热连轧机AGC系统的优化

针对传统AGC系统中弹跳方程受轧机刚度系数精度和弹跳曲线线性条件的影响而无法得到精确的机架轧出厚度的问题,提出以轧机弹跳特性曲线为基础的机架轧出厚度计算方法,并以此为基础得到新的前馈AGC、厚度计AGC及其与监控AGC的相关性模型.将优化后的AGC系统应用于某热连轧现场,实际应用表明,对于厚度规格35mm的带钢,允许厚度偏差±20μm时,厚度精度命中率可达962%以上,远优于现场控制要求.     

基于稳态误差的热连轧弹跳方程优化算法

热连轧带钢生产过程中,在停轧、换辊后会出现带钢厚度精度低的情况,影响到带材的成材率.为解决此问题,提出了新的轧辊磨损和热膨胀模型,并引入模型稳态误差量的概念,对弹跳方程进行优化改进.现场实际应用效果表明:换辊后首块钢的厚度偏差在40μm范围内达到90%以上,长时间停轧之后厚度偏差提高到30μm以内,满足自动厚度控制系统(AGC)的控制要求,提高了产品的成材率.并给出了弹跳方程稳态误差的普遍求解方案,模型在线使用效果良好,适于工业推广.     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.     

带钢热连轧机KFF—AGC系统的研究与应用

为了提高热轧带钢厚度精度,采用硬度前馈AGC方案,建立了KFF-AGC控制算法的数学模型,并分析了带钢热连轧过程造成厚度偏差的主要原因.结果表明,中等宽度带钢热连轧机应用KFF-AGC系统后,带钢厚度精度明显提高,热连轧机下游末两架精轧机的轧制力波动变化小,且带钢轧制过程更加稳定,为板形控制创造了良好的条件.     

带钢热连轧换规格轧制力自学习优化

热连轧带钢生产过程中,轧制力预报精度直接影响到带钢厚度的精度,而轧制力预报精度很大程度上依赖于轧制力自学习.针对换规格时轧制力预报精度偏低的问题,通过对产生轧制力偏差的原因分析,引入基于钢种变形抗力的抛物线偏差曲线的概念、机架设备自学习系数和机架设备状态影响系数.现场实际应用效果表明:换规格后的首块钢的轧制力预报精度与传统方法相比,带钢头部的轧制力预报相对误差减小4%,满足自动厚度控制系统的控制要求,提高了带钢的产品质量,取得了良好的经济价值,适于工业推广.     

基于置信度和自学习校正的热轧轧制节奏计算

针对目前国内大多数热连轧厂传统在线轧制节奏计算模型控制精度偏低的问题,在宝钢宁波钢铁热连轧厂对传统轧制节奏计算模型进行了分析与研究,提出一种基于置信度和自学习校正的热连轧轧制节奏计算模型改进算法.经过现场大量实测数据验证,采用新算法的轧制节奏计算模型的预报精度较传统模型算法有了大幅度的提高,偏差在±5s范围内的频率达到97.94%,大致成正态分布.新算法在预报带钢在线运行时间上优于传统模型算法.     

热连轧机轧制力和轧制力矩模型研究

研究了一种适用于热连轧机的新型高精度轧制力和轧制力矩模型,建立了一个轧制力功系数和轧制力矩功系数的新型指数公式,将两个系数的表达式统一起来,仅含"压下率"和"压扁半径与出口厚度之比"两个影响因子,形式简洁,物理意义明显.给出了新型指数公式中待定参数的确定方法,求得的待定参数值对不同钢种和不同精轧机架具有通用性.预测实践表明,新型轧制力和轧制力矩模型提高了热连轧过程中轧制力和轧制力矩的预报精度,可用于热轧板带生产线精轧机架的在线控制.     

