梅钢热轧厚度控制过程

热轧带钢厚度精度一直是热轧带钢产品质量的重要指标,而厚度控制技术是实现轧制高精度热轧产品的重要手段。介绍了梅钢热轧产线的厚度控制系统,阐述了模型厚度设定程序及控制方法,包括厚度计AGC、前馈AGC、流量AGC、监控AGC的应用,并分析了几种厚度异常原因和解决措施。     

热连轧带钢厚度缺陷溯源研究及应用

在带钢热连轧生产过程中,终轧厚度精度是体现带钢产品质量的关键指标之一。带钢厚度控制过程涉及多个模型,具有多变量、强耦合、非线性等复杂性,是热连轧带钢L2过程控制精度的最终体现。实际生产中,厚度缺陷时有发生,形成缺陷的原因复杂多样,目前主要依赖事后的人工分析,其难度大、效率低。为此,研发了热连轧带钢厚度缺陷的自动溯源模型,针对轧制完成后出现头部厚度缺陷的带钢产品,识别和分析厚度缺陷的形成机理,追溯和确定导致厚度缺陷的主要原因。融合资深数模专家的分析经验,通过深入挖掘带钢厚度控制背后的模型机理、理顺带钢厚度与各轧制参数之间的耦合关系,建立了热轧带钢厚度缺陷溯源的分析流程,构建了以辊缝模型设定不准、轧制力模型不准、轧制模型参数设定异常为核心的分析模块。最后,将国内某1 780 mm热连轧机组连续3个月生产的带钢数据用于模型性能测试,结果表明,带钢厚度缺陷溯源的准确率达到90.27%,基本满足实际生产需求,实现了热连轧带钢厚度缺陷的自动溯源,大大提高了厚度缺陷溯源的分析效率。     

冷轧钢带厚度及其控制工艺探讨

本文介绍了如何控制冷轧钢带厚度，研究了厚度与压力等工艺参数之间的关系，着重分析了影响冷轧钢带厚度的众多因素，指出了控制带钢厚度的依据，内容和方法。     

热轧带钢同板差产生的原因及控制方法

结合鞍钢半连续轧板厂的生产实际,用因果图法表示出影响热轧带钢同板差的因素,并详细阐述了同板差产生的原因和控制方法。     

基于KPLS的GM-AGC厚度预测方法

由于热连轧仅在精轧出口装有测厚仪,对带钢进行厚度控制时会产生严重的滞后,因此,GM-AGC常采用弹跳方程间接测厚的方法,但由于弹跳系数不易获得,且弹跳模型存在一定误差,这种方法不能有效提高带钢厚度质量.采用KPLS方法进行非线性特征抽取,获取辊缝、轧制力和厚度之间的相互关系,用于对带钢厚度进行预测,从而为GM-AGC提供较为精确的厚度预测值.     

基于减法聚类的带钢厚度数据驱动建模

针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力.      

热轧带钢厚度波动及其控制措施

厚度是板带钢的主要尺寸,其精度是考核带钢质量的重要指标。唐钢1 580 mm热轧线的带钢厚度尺寸指标已达到了较高的水平,但在生产过程中发生的带钢厚度波动严重困扰了生产顺行,对后续加工质量造成了严重影响。本文结合客户需求,针对1 580 mm热轧生产线厚度波动的原因进行了分析,并制定了相应的解决措施,有效地控制了带钢厚度波动问题,赢得了客户的好评。     

影响带钢头部厚度精度原因的分析

热轧带钢的厚度精度是产品质量的重要指标,文章结合数学模型和工程日志对生产中影响带钢头部厚度的原因进行了分析,得出轧制温度是影响厚度的主要原因.计算了温度对厚度影响的程度.结合生产实际操作指出了提高头部厚度精度的方法.     

攀钢HC冷连轧机厚度控制分析

阐述了攀钢HC冷连轧机厚度自动控制系统的结构和原理以及为提高带钢厚度精度控制的各种补偿功能,结合影响冷轧带钢厚度精度的主要因素和控制效果,分析了AGC系统各环节在控制厚度偏差方面所起的主要作用和不足。     

七机架热连轧机组轧制温度综合优化技术

热连轧轧制过程中的轧制温度会影响带钢变形抗力以及轧制力的大小,进而改变带钢的出口厚度以及出口板形分布,因此,当轧制温度设定不合理时,会导致带钢的出口厚度精度变低、出口板形质量变差。充分考虑到热连轧机组的设备特点及其轧制工艺特点,首先,通过对变形抗力模型、出口厚度模型、宽展量模型以及出口板形模型的研究,定量分析了轧制温度对变形抗力、出口厚度、带钢宽展量以及出口板形的影响效果及其影响过程。然后,针对由于轧制温度设定不合理而导致的出口板形质量较差的问题,以板形分布的极值差值程度以及波动程度为约束条件建立了带钢板形横向控制目标函数与纵向控制目标函数,进而建立了带钢板形综合控制目标函数,针对由于轧制温度设定不合理而导致的出口厚度精度较低的问题,以出口厚度偏差的标准差以及出口厚度偏差的平均值为约束条件建立了带钢厚度偏差综合控制目标函数,并在此基础上以出口板形最优以及出口厚度偏差最小为目标,以7个机架的极限轧制力、宽展量以及轧制温度变化范围为约束条件建立了七机架热连轧机组轧制温度综合优化设定目标函数,实现了七机架热连轧机组轧制温度设定值的综合优化,将该优化技术应用到了国内某热连轧机组的带钢生产中后使...     

