热轧带钢粗轧过程控制系统的开发

热轧带钢粗轧过程控制系统的开发

热轧过程控制系统在整个热轧生产中占据着重要位置,过程控制级计算机完成对热轧生产过程的监督与控制。对于传统热轧带钢生产线,从板坯到成品带钢,轧件的压下量绝大部分将在粗轧完成,粗轧机的生产效率也往往对整个轧制节奏和产量有决定性的影响。数学模型是计算机控制系统的核心,决定轧制产品的质量,所以对热轧带钢粗轧过程控制系统以及数学模型的研究有着重要意义。本文以“首钢迁钢2160mm热轧过程控制系统的消化吸收项目”为背景,针对热轧带钢粗轧过程控制系统的功能、数学模型的建立、粗轧过程轧制力的BP神经网络预测模型的建立等问题进行研究,取得以下研究结果:1.确定了用于粗轧过程控制的轧制力、变形抗力及宽展计算模型;建立了粗轧过程水平辊轧制力和力矩、粗轧立辊轧制力和力矩、粗轧水平辊轧机功率、粗轧立辊轧机功率、粗轧出口温度、粗轧区出口宽度和精轧区出口宽度的自学习模型。2.分析粗轧过程中引起轧件温度变化的各种传热形式,包括空冷、水冷、接触传热、变形温升、摩擦温升等,建立了粗轧过程温度控制模型。3.通过平滑系数取值对自学习过程的影响的分析,提出了合理的平滑系数确定方法及其范围。4.根据BP神经网络的功能,确定了BP网络模型的网络层数、每层的神经元数、各层间的传递函数、以及网络训练函数;根据隐层与输出层的特点,确定了隐层与输出层权值的初始化方法,使用MATLAB语言建立起粗轧过程轧制力BP网络预测模型。5.本文建立的BP网络模型的轧制力预测值比数学模型计算值精度提高了1.81%～4.14%。

同主题文章 [1].

黄己立,雷声. 渗氮反应过程控制数学模型的研究' [J]. 安徽建筑工业学院学报(自然科学版). 2005.(03) [2].

梁斌. 轧制力矩在线微机监测' [J]. 冶金自动化. 1999.(01) [3].

高瞩. 神经网络PID在联合站集输控制中的应用' [J]. 石油化工自动化. 2005.(06) [4].

徐申. 中厚板轧制过程中的轧制力和轧制力矩数学模型' [J]. 宽厚板. 2005.(05) [5].

蔡正,王国栋,刘相华,袁建光,焦四海. 神经网络结合数学模型预测带钢卷取温度' [J]. 钢铁研究学报. 1998.(03) [6].

黄克谨,钱积新,孙优贤. 乙烯装置优化控制的最新进展' [J]. 化工自动化及仪表. 1993.(06)

[7].

谢海波,张中平,刘相华,王国栋. 利用神经网络提高热轧带钢卷取温度的控制精度' [J]. 东北大学学报(自然科学版). 2005.(09) [8].

景广军. 选矿数模及计算机应用的现状与发展' [J]. 有色矿冶. 1998.(04) [9].

张凤林,寇惠. 轧钢机轧制力矩数学模型建立与分析' [J]. 设备管理与维修. 1995.(01) [10].

刘恒文. 济钢1700mm热连轧厂层流冷却系统优化与应用' [J]. 科协论坛(下半月). 2010.(01)

【关键词相关文档搜索】： 材料加工工程; 热轧带钢; 过程控制; 粗轧设定; 数学模型; 轧制力; 神经网络

【作者相关信息搜索】： 东北大学 ; 材料加工工程; 徐建忠; 张晓琳;