热连轧轧制力模型系数回归的新方法

热连轧过程中,为了提高轧制力预设定精度,提出一种新的修改轧制力模型参数的方法·利用ＢＰ神经网络对以往的大量生产数据进行训练、预测·对ＢＰ神经网络的预测结果利用最小二乘法,回归出轧制力模型中的温度相关系数ｍ１和变形速度相关系数ｍ３·现场生产实验证明,应用修改后的轧制力模型系数,提高了轧制力预设定精度,从而使头部厚度精度有较大提高·对于象本溪钢铁公司热连轧厂这样的老企业,这种新方法更具有在线应用的可行性·     

热轧带钢精轧过程高精度轧制力预测模型

轧制力模型的计算精度直接影响热轧带钢厚度控制精度,目前大多数轧制力模型都把轧制压力分解成应力状态影响系数和变形抗力的乘积.选用与西姆斯公式吻合较好美坂佳助公式作为应力状态影响系数模型,并考虑残余应变的影响,建立了高精度轧制力预测模型.分析了残余应变对普碳钢和合金钢轧制力的影响,给出了带钢热连轧机组残余应变工程计算方法.现场应用结果表明,该轧制力模型具有较高的预测精度,可以满足在线要求.     

基于软测量模型的粗轧厚度预测方法

为提高热连轧粗轧过程各道次厚度控制精度,满足道次动态修正的要求,提出了一种简单有效的厚度软测量模型.基于典型粗轧区的仪表配置,模型从轧件跟踪、数据处理等方面进行了针对性的研究,提出了偶数道次立辊辊缝渐变的策略用于可逆轧制过程中的宽度测量,并通过模型预测得到了轧制过程中各道次的出口厚度.现场实际应用表明,通过软测量模型预报的各道次厚度与实际测量结果吻合较好,各道次的厚度预报偏差在±0.10 mm范围内达到95.2%,满足了现场生产需求.     

热连轧前馈厚度控制系统的研究与应用

某热连轧机原本使用的厚度自动控制(AGC)模型,不论是轧制力AGC还是监控AGC都属于反馈式控制系统,因此轧机辊缝调节都有不同程度的时间滞后,从而也限制了厚度控制精度的进一步提高.采用冷连轧机前馈控制的基本思想,用前机架的出口带钢计算厚度作为前馈控制的检测厚度,并经过跟踪移位处理,设计出了前馈AGC控制模型,针对带钢厚度波动及时调节本机架的轧制辊缝,实现提前预控的目的.实验结果表明,前馈AGC控制模型投入使用之后,带钢厚度精度得到明显提高.     

板带热轧中间坯厚度分布规律研究

在热连轧生产过程中,受测量环境和测量手段的限制,尚未实现对中间坯厚度的实时在线精确测量,对产品最终的厚度精度和精轧区穿带过程稳定性造成影响。为解决此问题,采用轧制特性法分析中间坯厚度产生偏差的原因;为进一步研究各因素对厚度偏差影响的规律,通过影响系数法计算中间坯长度方向上温度和厚度分布,建立热力耦合有限元模型,并将有限元结果与计算结果进行比较。研究结果表明：随着轧制过程的进行,在轧制方向上,中间坯温度逐渐降低,头、尾温度的平均偏差约为22℃,头、尾最大温度偏差达到32℃;由于温度偏差导致中间坯厚度呈变大趋势,中间坯头尾厚度偏差为0.20 mm,长度方向最大厚度偏差达0.53 mm;本文得到的中间坯厚度和温度的分布能够为后续精轧过程提供前提条件,为高精度控制成品轧件的厚度以及维持穿带稳定性提供依据。     

预测外推在热连轧机厚度系统中的应用

针对常规PID控制器难以解决热连轧机中监控AGC技术产生的纯滞后问题,提出了预测外推数据处理算法的控制策略,解决了由于纯滞后、程序算法和执行机构滞后时间引起的系统稳定性能和动态性能变差导致的带材厚度精度波动问题.仿真结果表明了预测外推算法的有效性,其成果对有色冶金行业提高带材质量具有实用价值.     

