基于贝叶斯决策模型的热轧卷筒电机故障诊断

卷筒电机是卷筒的动力来源,对钢卷卷形质量和卷取稳定性有着重要影响.针对热连轧机组卷取工序中卷筒电机的鼠笼条断裂问题,通过从现场采集卷筒电机电流信号,并经过信号截取、滤波、拟合等操作提取出信号特征,利用多元高斯模型进行建模,并基于最小风险的贝叶斯分类算法对其进行故障诊断.试验结果表明,采用最小风险贝叶斯决策模型可以较好地...     

热连轧带钢断面形状检测与控制技术改进

针对热轧带钢断面中部"双峰"问题,通过多功能仪C形架横移、C形架下臂罩壳温度测量、头尾多功能仪标准化曲线等对比试验,明确了带钢断面中部"双峰"产生的机理,通过在多功能仪下臂罩壳附近增加气雾冷却,有效解决了误检测问题.针对计划中后期局部高点、M形断面等问题,通过窜辊策略和轧制计划优化,使断面降级量从月均243 t降至51...     

美洲大蠊脱脂膏中总糖和还原糖含量的测定

目的:采用不同方法测定美洲大蠊脱脂膏中总糖含量,优选出测定美洲大蠊脱脂膏中总糖含量的方法,并建立其还原糖含量测定方法。方法:以葡萄糖为标准品,分别采用苯酚-硫酸法和硫酸-蒽酮法测定总糖含量,采用二硝基水杨酸法测定还原糖含量。结果:苯酚-硫酸法标准品浓度在0.004~0.100 mg/mL范围内呈良好的线性关系,平均加样回收率为98.7%,RSD为2.0%,R²=0.9996。硫酸-蒽酮法标准品浓度在0.02~0.20 mg/mL范围内有良好的线性关系,平均加样回收率为97.7%,RSD为2.6%,R²=0.9997。二硝基水杨酸法标准品浓度在0.004~0.040 mg/mL范围内呈良好的线性关系,平均加样回收率为96.8%,RSD为1.6%,R²=0.9996。结论:苯酚-硫酸法可用于脱脂膏中总糖含量的测定,二硝基水杨酸法可用于脱脂膏中还原糖含量的测定。     

高速单张纸胶印机停转辊凸轮廓线优化设计

为降低单张纸胶印机停转辊平行分度凸轮机构中的冲击与振动,提高机构的工作精度和平稳性,在跃度连续的通用简谐梯形运动规律基础上,结合停转辊装置的工作要求,研究了从动转盘运动规律优化设计数学模型的建立方法,并使用Matlab对其进行了求解。利用Adams的运动仿真及轨迹线绘制技术,研究了平行分度凸轮廓线的快速精确获取方法,提高了设计的效率和质量。     

轧机设备状态在线监测与诊断系统开发

轧机是冶金生产企业的关键设备,冶金企业每年都因突发的重大设备事故和"维修过剩"造成巨大的经济损失,因此如何对轧机设备状态进行在线监测与诊断来减小甚至避免损失成为冶金企业亟待解决的难题。当前对轧机设备状态监测一般多从振动信号的角度考虑,其局限性较多。提出了从电气信号角度对轧机设备状态进行在线监测与诊断,并以梅钢1 780热连轧机组为基础,开发了一种基于多信号特征的轧机设备状态在线监测与诊断系统,提高了轧制稳定性和产品质量指标的控制精度。其具有预警功能和智能性,数据存储量更少、二次开发空间更大,可在现有轧钢生产线L1控制系统的基础上进行数据的深度挖掘处理。     

基于实测数据的热轧带钢变形抗力模型

采用热连轧生产过程实测数据,建立一种新型结构的精轧带钢变形抗力模型。首先,提出热轧带钢变形抗力广义相加模型的建立方法,包括清洗数据、建立子模型、验证子模型、修正子模型等建模步骤,给出了求解广义相加模型的局部积分算法。接着,针对某热连轧生产线进行变形抗力建模实验,基于收集到的大量热连轧带钢生产历史数据,根据轧制机理和先验知识对各模型自变量进行函数变换预处理,再采用参数估计方法并指定变形抗力模型的基本形式,通过局部积分算法迭代计算确定各自变量的单变量光滑函数。预测实践表明,新模型计算精度高于该热连轧机组在线模型,具有计算精度高、适应性强等优点。     

粗轧板坯镰刀弯评价系统及因素分析

热轧带钢镰刀弯大小是评价产品质量好坏的重要指标之一,而粗轧中间坯镰刀弯状态直接决定了产品镰刀弯程度。针对梅钢1780热轧产线缺少镰刀弯评价的现状,开发了粗轧板坯镰刀弯评价系统,该系统可客观定量地评价粗轧中间坯的板形质量。通过对比试验定量验证了垂直辊系间隙精度、辊面氧化膜均匀性、阶梯垫表面清洁度等因素对粗轧板坯镰刀弯存在显著影响,通过对这些因素的改进,使粗轧板形得到明显改善,头部中心偏移最大值小于40 mm块数命中率从45%提升至75%。     

高速钢工作辊零点辊缝修正模型的开发与应用

根据热连轧高速钢工作辊使用次数增加后易出现换辊开轧活套角度偏高的现象,分析并指出了原有辊缝模型存在的局限性,即原有辊缝模型未能考虑轧辊磨损对开轧第一块零点辊缝位置及秒流量的影响.通过分析轧机标定压力下高速钢工作辊弹性变形规律,明确了高速钢工作辊磨损程度对零点辊缝的影响规律,并将磨损形状对秒流量影响简化为磨损形状影响因子...     

基于Copula函数的热轧支持辊健康状态预测模型

热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用,非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂,目前各大钢厂仍以定期维护和事后维修为主。本文提出了一种支持辊虚拟健康指数的构建方法以及基于Copula函数的复杂工况健康状态预测模型。首先结合支持辊弯窜辊数据表征支持辊健康状态,再使用K-means聚类方法对支持辊工况进行划分,将各工况下过程数据分别构建Copula预测模型,最后根据实际轧制计划的排布顺序融合各工况模型的预测结果。提出的基于Copula函数的预测模型在某钢厂1780热连轧产线得到应用,结果表明,该模型能够准确有效的按照轧制计划实现支持辊的健康状态预测,以更科学的策略指导支持辊更换维护。      

压下大数据挖掘在四辊轧机健康诊断中的应用

通过对压下大数据进行挖掘,分别在辊缝偏差、轧制力偏差、油柱偏差等长周期趋势监控及关联分析方面进行了尝试。实践证明,对原始数据进行滑窗均值滤波后,求取其包络线,可以较好地反映四辊轧机垂直辊系部分物理几何位置精度和传感器检测精度等演变规律,并分别诊断出测压头绝缘性能、测压头测量精度、阶梯垫表面状态与几何尺寸差异、工作辊轴承座弯辊接触垫块几何尺寸差异、上支撑辊轴承座垫板锈蚀结疤等方面的问题,对轧机精度的持久保持和预防性维护检修等具有重要意义,有利于提高热连轧产线的轧制稳定性。