基于灰色预测的模糊免疫PID控制器在板厚控制系统中的应用

针对冷连轧板厚控制系统中存在非线性、时变和时滞等缺点,提出了一种基于灰色预测的模糊免疫PID控制策略。该控制策略借鉴生物免疫系统中的调节作用和模糊推理逻辑可逼近非线性函数的特性,将模糊控制和免疫反馈机理与传统PID控制相结合。同时将灰色预测在线应用,用其预测结果代替被控对象的测量值,与给定输入的偏差及偏差变化率作为模糊控制器的输入来调整PID控制器的参数。仿真及现场试验结果表明,该控制策略具有超调量小,调整时间短,抗干扰能力和鲁棒性强等优点,控制效果优于传统控制方法。     

张力对轧制过程中接触应力影响的仿真研究

以冷连轧机组第一机架的工作辊与带钢为研究对象,探索相同压下量条件下,不同张力对轧辊与带钢间接触应力的影响关系问题,应用有限元软件ABAQUS对不同工况下轧制过程进行仿真,提取的结果定量描述了不同张力对轧制压力的影响关系。模拟结果表明,增加前张力或后张力均能够减小轧制时轧辊与带钢间的接触应力,且后张力影响较前张力更加明显。     

极薄规格退火板羽痕缺陷影响因素与控制措施

针对某双机架平整机组生产极薄规格退火板时出现羽痕缺陷的问题,分析认为羽痕缺陷的产生是带钢在平整过程中出现不均匀延伸产生明显分界线而导致的。为此,对平整工艺进行了分析,发现设定张力偏小,CVC辊弯辊力、轴向横移量设定不当,以及轧制力和弯辊力的变化不匹配等因素是造成带钢宽度方向不均匀变形而导致羽痕缺陷产生的主要原因。通过采取平整入口、出口张力较原设定增加20%～30%,开发轧制力、弯辊力前馈程序,优化平整机CVC辊轴向横移量设定,并依据带钢厚度规格将目标板形曲线由0 IU优化为0.5～4 IU边浪等措施,极薄规格带钢羽痕缺陷带出品量从206 t/月降低至51 t/月,其表面质量满足了国内外多家高端用户的需求。     

冷连轧机非稳态过程厚度控制能力提升与优化

针对2 230 mm酸连轧机组存在带头厚度控制精度偏低,5#机架出口厚差呈周期性厚度衰减振荡波动等问题。对2#机架前馈AGC的控制逻辑进行了优化,对AGC系统的板厚-张力控制策略进行了优化,将T45低速下张力死区减小至±1%,并研究开发了FGC带头厚度补偿的方法,补偿了由于△S为正值出现的带钢减薄和FGC带头辊缝变化量ΔS为负值出现的带钢增厚等问题。对于厚度超调问题,针对4#机架MN-AGC控制增益系数中的比例系数Kp和TN进行非对称分档处理,解决了非稳态过程中带头厚度控制的“震荡”问题。经过以上优化,2 230 mm酸连轧机组月均厚差切除量从2018年的170t下降到2019年的不足35 t。     

极薄板高速轧制热划伤缺陷控制技术

分析了4号机架热划伤为犁沟作用所致的金属堆积,属于轧辊和带钢剐蹭产生的热状态下的机械划伤。解决划伤的策略为降低4号机架轧制速度和压下率,增加乳化液温度和浓度,从而降低金属区的变形热。提出了一种以降低热划伤为原则的轧制策略,在保持5号机架出口速度不变的前提下,将4号机架压下率从34.1%降低至29.8%,将5号机架压下率从14.0%增加至29.3%,将4号机架轧制速度从1 615降低至1 272 m/min,从而降低了轧制区的温度。同时,提出了以乳化液浓缩变化为核心的润滑原则,通过将极薄规格镀锡基板的乳化液温度增加至55～60 ℃,乳化液S3箱质量分数提升至5.5%～7.0%,兼顾了轧制区内对油膜厚度和稳定润滑的要求以及轧制区外对轧辊和带钢强制冷却的要求。采取以上措施后,极薄板热划伤缺陷的发生率从12%降低至1%,带钢表面质量能够满足高端用户的需要。     

宽规格汽车板沉没辊印成因分析及控制技术

针对某2 230冷轧镀锌宽规格汽车板出现的沉没辊印缺陷问题,采用SIAS带钢表检系统和ZEISS扫描电镜对沉没辊印的形状进行了有针对性的宏观描述,对扫描电镜下出现的微观特征进行分析,最终确定沉没辊印缺陷的形成过程。通过沉没辊改善沟槽表面质量、沉没辊表面沟槽改造、冷却塔带钢跑偏等多方面调整措施,有效地解决了锌锅沉没辊印问题,取得了显著的应用效果。     

热镀锌薄带钢穿带堆钢的原因及控制

采用某1700 mm热镀锌连续机组生产薄规格带钢时,在开卷后的穿带过程中频繁发生堆钢.为此,对原料带钢的板形、表面粗糙度和表面残油量及穿带导板的表面结构等影响带钢堆钢的因素进行了分析.结果表明:原料带钢头尾板形不良、表面粗糙度低和表面残油量高,以及在运行过程中与穿带导板之间发生局部黏合,是导致热镀锌机组带钢堆钢的主要原...     

基于FEM-ANN的高强度冷轧带钢平整轧制力预测

为了提高平整轧制力的预报精度，采用有限元法(finite element method, FEM)与人工神经网络(artificial neural network, ANN)相结合的方法，对DP980和CP1180超高强冷轧带钢在平整轧制过程中的轧制力进行预测。通过建立平整轧制过程的数学模型，利用有限元法设计了不同工况下的数值模拟试验，为神经网络模型生成训练数据。将摩擦因数与轧制力关联进行迭代优化后作为神经网络模型的输入参数。该轧制力预测方法计算迅速，预测误差在10%以内。