非接触式带钢板形仪的研究

非接触式板形仪是检测带钢在轧制过程中板形情况的装置,它与目前已有的接触式板形仪有所不同。本文介绍了非接触式板形仪的结构及性能,简要地说明了它的工作原理并给出了有关实验数据和实验结果。     

带钢板形的检测及计算机屏幕显示

本文简述了非接触式挠度检测板形仪的结构及工作原理,阐述了运用微型机进行板形信号处理和板形显示的有关问题。     

气流激振及涡流测幅式板形仪带钢振幅与板形关系

气流激振与涡流测幅方法是目前在冷轧带钢板形检测中应用最为成功的非接触方法. 以某2 180 mm冷连轧机首次采用的非接触式工业用板形仪SI-FLAT为研究对象,在对板形仪所使用的板形计算模型进行解析分析的基础上,对带钢振动问题的简单情况即欧拉梁的振动问题进行了分析,研究了受迫振动振幅与张应力之间的关系. 同时采用大型有限元软件ANSYS12.0建立了带钢振动仿真模型,分析了不同带钢板形、宽度、厚度等因素下带钢各纵向纤维条之间的相互影响所导致的板形计算误差. 通过实际生产验证了该板形仪所适用的场合.      

非接触式挠度检测板形仪的研制

本文阐述了非接触式挠度检测板形仪的检测方式,检测带钢板形的原理和方法,并解决了通过微型机进行信息处理和板形显示的有关问题。     

横向张力差对弯辊力的传递系数的测定

本文叙述了用分片式张力分段检测板形仪及多辊式张力分段检测板形仪测的带钢横向张力差对弯辊力的传递系数K_(?)。并给出实现张力差闭环控制的张力差“三点抛物线式”简化处理方法。为实现用张力检测辊进行板形闭环控制提供一条简单的途径。     

单机架可逆轧机板形测控系统的研究与设计

为提高鞍钢单机架可逆轧机板形控制系统的自动化水平和产品板形的控制精度,设计开发了采用国产压磁式冷带轧机板形仪的板形测控系统.对该板形测控系统的结构、原理及实现予以详细介绍.针对该轧制板形控制的特点,利用板形功效系数对板形自动控制系统模型进行设计.研究结果表明,利用功效系数方法可以调高板形控制系统的精度.通过板形在线检测系统的投入,使被轧带材板形质量有了较大程度的提高,板形偏差控制在±50μm/m.     

辊式板形检测仪标定装置的试验研究

本文模拟板轧机的现场条件,通过试验对一种辊式板形检测仪的标定装置进行了研究.试验表明,它可对辊式板形仪进行测前标定.     

平直度离线显示和板形识别统计软件开发

在某冷轧厂收集到的平直度仪记录数据基础上,结合冷轧带钢平直度测量原理,在VB6.0环境下采用VBA技术开发了冷连轧带钢平直度数据离线动态显示分析软件,将轧机出口处平直度仪实时记录数据和末架轧辊转速等数据离线动态显示.根据板形识别原理,对板形进行识别统计,统计结果和现场实际情况相吻合.该软件对评估平直度控制效果、分析和解决冷连轧带钢板形问题具有重要意义.     

SI-FLAT板形仪激振频率设定

SI-FLAT板形仪是国内宽带钢冷连轧机首次采用的非接触式工业用板形仪,但实际使用过程中发现,对于常轧规格的带钢,其激振频率设定始终为同一固定值,激振力仅随张应力的变化而变化,导致板形控制不稳定,激振频率的设置严重影响着板形检测的精度.本文在分析现场实际生产数据的基础上,提出了激振频率的设置应该遵循的两个基本原则,即振幅控制原则和检测间隔控制原则.为了对带钢振动进行固有频率和受迫振动振幅的分析和计算,采用大型有限元软件ANSYS12.0建立了带钢振动仿真模型,分析了带钢板形、宽度、厚度、张应力等因素所导致的带钢固有频率波动对带钢振幅的影响.研究发现,张应力和板形对带钢固有频率的影响较大.最后,基于振幅控制原则和检测间隔控制原则提出了可行性方案,即通过限制最小张应力,减小板形对测量结果的影响;同时为了控制最小检测间隔,便于对板形的在线控制,激振频率的大小应根据带钢速度进行调节设定.     

基于遗传算法反向传播模型的板形模式识别

针对在板形模式识别中, 反向传播（BP）网络对未知板形识别能力差和遗传算法（GA）优化神经网络初始权重过程复杂等问题, 提出一种基于多维空间优化的遗传算法优化BP网络初始权重的板形模式识别GA-BP模型, 该模型直接以网络权重构造多维空间染色体, 以训练样本误差和测试样本误差相结合作为遗传算法的适应度函数, 以较大的网络期望误差和低的进化程度为网络的训练策略. 研究结果表明： 基于多维空间的遗传优化方法, 建模简单, 无需编码、解码, 大大减少了编程计算量;GA-BP模型有效提高了BP网络对未知板形的识别能力和识别精度, 在工业试验中, GA-BP模型板形模式识别结果跟板形仪的实测板形非常接近.     