可逆轧机带钢头尾厚度精度控制

分析了可逆轧机成材率低、带钢头尾厚度精度差、阶梯板长度长的原因,并提出了控制措施。通过建立厚度控制模型、查找轧制头尾扰动因素,提出优化轧辊补偿效率曲线,并在轧制区推行以润滑油油膜厚度为基础,通过压力、张力和速度的配合快速压下,再通过压上粗调和张力微调的操作方法稳定带钢头尾厚度。实施后,阶梯板长度控制在30 m左右,带钢头尾厚度超标情况得到明细控制,单卷成材率在提高0. 035%。     

酒钢CSP轧机的板带厚度控制

热轧带钢厚度精度一直是提高热轧带钢产品质量的主要目标，而自动厚度控制是热轧带钢自动化首先要实现的功能。结舍酒钢CSP轧机的特点，着重介绍了其自动厚度控制的先进设计理念和控制方法。     

基于重复控制和鲁棒PID的冷轧带钢厚度控制系统

轧辊偏心是高精度冷轧机厚度控制不能忽视的问题。带钢轧制是一个复杂的非线性过程，带钢原料性质、处理量变化等也会导致过程模型发生变化。本文提出一种基于重复控制进行偏心补偿，鲁棒PID控制器对模型不确定性不敏感的带钢厚度控制系统。仿真结果证明系统具有良好的跟随和抗扰性能，表明这种混合控制方法有一定的适用性。     

层流冷却过程中带钢温度场数值模拟

分析了带钢层流冷却过程中的传热，并利用有限元法对层流冷却过程中带钢温度场进行了模拟计算。结果表明：随着轧件厚度的减薄，在带钢厚度方向上的温差逐渐减小；冷却速度不同时，带钢表面温度和中心温度的变化趋势以及波动幅度相应发生变化。在进行模型计算时，应合理考虑带钢厚度及内部热传导的影响。这对提高数学模型的精度，控制卷取温度，提高产品质量以及指导生产具有重要意义。     

提高不锈钢耐高温氧化变色性能的研究

为了抑制不锈钢高温氧化变色,从氧化膜的光干涉作用出发,试验研究了其产生机理及影响因素。结果表明,不锈钢变色的根本原因是其表面的氧化膜厚度发生了变化。增加铬、硅元素含量以及控制带钢表面粗糙度在0.022μm以下,都能有效抑制不锈钢高温变色程度。而将酸液浓度在一定范围内进行调整,则未起到改善作用。     

冷轧热镀锌镀层厚度控制系统的开发与应用

 在冷轧连续热镀锌生产线上,热镀锌镀层厚度的控制水平将直接影响到热镀锌板的产品质量、成本和市场竞争力。以鞍钢连续热镀锌生产线为背景,对冷轧热镀锌带钢的镀层厚度进行精确控制研究,利用有限元分析软件FLUENT对气刀吹锌过程进行数值模拟,分析影响镀层厚度精度的主要因素,建立镀层厚度自动控制系统的核心模型,提出气刀压力前馈控制和Smith预估补偿反馈控制方法,采用LABVIEW软件开发镀层厚度控制系统,实现镀层厚度精确控制。生产数据结果表明,控制系统的应用降低镀层厚度偏差,取得了较好的控制效果。通过镀层厚度自动控制系统的投入运行,不仅满足企业提高产品表面质量的需求,而且对节约成本、降低镀锌原料消耗具有重要意义。     

基于深度学习的热轧带钢头部厚度的命中预测

 针对热轧带钢头部厚度精度较低的问题,提出了一种基于深度学习的热轧带钢头部厚度的命中预测方法。在精轧过程中,带钢头部张力较小,且通常温度较低;同时轧机工艺参数复杂,精准设定存在困难,轧制带钢头部经常会出现厚度不合格的现象。利用深度神经网络的非线性拟合能力,设计带钢头部厚度预测模型,给轧机的参数设定提供参考、提高头部厚度命中率、减少钢材浪费。深度神经网络(DNN)包含输入层、隐藏层、输出层,使用TensorFlow开源机器学习框架设计预测模型并用程序实现。调整神经网络各参数,通过研究它们对模型性能的影响,优化预测模型。最后使用多种厚度的带钢测试数据训练并检验头部厚度预测模型,结果显示,分类预测命中准确率在80%以上。     

冷轧带钢厚度质量控制与改进

分析影响柳钢冷轧带钢厚度质量的主要原因,提出改进措施,总结实施效果。     

自动厚度控制系统分析：攀钢四机架冷连轧机

高度现代化的冷连轧机组必须满足对带钢成品的厚度公差，板形和板面的质量的较高要求。因此，自动厚度控制系统（ＡＧＣ）是冷连轧机组保证质量必不可少的一个重要手段，同时也是自动控制系统的一个核心部分。本文针对攀钢四机架冷连轧机组，用ＡＢＢＭＡＳＴＥＲ系统实现的自动厚度控制系统的构成，性能及特点进行了探讨。     

基于自适应稀疏表示的冷轧轧辊偏心诊断

轧辊偏心是冷连轧过程中导致带钢厚度偏差和质量缺陷的重要因素之一,针对轧辊偏心特征由于机架间的耦合作用和累计效应难以提取的问题,提出基于稀疏自适应匹配追踪(sparsity adaptive matching pursuit, SAMP)的偏心诊断方法。首先根据轧辊偏心模型构建偏心特征冗余字典,采用正交匹配追踪(orthogonal matching pursuit, OMP)算法将厚度数据进行稀疏分解,提取轧辊偏心特征。其次,采用匹配测试方法预测初始稀疏度,并通过迭代估计偏心和噪声的能量自适应地确定最优稀疏度,对偏心信号进行去噪。最后重构偏心信号并进行频谱分析,辨识各机架的轧辊偏心状态。经过仿真和实验验证,本方法比小波分析方法对早期偏心故障有更好的诊断效果,诊断结果为监控轧辊工作状态、优化换辊周期提供了可靠的依据。