丁敬国
钢铁研究学报
基于中厚板的轧制特点，提出了基于灰色关联度的道次修正算法。通过灰色关联度模型计算出最近生产的n块钢板所有道次以及当前正在轧制钢板前m道次与当前轧制道次轧制力自学习系数的关联度，根据关联度的高低来确定当前道次和后续道次的自学习系数，并通过道次修正对后续辊缝进行二次调整，以获取精确的目标出口厚度。实际应用结果表明，产品的目标出口厚度的命中率有了大幅度的提高，具有很高的现场应用价值。
关键词:
灰色关联度;道次修正;中厚板;自学习
胡贤磊
,
赵忠
,
丁敬国
,
刘相华
钢铁研究学报
基于中厚板轧制过程的温度变化特点,以热辐射和对流为主要影响因素,对热辐射模型和对流模型进行分析和处理.解析黑度系数、厚度对温度变化规律的影响可知:终轧厚度大于30mm时,黑度系数的变化对终轧温度的影响很小;终轧温度在10mm左右时,必须根据后几道次实测温度调整黑度系数;轧件越厚,起始温度越高,温降速度越快.分析得到不同厚度下,平均温度和表面温度差的关系.实际应用表明,终轧温度预测误差基本不超过15℃.
关键词:
中厚板
,
轧制
,
温度
,
黑度系数
丁敬国
,
曲丽丽
,
杨翠英
,
胡贤磊
,
刘相华
钢铁研究学报
分析了在中厚板轧制展宽阶段和精轧阶段不同的展宽比和伸长率对宽度偏差及切头尾长度的影响,提出了针对不同的展宽比和伸长率条件下的立辊压下量优化方法,以产品长宽比等于10.26为临界点确定得到一个最小切损量的最优立辊压下量.实际应用表明,该方法可将产品的切损率降低15%以上,大大提高了中厚板产品的成材率.
关键词:
中厚板
,
立辊
,
成材率
,
优化
崔海涛
,
胡贤磊
,
丁敬国
,
许磊
,
王国栋
钢铁研究学报
针对传统板对板的自学习模型不能修正轧件个体差异的缺陷,提出了道次对道次的道次修正模型.该模型利用上道次的实测轧制数据,如实测轧制力、轧制速度、测温仪温度等,通过道次出口厚度再计算模块、钢板温度修正模块和轧制力短期修正模块精确计算出当前钢板的实际状态,然后通过剩余道次再计算模块对后续未轧道次的辊缝进行修正.实际应用表明,该道次修正模型投入使用后,轧制力预报精度和成品厚度精度有了很大提高.
关键词:
中厚板
,
道次修正
,
测量值
,
轧制规程
丁敬国
,
胡贤磊
,
焦景民
,
佘广夫
,
刘相华
钢铁研究学报
为了避免BP神经元网络易陷入局部极值和基本粒子群(PSO)-神经元网络早熟收敛问题,采用一种自适应变异的粒子群优化算法训练神经元网络,根据轧制力的实测值和神经元网络的预报值确定粒子群算法的适应度函数,按照权重梯度方向进行变异操作,并首次将该方法应用到热连轧机组轧制力预报中.通过攀钢热轧板厂现场数据运算表明,该方法的预报误差平均值比传统数学模型低1.65%,比BP神经元网络低0.55%,收敛速度比BP神经元网络提高了约1/4,为进一步提高精轧机组轧制力预报精度提供了一种新的有效方法.
关键词:
粒子群算法
,
神经元网络
,
BP算法
丁敬国
,
胡贤磊
,
焦景民
,
佘广夫
,
刘相华
钢铁研究学报
为了避免BP神经元网络易陷入局部极值和基本粒子群(PSO)神经元网络早熟收敛问题，采用一种自适应变异的粒子群优化算法训练神经元网络，根据轧制力的实测值和神经元网络的预报值确定粒子群算法的适应度函数，按照权重梯度方向进行变异操作，并首次将该方法应用到热连轧机组轧制力预报中。通过攀钢热轧板厂现场数据运算表明，该方法的预报误差平均值比传统数学模型低165%，比BP神经元网络低055%，收敛速度比BP神经元网络提高了约1/4，为进一步提高精轧机组轧制力预报精度提供了一种新的有效方法。
关键词:
粒子群算法;神经元网络;BP算法
丁敬国
钢铁研究学报
分析了在中厚板轧制展宽阶段和精轧阶段不同的展宽比和延伸率对宽度偏差及切头尾长度的影响，提出了针对不同的展宽比和延伸率条件下的立辊压下量优化方法，以 为临界点确定得到一个最小切损量的最优立辊压下量。通过实际应用表明，该方法可将产品的切损率降低15%以上，大大提高了中厚板产品的成材率。
关键词:
中厚板;立辊;成材率;优化
丁敬国
,
曾庆亮
,
胡贤磊
,
刘相华
钢铁
在中厚板轧机无液压弯辊条件下,为防止传统等负荷分配方法造成的板形问题,提出一种轧辊凸度协调负荷分配方法.分析了轧辊凸度对板形的影响,通过轧辊热凸度和轧辊磨损软测量模型得到了实时轧辊凸度,根据轧辊凸度的变化而调整规程板形系数以获得更加合理的负荷分配规程和良好的板形控制效果.实际应用结果表明,应用该方法后中浪和边浪等板形问题明显减少,具有良好的应用价值.
关键词:
轧辊凸度
,
负荷分配
,
中厚板
,
软测量
丁敬国
,
曾庆亮
,
胡贤磊
,
李西安
,
刘相华
钢铁研究学报
由于中厚板轧制过程传统道次修正方法稳定性较差,提出了基于灰色关联度的道次修正算法.通过灰色关联度模型计算出最近生产的n块钢板所有道次以及当前正在轧制钢板前m道次与当前轧制道次轧制力自学习系数的关联度,根据关联度的高低来确定当前道次和后续道次的自学习系数,并通过道次修正对后续辊缝进行二次调整,以获取精确的目标出口厚度.实际应用结果表明,产品目标出口厚度的命中率提高了2.5%～3.0%,具有很高的现场应用价值.
关键词:
灰色关联度
,
道次修正
,
中厚板
曾庆亮
,
丁敬国
,
胡贤磊
,
刘相华
钢铁研究学报
针对中厚板轧制过程实测温度测量精度受环境和仪表误差影响问题,中厚板生产线各个测温仪存在不同程度的测量误差,它对过程控制系统有很大影响.采用推理控制技术,对测温仪实测温度进行置信区间计算,采用部分最小二乘法设计推理估计器,以可信度最高的测温仪为基准,对在线其它测温仪测量值进行推理估计并确定其测量偏差.通过实际应用表明,该方法可大大提高温度的检测精度,具有良好的实际应用价值.
关键词:
中厚板
,
温度
,
推理控制
,
置信区间
