熊祥江[1]2004年在《带钢热连轧加热炉控制系统的研究》文中进行了进一步梳理本文针对武钢一热轧连续加热炉控制系统进行研究，其研究内容主要包括加热炉钢坯定位控制系统的开发和加热制度的优化。 加热炉炉前钢坯控制系统主要介绍了德国西门子公司开发的S5-150U更换成S5-115UCPU945后，使用两种标准功能块FB156和FB157对数字位置译码器IP241进行初始化和与CPU同步化。在更换CPU后，保证新旧模板相互兼容，CPU由原来的4片CPU924-927换成现在的单片CPU945后，修改了CPU与CP之间的通讯处理程序(HDB)和钢坯定位程序。通过试验和现场调试，于03年9月试车成功。 加热曲线优化主要介绍了在满足加热工艺的前提下，在设定的加热时间内，当钢坯表面温度对加热时间的积分值为最小时，则加热过程的燃料消耗为最小的钢坯加热最优化准则，同时在加热工艺中对钢坯表面温升、出炉断面温差及炉温的约束条件下，采用可变容差法的优化方法进行寻优。 本文用VB语言编制了加热曲线优化软件，求解出了一条比目前更优的加热曲线，从而达到了节能降耗的目的：同时，该优化软件可作为钢组织及性能预报系统加热部分的子系统，可预报钢坯炉内运行时的表面温度和出炉时的断面温差，为钢坯的加热质量和轧后组织及性能控制提供了有力保证。
代正梅[2]2007年在《基于小波神经网络预测控制的加热炉炉温控制策略的研究》文中研究指明预测控制是20世纪70年代后期直接从工业过程控制中发展起来的一类新型计算机控制算法。由于它采用多步预测、滚动优化和反馈校正等控制策略，因而其控制效果好，比较适用于那些不易建立精确数学模型且比较复杂的工业生产过程，所以受到国内外工程界和控制界的重视，并且已经在石油、化工、电力、冶金、机械等工业部门的控制系统中取得了成功的应用，是一类很有发展前途的新型计算机控制算法。钢坯加热炉是热轧钢工业中用于钢坯轧前加热的重要设备，也是轧线上的耗能大户，因此研究加热炉的优化控制技术意义重大。加热炉生产的目标是“优质、高产、低消耗”，既要获得满足轧制所要求的钢坯目标出炉温度，又要实现钢坯表面氧化烧损最少，加热能耗最小。由于加热炉具有非线性、不确定性、强耦合等特点，是一个复杂的非线性系统，因此加热炉的优化控制是一个复杂的控制与优化问题，采用常规控制技术难以取得良好的优化控制效果。针对钢坯加热炉系统非线性、大惯性、大滞后的问题，本文在大量查阅相关参考文献的基础上，结合钢坯加热炉的生产实际，提出采用基于小波神经网络的预测控制策略对加热炉炉温进行控制。本文主要做了以下工作：(1)从钢坯加热炉生产实际和现代工业复杂化的实际出发，阐述了加热炉优化控制的应用现状与研究现状，并指出了目前加热炉优化控制中存在的问题。(2)研究了预测控制理论，首先综述了预测控制的研究现状及发展趋势，然后阐述了预测控制的基本思想，最后研究了神经网络预测控制，包括其预测模型及其控制算法的实现。(3)研究了基于小波神经网络的非线性系统建模与预测，并以加热炉的实际数据进行MATLAB仿真，用小波神经网络实现加热炉炉温的预报，在建模的过程中综合考虑了加热炉的生产实际，研究了神经网络建模中的关键技术。(4)针对加热炉这一复杂非线性系统，本文提出采用基于小波神经网络的预测控制的方法对钢坯加热炉炉温进行控制。首先采用小波神经网络建立炉温的预测模型以预测炉温的未来输出值，并采用反馈校正，以克服系统中由于其他不确定性扰动造成的模型预测误差，得到较为精确的炉温预测值。在此基础上，根据定义的二次性能指标对控制变量进行滚动优化，得到系统未来的控制序列。MATLAB仿真结果表明，这种控制方案是可行的，为在其实际生产中的应用奠定了基础。
