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.     

多电机驱动带式输送机系统的功率平衡控制

针对多电机驱动带式输送机系统的功率不平衡现象,提出了一种基于PLC的自适应模糊PID控制器.利用该控制器对PID参数的自整定功能,能实现多电机驱动带式输送机系统的功率平衡控制.经仿真验证,采用本文提出的方法,使电机能获得较好的跟随性能及跟随精度,优于传统PID的控制效果.     

工业机器人功率等效模型与参数辨识

针对工业机器人能耗复杂,动态性强,实时功率难以预测的问题,在对机器人系统中永磁同步电机、伺服驱动器等功能部件能耗分析的基础上,提出了工业机器人功率等效模型.该模型通过高阶多项式建立起机器人损耗功率与电机扭矩、电机角速度的映射关系,其系数通过最小二乘法求解,可以在机器人电机参数未知的条件下进行功率预测.结果表明,基于功率模型的理论计算值和实验测量值的均方根相对误差为8.11％,证明了功率模型和辨识参数的正确性.     

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.     

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.     

基于遗传规划的中厚板轧制力矩的非线性回归

研究热轧中厚板轧制力矩的计算方法. 运用遗传规划法分析中厚板轧制过程的现场数据,找出与轧制力矩密切相关的因素,将其作为自变量生成函数表达式,体现轧制力矩的变化规律,得出轧制力矩非线性回归计算模型和相关参数, 并完成了算法设计和编程实验. 实验结果表明,计算值与实测值的平均相对误差为6.23%. 该模型已应用于临汾钢铁公司2800mm中厚板的轧制生产中.     

立轧对称-反对称抛物线狗骨模型轧制力的解析

为提高热轧产品质量,必须保证热轧带钢宽度尺寸精度,生产中多采用在粗轧机组处安装立辊轧机来进行控制,但立轧后板坯横断面会产生狗骨形状.首次建立了立轧对称-反对称抛物线狗骨函数模型和运动许可速度场.使用刚塑性第一变分原理,采用变上限积分得到立轧时总功率泛函和轧制力的解析解.将轧制力解析结果与有限元仿真值进行比较,误差在3%以内,与Yun模型比较误差不大于6.3%.采用本文模型预测现场轧制力的精度良好,可以满足现场控制要求.     

2800 mm中厚板轧机轧制力模型研究

在考虑温度场对轧制力能参数影响的条件下,利用ANsYs软件对热轧板带的塑性变形过程进行了力能参数的计算,并由此获得2800mm轧机轧制压力的计算模型.经在武钢2800mm轧机生产现场实测大量数据,进-步完善轧制力模型,使之具有良好的计算精度.     

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.     

带钢热连轧过程轧制力有限元模拟

应用DEFORM-2D软件对带钢热连轧过程的轧制力进行了有限元模拟,并与宝钢轧制力模型进行了比较。模拟结果表明,有限元模型计算的轧制力与现场实测数据接近,且计算精度高于宝钢轧制力模型,该模拟对现场轧制工艺参数的调整优化有重要的参考价值。     

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.     

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.     

热轧带钢短行程控制自适应策略

热连轧生产过程中,短行程是控制轧件头尾宽度的重要手段.为提高短行程的控制精度,提出了一种短行程自适应策略,以短行程关键坐标位置为优化变量并建立目标函数,使用单纯形替换法对目标函数求解,得到了最优宽度补偿曲线,进一步对短行程关键参数进行平滑处理,实现了对短行程曲线关键参数的优化过程,提高了轧件头尾的宽度控制精度.本优化策略已成功应用于某热连轧生产线,实际生产数据表明,采用自适应优化策略之后轧件头尾与中部稳定段的宽度偏差控制在2.0 mm之内达到了90%左右,提高了宽度控制精度,具有良好的实际应用效果.     

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.      

热连轧数据采集的多样本处理策略

热连轧带钢生产过程中，实测数据的处理方式影响到模型自学习的精度，最终影响到产品的控制精度.为解决此问题，建立了针对实测数据的多样本处理策略，采用变异系数的方式排除了高离散性的数据，并通过数据映射的方式将采集到的有效数据进行同步，最终获得了高可信度的自学习源数据，大大提高了模型自学习的有效性及预报精度.将该多样本处理策略应用到国内某热连轧生产线的精轧机组，现场实际应用效果表明:带钢头部的轧制力预报精度达到了233%，满足了自动厚度控制系统的控制要求，提高了产品的质量.     

冷轧机穿带试验的分析和研究

通过对某钢厂冷轧机穿带试验过程及结果的分析和研究,得出了一些有助于生产实践的结论,进一步证明了新的穿带工艺在此轧机上应用的有效性.     

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.