热轧带钢轧后冷却过程卷取温度的设定策略

为了提高热轧带钢卷取温度控制精度,针对热轧带钢轧后冷却过程非线性、强耦合性等特性,建立了具有非线性结构特征的热轧带钢轧后冷却过程控制的温度数学模型,并对热轧带钢轧后冷却过程卷取温度的设定策略进行了研究,同时在该模型基础上开发了系统软件,通过现场实际应用对模型功能进行了验证.结果表明,该冷却数学模型的卷取温度设定计算结果...     

热轧带钢轧后冷却控制系统优化

为提高热轧带钢超快冷出口温度和卷取温度控制精度,针对超快冷生产调试过程中出现的问题,对轧后冷却控制系统进行了优化.针对超快冷出口纵向温度偏差较大的问题,提出超快冷换热系数多点自学习方法;采用有限差分方法,分析带钢超快速冷却后的返红现象,并在此基础上提出一种超快冷出口返红补偿方法;提出了对进入冷却区的带钢样本段进行温度再计算的方法,来消除速度波动对轧后冷却温度控制精度的影响.现场应用结果表明,优化后超快冷出口温度和卷取温度控制精度均明显提高.     

热轧带钢层流冷却设定模型的开发与实现

分析了热轧带钢层流冷却的传热过程,基于传热过程给出了冷却控制的空冷和水冷温降计算模型,该模型为线性回归模型,不同于理论的指数温降模型,回归数据取自于现场,更具有实用性,具有模型结构简单、精度高的特点·对层流冷却的设定计算(预设定和修正设定计算)的程序实现方法进行了详细描述,讨论了层流冷却系统中的组别划分,并给出了冷却控制系统的数据流程·本系统的冷却能力强,具有较宽的冷却速率调整范围,运行情况以及使用控制效果良好,能满足现场生产以及新品种开发的要求·     

卷取后冷却速度对高强度热轧带钢组织的影响

采用拉伸实验、电镜观察、能谱分析和硬度测试等方法,研究了700MPa级高强度钢热轧钢卷组织性能分布不均的特点,对造成其组织性能不均的原因进行了分析. 结果表明,钢卷纵向力学性能分布不均,分布规律为成卷后钢卷的中部>内部>外部,内部和外部相差不大. 沿钢卷纵向,中部试样和外部试样的金相组织、碳氮化物析出状态均存在着明显差异,这是造成钢卷力学性能不均的主要原因. 卷取后的冷却速度对金相组织、碳氮化物析出状态有着重要影响.     

热轧带钢层流冷却系统的技术开发与应用

热轧带钢层流冷却过程的卷取温度精度直接影响带钢的组织性能和力学性能,是保证板带质量和板形良好的关键因素。所以对热轧带钢卷取温度的控制,成为热轧生产中的重要环节,对其过程进行分析和研究具有深远的现实意义。以国内某热轧厂经过改造后的板带层流冷却系统为背景,对如何提高层流冷却过程的卷却温度精度及钢板内外温度均匀性从控制方法上入手进行了较深入系统的研究。     

热轧带钢层流冷却系统的技术开发与应用

热轧带钢层流冷却过程的卷取温度精度直接影响带钢的组织性能和力学性能,是保证板带质量和板形良好的关键因素。所以对热轧带钢卷取温度的控制,成为热轧生产中的重要环节,对其过程进行分析和研究具有深远的现实意义。以国内某热轧厂经过改造后的板带层流冷却系统为背景,对如何提高层流冷却过程的卷却温度精度及钢板内外温度均匀性从控制方法上入手进行了较深入系统的研究。     

热轧带钢卷取温度控制中的自适应律

通过对一个实际的热轧带钢卷取温度控制系统长时间地观察和采样,归纳出一套适用面广、适应性强的自适应律。首先利用温度计算模型,结合目标与实测值得到自适应律的初值,经自适应计算后再去修正原简化模型进而提高模型计算精度,经过多次改进后,在现场使用效果良好。     

带钢热连轧机组温度模型及其自学习方法

介绍了带钢热连轧机组温度模型以及目前常用的温度模型自学习方法.针对目前常用的温度模型自学习方法的不足,提出了一种分区补偿法用于温度模型自学习,该方法按一定的分配系数将终轧温度偏差分配到各冷却区段,温度偏差分配系数可以根据各机架轧制力情况进行调节,所以在保证终轧温度预测精度的同时,也提高了轧制力的预测精度.这种新型的温度模型自学习方法被成功地应用于天津荣程750 mm精轧机组,取得了较好的应用效果.     