刘显军[3]2007年在《带钢热连轧加热炉控制系统的改造及加热优化》文中研究指明加热炉是保证钢材轧制温度的重要热工设备,也是轧钢生产过程中能源消耗的大户,其工艺要求是获得满足轧制工艺所要求的钢坯温度分布,并尽可能地降低加热炉的能耗、减少钢坯的烧损。实际的生产过程中,操作人员为了弥补加热炉设备控制精度低对钢坯加热造成的影响,有时会人为地提高钢坯的出炉温度来保证钢坯的温度分布情况,忽略了加热炉的能耗指标和钢坯的损耗指标。因此,通过加热炉设备改造来提高设备的控制水平,优化钢坯炉内的升温曲线来保证能源消耗最少,对保证轧钢生产的产量、提高产品的质量、降低能源消耗和金属烧损率等有重要的现实意义。本文主要针对武钢一热轧4号步进梁式加热炉改造与钢坯炉内升温曲线的优化进行了研究。武钢―热轧为了提高步进梁的控制精度,增强上位机对步进梁的监控功能,提出了在保证原S5-PLC控制系统不受影响的同时,对4号步进梁式加热炉液压系统升级为S7-PLC的要求。本文详细介绍了PLC程序的结构、原理及特点,讲述了西门子S5与S7之间的通信方式,着重说明了FMS-Profibus通讯网的基本原理,分析了S5与S7通信组态和编程时出现的问题,并提出了解决方案。为该系统同时使用的西门子S5系列PLC和S7系列PLC设计开发了通信系统,并已成功地应用到实际生产控制中。同时结合4号步进式加热炉的现行加热制度及步进梁改造后的运行特点,从加热炉钢坯加热数学模型入手,总结了数模的约束条件。并以满足加热工艺和轧制工艺为约束条件,以钢坯炉内能源消耗量最小化为目标函数,利用复合形优化方法,用VB语言编程计算,对其钢坯炉内加热曲线进行优化。本文的优化结果,可改善现行武钢热轧加热炉采用回归的方法得出来的温度控制模型,为高效生产组织及性能良好的热轧带卷提供了保证。
张鹏飞[4]2007年在《基于小波神经网络的轧制力预报模型的研究以及自动厚度控制系统的研究》文中指出随着科学技术的飞速发展及生产规模的不断扩大，现代工业过程变得越来越复杂，因此，传统的数学模型以及系统建模方法与技术远远不能满足当今复杂工业过程提出的要求。神经网络具有很强的非线性逼近能力及自学习、自适应能力，有较强的容错性，因而能够很好地跟踪捕获对象受各种不确定因素影响而发生的变化及变化趋势。但在实际应用时，由于神经网络自身存在训练时间长、收敛速度慢以及局部极小等问题而限制了其在现代工业过程中的应用。为此，将小波分析理论引入神经网络，构成小波神经网络。小波神经网络融合了小波分析良好的时频域局部化特性和神经网络的优点，具有较强的逼近能力、收敛速度快并且能够有效地避免局部极小值。在带钢热连轧过程中，压下量计算要依据轧制力分配来确定，因此轧制力是一个很重要的参数。由于板带轧制时的弹跳现象，轧制力的预报则成为热连轧生产过程自动化级中精轧机组设定模型的核心，其预报精度直接影响辊缝的设定，从而影响厚度精度、板形好坏以及穿带的稳定性。由于轧制过程具有多变量、非线性、时变、强耦合等特点，因此，传统建模方法已经远远不能满足高精度预报轧制力的要求。本文的研究目的在于根据复杂工业过程的特点，以轧制力预报模型为对象，基于小波神经网络对复杂系统建模问题展开研究与讨论。并将预报的轧制力应用于自动厚度控制系统中。具体内容包括以下几个方面：(1)深入某热连轧厂生产第一线，学习研究带钢热连轧轧制工艺，及其计算机控制系统——SIROLL系统。(2)研究神经网络和小波分析相结合的途径，深入系统地分析和研究了小波神经网络的结构和学习算法，得到一种快速BP算法。