基于优化RT-PLS的热轧带钢头部厚差诊断研究

头部厚度偏差是热轧带钢的重要产品质量指标,在板带轧制厚度控制中起着重要作用。实际生产中,基于多种原因带钢头部厚度常会出现偏差超限现象。为了分析头部厚差超限的主导原因,采用偏最小二乘法,结合马氏距离相对变换和潜变量优化选取方法,建立了基于优化相对变换偏最小二乘法(Relative Transformation-Partial Least Squares, RT-PLS)的带钢头部厚差诊断模型。实例表明:优化RT-PLS诊断模型能够准确查找出导致带钢头部厚差超限的主要特征参数,指导生产现场的调节,成功降低了后续带钢的头部厚差,使厚度命中率由92.18%提升至97.13%,为带钢头部厚差的诊断研究提供了一种有效的诊断方法。     

对森吉米尔轧机液压板厚自动控制系统的分析及评述

板带材沿纵向厚度的均匀性,是冷轧薄带钢质量的重要指标,它直接影响各机械工业的生产效率和产品质量,不断提高这一指标,是冷轧机自动化的一个主要目的。在冷轧生产过程中,影响带钢厚差的因素很多,而板坯纵向厚差、机械强度不均和轧机的弹跳特性及轧辊的偏心,是造成带材厚度偏差的主要原因。厚差的产生,直接反映出轧制力的变化,如何实现随轧制过程中轧制力的波动,及时地调整辊缝,以减小(或消除)出口带材厚度偏差,是研究轧机厚控系统的出发点。     

冷连轧自动厚度控制优化

通过分析冷轧带钢厚度偏差产生的原因,探索和研究包钢酸洗冷连轧机组轧机自动厚度控制系统原理,了解冷轧轧机消除热轧原料厚度偏差和冷连轧机本身的扰动产生的厚差。     

热连轧机组带钢厚度与轧制力的变刚度法智能纠偏系统

为提高热连轧机组厚度精度和轧制力精度 ,采用带钢厚度偏差和轧制力偏差 BP网络智能预测与偏差变刚度法同时校正方法。给出两偏差的分析和变刚度法偏差校正算法。离线模拟与在线应用都表明算法的有效性 ,提高机组带钢厚度偏差命中率 4 %～ 2 0 %和轧制力偏差命中率 8%～ 10 %。     

5 000 mm宽厚板头部厚度超差原因及控制对策

 某5 000 mm宽厚板生产线轧制厚板时头部0.2～1.0 m范围内厚度超差较严重,极大地影响了产品尺寸精度与成材率。究其原因为轧制力预报偏差较大及头部辊缝补偿过度使得实际辊缝偏小,造成头部厚度偏薄,且随着钢板厚度越厚,该现象越明显。通过对L2轧制力设定模型及L1头部厚度控制系统的相关参数进行优化,经多次工业试验及应用,取得了显著效果,头部厚度合格率由原来的50%提高到90%以上。     

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.     

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。     

基于实时负荷再分配热连轧机快速监控AGC技术研究

针对目前热连轧生产中,由于厚度设定模型精度不高所造成的头部厚度偏差较大的实际问题,本文研究提出了一种基于实时负荷分配的快速监控AGC方法。新方法通过对负荷进行实时分配,一次性调整多机架的压下量,可以迅速消除带钢头部段的厚度偏差,在计算再分配负荷时,充分考虑了负荷分配对板形的影响,从而避免了由于负荷分配调整导致的板形质量下降。生产实践证明,这一新方法可以在保证板形质量的前提下,快速、有效的消除头部厚度偏差,厚度超差段长度减少了50%以上。     

热轧带钢尺寸精度的提升

热轧带钢同条尺寸差及横截面三点差是反映带钢尺寸精度的两项重要指标.本文综合分析了热轧带钢生产过程中影响尺寸精度的关键因素,通过优化加热温度、降低中间坯厚度、优化立辊孔型、降低轧辊热膨胀、更改除尘方式、优化生产计划编排等措施,带钢生产过程稳定,尺寸精度得到显著提高,横截断面厚度差≤0.02 mm,同条厚度差≤0.05 m...     

热镀锌带钢表面粗糙度的多变量统计过程质量监控

以热镀锌带钢的表面粗糙度为研究对象，建立了基于偏最小二乘法（PLS）的多变量统计过程控制模型。该模型首先利用偏最小二乘回归对生产数据进行信息提取，然后根据严统计量对提取出的信息进行过程监控，最后利用贡献图分析生产过程中出现异常的原因。新的方法能够有效克服多变量间的相关性，同时充分保留过程参数对质量参数最大的解释力。用鞍山钢铁集团新轧钢股份有限公司冷轧厂带钢热镀锌线的生产运行实绩进行验证，结果表明：基于PLS的多变量统计过程控制模型与基于主元分析（PCA）的统计过程控制模型相比，能够更准确地找出生产过程中的异常点及其原因。     

基于粗轧镰刀弯的精轧跑偏预控模型及应用

带钢热轧跑偏问题是影响带钢生产与板形质量的重要因素。轧制生产过程中,由于粗轧中间坯头部弯曲导致的精轧堆钢事故频发,不仅严重危害生产稳定性,还造成资源的严重浪费和企业的经济损失。为了解决上述问题,针对粗轧非对称板形影响因素,结合实测粗轧中间坯以及工艺过程数据,建立中间坯头部预控模型,并利用加权最小二乘法与模型自学习对模型增益系数进行优化,最终建立了基于粗轧镰刀弯的精轧跑偏预控模型。将模型计算值应用于现场生产后,有效降低了精轧带钢头部跑偏,具有较好的参考价值和指导意义。     

