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·     

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·     

热轧带钢层流冷却过程中温度与相变耦合预测模型

建立了温度与相变耦合有限元模型,对带钢轧后冷却过程中带钢厚度和宽度方向的温度场进行了模拟计算.建模过程中,考虑带钢的各金相组织的密度、导热系数、比热容等物性参数为温度的函数,取各相的线性平均值用于计算.根据连续等温转变实验曲线,采用Avrami方程和Scheil可加性法则计算带钢相变潜热,实现温度和相变耦合求解.计算结果表明,带钢经过层流冷却后,沿厚度方向存在着一定的温差,带钢温度沿宽度方向分布不均匀,和现场实测结果吻合.     

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.     

层流冷却系统的自动化控制

介绍了某现代化钢铁企业热轧厂层流冷却系统自动化控制的系统设计，自动控制策略、模型以及控制系统投入在线运行后的实际控制结果和存在问题。并在此基础上进行了分析和改进，实际控制结果表明，通过对设计的应用软件的适当改进和模型系数的优化确定，可以把取温度控制在要求的范围，设计的层流冷却控制系统基本上能满足生产和工艺的要求。     

减少热轧带钢氧化铁皮的对策

结合济钢1700热连轧厂带钢氧化铁皮的现状,对热轧带钢氧化铁皮进行形貌观察、成分分析。通过对热轧带钢氧化铁皮形成的原因进行分析,提出减少热轧带钢氧化铁皮的措施。     

热轧钢板层流冷却理论的探讨

热轧钢板的层流冷却方式是一种新技术,近年来卓有成效的应用在热轧过程中。同其他冷却方式相比,它有许多特点,所以,被认为在经济上和技术上都是较好的冷却方式。本文,想引用近代流体力学成果,进一步阐明层流冷却的物理意义和结构原理,并严格导出决定流量系数的公式。由公式计算结果与实验数据是近似一致的。     

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...     

热轧带钢表面质量的优化与完善

本文通过对莱钢620mm热带生产线的除磷系统的研究与分析,同时结合产品质量提升的需要,在RE2和FE1后增加一道中压除磷和高压除磷,使整个生产线的除磷系统更加完善。     

酒钢不锈钢厂热轧层流冷却控制系统的数学模型

目前酒钢不锈钢厂热轧工序层流冷却系统对板带温度控制的精确度不够,导致带钢性能不符合要求。为了提高目标卷取温度的精度,获得组织性能和机械性能优良的带钢,对酒钢不锈钢热轧厂设备进行改造,通过分析层流冷却控制系统的变量和几种控制模型,并结合本厂实际情况建立了控制系统的数学模型。     

热轧带钢头部拉窄问题的研究

分析热轧带钢卷取过程中头部产生拉窄的原因,并据此提出相应的解决方案。     

热轧圆钢轧制薄带钢的实验研究

利用热轧圆钢代替冷轧薄板生产发蓝带钢,主要研究了Ф12 mm的圆钢在热轧薄带过程中的宽展及轧制后薄带的力学性能情况。在利用铅棒模拟热轧圆钢轧制薄带的实验中发现,采用角轧的方式可明显增大薄带的宽展,且角轧时的送入角与薄带的宽展符合关系式Δb=28.67-0.26α。此外,在本实验中,当送入角一定时,薄带的宽度随着轧件压下量的累积呈线性增长变化。同时用热轧圆钢模拟实验验证了此结果,并表明:由于轧制的方式不同,薄带的宽展变化较大,且采用角轧方式时,随着送入角的减小,宽展增加明显。热轧后的薄带强度可达到540 MPa,达到了一般强度级别薄带的水平,这为利用热轧圆钢生产大宽厚比、高强度发蓝带钢的可行性解决方案提供了实验依据。     

热轧带钢轧制批量计划的实例应用

应用轧钢厂生产批量计划的理论方法,从热轧带钢的实际生产工艺出发,建立了热轧生产批量的具体模型·对模型参数的结构进行了分析,给出了模型参数的具体表达,并应用遗传算法用来求解热轧带钢生产计划问题·组合了运筹学与人机协调系统,开发了实验性原形系统·这个系统不但改进热轧调度的质量,由调度系统产生的热轧调度优于手工系统产生的调度,平均改进在２０％以上,而且降低了产生热轧调度的时间·     

热轧带钢调度问题的混合并行策略

在分析热扎带钢生产调度特征的基础上给出了其数学规划模型，并提出了一种基于并行策略的混合启发式算法，该算法分为三个阶段：引领域知识，对预选池中的任务进行分类、排序，生成初始解；用基本遗传算法（GA）对其进行优化，得到较好的初始解；由以单个板坯交换和板坯组交换为核心的禁忌搜索（TS）进一步优化，得到最后的优化结果，与启发式算法、改进的遗传算法比较，该算法在求解的有效性和计算效率方面均具有较大的优势。     

基于卷积神经网络的热轧带钢力学性能预报

为解决热轧带钢力学性能预报精度的问题,本文提出了一种将一维数值型数据转换为二维图像型数据的建模方法,基于LeNet-5和GoogLeNet卷积神经网络,构建了一种新型的热轧带钢力学性能预报模型,并利用实际生产数据对模型的适用性进行了测试。结果表明,所建模型的抗拉强度预报误差为2.49%,均方根误差为19.15 MPa,预测精度高于BP神经网络和单独的LeNet-5和GoogleNet卷积神经网络模型,所建模型的有效性和准确性均得到了验证。     

基于CPA-OSELM的热轧带钢厚度在线预测

为解决自动厚度控制（automatic gauge control,AGC）系统反馈滞后、耦合强、厚度偏差大等问题,本文提出了一种基于食肉植物算法（carnivorous plant algorithm, CPA）的在线顺序极限学习机（online sequential extreme learning machine, OSELM）预测算法。首先,基于从现场采集的相关数据,建立了OSELM在线厚度预测模型。然后为了提高模型的准确性及稳定性,采用CPA方法优化OSELM的权重和偏置。在此基础上,运用自学习方法进一步提高模型的预测精度。最后,通过实验验证基于CPA-OSELM预测模型的有效性。实验结果表明：基于CPA-OSELM的方法能够对不同规格带钢的出口厚度进行高精度在线预测,预测结果可用于提升AGC模型的控制精度,为提升带钢产品质量奠定基础。