(3)针对目前复杂工业建模存在的问题，在研究过程中以轧制力预报为对象，通过Matlab仿真实验研究小波神经网络，并且着重研究了网络结构的确定、小波函数的选择、网络学习算法、网络训练目标及网络中各个参数和系数数值的确定等问题，将所研究的小波神经网络用来建立轧制力预报模型。(4)深入研究了热连轧生产过程中的自动厚度控制系统，利用预报的轧制力和液压自动厚度控制技术来实现带钢厚度的设定与控制。针对目前实际系统中存在的问题，提出了相应的改进措施，有些已被生产现场所采纳，从而有效地提高了某热连轧厂带钢厚度自动控制的精度。(5)在总结全文的基础上，提出了研究过程中得出的若干思考，并对未来的研究课题进行了展望。
李晓磊[5]2011年在《热连轧精轧机活套控制系统的研究》文中指出随着现代化工业技术的迅速发展,在对钢铁产量需求越来越大的同时,对带钢的品种、规格和质量的要求也日益增高,同时这也对与轧制过程相关的控制系统提出了更高的要求。热连轧过程中活套控制是一项关键技术,它对热连轧过程中轧制的稳定性和带钢的宽度、厚度控制都有着非常重要的作用。目前该技术在国内外都一直处于比较活跃的研究和发展。本文以首钢迁钢公司1580热连轧的精轧机活套为背景,首先对活套控制的发展历程进行了介绍。接着对涉及到的活套控制发展进行了说明,介绍了活套控制相关的基本数学模型,介绍了首钢迁钢公司1580热连轧生产线的一级自动化系统、硬件构成、软件构成和网络结构,以及与活套控制相关的集成化功能块结构。并对该轧线的活套计算机控制系统进行了研究,针对热连轧控制过程中活套系统的张力和高度控制做了较为全面和深入的探讨,对PI和ILQ控制原理进行了阐述,对活套的起套控制、高度和张力闭环控制进行了说明。最后根据实际应用,对调试中遇到的问题提出了解决方案。针对带钢穿带时头部受外界影响大,套量的形成与轧机速度、AGC之间存在耦合,提出了对冲击速降补偿自学习的控制方案。针对轧制薄规格时轧制速度快,在抛钢时出现活套未落到位引起甩尾的现象,对控制参数进行了优化。本文的研究结论在实际生产过程中得到了验证,相关产品技术指标有了明显的改善,保证了生产的稳定运行,为企业取得良好的经济效益提供了可靠的技术基础。
唐晓勇[6]2005年在《双机架循环往复式热轧机模型在线自学习的研究》文中提出热轧板带是钢铁行业不可缺少的重要钢材品种,随着经济的发展,对其产品的质量提出了更高的要求,也加速生产工艺和控制技术的不断革新。 本文结合昆钢热轧板厂的板带工程控制系统优化项目,进行双机架循环往复式热轧机模型在线自学习的研究,该厂使用的1725mm双机架轧机属于世界上比较先进的往复式炉卷轧机,它是在单机架炉卷轧机的基础上改进与发明的一种带钢轧机,兼有单机架轧机和连轧机的工艺特点,其轧制过程相当复杂,控制系统采用了分布式分级递阶叁层控制结构:Level-0是传感元件、控制设备组成的底控制网络;Level-1主要是轧机APC(Area Process Controller)和卷取机/层流APC;Level-2的主要是用于模型和轧制表计算的ALPHA计算机,同时,双机架炉卷热轧机的控制系统是典型的混合控制系统,从物理结构可以划分为四个不同的计算机系统,分别是APC系统、MMI系统、Windows2000网络服务器系统和Level-2ALPHA计算机系统。 双机架炉卷轧机控制系统中数学模型是实现生产过程计算机控制的基础,其重要特点是进行参数预报,并描述参数的变化,然而由于热轧制过程中轧辊存在弹性变形、轧辊磨损、带钢温度变化等等诸多复杂因素的影响,钢板参数难以控制,诸多从实验中总结出来的轧制数学模型因轧制环境的变化原有参数已不能满足高精度轧制的需要,因而在实践中需要根据实际生产工艺不断的修正参数,进行自学习,来保证控制要求。