CN101216695A - 一种平整轧制压力设定、预报及自学习方法 - Google Patents
一种平整轧制压力设定、预报及自学习方法 Download PDFInfo
- Publication number
- CN101216695A CN101216695A CNA200710185706XA CN200710185706A CN101216695A CN 101216695 A CN101216695 A CN 101216695A CN A200710185706X A CNA200710185706X A CN A200710185706XA CN 200710185706 A CN200710185706 A CN 200710185706A CN 101216695 A CN101216695 A CN 101216695A
- Authority
- CN
- China
- Prior art keywords
- draught pressure
- rolling
- actual
- steel grade
- skin pass
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Metal Rolling (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明公开一种平整轧制压力设定、预报及自学习方法,包括以下步骤:a.收集n组实际平整轧制工艺参数及与之对应的n组实际轧制压力数据;b.引入平整机钢种与工况影响系数a0,a1,构造出适合于平整轧制的反映各轧制工艺参数与轧制压力之间基本函数关系的轧制压力基本模型;c.计算钢种与工况影响系数a0,a1的初始最佳值;d.完成钢种与工况影响系数a0,a1的初始最佳值的修正;e.平整轧制压力的设定与预报;f.平整轧制压力模型的自学习。本发明通过对钢种与工况影响系数的不断自学习在不损害摩擦系数及变形抗力等关键轧制参数物理意义的前提下有效的保证模型的计算精度。同时,本发明方法的原理清晰明了,计算速度快,适于在线使用。
Description
技术领域
本发明涉及一种平整生产工艺技术,特别涉及一种工程上实用的平整轧制时轧制压力设定、预报及自学习方法。
背景技术
根据基本轧制理论可以知道,在冷轧生产过程中用于设定与预报轧制压力的模型很多,比较著名的有Stone模型[1](Stone M D.Iron and SteelEngineer Year Book.Pittsburgh:Association of iron and engineer publisher,1953,115~128)、Hill模型[2](曹鸿德.塑性变形力学基础与轧制原理.北京:机械工业出版社,1981)、Bland-Ford模型[3](Ford H,Alexander J M J.Inst.Metals,1959,34(88):47~55)、连家创模型[4](冷轧薄板轧制压力和极限最小厚度的计算.重型机械.1979,(2,3):20~37;21~34)等等。这些模型都有一个共同的特点,就是认为轧制过程中轧辊在金属变形区内仍然具有圆柱性质,因而采用赫希柯克公式[2](包括以类似方法推导出来的其它计算接触弧长的公式[4])来计算轧辊与带材之间的接触弧长度。但是,在平整轧制过程中由于其压下率很小(一般情况下为0.3~1%左右),辊缝中的有效摩擦系数比通常的冷轧约要大一个数量级,在轧辊与带材的每一交界面的接触弧就更具有平面性质,而非圆柱表面性质,因此传统的以赫希柯克公式为基础的轧制压力模型都不适合于平整轧制。虽然,W.L.罗伯茨[5]根据平整的工艺特点开发出一套平整轧制压力模型,但该模型仅仅是一个经验公式,主要针对的是一般低碳钢,不具有通用性,不能直接推广到不同机组。其它相关文献[6,7]([6]白振华.薄带平整轧制时轧制压力模型的研究,机械工程学报,2004,40(8):63-66;[7]白振华,连家创.宝钢2050热轧平整机轧制压力模型的研究.重型机械,2002,(6):11-13)所述相关平整轧制压力模型虽然能够达到较高的计算精度,但由于该模型中涉及到迭代过程,计算不是很稳定,计算时间也不可控制,因此相关模型比较适合用于离线分析与预报,而不适合在线分析与预报;与此同时,目前现场在实际生产过程中为了提高轧制压力模型的预报精度,往往采用对摩擦系数或者变形抗力进行自学习的方案,把现场所有工况的变化以及来料波动的影响都归结到摩擦系数或者变形抗力中,通过不断的修正摩擦系数或者变形抗力来保证模型的精度。采用该方法的最大弊端就在于多次自学习之后,摩擦系数或者变形抗力经过多次修正之后失去了原有的物理意义,成为“伪变形抗力”或者“伪摩擦系数”,不但保证不了模型的预报精度而且不利于现场的故障分析、轧制工艺参数的优化。为此,本发明在大量的现场试验与理论研究的基础上,根据平整轧制过程中变形区摩擦系数比较大、轧辊与带材交界面处接触弧具有平面性质的特点,充分考虑到不同平整机组的设备工艺特点与实际工况,综合轧制速度、变形抗力、张力、延伸率等平整轧制工艺参数的影响,提出了一套工程上实用的平整轧制压力预报、设定技术,并在此基础上,提供一种平整轧制压力设定、预报及自学习方法,通过对钢种与工况影响系数的不断自学习在不损害摩擦系数及变形抗力等关键轧制参数物理意义的前提下有效的保证模型的计算精度。
