改进的综合等负荷函数法在可逆轧机压下分配中的应用

比较若干种轧制规程设计方法 ,认为改进的综合等负荷函数法适合实验轧机的压下规程设定。参数的改进很好地解决了程序的收敛性 ,并比较各种传统模型找出了最优模型。同时 ,在不同情况下使用不同模型有较好效果。Stone模型和连家创模型的改进拓宽了它们的应用。     

基于ARM的车辆工况信息采集终端的设计

为能对野外作业的车辆实时定位并精确把握其工作状况,本文在深入研究GPS定位、CAN总线和GPRS数据无线传输等技术的基础上,设计了一款基于ARM处理器的车辆工况信息采集终端。该终端可实时获取车辆位置信息、定时读取车辆工况信息并实时上传至远程监控中心,同时具备人机交互界面和语音通话功能。试验测试表明,该车辆工况信息采集终端运行稳定,达到了预期效果。     

平坦度反馈控制系统在热连轧中的应用

目前国内热连轧机板形控制系统自主集成的很少,而平坦度反馈控制是热连轧板形控制系统的一个重要组成部分。针对济南钢铁股份有限公司1700ASP(Angang Strip Production)热连轧机组,根据热连轧机板形控制理论,确定了平坦度反馈控制策略。在此基础上,建立了基于PID控制器的热连轧平坦度反馈控制模型,进行了在线编程、调试和投入工作。自平坦度反馈控制系统投入运行以来,运行稳定,生产数据统计表明,平坦度控制精度得到很大提高。     

冷连轧设定控制系统综合优化研究

基于现阶段冷轧板形精度要求的提高、板形控制技术的发展与智能控制技术的进步,在传统冷连轧负荷分配研究基础上,提出板形板厚张力设定控制系统综合优化计算方法。对板厚、张力进行兼顾板形偏差最小、弯辊裕量最优及负荷平衡的多目标优化设计,对工作辊弯辊、中间辊弯辊以沿带钢全宽板形偏差最小为目标进行优化设计。优化计算采用具有良好全局和局部寻优能力的三种群粒子群差分进化算法(Three-populations particle swarm optimization and differential evolution algorithm,Thr_PSODE)。现场应用结果表明,通过设定控制系统综合优化对轧制规程、张力制度以及各板形调控手段的优化配置,在兼顾多个优化目标的同时充分挖掘轧机的板形调控能力,实现了对复杂模态的高次板形缺陷的有效控制,具有重要的研究价值与应用前景。     

热轧超薄规格工作辊辊端压靠辊系变形模型

在热轧薄窄料时,工作辊辊端压靠问题十分突出,引起带钢所承受的轧制压力、辊间接触压力和辊缝横向刚度等与非压靠状态有很大不同。文章详细分析压靠工况下的受力和变形特征,建立了工作辊辊端压靠的判别方法,并以影响函数法为基础,研究了压靠工况下的辊系变形模型。并应用该模型对压靠的各工况进行分析,所得结论可用于指导生产。     

热轧带钢平整机工作辊磨损规律

 由于工艺和结构的特殊性,带钢热轧平整机的工作辊磨损演变规律与热连轧过程有显著差别。然而,目前对工作辊磨损的研究主要集中在热轧,对热轧平整机磨损演变规律的研究较少。为此,从热轧平整机工作辊的磨损特点出发,结合现场大量实测磨损数据,分析磨损的形成与发展机理。通过ABAQUS有限元仿真分析软件建立单机架四辊热轧平整机的辊系-轧件耦合计算模型,揭示不同磨损阶段工作辊接触应力对磨损演变的作用规律。通过与某厂1 580 mm热轧平整机的实际数据对比,结果表明,工作辊磨损演变规律能够准确地反映实际生产过程的磨损情况,为热轧平整机轧辊磨损理论的发展与磨损预报模型的进一步优化奠定了基础。     

热连轧机平坦度反馈控制系统的应用

详尽阐述了平坦度反馈控制的系统构成,包括轧机板形调节机构、平坦度仪及轧后冷却对平坦度的影响;建立了基于数字PID控制器的热连轧平坦度反馈控制模型,进行了在线编程、调试.至今系统已稳定运行半年多,大量的生产数据统计表明,投入平坦度反馈控制后,操作工的干预量明显减少,平坦度的控制精度提高了9%.     

基于单目线结构光的智能仓库车辆识别系统

为了实现钢铁企业智能仓库的车辆识别,提出通过基于机器视觉技术的智能仓库车辆识别方案。将面阵CCD相机及线结构光布置在车辆停车位上方拍摄车辆及结构光图像,首先通过张正友标定法及光平面空间原理完成相机与光平面标定;其次使用图像预处理算法及骨架法提取结构光光条中心线;然后通过引入车上、车下点的判别标准,精准识别车上边缘点,并引入车辆高度变量,得到车上边缘点由图像坐标向世界坐标的转化模型;最后根据车上3个边缘点坐标计算车辆位置信息,完成智能库区车辆方位识别。研究结果表明,所构建的测量系统及算法可以获取仓库车辆位置信息,通过标准件精度验证试验可知系统测量结果精确度较高,能够准确实时反映仓库车辆位置信息,这为智能仓库车辆位置检测提供了有效测量手段。     

基于神经网络的热带钢连轧弯辊力预报模型

针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点,利用日照钢铁有限公司1580 mm七机架热轧机生产数据,对精轧机组进行了基于神经网络的弯辊力优化预报。基于神经网络的弯辊力预报模型与传统模型相比,可进行高度非线性模拟,以大量实际数据作为神经网络训练输入,有模型结构简单、容易实现等优点。基于神经网络的弯辊力预报模型不但考虑各种输入参数相互之间的影响作用,而且考虑到各机架输出之间的关系,可用于提高头部板形控制精度,并为实际弯辊力设定提供了指导和试验基础。