模糊小脑模型神经网络在多辊冷连轧机轧制力预报模型中的应用

针对宽带钢多辊冷连轧机组特点,为提高轧制力的预报精度,在结合传统轧制压力模型的基础上把模糊算法和神经网络有机结合,设计出基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型.通过对传统轧制力模型计算值、小脑模型预报计算值与实测值进行对比分析可知,基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型具有较高的计算精度,更适合于多辊轧机在线计算机过程控制的应用,满足现场在线生产的要求,取得良好的板形板厚控制效果.     

基于分段线性化模型的冷连轧机PID解耦控制

针对冷连轧机采用基于工作点的线性化模型进行动态规格变换控制时系统误差和张力波动较大的问题,提出了一种基于递推分段线性化模型的PID解耦控制方案.通过对五机架冷连轧机进行动态规格变换仿真表明,该方案可保证系统的控制精度,满足动态规格变换的控制要求.     

2180 mm冷连轧机各机架对成品板形的影响

为了分析冷连轧机机架间的相互影响以及各机架对成品板形的影响,基于冷连轧凸度和平坦度模型,采用影响系数法建立了冷连轧机的板形调控功效模型.针对某2 180 mm冷连轧机组,结合其4个典型轧制规程,对不同机架板形调控功效进行了具体分析,可以看出,对于同一轧制规程,各机架对成品板形的影响差别很大,越靠近末机架,影响越大.在冷连轧机的5个机架中,除了末机架即第5机架外,对成品板形影响最大的为第4机架,最大影响接近10 IU（1 IU=10-5）,且不同机架各板形调控手段对成品板形的影响系数在机架间相差10-3数量级.最后,对板形数据进行了统计分析及相关轧制试验来分析结论的可靠性.      

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.     

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     

模糊遗传算法在机器调动问题运用

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题.由于调度问题中绝大多数属于NP难类问题,不存在有效的最优求解算法.针对用智能优化算法-遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题,设计了一种模糊算法以便自动确定交叉率和变异率.通过数值实验,嵌入模糊规则的遗传算法比简单的遗传算法要好,说明在实际生产中,此算法具有强大的发展前途.     

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.     

改进的量子遗传算法在冷连轧机负荷分配中的应用研究

量子遗传算法可以克服常规遗传算法迭代次数多、易陷入局部极值的缺点,本文研究并改进了量子遗传算法的量子门旋转角度更新策略,提高了量子遗传算法的性能.应用标准函数测试表明,改进后的量子遗传算法收敛速度快,全局寻优能力更强.将改进的量子遗传算法应用于冷连轧机的负荷分配优化过程,根据Bland-Ford轧制理论以功率和轧制力均衡分配为目标建立综合目标函数,试验数据对比证明,量子遗传算法优化所得的轧制参数比经验分配和常规遗传算法优化所得结果更为合理,符合轧制工艺要求.因此,利用量子遗传算法对冷连轧机进行负荷分配优化是一种有效可行的新方法.     

宝钢冷轧支撑辊油膜轴承的维护与保养

油膜轴承是冶金设备中非常重要的备件,目前世界上绝大多数轧机支承辊轴承都采用油膜轴承.宝钢股份冷轧厂2030五机架冷连轧机和1420五机架冷连轧机支承辊采用的均是的油膜轴承.2030五机架冷连轧机由于是80年代投产的老轧机,其支撑辊油膜轴承是80年代的第三代产品.而90年代投产的1420五机架冷连轧机,其支撑辊油膜轴承就为第四代产品.为了保证油膜轴承的正常运行,以及轧机轧制带钢产品的几何精度,油膜轴承的维护和保养是一个值得研究的课题.     

基于板厚标准曲线的平直度预设定控制方法

在分析各种平直度预设定控制算法优缺点的基础上,提出一种基于板厚标准曲线的平直度预设定控制算法。首先,建立了基于分步优化的平直度和板厚标准曲线制定方法,该方法将平直度判别和平直度预报分开独立计算,通过分步优化得到平直度标准曲线和板厚标准曲线,计算快速、稳定。其次,采用横断面预报模型优化计算平直度预设定值,使计算的带钢出口厚度横向分布逼近板厚标准曲线,得到基于板厚标准曲线的平直度预设定控制方法,该方法计算快速、稳定,完成一次在线设定计算时间约为1.781 s,满足工业在线应用实时性的要求。最后,以某1 800 mm五机架冷连轧机为例验证了上述算法的计算精度,满足工程需要。     

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．     

冷连轧机负荷分配优化研究进展

轧制负荷分配优化可以使板带材产量最大化，能耗最小化，有效提高设备利用率和带钢成材率。本文从负荷分配的约束条件、优化目标及优化方法等方面论述了目前国内外理论研究及工程实践的进展；详细介绍了较实用的基于轧制工艺的迭代方法，并介绍了案例推理、粒子群等新兴的理论在冷连轧机负荷分配中的应用。最后指出以板形板厚综合指标为目标函数，以人工智能为寻优方法是冷连轧机轧制负荷分配优化的发展方向a     

冷连轧生产过程同步数据的建立与应用

针对冷连轧生产过程中现有的数据采集与分析系统的不足,结合某1450 mm五机架冷连轧机组仪表配置,提出了一种冷连轧机带钢段同步数据的建立方法.该方法主要包括快照数据建立和同步数据构建两个过程,可以将带钢轧制过程中实时采集的实测轧制参数映射到成品钢卷的长度上,通过同步数据可以查看每卷带钢在任意长度上的轧制数据.本文所提出的带钢段同步数据的建立方法已投入到某1450 mm冷连轧机组生产中,自投入运行后控制系统运行稳定,为快速诊断生产故障、分析成品钢卷质量提供了有力的手段.     

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.     

冷轧钢基复合材料复合轧制P-H图及其应用

提出冷轧钢基复合材料轧制厚度控制的P-H图，利用复合轧制P-H图描述复合材料轧制过程中复合材与基材的厚度变化与轧制力、张力之间的关系。应用结果表明：用P-H图可方便备料和确定轧辊原始辊缝，可实现对冷轧钢基复合材料的轧制厚度及厚度比进行在线自动控制；通过增加张力水平，可以减小复合轧制力，可达到用较少规格的原材料获得多规格的产品的效果。