规则与数据驱动的层流冷却过程带钢卷取温度模型

针对现有层流冷却过程带钢温度模型缺乏换热系数、带钢定位、带钢卷取温度计算的有效方法这一问题,提出了由冷却单元阀门开闭状态模型、带钢冷却单元定位模型、不同换热方式下的带钢温度模型组成的带钢卷取温度动态模型,将案例推理、规则推理、 神经网络等相结合,提出了规则与数据驱动的模型参数智能辨识方法.采用某钢厂实际生产运行数据对所提出的带钢卷取温度动态模型进行了实验研究,实验结果表明本文提出的方法能够有效提高带钢卷取温度模型的精度.     

热轧带钢层流冷却自适应控制系统

为了提高目标卷取温度的精度,获得组织性能和机械性能优良的带钢,某热轧厂采用了层流冷却自适应控制系统。介绍了层流冷却设备的布置,给出了控制系统的数学模型,阐述了此系统的自适应控制原理和模型自适应的短期和长期自学习计算方法。通过系统现场调试结果分析,应用该系统可以将带钢卷取温度的精度控制在±20℃之内,大大提高了带钢的质量。     

案例推理及迭代学习在层流冷却控制中的应用

现有的卷取温度预报补偿模型和带钢批次间补偿模型中,由于案例推理(Case-based reasoning, CBR)系统中检索特征权重系数采用人工凑试的方法,难以获得满意的补偿作用,且由于缺乏迭代学习的初始工况条件的匹配算法,难以进行准确匹配和有效迭代.因此,本文针对这两个问题, 提出了基于神经网络技术的案例推理系统检索特征权重系数自动学习算法及迭代学习技术初始工况匹配算法,改进了卷取温度预报补偿模 型和带钢批次间补偿模型,并采用国内某大型钢厂的现场实际数据进行实验研究.实验结果表明,与原有方法相比,带钢卷取温度的控制偏差减小了1.63℃,卷取温度精度控制在±10℃以内的命中率提高了14.5%.     

热轧带钢层流冷却系统温度的建模与仿真

针对于传统的热轧带钢生产线层流冷却卷取温度控制精度不高的缺点,以热轧带钢层流冷却控制系统为研究对象,对其温度进行建模与仿真.基于现有模型通过修正黑度系数来考虑带钢厚度方向上的热传导,采用有限差分法来建立带钢厚度方向温降一维模型.通过实际生产数据对模型中的部分参数进行修正,使模型更加符合实际生产要求.在得到层流冷却生产过程中热轧带钢温度变化和温度场分布的基础上,又模拟仿真得出带钢总体卷取温度曲线.将所搭建的模型应用于模拟实际生产过程,通过实际数据计算出的结果与实际测量值相比较,其偏差值在±10℃范围之内.因此所建模型能够满足实际生产精度控制要求.     

热轧带钢卷取温度的模糊神经网络预测函数控制

本文采用T S模糊神经网络建立了热连轧带钢卷取温度控制模型，并在该模型的基础上提出了一种在线计算量较小、计算速度较快的预测函数控制算法．应用该算法对热连轧带钢卷取温度的精冷区控制进行了仿真研究；结果表明，该控制器能够把带钢卷取温度控制在预定的范围内，控制精度能够满足生产要求．     

基于卷取温度预测的层流冷却优化控制模型

卷取温度对带钢的金相组织影响很大,是决定成品带钢加工性能、力学性能、物理性能的重要工艺参数之一;层流冷却过程具有强非线性、不确定性、时变的特点,采用传统的基于传热机理和统计分析的建模方式难以满足卷取温度优化控制要求;针对某钢铁企业热轧板厂卷取温度控制过程中存在的问题,建立了基于神经网络的卷取温度预测模型,综合考虑多种因素对卷取温度的影响,将该模型预测值与目标卷取温度值的偏差作为原有前馈模型的输入,以提高前馈补偿的控制精度;仿真结果表明,模型预测精度高,具有在线应用前景.     

