基于物理规划的铝热连轧多目标轧制规程优化

针对铝热连轧轧制规程多目标优化中综合目标函数权值难以确定的问题, 运用基于物理规划的多目标优化方法, 并以萤火虫智能算法为基础, 选取等功率裕量、轧制总能耗、末机架板型良好及各机架打滑因子为目标函数, 进行优化计算。物理规划使设计者以一种更加灵活的方式完成目标函数的权值分配, 然后通过萤火虫智能算法对综合目标函数进行优化计算。结果表明 不同的设计偏好能有效反映设计者的意愿, 从而产生偏向不同重点的轧制规程。     

基于布谷鸟算法的铝热连轧轧制规程优化

根据轧制原理, 提出了支持向量机建立轧制力预报模型, 并通过布谷鸟算法优化支持向量机参数, 达到提高预报精度的目的。提出了支持向量机网络与数学模型结合的方法, 对某“1+4”铝热连轧厂现场采集的5052铝合金轧制数据进行离线仿真, 进一步提高了轧制力预报精度。在轧制规程设定中, 建立了以预防打滑为主的电机功率剩余程度相近目标函数, 并用布谷鸟算法对压下率进行优化, 结果表明, 该规程有很好的预防打滑效果, 并能保证各机架电机的功率剩余程度相近。     

基于粒子群算法优化支持向量机的铝热连轧机轧制力预报

为了提高热轧带材的轧制力预报精度,提出了粒子群算法和支持向量机结合的方法来预报轧制力。根据轧制原理用支持向量机建立轧制力预报的模型,通过粒子群算法优化支持向量机参数来提高预报精度。为了进一步提高轧制力预报精度,还提出了支持向量机网络与数学模型相结合的方法,对某“1+4”铝热连轧厂现场采集的5052铝合金轧制数据进行离线仿真,仿真结果可以看出支持向量机网络与数学模型结合的方法预报轧制力,提高了轧制力预报速度并使其轧制力预报精度控制在7%以内。     

带钢冷连轧材料变形抗力模型研究

针对冷连轧轧制过程的特点,变形程度是影响变形抗力的一个重要因素。建立了变形抗力的机理模型,并将理论模型与实际数据相结合。采用某钢厂生产的低碳钢08AlA稳定轧制时的现场实测数据,利用最小二乘逐次回归变形抗力模型中的各个参变量,并选用不同的方法来获得摩擦系数,选出与实际生产数据相吻合的最佳模型。将回归出的不同变形抗力模型,分别代入轧制力迭代公式进行计算,通过比较与实测轧制力的误差,选出最优的形抗力模型应用于实际生产中轧制力和前滑的预设定。     

基于DRNN－PID的板形板厚解耦控制

 针对板形板厚综合系统具有强耦合、非线性、含纯滞后环节的特点,建立了板形板厚耦合模型,并在对其进行神经网络解耦设计的基础上提出了基于对角递归神经网络(DRNN)整定PID的板形板厚解耦控制方法,然后根据带钢冷轧情况提出神经网络解耦对不同塑性刚度参数的实际适用范围。仿真结果表明,该解耦控制系统具有比传统前馈补偿解耦PID控制效果好、响应速度快、自适应跟随能力强等优点,并且符合实际轧制要求,有效的提高了板形板厚的控制精度。     

自适应遗传算法在冷连轧负荷优化中的应用

利用自适应遗传交叉变异策略,设计了一种冷连轧轧制负荷优化方法。以各机架相对压下率为自变量,以各机架轧制力相对均衡为优化目标,建立目标函数。通过与在某1370冷连轧机的负荷优化方法进行比较,仿真结果表明,自适应遗传算法具有搜索速度更快、收敛精度更高等优点,更适合在实际生产中应用。     

1270轧机AGC系统组成及弹性曲线的回归

介绍了1270冷轧机AGC系统的基本结构，依据现场采集的数据，利用最小二乘公式回归了该轧机的弹性曲线，并将结果应用于实际控制系统中，取得了良好的效果。     

张力辊与单机架间的物流控制在连轧机中的应用

首先阐述了前馈控制和物流控制的概念 ,然后分析了物流控制在连轧机的两单机架间的常规应用 ,最后提出一种将物流控制应用于张力辊与单机架的方法 ,并说明了它的优点。     

一种基于框架结构的轧机辊缝设定模型方法

本论文以一二手轧机改造为背景，在轧机辊缝模型没定中，提出了一种基于框架结构并铺之以模糊方法的解决方案用以解决轧机模型在长期工作过程的变化以及生产过程中的单卷带材由于某种原因引起的变形抗力变化而导致的调节时间偏长的问题，将之应用于1270轧机，取得了良好的效果。     

铝热连轧弯辊力建模与仿真

弯辊力是调节板形的重要手段,准确的弯辊力模型能够为轧制获得良好的板形。为了准确的预测铝热连轧弯辊力,以某厂1+4铝热连轧实际生产数据为样本,提出了支持向量机(SVM)弯辊力模型。由于SVM的精度及泛化能力依赖于参数选择,故将自由搜索算法(FS)运用到模型参数寻优过程,并分别与BP神经网络和粒子群(PSO)优化的SVM模型进行比较。仿真实验表明建立的FS-SVM模型参数优化速度快、结构简单并且具有较高的预报精度。