板形仪张力信号源的计算机模拟系统的研制

通过对板形仪检测辊检测的张力信号进行研究，实现了信号源计算机模拟系统的硬件系统及软件系统。本文的方法可用于设计其它复杂信号发生器的计算机模拟系统。     

SI-FLAT板形仪检测原理的流固耦合振动分析

为从力学本质上揭示SI-FLAT非接触式板形仪的检测原理,基于薄板流固耦合振动理论,建立了薄板振幅与残余应力关系的数学模型.在非协调F?ppl-von Kármán方程组的平衡方程中引入惯性项与流体压强项,利用气动载荷在时间上的周期性将流体速度函数、流体压强函数、薄板挠度函数和薄板应力势函数的时间变量分离出来,得到描述SI-FLAT板形仪稳定工作状态的偏微分方程组.进一步利用分离变量法求解该方程组,最终建立起薄板振幅与残余应力的数学关系.同时结合实测残余应力数据,利用Siemens提出的振幅-残余应力模型反算得到实际薄板振幅分布,并将其与流固耦合振动模型计算的振幅进行对比,验证了提出的数学模型的可靠性.进一步利用流固耦合振动模型分析了气泵进风口流体速度、检测距离和激振频率对振幅的影响,为SI-FLAT板形仪科学合理的利用提供了理论依据.     

CLECIM辊式板形仪

轧制时由于沿带材宽度方向张力不均匀分布而引起的板形缺陷,可用新开发的辊式板形仪来连续地监控。它的工作原理是基于薄壁钢筒的局部变形,这种变形是用非接触式的差动线性传感器来检测的。该系统可应用于各种类型的冷带钢轧机上,并能与板形控制装置组合配套。板形的缺陷是由于轧制时沿带材的宽度相对压下量不同而造成的。当各纵向纤维伸长的趋势不同时,较短的纤维将对较长的纤维施加压应力的作用。如果应力的差值(相对于成品的厚度)过大,带材就会产生弯曲和初始的边部波浪。在这种情况下,缺陷是能够直接观察到的,但仅能在带材开卷之后测量到,因为在轧制生产中卷取机的张力很大,足以使所有的纤维都处在被拉伸的状态。在轧制过程中所引起的唯一缺陷是延伸的不均匀分布,这一缺陷是不能用目视识别出来的、是潜在的。 CLECIM公司研制出一种辊式板形仪——PLANICIM,可在轧制过程中测量板带的平直度和检测潜在的板形缺陷。这个辊子安装在导向辊的位置上,可测量应力沿带材宽度上的分布。     

增加板形实测值反馈控制功能提高板带正凸度率

介绍了在二级过程控制系统中利用单点式板形仪测量的板凸度值,增加板凸度的反馈控制功能,实现了板凸度闭环控制,改善了不锈钢热轧板带的凸度,提高了正凸度的板卷比例,达到了下道工序对坯料凸度的要求。     

板形模式高斯分解

分析现有板形模式分解方法的缺陷，提出了一种新的板形高斯模式分解．该方法不仅大大提高了板形曲线的拟合精度，而且更加适合于板形调控机构进行板形控制，尤其是板形分段冷却控制系统及局部辊型调节控制系统．     

板形计法的定义及实验应用

板形测控数学模型、解析板形刚度理论和板形板厚协调规律的综合称为板形计法。采用两种实验方式验证了板形计法的正确性和实用性,其一是通过轧铝板实验,计算轧机板形刚度和轧件板形刚度,由实测铝板凸度验证板形刚度方程;其二是由CVC板形控制热连轧机实测数据,用离线计算自适应系数的方法验证板形测控数学模型。     

基于神经网络模式识别的板形模糊控制器

提出一种基于CMAC(Cerebellar Model Articulation Controller)神经网络的板形缺陷模式识别方法,并基于模式识别结果设计了板形模糊控制器.将模式识别与控制器设计合二为一,利用CMAC神经网络识别出相对于6种常见板形缺陷基本模式的隶属度,直接作为板形模糊控制器的前件部,实现了隶属度的求取功能.通过对板形缺陷特征的分析,合理定义了模糊集合,大大地减少了模糊推理的计算量.仿真结果表明,该板形模式识别方法识别精度高,设计的板形模糊控制器可以快速将板形缺陷控制到期望目标,板形控制性能良好.     

1450 mm冷连轧机多变量最优板形闭环控制策略研究与应用

为了提高冷轧带钢的板形控制质量,通过理论计算结合现场生产条件制定了板形闭环控制系统的控制策略。在此基础上,设计了板形闭环控制系统的系统结构,建立了以板形调控功效为基础的多变量板形闭环控制算法。给出了分步求解各个板形调节机构调节量的计算方法,既避免了通过求导方式进行全局最优化计算时产生的矩阵奇异无解的状况,又在最大程度上降低了工作辊弯辊等调节机构输出饱和的情况。在板形闭环控制系统的设计中,给出了板形调节机构的变增益补偿设定环节。开发的冷轧板形控制系统已用于1450冷连轧机的板形控制过程中,经现场应用表明,板形闭环控制系统具有较强的消差能力,为冷轧板带生产实现精确的板形控制提供了必要条件。     

板带钢轧制时实现板形自动控制的条件

介绍了板带钢轧制时实现板形自动控制的3个条件，即板形检测技术，板形控制数学模型及计算机软硬件系统和板形控制技术。     

智能方法在板形控制中的应用

介绍了智能方法在轧制领域特别是在板形控制中的研究进展。阐述了神经网络、模糊控制、遗传算法、粒子群算法等智能方法在板形模式识别模型、板形预报模型、板形控制的液压弯辊控制模型和轧辊分段冷却控制模型中的应用,表明将智能方法引入板形控制中,改变了依赖经验和传统方法进行板形控制的局面,为板形控制建模走出了一条新途径。