基于神经网络的冷连轧机轧制力预报模型

为了提高冷连轧机轧制力预报精度，提出一种解析数学模型结合神经网络校正模型的计算方法，建立冷连轧机轧制力预报模型。采用径向基函数的局部映射和全局线性映射相结合的神经网络校正模型求解带钢变形抗力和轧制变形区的摩擦因数；并采用轧制变形区离散化方法分析轧制变形区内张力、摩擦力及金属变形抗力等在带钢轧制方向上的分布规律，从而建立轧制力在线计算数学模型。现场实测数据离线仿真结果表明，采用此基于神经网络的冷连轧机轧制力预报模型预测轧制力，其预测误差小于8．9％，此模型能用于指导生产实践。     

冷连轧机轧制力在线计算模型

通过将轧制变形区离散化的方法,在考虑变形区内横截面上张应力、摩擦应力等影响因素沿带钢轧制方向分布规律及其与带钢厚度及压下量的关系的基础上,采用数学模型和神经网络相结合的方法计算了金属变形抗力,建立了冷连轧机轧制力在线计算数学模型. 经大型工业轧机生产实践数据检验,该冷连轧机在线轧制力计算模型预报误差控制在6.1%以内,满足模型在线控制要求,可提高在线控制轧制力模型的计算精度.     

基于遗传神经网络的冷连轧机轧制压力模型

对鞍网冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷,把遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ,简称ＧＡ）和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及ＧＡ－ＢＰ算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冷连轧机轧制压力模型,通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网     

神经模糊组合预报冷连轧机轧制力

采用Elman动态递归网络方法,以生产实测数据为基础,建立了冷连轧机轧制力预报模型。在此基础上,提出了将基于误差反馈和专家经验的闭环模糊控制引入轧制力预报中,用于修正预报输出、提高预报精度和鲁棒性的设想。仿真结果表明,该方法是有效的,预报精度优于传统方法。预报结果的相对误差限制在±4%以内,实现了冷连轧机轧制力的高精度预报。     

基于人工神经网络铝箔轧机轧制力模型

彩用ＢＰ神经网络原理对１３５０ｍｍ铝箔轧机轧制数据重新处理，建立了基于人工神经网络的轧制务模型。结果表明，用人工神经网络轧制力模型的计算值与实测值相比偏差〈３％该模型较真实地反映了轧制过程的特征。     

基于神经网络与线性回归的轧制力预报

通过将SIMS轧制力计算公式进行相应简约化处理,避免了模型软件在该公式计算时的重复迭代求解,缩短了计算时间,因此更适合在线软件计算.利用现场实际生产数据反向回归出变形抗力模型中的系数,提高了模型中系数的准确性.用神经网络对变形抗力与应力状态系数的乘积加以修正,进一步提高了轧制力预报的精度.预测结果与实测数据比较表明,轧制力预报误差基本在±5％以内,满足了轧制力预报的精度要求.     

基于人工神经网络的扁钢轧制力模型

根据ＢＰ人工神经网络算法原理,结合某厂型钢轧机轧制扁钢时的轧制力实测数据,对扁钢轧制力进行建模,结果表明,神经网络用于轧制力建模是可行的,所建模型系统误差〈１％,模型计算值与实测值的偏差,４％,较好地反映了实际轧制过程的特征。     

冷连轧机架间张力设定在线优化算法

针对冷连轧机架间张力设定优化问题,基于嵌入模糊规则的遗传算法,建立0-1整数规划模型,提出冷连轧机架间张力设定在线优化算法.该算法既可以提高生产线生产效率,降低电机能耗,改善冷连轧产品质量,也具备运算速度快,在线参数自学习的特点.对本钢1767冷连轧机架间张力设定优化的实践表明,嵌入模糊规则的遗传算法能够在线应用,解决冷连轧机张力决策中的优化问题,对冷连轧机组高效运行的进一步相关研究探索有借鉴作用.     

宽带钢冷连轧机综合耦合模型的分步解耦设计

对影响板形、板厚和张力的各种轧制因素进行了系统的理论分析,建立了冷连轧机综合耦合模型.针对耦合模型的特点提出分步解耦设计策略,相对于常规解耦设计可明显简化解耦过程,并给出各解耦环节的简化方案以利于实际工程应用.基于某1250mm八辊五机架冷连轧机第1机架的实际参数,采用Matlab/Simulink工具对简化后的分步解耦系统进行分析,仿真结果表明其可有效消除轧制过程中板形、板厚和张力控制之间的耦合影响关系.     

