卷取张力控制新方法

介绍了一种新的卷取机张力控制方法,其关键技术在于取消传统动态力矩补偿,同时满足无冲击张力给定和升速过程中恒张力指标要求.采取的一系列措施后,这种新的方法已成功应用于高精度生产轧机.     

带钢热连轧AGC系统实时仿真

设计了基于数字信号处理器DSP的热连轧自动厚度控制(AGC)实时仿真器,建立了调厚过程压下系统和变形区的动态模型.仿真时,仿真器实时并行地计算带钢和轧机的模型,计算机控制系统的控制器运行AGC软件,两者通过内存映像网实时交换数据,因此通过虚拟的对象实现了对AGC软件的实时离线调试.     

板形板厚的自适应解耦控制

针对板形板厚耦合系统中参数在一定范围内变化的情况下,将自适应控制与系统具体的数学模型相结合,提出自动调整解耦网络和控制器参数的设计方法.仿真表明,该方法消除了参数变化的影响,使解耦控制效果良好.     

基于贝叶斯神经网络的带钢厚度预测与控制

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量.     

带钢热连轧AGC系统实时仿真

设计了基于数字信号处理器(DSP)的热连轧自动厚度控制(AGC)实时仿真器,建立了调厚过程压下系统和变形区的动态模型.仿真时,仿真器实时并行地计算带钢和轧机的模型,计算机控制系统的控制器运行AGC软件,两者通过内存映像网实时交换数据,通过虚拟的对象实现了对AGC软件的实时离线调试.     

神经网络技术在淬火控冷中的应用

热轧钢材的淬火冷却是改善钢材质量和性能的重要措施，淬火过程的核心就是控制钢板的冷却速度。针对传统的淬火控冷模型的固有缺陷，为了满足扩展钢种、规格及淬火温度高精度的要求，利用神经网络技术建立了神经网络淬火控冷温度预报模型，该模型与回归数学模型相结合，完成淬火控冷现场控制。应用结果证明，该综合模型极大地提高了钢板淬火冷却的控制精度，提高了产品的成材率。     

基于EEMD和SVM的冷轧机垂直振动相关故障的诊断

通过对冷板带轧机垂直振动过程的机理进行分析,结合轧机系统结构模型,建立含振动因素的冷轧机垂向系统动态轧制力模型.考虑复杂工况下,轧机在生产不同规格带钢时,由工艺参数波动等广义故障所致轧机垂直振动现象,基于工业现场数据进行数据驱动的故障诊断算法研究.采用集成经验模态分解算法对实测轧制力信号进行分解,选取有效的固有模态函数的能量作为特征向量,并将其输入到支持向量机分类器中,通过分类器对正常状态和故障状态进行区分,以实现轧机振动相关故障的准确诊断.     

流程工业多智能体系统协调控制

以典型的流程工业过程为对象,结合分布式工业过程控制的特点,分析了多智能体应用于复杂工业过程控制的可行性、必要性;提出了一种基于工业过程控制的多智能体系统的体系结构及其协调控制过程.板带热连轧机过程控制是典型的分布式过程控制对象,文章从综合控制的角度出发提出热连轧机工业生产过程多智能体系统的体系结构,给出了体系结构中各功能模块的组成及其处理过程,并重点分析了轧钢过程中精轧机组中板形和板厚控制的协调过程.     

基于信息融合的带钢厚度预测控制

通过把轧制力方程和厚度控制方程在小范围内线性化、离散化,用递推最小二乘法辨识出系统的状态空间模型.给出了基于Kalman滤波法的最优信息融合算法,并针对热连轧这个复杂的多变量系统设计了异步信息融合估计算法.将模型用于热连轧机带钢厚度预测中,同时也预测带钢塑性系数Q.最后把实时预测出的带钢出口厚度和带钢塑性系数应用于带钢热连轧厚度控制系统,提高了带钢厚度质量.     

基于多维时间序列形态特征的相似性动态聚类算法

由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensional shape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果.