热连轧带钢终轧温度控制样本跟踪策略

为了加强前馈控制在带钢终轧温度控制中的作用,提高机架间喷水冷却控制精度,分析了带钢在机架间运行过程中的速度变化规律,将带钢在精轧机架间的冷却过程划分为多个冷却计算单元,阐述了机架间微跟踪策略的原理,给出了合理的通条带钢机架间微跟踪方法.使用实验室已开发的热带终轧温度模拟运行软件,结合国内某厂现场数据,进行了机架间温度控制模拟计算,计算结果优于现场实测数据.     

热连轧精轧宽度控制技术的研究及应用

在热轧带钢其他尺寸精度普遍较高的情况下,宽度控制精度的提升变得越来越重要。提出了一种新的精轧带钢宽度控制综合解决方案:针对带钢头部宽度控制,开发精轧机架冲击速降自学习模型,以减少带钢头部拉窄现象;通过合理配置精轧活套张力稳定因子,减少带钢中部宽度波动现象;通过精轧宽度反馈控制和宽展预测模型修正功能,提高带钢全长宽度精度。相关研究成果已成功应用于宝钢集团某热轧产线三电自主集成改造项目中,改造后带钢宽度控制精度得到显著提高。     

热连轧精轧机组预设定和自适应研究

以某厂热连轧精轧设定模块为研究对象,在其原有设定模型中添加了另外一种变形抗力模型,通过计算机编写程序,创建回归系数文件,修改输入计算模块,用新添加变形抗力模型回归过的钢种系数对现场生产中与其相近的钢种进行设定计算,比较变形抗力模型添加前后的轧制力预测值偏差。结果表明:添加变形抗力模型后的轧制力计算可以得到比较满意的精度;平滑系数在自适应学习中是十分关键的影响因素,在总结了精轧机组自适应模块中平滑系数的影响因素后,建立平滑系数的动态优化模型,通过编程读取实测数据计算轧制力,比较优化前后的轧制力误差,结果表明对于精轧机组自适应过程,动态优化平滑系数更有助于提高轧制力模型预报精度。     

热连轧带钢终轧温度的影响因素

在传统传热模型基础上开发了带钢热连轧精轧温度控制模拟软件,系统地分析了穿带速度、带钢粗轧出口温度、带钢机架间厚度、水冷换热系数和工作辊材质等7种因素对带钢精轧出口温度的影响规律;确定了影响带钢终轧温度的主要因素;使用现场实测数据对模拟软件计算精度进行了检验,表明开发的精轧温度控制模拟软件计算精度较高.为建立高精度热连轧带钢温度在线控制模型提供了理论依据.     

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.     

一种带钢热连轧的楔形控制方法

在不需要任何额外硬件投资的基础上,提出了一种新的控制带钢楔形的思路,即引入比例积分调节(PI)法对楔形进行控制.仿真实验结果表明,采用此控制方法可以有效地提高带钢楔形的控制精度.     

热连轧汽车大梁板T52L性能控制的研究

利用武汉钢铁（集团）公司热轧厂1700热连轧机大生产实测数据，对热轧带钢T52L的最佳化成分设计及控轧控冷工艺进行研究，优化T52L钢的化学成分，着重分析化学成分、轧制工艺对带钢屈服强度、抗拉强度、延伸率及冷弯性能的影响，同时进行性能控制的相关研究，建立T52L钢的力学性能控制模型，为工业化生产提供理论依据。     

热连轧机弯辊力优化设定策略研究及应用

针对传统热轧机板形设定模型仅根据带钢头部的要求来设定弯辊力而可能导致中尾部所需弯辊力超出设备能力极限的问题,提出一种弯辊力优化设定策略。该策略对带钢全长轧制过程进行考虑,根据最近一次同钢种同规格带钢轧制时实际轧制力与凸度的变化,预算本卷带钢全长板形控制所需要的弯辊力调节量,结合弯辊设备的能力极限,为带钢中尾部板形控制预留必要的弯辊力。在上海梅山钢铁股份有限公司热轧厂1780热连轧生产线上的实际应用效果表明,采用该策略后基本消除了带钢尾部中间轧破现象,大幅提高了热轧带钢中尾部轧制的稳定性。     

带钢热连轧机KFF—AGC系统的研究与应用

为了提高热轧带钢厚度精度,采用硬度前馈AGC方案,建立了KFF-AGC控制算法的数学模型,并分析了带钢热连轧过程造成厚度偏差的主要原因.结果表明,中等宽度带钢热连轧机应用KFF-AGC系统后,带钢厚度精度明显提高,热连轧机下游末两架精轧机的轧制力波动变化小,且带钢轧制过程更加稳定,为板形控制创造了良好的条件.     

基于数据增强与自编码GRU网络的多规格热轧带钢精轧电耗预测

针对多规格热轧带钢精轧段电耗预测中数据质量低、维数高和复杂性强等问题,本文提出一种基于数据增强与自编码GRU网络的精轧电耗预测模型(WGAN-AE-GRU).数据预处理阶段,针对电耗数据采集不均衡问题,采用WGAN网络对使用低频仪器采集的指标数据进行数据增强,以保证电耗数据质量;同时,采用自编码器(AE)对电耗关联的指...     

热连轧宽度自适应模型优化

为提高热连轧粗轧宽度控制精度,提出了一种宽展模型参数自适应方法.该方法将宽展模型中自然宽展系数和狗骨宽展系数作为待优化参数向量,以此为基础对自适应目标函数进行构建,并使用Nelder-Mead算法进行目标函数的最优化求解,得到了满足条件的最优化参数向量,进而完成了宽展系数的优化,提高了轧件的宽度控制精度.本方法已应用于某850 mm热轧粗轧控制系统中,并与传统自适应模型精度进行比较,采用所提出的参数自适应方法后,宽度模型预测值与实测值的偏差由3.05 mm降至1.28 mm,有效地提高了宽度质量.     

冷连轧轧制张力稳定性

以轧制理论、机械振动与摩擦理论相结合的新方法解释了张力失稳自发产生的原因，提出了控制辊缝润滑、提高轧制张力稳定性的方法。理论分析与生产实践表明：降低乳化液含量，轧制入口张力的稳定性有明显的提高。     

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.     

热连轧精轧机组温度模型的改进

从实际生产数据入手,研究了温度模型设定精度的现状及设定精度与各影响因素之间的关系,同时还消化了原来的温度模型程序并将其移植到微机上.经大量的离线统计回归分析,提出了一个行之有效的温度模型改进方案.该改进方案的思路同样适合其他热轧生产线.     

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.     

太钢热连轧厂改造后的精轧设定模型环境

太钢热连轧厂控制系统改造后，在过程自动化级完全采用当今最流行的面向对象编程方法，这种方法结构合理，有利于问题的分析和处理。     

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.     

单位宽度轧制力对热轧带钢凸度的影响规律

为了建立高精度的热轧带钢凸度计算数学模型 ,根据带钢凸度计算理论 ,采用影响函数法开发了四辊轧机带钢凸度影响率计算软件 ,系统地分析了单位宽度轧制力、轧辊直径和压下量对单位宽度轧制力影响率的影响规律·结果表明单位宽度轧制力影响率随带钢宽度的增加呈抛物线变化 ;轧辊直径和压下量对单位宽度轧制力影响率有一定的影响 ;建立了高精度单位宽度轧制力影响率的数学模型 ,确定了单位宽度轧制力影响率基本值及工作辊直径、支撑辊直径、压下量对单位宽度轧制力影响率修正系数的 6次拟合系数 ,为板形控制系统模型的建立及参数优化提供了理论依据     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.