发明内容
本发明的目的在于提供一种平整轧制压力设定、预报及自学习方法,使得现场可以根据该方法在线预报及设定轧制压力,并对轧制压力进行在线自学习,在不损害摩擦系数及变形抗力等关键轧制参数物理意义的前提下有效的保证模型的计算精度,以利于现场的故障分析与其它轧制工艺参数的优化。
为了实现上述目的,本发明采用了以下技术方案:这种工程上实用的平整轧制时轧制压力设定、预报及自学习方法,包括以下步骤:
a.收集n组实际平整轧制工艺参数{εi,Vi,σ0i,σ1i,B,Di i=1,2,…,n}(其中,εi,Vi,σ0i,σ1i,h0i,Bi,Di分别为第i组实际轧制工艺参数中带材的延伸率、轧制速度、后张力、前张力、入口厚度、宽度以及平整机轧辊直径)及与之对应的n组实际轧制压力{Pi i=1,2,…,n};
b.引入平整机钢种与工况影响系数a0,a1,构造出适合于平整轧制的反映各轧制工艺参数与轧制压力之间基本函数关系的轧制压力基本模型如下:
P=fBL
σp=k3·(σs+alog101000e)-(k1·σ0+k2·σ1)
式中:
P-总轧制压力;
f-单位轧制力;
B-带材宽度;
L-轧制变形区中轧辊与带材接触弧长度;
D-工作辊直径;
ε-带材延伸率;
μ-摩擦系数;
h0-入口厚度;
σP-当量变形抗力;
e-应变速率;
V-轧制速度;
k3-变形抗力影响系数;
σs-带材屈服强度;
a-应变速率系数;
σ1,σ0-带材前后张力;
k1,k2-前、后张力加权系数,一般而言k1=k2=0.5。
c.计算钢种与工况影响系数a0,a1的初始最佳值,包括以下步骤:
c1)定义初始目标值F0,并将F0赋一个非常大的值,如令F0=1010;同时定义两个中间变量m1,m2,并令m1=0,m2=0;
c2)给定a0的搜索步长Δ0,并令a0=-10.0+m1*Δ0;
c3)给定a1的搜索步长Δ1,并令a1=-6.0+m2*Δ1;
c4)利用步骤b中的基本轧制压力模型计算出当前a0,a1状况下的各个钢卷的轧制压力值}{P′i i=1,2,…,n};
c5)计算当前状况下目标函数的具体数值
c6)定义初始最佳钢种与工况影响系数为a0y,a1y,与之对应的轧制压力计算值为P′yi,判断不等式F1<F0是否成立?如果成立,则令F0=F1,a0y=a0,a1y=a1,P′yi=P′i,m2=m2+1,转入步骤c7)。如果不成立,则令m2=m2+1后转入步骤c7;
c7)判断不等式m2≤12/Δ1是否成立,如果成立,则转入步骤c3;否则,令m1=m1+1转入步骤c8;
c8)判断不等式m1≤20/Δ0是否成立,如果成立,则转入步骤c2,否则输出初始最佳钢种与工况影响系数为a0y,a1y以及与之对应的轧制压力计算值为P′yi,结束计算。
d.完成钢种与工况影响系数a0,a1的初始最佳值的修正,包括以下步骤:
d1)定义δPi为实际轧制压力Pi与a0y,a1y所对应的轧制压力计算值P′yi差的绝对值,即取δPi=|Pi-P′yi|;
d2)将每个δPi与对应的实际轧制工艺参数{εi,Vi,σ0i,σ1i,h0i,Bi,Di i=1,2,…,n}与实际轧制压力{Pi i=1,2,…,n}建立一一映射关系,构成一簇数据组{δPi,εi,Vi,σ0i,σ1i,h0i,Bi,Di,Pi i=1,2,…,n};
d3)对δPi按照其数值的大小进行排序,而实际轧制工艺参数{εi,Vi,σ0i,σ1i,h0i,Bi,Di i=1,2,…,n}与实际轧制压力{Pi i=1,2,…,n}将随着δPi顺序的变化进行相应的变化,相关数据簇可以写成{δPi,εj,Vj,σ0j,σ1ij,h0j,Bj,Dj,Pj j=1,2,…,n}。并且在该数据簇中满足以下不等式:δP1≤δP2≤…≤δPj≤δPj+1…≤δPn;
d4)去掉数据簇中10%的排在后面的相关数据,构成新的数据簇为{δPj,εj,Vj,σ0j,σ1ij,h0j,Bj,Dj,Pj j=1,2,…,0.9n};
d5)以0.9n组实际轧制工艺参数{εj,Vj,σ0j,σ1j,h0j,Bj,Dj j=1,2,…,0.9n}以及与之对应的0.9n组实际轧制压力{Pj j=1,2,…,0.9n}为基础,采用与步骤c同样的方法计算出相应的钢种与工况影响系数的修正值a0yy,a1yy。
e.平整轧制压力的设定与预报,包括以下步骤:
e1)将钢种与工况影响系数的修正值a0yy,a1yy代入步骤b所建立的轧制压力基本模型,相关方程如下:
P=fBL
σp=k3·(σs+alog101000e)-(k1·σ0+k2·σ1)
e2)将带材的延伸率ε、轧制速度V、后张力σ0、前张力σ1、入口厚度h0、宽度B以及平整机轧辊直径D等代入到步骤e1)所述相关轧制压力模型,计算出相应的轧制压力,即可完成平整轧制压力的设定与预报。
f.平整轧制压力模型的自学习,包括以下步骤:
f1)选取最近生产的N卷数据进行长期学习,相应的采集N组实际轧制工艺参数{εi,Vi,σ0i,σ1i,h0i,Bi,Di i=1,2,…,N}以及与之对应的N组实际轧制压力{Pi i=1,2,…,N};
f2)利用步骤c及步骤d所述的方法计算出相应钢种与工况影响系数的值a0yy,a1yy,并将其作为长期自学习系数。即令
f3)将a0c,a1c与实际轧制工艺参数{εi,Vi,σ0i,σ1i,h0i,Bi,Di i=1,2,…,N}代入步骤b所建立的相关模型求出相应轧制压力计算值{P′ci i=1,2,…,N};
f4)在当前钢卷轧制结束后,采集一卷最新实际轧制数据,剔除掉max{P′ci-Pi}这组数据,以新的实际轧制数据代之,保证用于长期自学习的轧制数据样本库不断更新,为下一钢卷的长期自学习做准备;
f5)选取最近生产的3卷数据进行短期学习,相应的采集3组实际轧制工艺参数{εi,Vi,σ0i,σ1i,Bi,Di i=1,2,3}以及与之对应的3组实际轧制压力{Pi i=1,2,3};
f6)利用步骤c所述的方法计算出最佳钢种与工况影响系数为a0y,a1y,将其作为短期自学习系数,即令
f7)在长期自学习与短期自学习学习完毕之后,将两者进行加权,得出预报轧制压力所采用的钢种与工况影响系数,如下式所示
式中:α-加权系数,一般取0.7;
f8)完成轧制压力模型的自学习。
本发明的有益效果是:该发明在大量的现场试验与理论研究的基础上,根据平整轧制过程中变形区摩擦系数比较大、轧辊与带材交界面处接触弧具有平面性质的特点,充分考虑到不同平整机组的设备工艺特点与实际工况,综合轧制速度、变形抗力、张力、延伸率等平整轧制工艺参数的影响,提出一套新的适合于平整轧制的轧制压力模型自学习技术,通过对钢种与工况影响系数的不断自学习在不损害摩擦系数及变形抗力等关键轧制参数物理意义的前提下有效的保证模型的计算精度。同时,本发明的原理清晰明了,计算速度快,适于在线使用
附图说明
通过以下结合附图对本发明实施例的描述,可以进一步理解本发明的目的、特征和优点,其中:
图1是工程实用平整轧制压力设定、预报及自学习技术的总流程图;
图2是钢种与工况影响系数初始最佳值的计算流程图;
图3是钢种与工况影响系数初始最佳值修正计算流程图;
图4是实施例1的平整轧制压力设定及预报过程计算流程图;
图5是实施例1的平整轧制压力预报值与实际值的对比图;
图6是实施例1的平整轧制压力预报值与实际值的误差分析图;
图7是实施例2的平整轧制压力自学习计算流程图;
图8是实施例2平整轧制压力自学习后轧制压力的模型预报值与实际值的对比图;
图9是实施例2的平整轧制压力自学习后轧制压力的模型预报值与实际值的误差分析图。
具体实施方式
以下借助附图描述本发明的实施例
实施例1
图4是本发明的平整轧制压力设定及预报过程计算流程图。现以来料典型的SPCC钢种为例,借助于图4来描述特定的SPCC钢种在特定平整机组上的轧制压力设定与预报过程及相关效果。
首先,在步骤21中,收集n组实际平整轧制工艺参数及与之对应的n组实际轧制压力数据,如表1所示。在本实施例中n取值35;
随后,在步骤22中,定义初始目标值F0,并将F0赋一个非常大的值,如令F0=1010。同时定义两个中间变量m1,m2,并令m1=0,m2=0;
随后,在步骤23中,给定a0的搜索步长Δ0=0.05,并令a0=-10.0+0.05m1=-10.0;
随后,在步骤24中,给定a1的搜索步长Δ1=0.05,并令a1=-6.0+0.05m2=-6.0;
随后,在步骤25中计算出当前a0,a1状况下的各个钢卷的轧制压力值{P′i}={142345.2,165215.8,659984.7,193181.3,252650.4,117565.3,922542.5,105623.5,881502.1,167711.1,157397.6,125747.9,724300.4,1373038,652179.6,153379.9,813176.6,251275.7,217451.5,3.61E+07,48160.95,567036.6,685285.3,91783.1,82468.63,385802.3,148810.4,225057,71380.36,70728.84,72383.42,166550.4,261870.8,206352.7,157700.8}
随后,在步骤26中计算当前状况下目标函数的具体数值