基于遗传神经网络热轧带钢卷曲温度预报系统

带钢冷却过程的热交换是非常复杂的多变量、非线性、强耦合、大滞后的过程,难以用数学模型精确表达.提出了一种将遗传算法与神经网络结合起来,能够提高卷取温度预报精度的系统.利用热连轧现场生产过程中的实际历史数据,对预报带钢卷取温度的遗传神经网络进行离线学习和测试.结果表明,达到了卷取温度预报的精度要求,同时具有较快的收敛速度,能够满足在线实时控制的要求.     

带钢卷取温度高精度预报的遗传神经网络方法

热轧带钢卷取温度是影响成品带钢性能指标的重要工艺参数之一,其层流冷却控制系统具有高度非线性。影响卷取温度的因素多而且复杂,采用传统的温度预报模型难以达到较高的精度要求。为了满足卷取温度高精度的要求,提出了一种基于数据挖掘技术的遗传神经网络方法。充分发挥数据挖掘的关联分析能力、神经网络的泛化映射能力和遗传算法的全局搜索能力,将三者结合起来,建立了卷取温度预测模型。运用实际现场数据进行测试表明：它能准确地预报卷取温度,具有在线应用的前景。     

热轧带钢卷取温度联合控制算法设计与仿真

在热轧带钢生产线上,卷取温度的精确控制对带钢质量是至关重要的。详细研究了一个实际的热轧带钢卷取温度控制系统。建立了一种简化的动态控制模型,并用一个改进的遗传算法在线调整模型的参数。基于该模型提出了一个包括冷却反馈控制、前馈及自适应联合控制算法的控制器。通过建立一个更精确的仿真系统,达到指导现场生产的目的。实践结果证明提出的控制方法是有效的,仿真系统也具有较大的实际意义。     

宝钢热轧层流冷却模型的研究

一、引言 带钢卷取温度是影响成品带钢组织性能和机械性能的关键因素,近年来随着生产和控制技术的发展及用户对产品质量要求的提高,卷取温度成为与带钢厚度、宽度、板凸度、板平直度并列的衡量热轧带钢产品质量的重要指标。世界上许多热轧厂相继研制开发了新一代卷取温度控制系统,其卷取温度乃至冷却速率的控制已达到很高     

Hot-rolled strip laminar cooling process plant-wide temperature monitoring and control

The hot-rolled strip laminar cooling (HSLC) process is important to the production quality in hot-rolled strip product line. How to monitor the strip's transient temperature and accurately control the coiling temperature (CT) are the problems in HSLC since the strip temperature can hardly be measured inside the cooling section. In this paper, a modified EKF with trade-off feed-back coefficient is implemented to reconstruct the spatial distribution of strip temperature. It has the advantages of simple designation, having reasonable convergence rate and stability. Then a novel control strategy based on the designed EKF and model predictive control (MPC) is proposed for HSLC to improve the precision of CT. In MPC, a predictor is employed to predict the future temperature sequence at the inlet of fine cooling zone to further improve the performance of MPC. Finally, the reliability and performance of the proposed monitoring and control method were demonstrated by the experimentations in one HSLC manufactory.     

板带层流冷却控制技术的发展和问题

介绍了板带层流冷却的控制目的及过程 ,对国内外板带层流冷却控制技术的发展状况进行了详细的综述 ,剖析了该技术的难点和存在的主要问题 ,并针对如何提高卷取温度的控制精度 ,提出了基于优化设定技术的控制方案。     

基于遗传算法的层流冷却系统优化控制策略

为进一步提高层流冷却系统的控制精度, 不仅要满足对卷取温度的要求, 还要满足控制冷却对冷却速率的要求. 本文以热连轧层流冷却系统的粗调区为研究对象. 综合考虑层流冷却控制系统的两个控制目标: 目标卷取温度与目标冷却速率, 直接将粗调区集管的开闭模式作为染色体的编码, 应用遗传算法搜索粗调区集管开闭的最佳模式. 最后对整个冷却控制系统进行了仿真, 结果表明采用该控制策略明显优于简单的前端密集冷却模式.     

基于模糊控制技术的热轧带钢卷取温度控制

针对宝钢热轧厂层流冷却控制系统提出了一种温差模糊控制策略 ,以克服带钢头部和尾部温差精度低的缺点。通过对实际数据的分析 ,获得了完整的模糊控制规则集。模拟轧制表明该新型智能控制系统是成功的。