本文主要包括如下内容: 1.研究了板带热扎的工艺,结合昆钢的双机架炉卷轧机详细阐述了炉卷轧机的发展及前景。 2.研究了热轧控制系统的发展和昆钢集团热轧厂的双机架炉卷轧机控制系统的软件和硬件。 3.研究了该系统中的主要数学模型并介绍数学模型建立和自学习的方法。 4.详细深入地研究了数学模型中的流动应力的原理、流动应力模型建立及其自学习的理论基础。从程序语言FORTRAN入手,分析了实现流动应力数学模型的实际框架并对核心代码进行了分析,为全面掌握整个系统提供一个样板。并对其他控制系统提供一个有益的参考。
鲁毅[7]2008年在《基于模糊逻辑参数整定的加热炉炉温仿人智能控制的研究》文中进行了进一步梳理钢坯加热炉是热轧钢工业中用于钢坯轧前加热的重要热工设备,也是轧钢生产过程中的耗能大户,其作用是将钢坯加热到轧制工艺所需要的温度,其工艺要求是尽可能地降低加热炉的能耗、减少钢坯的烧损和减少环境污染。因此,加热炉先进控制方法的研究对钢铁企业的技术创新、对降低企业生产成本的意义非常重要。钢坯加热炉是一个典型的复杂工业过程,它几乎具备了复杂系统的所有特征,即建模困难、干扰严重,而且具有多变量、时变、非线性、耦合、大惯性兼滞后等特点,导致传统的控制方法很难取得良好的控制效果。因此加热炉的优化控制是一个复杂的控制与优化问题,采用常规控制技术难以取得良好的优化控制效果。本文结合步进梁式加热炉的实际特点,以加热炉的炉温作为研究和控制对象,提出一种基于模糊逻辑参数整定的加热炉炉温仿人智能控制。本文主要做了以下工作:(1)阐述了课题的研究背景及选题意义、钢坯加热目的、作用以及钢坯的加热质量对整个轧制工艺的影响,分析了加热炉炉温控制的研究现状及其存在的问题。(2)详细阐述了仿人智能控制理论的基本思想、基本概念和基本原理,研究了仿人智能控制系统的结构及其设计方法,分析了仿人智能控制的不足和面临的问题。(3)阐述了钢坯加热炉的炉型结构、钢坯的加热过程以及钢坯加热炉的燃烧系统。并论述了加热炉的工艺和控制要求、顺序控制、燃烧控制以及炉膛压力的模糊控制策略。着重研究了加热炉的炉温控制,分析了影响加热炉炉温控制的几个因素,并研究了加热炉炉温的优化设定。(4)针对加热炉炉温控制中的实际问题,根据仿人智能控制理论和模糊推理系统的原理,提出和设计了基于模糊逻辑参数整定的炉温的仿人智能控制系统。最后用MATLAB作为仿真实验平台,结果表明提出的基于模糊逻辑参数整定的加热炉炉温控制是可行的、有效的,为其在实际生产中的应用奠定了基础。
王霞[8]2006年在《热连轧中精轧机组活套自动控制系统的研究与应用》文中认为随着现代化工业技术的迅速发展,对带钢的品种、规格、质量和产量的要求日益增高。热连轧过程中活套控制是决定带钢厚度和宽度质量的关键技术,目前该技术在国内外都一直处于比较活跃的发展状况。 本文以广东韶关宏德轧钢厂的520mm热连轧中精轧机组计算机控制系统为背景,对于该类计算机控制系统进行了研究,尤其针对热连轧控制过程中活套系统的张力和高度控制作了较为全面和深入的探讨,完成了大量的理论和实际工作。 首先介绍了板带热连轧张力自动控制系统研究的意义,国内外热连轧过程计算机控制的发展概况,带钢热连轧计算机系统的分级与基本结构,提出了本课题研究目的和意义。然后又介绍了广东宏德520mm热连轧计算机控制系统的概况、工艺流程、技术方案。在此基础上进行了热连轧活套张力自动控制系统理论研究,介绍了活套系统基本方程,热连轧中精轧机组连轧的基本过程,活套支持器的基本设定,热连轧活套支持器的自动控制系统。最后介绍了广东宏德520mm热连轧中精轧系统的自动化系统功能及活套张力自动控制系统的设计与应用。 本文的研究结论在生产现场得到了验证,所有要求考核的板带类型均超过了所要求达到的技术指标,为企业取得良好的经济效益提供了可靠的技术基础。