随后,在步骤27中定义初始最佳钢种与工况影响系数为a0y,a1y,与之对应的轧制压力计算值为P′yi,判断不等式F1<F0是否成立?显然成立,此时令F0=F1=1.03×106,a0y=a0=-10,a1y=a1=-6.0,{P′yi}={P′i}={142345.2,165215.8,659984.7,193181.3,252650.4,117565.3,922542.5,105623.5,881502.1,167711.1,157397.6,125747.9,724300.4,1373038,652179.6,153379.9,813176.6,251275.7,217451.5,3.61E+07,48160.95,567036.6,685285.3,m2=m2+1,91783.1,82468.63,385802.3,148810.4,225057,71380.36,70728.84,72383.42,166550.4,261870.8,206352.7,157700.8}
转入步骤28。如果不成立,则令m2=m2+1后转入步骤28;
随后,在步骤28中,判断不等式m2≤12/Δ1=240是否成立,如果成立,则转入步骤24。否则,令m1=m1+1转入步骤29;
随后,在步骤29中,判断不等式m1≤20/Δ0=400是否成立,如果成立,则转入步骤23,否则转入步骤30;
随后,在步骤30中,输出初始最佳钢种与工况影响系数为a0y=-1.95,a1y=-5.85以及与之对应的轧制压力计算值为{P′yi}={224,315,282,306,314,309,311,347,271,247,267,231,279,302,303,240,302,264,307,257,350,304,302,292,283,268,304,215,294,301,280,295,302,278,300,}
随后,在步骤31中,定义δPi为实际轧制压力Pi与a0y,a1y所对应的轧制压力计算值P′yi差的绝对值,即取δPi=|Pi-P′yi|={53.1049,80.2467,41.3122,60.2268,61.243,46.756,28.7658,114.4855,0.1316,32.5427,30.5383,23.7743,31.2256,19.743,12.0435,26.0086,5.5041,17.8542,33.4429,214.4543,92.3994,12.2874,2.3893,1.2688,16.5762,0.7952,15.4913,1.3435,4.0772,14.8903,5.8575,27.8979,10.5256,20.4002,21.0803};
随后,在步骤32中,将每个δPi与对应的实际轧制工艺参数与实际轧制压力建立一一映射关系,构成一簇数据组;
随后,在步骤33中,对δPi按照其数值的大小进行排序,而实际轧制工艺参数与实际轧制压力将随着δPi顺序的变化进行相应的变化,相关数据簇如表2所示;
随后,在步骤34中去掉数据簇中10%(4卷)的排在后面的相关数据,构成新的数据簇为如表3所示;
随后,在步骤35中以31组实际轧制工艺参数以及与之对应的0.9n组实际轧制压力为基础,采用与步骤22至步骤29同样的方法计算出相应的钢种与工况影响系数的修正值a0yy=-5.85,a1yy=-1.15;
随后,在步骤36中,将a0yy=-5.85,a1yy=-1.15代入所建立的轧制压力基本模型,得到实际轧制压力设定与预报所用平整轧制压力模型,如下:
P=fBL
σp=k3·(σs+alog101000e)-(k1·σ0+k2·σ1)
这样,为了方便比较,如图5、图6所示,分别列出采用本发明所述方法而得出的不同钢卷的轧制压力模型计算值与实际值以及相应误差曲线。通过图5、图6可以看出,采用本发明所述方法所得出的平均预报精度达到90%以上,达到了工程要求。
表1按照实施例1的平整轧制压力设定及预报过程现场实际数据
序号 | 实际延伸率 | 实际轧制速度 | 实际后张力 | 实际前张力 | 带材入口厚度 | 带材宽度 | 工作辊直径 | 实际轧制压力 |
1 | 0.239214534 | 1497.2 | 104 | 85 | 0.329 | 750 | 540 | 224 |
2 | 0.246080684 | 1497.2 | 74 | 86 | 0.352 | 1020 | 540 | 315 |
3 | 0.300979509 | 888.2 | 83 | 111 | 0.289 | 945 | 540 | 282 |
4 | 0.309170507 | 1128.4 | 54 | 59 | 0.402 | 1020 | 540 | 306 |
5 | 0.318917836 | 1497 | 81 | 79 | 0.385 | 1020 | 540 | 314 |
