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。     

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.     

莱钢热轧带钢层冷过程控制模型的开发与实现

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,具有结构简单、精度高的特点。它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。     

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。     

卷取温度对热轧X70管线钢层流冷却过程残余应力的影响

通过热膨胀仪和Gleeble3500热模拟试验机检测X70钢的膨胀系数、高温屈服强度和弹性模量,采用Marc有限元软件计算了热轧带钢在层流冷却中卷取温度分别为500、550和600℃时的温度场、相变体积分数、残余应力随时间的变化.结果表明:层流冷却过程中,在水冷前期带钢边部的应力超过了该温度下钢板的屈服强度,带钢板形会向着边浪发展;水冷结束时,边部应力值再次超过屈服强度并发生了塑性变形,带钢板形会向着中浪发展.在保证X70管线钢性能的条件下,降低卷取温度有利于钢板贝氏体相变的完成和层流冷却阶段残余应力的降低.     

热轧带钢层流冷却系统的数学模型

以某热轧厂为例 ,介绍了热轧带钢层流冷却控制的数学模型 ,主要包括空冷模型、水冷模型、前馈模型、反馈模型、自学习模型·研究了PID算法和Smith预估器控制器在反馈控制中的应用·从现场实际应用效果来看 ,模型简单实用 ,卷取温度基本上被控制在目标温度上下限范围内·     

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。     

热连轧层流冷却系统速度前馈补偿的优化

结合现场情况介绍了热轧带钢层流冷却设备和控制系统的数学模型,其中数学模型主要包括空冷模型、水冷模型、反馈控制模型和自学习模型.由于某热轧厂采用非匀速轧制工艺制度,带钢在冷却区内既有较大升速又有较大降速,原层流冷却系统不能够适应轧制速度的变化而影响卷取温度控制精度,故需针对轧制速度的变化进行速度前馈补偿控制;从过程自动化...     

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.     

遗传算法优化神经网络的热轧带钢弯辊力预报模型

针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点,利用某钢铁公司1580mm热轧线生产数据,对精轧机组末机架进行了基于遗传算法优化神经网络的弯辊力预报模型研究.以大量实际数据作为神经网络训练输入,充分考虑了输入参数之间的影响作用,模型结构简单、容易实现,其整体性能用平均绝对百分误差、均方根误差和相关系数R评价.通过将预测结果与实测结果比较,验证了模型的精度.研究发现,提出的弯辊力预测模型相比于传统模型可实现高度非线性拟合,适用于提高热轧带钢头部板形控制精度,为实际弯辊力设定提供指导和试验基础.     

热轧带钢板形(PFC)控制系统

为了提高热连轧板带的板形质量,必须有高精度的板形设定控制系统·通过对国内某厂2050mm热连轧机板形设定系统的分析,并对主要数学模型和控制原理进行了阐述,采用C++计算机语言对该系统进行了离线模拟·将模拟结果与实际测量结果相比较,验证了其设定值的正确性·通过模拟能够更加清晰地了解热连轧带钢的板形控制原理和方法,为提高带钢板形设定精度及进一步开发热连轧机的PFC系统奠定了基础     

小波包-BP神经网络结合的热轧带钢缺陷识别

基于热轧带钢的表面往往存在着很多缺陷,目前的识别方法存在着误识率高的问题,提出一种基于小波包分解的提取图像特征的方法,将提取的图像的能量特征向量输入BP神经网络分类器,对麻点、夹杂和结疤3种缺陷进行识别,仿真结果表明这种方法有着较高的识别率,并具有稳健的抗噪性和良好的扩展性.     

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.