吴进
,
马珩皡
,
邓长和
钢铁研究
某热轧生产线因采用交叉轧制造成特殊钢种全长超厚而判废,针对此问题,分析了温度偏差对厚度的影响、轧制压力偏差对辊缝的影响、自学习对轧制压力和辊缝的影响,采用拟合温度模型系数、回归轧制压力系数、根据钢种标志位进行单独设定与自学习等改进措施,有效解决了全长超厚的问题.
关键词:
交叉轧制
,
厚度控制
,
自学习
,
温度模型系数
张殿华
,
刘佳伟
,
王军生
,
王鹏飞
钢铁
板形控制中引入功效函数有助于更充分地发挥轧机的板形控制能力,改善带钢的板形质量.建立了基于功效函数的冷轧机板形控制模型,同时给出了相应的自学习模型,并将其应用到1450冷连轧机组的生产实践,所建立的功效系数模型及其自学习技术不但计算精度较高,能够满足工程需要而且计算过程非常稳定,计算速度能够得到保证,达到现场实际要求,取得了良好的使用效果,具有进一步推广应用的价值.
关键词:
冷轧机
,
板形控制
,
功效系数
,
自学习
韩庆
物理测试
为了提高不锈钢热连轧的宽度控制水平,通过粗轧短行程控制来改善带钢头尾宽度控制曲线.根据热轧粗轧短行程控制理论,分别使用了三段折线式和两段抛物线式来进行控制,同时根据带钢头尾的宽度偏差对短行程曲线进行自学习.现场投用表明:这种粗轧短行程控制模型能够明显地改善中间坯的头尾偏差,提高带钢成材率.
关键词:
短行程控制
,
三段折线式
,
两段抛物线式
,
自学习
田野
,
胡贤磊
,
刘相华
钢铁研究学报
针对热轧带钢粗轧头尾宽度尺寸精度低的现状,分析了带钢头尾宽度超差的原因,提出了采用短行程控制(short stroke control,简称SSC)的解决方案.针对传统的短行程控制模型在实际应用过程中控制精度不高的问题,开发了短行程控制在线自学习功能.采用加法自学习的方法.利用轧后实测宽度数据对短行程控制模型参数进行自学习.国内某热轧厂现场实际应用表明:自学习后的短行程控制模型,能够将带钢头尾与稳定段宽度超差控制在2mm之内;金属收得率提高到98%以上.
关键词:
热轧带钢
,
粗轧
,
短行程控制
,
自学习
刘呈则
,
许健勇
,
李山青
上海金属
doi:10.3969/j.issn.1001-7208.2009.05.008
由于受轧机自身特性变化等复杂因素影响,调控机构的影响系数不适合用恒定的常量来描述.将小波神经网络应用到影响系数的自学习过程,对预设定的影响系数值进行在线修正.介绍了冷连轧板形调控机构影响系数自学习的神经网络结构设计,结合目标能量函数的最小化,对影响系数自学习算法进行分析.结合生产现场的实际板形数据,采用Visual C++/MATLAB对控制算法的作用效果进行仿真.仿真结果表明,自学习算法对板形控制起到了预想的效果,具备现场在线运行的可行性.
关键词:
神经网络
,
自学习
,
效率因子
,
板形控制
彭良贵
,
刘恩洋
,
张殿华
,
杨贵玲
,
郭宏伟
,
王丰祥
钢铁
采用案例推理技术研究了热轧带钢层流冷却数学模型中的长期自学习系数的确定方法。基于现场大量生产数据,从如何有效利用经验知识入手,对层流冷却工况和所采用的自学习系数进行案例构造,采用绝对过滤和相对过滤方法进行案例检索,根据当前工况和历史案例工况的相似度决定是否进行自学习系数的重用或修正。现场实际应用表明：对已轧过的钢种规格带钢,该方法能有效地避免再次轧制时带钢头部过冷现象,能显著提高带钢头部卷取温度的设定精度,能有效地提高换规格轧制时带钢头部卷取温度的控制精度。
关键词:
案例推理
,
自学习
,
层流冷却
,
热轧带钢
杨丽
钢铁研究学报
为改善轧机控制系统中变形抗力的预报精度,提高产品质量,在分析原单机架轧机控制系统数学模型的基础上,选定温度影响项的系数作为修正系数,并将原长期自学习的算法改为渐消记忆的自适应算法。实现了以实测轧制力数据动态校正变形抗力,并运用VC6.0＋＋编程实现。实际应用表明,给出的快速自学习策略优于原来的变形抗力工程计算方法,有效减少了产品的厚度误差,提高了板材的成材率和经济效益。
关键词:
单机架炉卷轧机
,
数学模型
,
变形抗力
,
自学习
白振华
,
康晓鹏
,
龙瑞兵
,
吴首民
钢铁
针对传统的以赫希柯克公式为基础的轧制压力模型不适合于平整轧制的问题,经过大量的现场数据回归与理论分析,充分考虑到不同平整机组的设备工艺特点与实际工况,综合轧制速度、变形抗力、张力、伸长率等平整轧制工艺参数的影响,根据平整轧制过程轧辊与带材交界面处接触弧更具平面性质而非圆柱表面性质的特点,在罗伯茨平整轧制压力模型的基础上,提出了一套工程上实用的平整轧制压力计算模型,同时给出了相应的模型自学习方案,并将其应用到宝钢冷轧薄板厂1220平整机机组的生产实践,95%以上的钢卷轧制压力预报值与实际值的相对误差在10%以内,达到了工程要求,取得了良好的使用效果,具有进一步推广应用的价值.
关键词:
平整
,
工程
,
轧制压力
,
自学习
张延华
,
刘相华
,
王国栋
材料与冶金学报
doi:10.3969/j.issn.1671-6620.2004.03.013
以实测数据为基础,在中厚板轧制设定中采用BP神经网络的方法取代传统的轧制力数学模型,并对神经网络输入项和训练样本进行分析,将传统轧制力模型的自学习过程引入神经元网络用于轧制力预报,改善预报精度.采用模糊聚类分析方法,科学选取学习样本,解决了由于样本多学习速度慢的问题.通过在线数据分析,可知这种方法对轧制力的预报精度有很大改善,而且神经元网络的结构也得到简化.此方法可以作为神经元网络应用的一个拓展.
关键词:
BP神经网络
,
聚类
,
轧制力
,
自学习
