了条件。     

目标厚度函数法在板带轧制规程计算中的应用

板带轧制过程控制要求快速计算出满足指定目标负荷分配比的轧制规程,针对常用的Newton迭代法对厚度迭代初始值限制较多,不能确保迭代收敛的特点,提出目标厚度函数法.该方法建立轧制出口厚度对于轧制负荷的函数方程,通过求解一系列非线性方程得到满足目标负荷分配比的轧制规程,摆脱了厚度初始值的提供和Jacobi矩阵的计算.分别基于2种方法编制程序并采用实际数据计算,结果表明:目标厚度函数法在计算时间和收敛性方面均满足在线应用的要求,可成功取代Newton迭代法.     

可逆冷轧机负荷分配原理及应用

根据可逆冷轧机的生产特点 ,采用一种通过直接求解非线性方程组来确定负荷分配的方法。通过实例证明 ,该方法有很高的精度 ,可满足计算机在线控制的要求 ,适合在生产中应用     

基于数据挖掘的中厚钢板轧制负荷分配方法的研究

为了提高中厚钢板轧制负荷的预测精度，提出利用在线智能化信息处理技术进行建立轧制过程负荷分配模型的新方法。该方法采用知识发现(KDD)和数据挖掘(DM)对轧制运行数据库进行挖掘，建立知识模型和数学模型相结合的负荷分配模型。实现轧制过程负荷模型的在线维护和优化。离线模拟与在线应用证明了该方法的有效性。