薛丽[9]2010年在《基于智能技术的板宽控制方法研究》文中进行了进一步梳理21世纪是科学技术飞速发展和经济全球化的时代,在这种时代背景下,我国更是把发展高新技术产业作为促进经济发展、提高经济增长质量和效益的突出战略措施。建国以来,冶金工业在我国国民经济发展中一直占据很重要的位置,经过半个多世纪,尤其是改革开放的30年来,我国已经成为世界的钢铁大国,但还不是钢铁强国,有许多技术经济指标还落后于技术发达的国家。在轧钢企业当中,为了提高产品的国际竞争力、降低板带材的成本,就必须提高板带材的质量,发展轧制技术和轧制理论对于提高板带材的质量是至关重要的。而带钢的宽度、厚度、板形控制是提高板带材质量、减少生产成本的基本方式。所以,着重解决由于宽度变形、厚度偏差、板形不良等因素带来的问题,是轧钢技术发展的方向。带钢宽度轧制的基本目的就是为了获得轧件最终需要的宽度,而轧件薄且冷时,通过塑性变形调整宽度实际上是不可能的,因此板带材的宽度控制主要是指热连轧机组的宽度控制。本文以热连轧带钢的宽度控制为研究对象,在轧制技术的经典理论基础上,利用人工智能技术处理热连轧带钢头尾宽度控制中出现的复杂问题,解决传统控制中依靠经验确定数学模型参数而导致热连轧带钢头尾失宽现象严重的问题,从而达到提高热连轧带钢宽度控制水平的要求。目前,热连轧宽度调整一般采用调宽压力机或强力大立辊轧机等措施实现带钢大侧压。本文在带钢热连轧粗轧短行程控制模型的基础上,利用遗传算法具有随机、迭代等优点,将改进的遗传算法应用于热轧带钢头尾部的短行程控制中,解决由于热连轧带钢头尾失宽带来的板坯宽度控制精度不高的问题。板坯在立辊轧制过程中,对热连轧带钢头部利用遗传算法分别进行3个道次的短行程优化控制,热连轧带钢短行程控制模型选用的是两段短行程模型,对热轧带钢短行程模型进行优化控制,得到板坯头部出口宽度的仿真曲线,但从仿真曲线看到传统遗传算法的优化控制精度不能很好的达到控制要求,有较大的失宽误差,为此,采用改进的的自适应遗传算法对热连轧带钢的头部进行短行程优化,通过自适应遗传算法的优化控制,板坯的失宽量减小,提高了热连轧带钢头部的宽度控制精度,也证明了自适应遗传算法的优越性。板坯尾部利用遗传算法对立辊轧制过程分别进行3个道次的短行程优化控制,短行程控制曲线选用的是四段折线模型,结果表明,利用遗传算法优化短行程控制参数,减少板坯尾部的失宽量,取得了较理想的控制效果。利用遗传算法及改进的遗传算法优化短行程控制参数,解决了传统方法难以解决的短行程优化问题,对板坯的宽度控制也达到较为理想的控制效果,提高了板坯端部宽度的控制精度及带钢产品的成材率。
彭文[10]2014年在《热轧带钢精轧过程控制系统开发与模型优化》文中研究指明过程控制系统是热连轧计算机控制系统的重要组成部分,是保证热轧带钢产品厚度精度的主要控制手段,提高厚度控制精度是轧制过程控制系统研究的重点。本文以某新建热连轧生产线项目为研究背景,以提高产品的厚度精度为出发点,通过对轧制过程模型进行理论研究,将厚度控制模型与先进的模型自学习算法相结合,建立了热连轧过程控制模型,以此为核心开发了功能完备、适应现场实际的热连轧过程控制系统,并成功应用于实际生产,取得了良好的控制效果。主要研究内容如下：(1)建立基于多进程、多任务热连轧过程控制系统平台。