6 | 0.329005946 | 1496.9 | 49 | 53 | 0.496 | 1020 | 540 | 309 |
7 | 0.330081411 | 1474 | 72 | 108 | 0.297 | 1020 | 540 | 311 |
8 | 0.335603581 | 1496.9 | 48 | 49 | 0.501 | 892 | 540 | 347 |
9 | 0.339020459 | 967.8 | 80 | 82 | 0.303 | 910 | 540 | 271 |
10 | 0.339108944 | 1497.1 | 58 | 57 | 0.43 | 819 | 540 | 247 |
11 | 0.344322384 | 1114.2 | 51 | 61 | 0.455 | 880 | 540 | 267 |
12 | 0.349088783 | 1496.9 | 46 | 58 | 0.472 | 775 | 540 | 231 |
13 | 0.349508136 | 1087.7 | 79 | 91 | 0.317 | 934 | 540 | 279 |
14 | 0.362510885 | 1102.4 | 67 | 86 | 0.3 | 1020 | 540 | 302 |
15 | 0.370817108 | 313.3 | 80 | 87 | 0.351 | 1020 | 540 | 303 |
16 | 0.372421165 | 1496.8 | 48 | 60 | 0.471 | 775 | 540 | 240 |
17 | 0.389447647 | 537.7 | 75 | 54 | 0.35 | 1020 | 540 | 302 |
18 | 0.400437207 | 1470.7 | 46 | 66 | 0.45 | 870 | 540 | 264 |
19 | 0.402079102 | 1496.8 | 45 | 80 | 0.483 | 1000 | 540 | 307 |
20 | 0.407098867 | 1032.7 | 83 | 100 | 0.198 | 1020 | 540 | 257 |
21 | 0.415517702 | 1497 | 38 | 41 | 0.795 | 934 | 540 | 350 |
22 | 0.427184177 | 1410.6 | 49 | 59 | 0.401 | 1020 | 540 | 304 |
23 | 0.449206254 | 1496.7 | 50 | 57 | 0.4 | 1020 | 540 | 302 |
24 | 0.451072239 | 1366.3 | 38 | 43 | 0.698 | 1020 | 540 | 292 |
25 | 0.451401265 | 1470.1 | 42 | 40 | 0.701 | 934 | 540 | 283 |
26 | 0.455769256 | 1496.9 | 45 | 58 | 0.451 | 880 | 540 | 268 |
27 | 0.457504937 | 607.6 | 39 | 58 | 0.6 | 1020 | 540 | 304 |
28 | 0.468401413 | 905.8 | 46 | 60 | 0.5 | 729 | 540 | 215 |
29 | 0.485278984 | 1496.5 | 40 | 40 | 0.8 | 995 | 540 | 294 |
30 | 0.485437905 | 1496.9 | 37 | 40 | 0.799 | 995 | 540 | 301 |
31 | 0.488757432 | 1496.9 | 38 | 40 | 0.784 | 934 | 540 | 280 |
32 | 0.498303084 | 1355.4 | 44 | 36 | 0.602 | 900 | 540 | 295 |
33 | 0.552581461 | 1384.1 | 41 | 45 | 0.595 | 1020 | 540 | 302 |
34 | 0.645794321 | 260.6 | 38 | 38 | 0.7 | 934 | 540 | 278 |
35 | 0.680463049 | 753.7 | 38 | 45 | 0.804 | 1020 | 540 | 300 |
表2按照实施例1的平整轧制压力设定及预报过程中重新排序后数据簇
序号 | 实际延伸率 | 实际轧制速度 | 实际后张力 | 实际前张力 | 带材入口厚度 | 带材宽度 | 工作辊直径 | 实际轧制压力 |
1 | 0.339020459 | 967.8 | 80 | 82 | 0.303 | 910 | 540 | 271 |