热轧带钢卷取温度过程前置控制

提出了过程前置控制的基本思想,对难于用精确数学模型描述的复杂不确定过程控制进行了探索,并将过程前置控制用于热轧带钢卷取温度控制的精确预测。     

热轧带钢层流冷却温度优化控制策略研究

在热轧带钢生产过程中,卷取温度是影响成品带钢性能的重要参数之一,其精度的高低对带钢质量至关重要.为保证产品具有良好的性能,采用层流冷却装置对热轧后的板带进行冷却控制,喷水系统的设定是层流冷却过程控制的关键.在冷却过程中带钢的温度不能在线连续检测,其过程具有强非线性和时变性,而且在冷却过程中存在相变,因此难以建立精确的数学模型去描述这一冷却过程.随着带钢厚度,精轧出口温度和轧制速度的变化,单独的前馈/反馈控制很难满足高精度的温度控制需要.在本文的研究中,一系列层流冷却控制策略被采用,包括前馈/反馈控制,自适应算法,以及控制带钢整体温度的均匀性策略.实践应用表明这些控制策略得到很好的检验,能有效地提高卷取温度的控制精度和均匀性.     

热轧带钢层流冷却中的温度演变及返红规律

用有限元法模拟热轧带钢层流冷却中的温度场并计算典型位置处的冷却速度.分析水冷期间和随后返红过程冷却速度周期性变化规律,发现在轧件横断面厚度方向上距离表面大约半厚度的1/3处存在一条冷却速度临界线;在临界线与表面之间冷却速度有正负交替现象;此临界线是冷却过程中瞬时内部热输出区与热输入区(返红区域)的分界线;在返红区域回归出返红温度随经历时间和各点到表面距离的变化规律的关系模型.此研究为组织性能预测和控制提供了参考数据.     

热轧带钢层流冷却过程混合智能控制方法

现有热轧带钢层流冷却过程缺少对卷取温度的直接反馈机制,难以将卷取温度控制在一定范围内.将机理模型与案例推理智能技术相结合,提出了由冷却区喷水集管开启阀门总数预设定模型、卷取温度预报模型、前馈补偿模型与反馈补偿模型四个模块组成的混合智能控制方法,并利用某钢厂的实际运行数据进行实验研究.实验结果表明即使在工况条件频繁变化时,提出的层流冷却混合智能控制方法也能够及时、自动调整喷水集管阀门开启总数的设定值,最终将实际卷取温度控制在工艺要求的范围内,从而提高热轧带钢的组织性能.     

热连轧控冷过程卷取温度精度的优化

控制冷却是热带钢轧后工艺处理中的关键技术,而卷取温度的精度又是冷却过程控制的核心·结合某热连轧厂控冷层流系统的改造,通过分析原有系统运行时对于厚带钢冷却能力不足、设定精度及纵向温度控制均匀性较差、冷却速率的控制策略单一、更换钢种组别时头几块钢的设定精度较差等方面的原因,在改造过程中有针对性地对冷却装置、冷却控制策略、数学模型进行改进,同时加强了控冷过程机模型自适应的能力,并开发了解析工具用于优化模型参数,提高了卷取温度过程控制的精度·     

人工鱼群神经网络在热连轧卷取温度预报中的应用

卷取温度预报结果对热轧带钢的成品性能具有重要影响。人工鱼群算法是新近提出的寻优策略,具有良好的克服局部极值、获得全局极值的能力。建立了一种人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,并将该神经网络用于卷取温度预报。通过某钢厂现场实测数据对该模型进行离线训练和对比测试,结果表明,该方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的预报效果;该模型能够精确预报卷取温度,可用于离线学习和预报,为在线应用打下良好基础。     

热轧带钢温度场计算模型及其计算偏差分析

热轧带钢温度场可根据热传导偏微分方程与边界条件和初始条件计算,也可采用忽略厚度方向温度梯度的集总参数法计算.在假设前者计算结果准确的基础上,将集总参数法所获得的温度计算模型与前者进行偏差计算,得到了相对偏差计算公式并采用Matlab求得不等式的解,由此得到了集总参数法的应用范围:当相对偏差在5%以内时,带钢心部、1/4和表面的毕渥数范围分别为0~0.100 8,0~0.136 1和0~0.959 3;相对偏差在10%以内时,带钢心部、1/4和表面的毕渥数范围分别为0~0.203 3,0~0.278 2和0~1.497 4.