热连轧活套系统的分散控制

分析热连轧轧制速度增量对活套系统性能的影响,建立了活套关联系统模型,提高了活套系统模型精度.基于H∞原理,将活套高度与张力系统之间的耦合影响看作扰动,采用分散控制方式,为每台轧机活套系统单独设计控制器.仿真结果表明,基于活套关联系统模型,采用分散方式设计控制器,提高了活套系统的控制性能.     

一种板形预报和控制方法的应用研究

研究中厚板产生中板形预报与板形控制,以本城轧辊弹性变形理论为基础,通过模型简化和离散化建立了板凸度预报模型、板形预测模型及板形控制反馈修正模型,仿真结果表明,预测模型仿真数据较接近于实测数据,通过改变轧制过程中压下量的分配,间接实现板形控制的方法,在一定程度上,弥补了中厚板生产中无板形控制装置的缺陷。     

基于DNA技术的中厚板轧制控制系统的研究

结合中厚板轧制系统的自身特点,对传统轧钢自动控制系统的分层结构进行重新划分,建立基于DNA(分布式网络应用)结构的中厚板轧制系统模型。整个体系结构分为商业层、数据层和现场层3层结构,对系统中要解决的网络安全问题、软插件实现和实时信息远程传送问题进行了系统的分析和研究。该模型的建立,适应了广域网技术发展的要求,提高了中厚板轧制系统的自动化程度,大大降低了系统的复杂性。     

控制轧制节奏的优化

针对单机架中厚板轧制过程中,不同轧制及控制轧制方式下轧机的利用率等问题进行分析.在一组组板坯轧制生产方式的基础上,提出了板坯交替轧制的生产方式,并在此基础上,进一步研究了根据不同的轧制时间、待温时间等条件优化控制轧制节奏的方法.该方法可以有效地提高中厚板轧机的利用率.     

基于PSO和神经网络的中厚板凸度预报模型辨识

针对在钢板轧制过程中很难精确预报中厚板的凸度问题,将粒子群算法和神经网络用于辨识中厚板凸度预报模型.结合了神经网络和粒子群算法各自的优点,先采用三层神经网络建立神经网络预报模型,再利用粒子群算法对网络的权阀值进行训练.实验结果表明:相对于BP神经网络凸度预报模型,本文设计的PSO神经网络预报模型在收敛速度和预报精度上明显优于BP神经网络,具有精确性、收敛性和快速性等特点.     

中厚板双机架串行生产线参数摄动的周期估计

为了解决一类中厚板双机架串行生产线参数摄动条件下周期值估计的问题,在建立该系统极大代数意义下的状态空间模型的基础上,采用一种系统参数摄动时周期值的估计方法,对实际系统的周期值进行了估计.研究结果表明,该方法与实际计算的周期值相比,计算量小,能够有效地估计出带有参数摄动的串行生产线的周期值的上界,并对串行生产线的轧制工艺提出了改进方法,防止串行生产线因参数摄动而发生阻塞,提高了串行生产线的安全性.     

热连轧厚度系统的多目标鲁棒预测控制

针对热连轧厚度控制系统模型(AGC),提出基于线性矩阵不等式的多目标鲁棒预测控制算法,有效处理了液压厚度控制系统的参数不确定性、扰动以及约束等问题. 由于所得结果以非线性矩阵不等式形式给出,采用锥补线性化思想将控制器的设计转化为一个受线性矩阵不等式约束的非线性规划问题,求解线性矩阵不等式,根据其可行解构造控制器,实现系统的多目标优化控制策略. 仿真结果表明,该方法有效并具有较好的控制性能.     

中厚板轧制过程中平面形状控制实验研究

为减少轧制中钢板的切边、切头尾量,提高钢板的成材率,利用厚板展宽轧制法(MAS)对轧制过程中钢板的平面形状控制进行了试验研究.在简述平面形状控制原理的基础上,建立了平面形状控制的试验模型,并通过合理设定轧制速度,达到提高轧制钢板矩形化的目的.试验数据表明,MAS轧制法可以减少钢板的切损量,明显地提高生产效益.     

基于COM／DCOM的轧钢生产线组态软件的开发

针对轧钢生产线操作台程序,基于微软COM／DCOM技术开发了专用的组态软件。此文介绍了该软件的系统结构、运行环境和组件结构,解决了组件与运行时数据库之间如何建立联系,实现了代码的共享,利用该软件降低了系统开发成本。