热轧厚板头部厚度超差问题的分析与处理

热轧厚板头部厚度超差现象是武钢热轧生产中出现的新问题。从测量设备的角度出发,根据德国IMS公司X射线测厚仪的工作原理,找出这种热轧厚板头部厚度超差故障的原因,并对故障进行处理,用图表方式描述了处理结果。     

首钢京唐1580mm热连轧机精轧过程控制模型及应用

首钢京唐钢铁联合有限责任公司1 580 mm热连轧机由国内自主研发设计建造,其精轧过程控制中厚度分配采用标准负荷分配策略,温度计算采用沿轧线分为不同的温区,沿带钢厚度方向分为不同节点的方法,轧制力计算应用四阶Runge Kutta方法求解单位轧制力的Orowan差分方程,辊缝计算充分考虑了宽度、速度、热膨胀及磨损等的影响,同时采用模型自学习提高模型预报精度,通过模型实现高精度的头部厚度控制。模型系统投入使用后,运行状况良好,精轧设定模型厚度控制精度在(±50～±60)μm之间的平均命中率达到96.37%。该项目的成功经验,对国内新建或改造的热连轧项目具有极高的参考价值。     

板形设定模型参数优化与控制技术应用

 板形设定模型是整个板形自动控制系统中非常重要的一部分,决定着带钢头部板形的控制精度。板形精度既为热轧带钢的一项重要质量指标,又为衡量产品市场竞争力的主要因素。板形控制是带钢热轧的核心技术,为目前轧制技术研究开发的热点。阐述了鞍钢1780线PC轧机板形设定模型功能和构成,对轧辊热凸度模型参数进行了优化,在模型自学习中对各机架给予适量的平直度及凸度反馈,从而提高了板形设定模型精度。由于实际轧制过程的非线性、时变性,传统PID的控制已近极限,为进一步提高控制品质,板带平直度反馈采用非线性PID控制策略,其参数整定范围较宽,易于工程实现。通过对现场大量的轧制数据统计,在应用模型参数优化程序后,热轧板的平直度与凸度的头部命中率有了一定的提高。     

冷连轧机边降控制窜辊数学模型研究

 针对某冷连轧机边降控制存在的问题,采用显示动力学有限元方法建立了四辊轧机辊系与轧件一体化有限元仿真模型,分析了影响带钢边降的主要因素带钢厚度和带钢变形抗力对带钢边降的影响。基于边降控制机理和自主设计的EDW边降控制工作辊辊形特点,用边降控制等效面积法建立了冷连轧机边降控制窜辊数学模型,通过有限元仿真数据分析和工业轧制试验确定了模型参数。1700四辊冷连轧机应用本窜辊模型投入自主研制的EDW边降控制工作辊和配套的VCR变接触支持辊,取得了电工钢板边降平均值≤7 μm的比率达到98.22%且同板差≤10 μm的比率达到97.25%的显著生产实绩。     

Great reduction pratice of SUS304 in cold-rolling

SUS304 stainless steel is typical of austenitic stainless steel,which organization is metastable austenite,easily appears work hardening in cold rolling.According to the common process,the max reduction of cold rolling in one stage is below 80%,we try to rasie the max reduction to 90%in one stage (wecalled that "great reduction" ) from the view of cuting cost.Due to the work hardening,great reduction brings lots of problem(the difficulty of flatness control,strip break..etc)。This article analyzed the great reduction from properity of SUS304 steel,mill types,flatness control,rolling technics etc,supplied the corresponding solutions,and formed a sophisticated great reduction theory. This article focuses on the unusual thermal crown of raw materials(ie,abnormal distribution of horizontal thickness) and the rolling force fluctuations in "great reduction" rolling.First,the "distortion" phenomenon which caused by unusual thermal crown of raw materials is explained,wedge-shaped strip In coiling, because of a big difference in thickness on both sides,leads to different compressive stress on both sides of flatness roll,so that the flatness measurement is distorted;Second,the "strip shifting" phenomenon caused by wedge shape of strip is explained,we analysis the stress on both sides of the strip,concluded that the wedge-shaped strip on the coiler will shift to the thick side of the deviation,the amount of strip shifting is related to the wedge level;Because of the characteristics of SUS304,the strip is difficult to be rolled in the last few passes.so the strip breaking is easily occurred,we found the reasonable parameters(rolling speed, cooling oil,tension,etc) to solute that problem;The deviation of rolling force will cause the shape of the roll gap,thus affecting the shape control,especially in the head and tail part of the strip,It is important to minimize the deviation of rolling force;The "great reduction" process provide the favorable flatness(< 8I-unit) and thickness deviation which less than±3 um,with no significant difference between common process.In mechanical properties,the elongation of the great reduction strip is less than common products by 2%-3%,but that can be adjusted through the annealing process improvement.At present,we have been using this technology for mass production,achieving good economic benefits.     

基于负荷平衡的监控AGC在热连轧中的应用

针对传统热连轧监控AGC不能解决各个机架之间厚度偏差量的分配和保持各机架间负荷平衡的问题,提出一种基于速度和机架间带钢厚度的样本跟踪方式,同时兼顾各机架间负荷平衡,以此为基础对监控AGC控制方式进行优化。现场应用效果表明,优化后的热连轧监控AGC控制方式可以在不影响调节速度的前提下有效平衡各机架负荷,取得良好的控制效果,适用于推广。