基于CORUM~(TM)模型与多闭环的冷连轧自动控制系统

简要介绍了唐山钢铁公司1 700 mm五机架酸轧机组的工艺参数、设备参数以及关键传感器配置.重点研究了冷连轧机组部分的自动化控制系统软件包,它包括基于神经元网络、成本函数和轧制物理模型的CORUMTM过程工艺模型以及集高精度、高响应、多变量为一体的厚度、张力和平直度闭环控制技术.现场实际应用效果表明:基于先进工艺模型的预设定方法结合在线的闭环控制技术保证了板带产品质量,最终产品具有较高的厚度精度和平直度精度.     

冷连轧过程控制轧制力模型综合参数自适应

轧制力模型是冷连轧过程控制系统的基本模型,影响其预报精度的主要因素是材料的变形抗力和摩擦因数. 本文采用参数自适应方法来提高轧制力的预报精度. 在对轧制力模型进行自适应过程中,将材料的变形抗力作为轧制过程模型的整体属性,各机架根据累计变形程度确定各自的变形抗力. 在此基础上,将摩擦因数看成是各机架的单体属性,各机架取不同的模型参数. 实践证明,这种综合考虑变形抗力和摩擦因数的参数自适应方法可以对二个参数同时进行修正,能有效提高轧制力模型的预报精度.     

冷连轧机组弯辊力自动设定的实现

针对大型宽带钢冷连轧机组广泛采用的液压弯辊技术,深入分析了弯辊力对于板形的调控机理．在分析轧辊辊形、带钢宽度和轧制力等因素对弯辊力设定值影响的基础上,建立弯辊力自动设定模型,并得到了现场实测结果的验证．该模型成功地投入运行,实现了冷连轧机弯辊力的计算机自动设定．     

基于目标函数的冷连轧轧制力模型参数自适应

为提高轧制力模型的预报精度,提出了一种基于目标函数的轧制力模型参数寻优方法该方法通过建立轧制力模型参数自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,采用Nelder-Mead单纯形算法对目标函数进行求解,从而获得满足轧制力精度的模型自适应系数本文提出的轧制力模型参数自适应方法已应用于某1700mm五机架冷连轧机组.现场应用表明:采用轧制力模型参数自适应后,轧制力模型计算值与实测值的均方差由不采用自适应的129%降至32%,证明该参数自适应方法能显著提高轧制力模型预报精度,满足在线控制要求.     

基于多模型自适应控制方法的FGC控制

冷连轧机动态规格变换时各机架的入口厚度一般变化较大,采用传统自适应控制的辨识算法的收敛速度不能跟随参数实际变化速度,控制效果不佳.针对这一问题,提出一种多模型自适应控制方法.通过对五机架冷连轧机进行仿真表明,多模型自适应FGC系统具有较好的控制精度、跟踪速度以及稳定性.     

冷带非稳态轧制弯辊力设定值的研究与应用

为研究非稳态轧制状态下弯辊力对板形的影响,在理论分析和实际应用的基础上,应用力学和控制方法对在非稳态轧制状态下的弯辊力设定值进行了分析.针对在非稳态轧制状态下轧制力、摩擦力和加减速对冷轧弯辊力的影响,提出了冷轧非稳态弯辊力数学模型表达方式.研究表明,弯辊力通过轧制力对弯辊力的影响系数进行动态调整,轧制速度通过摩擦力来影响弯辊力.该模型成功应用于1450冷轧生产线且取得良好的控制效果,为现场调控非稳态弯辊力提供了有力的理论支持.     

基于数值积分与功率损耗测试的冷轧电机功率模型

为提高冷轧电机功率的计算精度,提出了一种新型的电机功率在线计算模型,模型中将电机功率分为轧制功率和机械功率损耗.其中,轧制功率采用基于简易有限元的数值积分方法计算获得,而电机机械功率损耗采用实验测试回归方法获得.基于本文设计的测试方案和模型结构,通过对某1 450 mm五机架冷连轧机组的现场测试,回归得到了功率损耗模型中的系数,并将其应用到了该机组中.现场实际应用表明该电机功率模型的计算偏差可控制在±5%以内,证明该模型具有较高的计算精度,符合现场控制要求,具有广泛的应用前景.