结合模型自学习的BP神经元网络的轧制力预报

为了改善传统轧制力模型的预报精度,首次将传统轧制力模型的自学习过程引入神经元网络用于轧制力预报·分析国内宝山钢铁集团(公司)2050热连轧机组上的精轧轧制力模型及其自学习方法,可知通过自学习后的预测轧制力具有较高的精度,为此将自学习后的模型预测轧制力作为BP神经元网络的一个输入项进行网络的训练,通过大量在线数据分析,可知这种方法对轧制力的预报精度有很大改善,而且神经元网络的结构也得到很大简化·这种方法为人工智能预测轧制力的研究提供一个新的思路·     

基于信息融合的带钢厚度预测控制

通过把轧制力方程和厚度控制方程在小范围内线性化、离散化,用递推最小二乘法辨识出系统的状态空间模型.给出了基于Kalman滤波法的最优信息融合算法,并针对热连轧这个复杂的多变量系统设计了异步信息融合估计算法.将模型用于热连轧机带钢厚度预测中,同时也预测带钢塑性系数Q.最后把实时预测出的带钢出口厚度和带钢塑性系数应用于带钢热连轧厚度控制系统,提高了带钢厚度质量.     

带材周期变厚度轧制控制系统开发

对单机架四辊冷轧机控制系统软件进行改造,在原有基础上增加周期变厚度轧制功能.为了适应带材轧制过程中辊缝的周期性变化,控制系统对机械设备参数、检测仪表设置提出特殊要求,开发了轧件微跟踪、周期变厚度监控AGC、变张力、变速度周期轧制等重要控制功能.利用改造后的控制系统进行轧制实验,实现对周期变厚度带材的轧制,获得了很好的轧...     

中厚板轧制过程横向厚度的计算方法

在板坯轧制过程中,由于一些不对称的轧制条件的影响,会使辊系的平衡发生变化,进而影响到轧件的横向厚度分布,使轧件凸度分布异常,出现跑偏现象,最终导致产品的板形不良和尺寸精度变差.基于悬臂梁假设和半无限体假设,同时考虑了工作辊的压扁,开发出可以计算轧件横向厚度分布的影响函数法,通过对轧件的横向厚度的分析和计算,得出了轧件的横向厚度与不对称轧制条件间的定量关系.轧件横向厚度的计算结果对轧制过程中避免侧弯的发生、提高成材率具有重要意义.     

基于人工神经网络的CSP精轧机组轧制压力预报

采用BP人工神经网络的方法,以CSP热连轧六机架精轧机组生产实测数据为基础,建立了高精度的热连轧精轧机组轧制压力预报模型.结果表明,该模型训练平均误差分别为4.63×10-4和8.35×10-4,预报平均误差分别为±2.2%和±1.6%.     

修正遗传神经网络预测中厚板轧机轧制力

在实际生产过程中,传统轧制力数学模型存在较大误差,影响计算精度.提出将BP网络与修正遗传算法相结合,利用BP网络的指导性搜索思想和遗传算法的全局搜索能力预测中厚板轧机轧制力,并建立预测模型.同时,根据模型编制相应的程序及界面.以邯钢中板厂、普阳中板厂现场数据为基础,通过数据优选,选择较优数据进行离线轧制力预测,预测精度优于传统的数学模型,预报精度的相对误差可以控制在4%以内,能够满足生产需要.     

唐钢1 650 mm可逆冷轧机厚度闭环AGC控制系统

由于变刚度压力厚度自动控制系统（BISRA AGC）对于轧机内部干扰引起的带钢厚度偏差不仅不能消除,而且还对其有放大作用,因此唐钢冷轧薄板厂1650mm可逆式冷轧机采用了以BISRA AGC为主、测厚仪反馈为辅的厚度闭环AGC控制系统,研究了厚度闭环AGC系统的主要问题——调节器参数的自适应控制.结果表明控制效果良好,产品厚度偏差控制在±5μm以内.