针对热连轧生产线特点开发符合现场实际要求的热连轧过程控制系统,采用多进程结构,进程内部采用一任务一线程的新型模式,大幅提高系统的稳定性,并降低各功能模块间的耦合性,在此基础上建立过程控制系统数据通讯进程、数据库服务进程、位置跟踪进程以及模型计算进程。(2)研究数据采集多样本处理协同自学习控制方法。研究采用OPC和Socket流式套接字技术实现基础自动化系统和过程控制系统之间实时数据的通讯,搭建数据采集与处理平台,提出一种数据多样本处理算法,通过求解样本变异系数的方式,获得高精度的自学习源数据,在此基础上开发模型自学习策略,提高了模型的预报精度。(3)研究温度设定模型及多目标优化控制策略。研究轧制过程中温降理论模型,分析空冷温降、水冷温降和变形区温降对轧件温度的影响,建立精轧入口温度预报模型和精轧区温度分布模型。针对传统精轧区温度模型自学习方法中存在的缺陷,提出一种新型温度模型自学习策略,通过Nelder-Mead单纯形替换法对多目标函数进行求解,获得了精轧区温度分布的准确预报,提高温度模型的预报精度。(4)建立高精度轧制力模型和辊缝位置模型。分析了轧制力模型和辊缝位置模型中各影响因素对厚度控制精度产生的影响。结合现场实际,通过采用模型自学习系数分解的方式,对轧制力自学习模型进行了优化,提高了变规格之后的轧制力预报精度；针对现场实际生产过程中存在的自学习数据异常情况,提出了速度调节系数的概念,对辊缝自学习模型进行了优化,有效地提高了模型自学习的效率,提高了厚度控制精度。(5)应用智能算法优化辊缝位置模型。针对各热连轧现场中存在长时间停轧之后首块钢厚度控制精度低的现象,通过对辊缝位置模型的分析,提出了基于稳态误差的模型自学习方法,提高了模型的预报精度；通过ANSYS建模分析了轧制过程中轧辊的温度变化情况,拟合得到了不同水冷换热系数下的轧辊的热膨胀曲线,并提出了一种模型参数预估方法,建立了具有广泛适用性的轧辊热膨胀模型,提高了长时间停轧后的厚度控制精度；并提出了一种穿带自适应优化算法,通过合理的确定自适应机架,提高了穿带自适应的成功率,提高了带钢头部的厚度控制精度。(6)根据现场实际曲线分析了各种规格的厚度控制效果。对厚度控制系统的效果做出了有说服力的评价,对热连轧轧制过程中的厚度控制具有很强的实用性。目前,开发的过程控制系统已成功应用于某热连轧生产线,对我国轧制控制水平的提高具有积极的促进作用。
参考文献：
[1]. 带钢热连轧加热炉控制系统的研究[D]. 熊祥江. 武汉科技大学. 2004
[2]. 基于小波神经网络预测控制的加热炉炉温控制策略的研究[D]. 代正梅. 太原理工大学. 2007
[3]. 带钢热连轧加热炉控制系统的改造及加热优化[D]. 刘显军. 武汉科技大学. 2007
[4]. 基于小波神经网络的轧制力预报模型的研究以及自动厚度控制系统的研究[D]. 张鹏飞. 太原理工大学. 2007
[5]. 热连轧精轧机活套控制系统的研究[D]. 李晓磊. 东北大学. 2011
[6]. 双机架循环往复式热轧机模型在线自学习的研究[D]. 唐晓勇. 昆明理工大学. 2005
[7]. 基于模糊逻辑参数整定的加热炉炉温仿人智能控制的研究[D]. 鲁毅. 太原理工大学. 2008
[8]. 热连轧中精轧机组活套自动控制系统的研究与应用[D]. 王霞. 河北工业大学. 2006
[9]. 基于智能技术的板宽控制方法研究[D]. 薛丽. 济南大学. 2010
[10]. 热轧带钢精轧过程控制系统开发与模型优化[D]. 彭文. 东北大学. 2014
标签：金属学及金属工艺论文; 带钢论文; 钢坯论文; 过程控制论文; 神经网络模型论文;