2 | 0.455769256 | 1496.9 | 45 | 58 | 0.451 | 880 | 540 | 268 |
3 | 0.451072239 | 1366.3 | 38 | 43 | 0.698 | 1020 | 540 | 292 |
4 | 0.468401413 | 905.8 | 46 | 60 | 0.5 | 729 | 540 | 215 |
5 | 0.449206254 | 1496.7 | 50 | 57 | 0.4 | 1020 | 540 | 302 |
6 | 0.485278984 | 1496.5 | 40 | 40 | 0.8 | 995 | 540 | 294 |
7 | 0.389447647 | 537.7 | 75 | 54 | 0.35 | 1020 | 540 | 302 |
8 | 0.488757432 | 1496.9 | 38 | 40 | 0.784 | 934 | 540 | 280 |
9 | 0.552581461 | 1384.1 | 41 | 45 | 0.595 | 1020 | 540 | 302 |
10 | 0.370817108 | 313.3 | 80 | 87 | 0.351 | 1020 | 540 | 303 |
11 | 0.427184177 | 1410.6 | 49 | 59 | 0.401 | 1020 | 540 | 304 |
12 | 0.485437905 | 1496.9 | 37 | 40 | 0.799 | 995 | 540 | 301 |
13 | 0.457504937 | 607.6 | 39 | 58 | 0.6 | 1020 | 540 | 304 |
14 | 0.451401265 | 1470.1 | 42 | 40 | 0.701 | 934 | 540 | 283 |
15 | 0.400437207 | 1470.7 | 46 | 66 | 0.45 | 870 | 540 | 264 |
16 | 0.362510885 | 1102.4 | 67 | 86 | 0.3 | 1020 | 540 | 302 |
17 | 0.645794321 | 260.6 | 38 | 38 | 0.7 | 934 | 540 | 278 |
18 | 0.680463049 | 753.7 | 38 | 45 | 0.804 | 1020 | 540 | 300 |
19 | 0.349088783 | 1496.9 | 46 | 58 | 0.472 | 775 | 540 | 231 |
20 | 0.372421165 | 1496.8 | 48 | 60 | 0.471 | 775 | 540 | 240 |
21 | 0.498303084 | 1355.4 | 44 | 36 | 0.602 | 900 | 540 | 295 |
22 | 0.330081411 | 1474 | 72 | 108 | 0.297 | 1020 | 540 | 311 |
23 | 0.344322384 | 1114.2 | 51 | 61 | 0.455 | 880 | 540 | 267 |
24 | 0.349508136 | 1087.7 | 79 | 91 | 0.317 | 934 | 540 | 279 |
25 | 0.339108944 | 1497.1 | 58 | 57 | 0.43 | 819 | 540 | 247 |
26 | 0.402079102 | 1496.8 | 45 | 80 | 0.483 | 1000 | 540 | 307 |
27 | 0.300979509 | 888.2 | 83 | 111 | 0.289 | 945 | 540 | 282 |
28 | 0.329005946 | 1496.9 | 49 | 53 | 0.496 | 1020 | 540 | 309 |
29 | 0.239214534 | 1497.2 | 104 | 85 | 0.329 | 750 | 540 | 224 |
30 | 0.309170507 | 1128.4 | 54 | 59 | 0.402 | 1020 | 540 | 306 |
31 | 0.318917836 | 1497 | 81 | 79 | 0.385 | 1020 | 540 | 314 |
32 | 0.246080684 | 1497.2 | 74 | 86 | 0.352 | 1020 | 540 | 315 |
33 | 0.415517702 | 1497 | 38 | 41 | 0.795 | 934 | 540 | 350 |
34 | 0.335603581 | 1496.9 | 48 | 49 | 0.501 | 892 | 540 | 347 |
35 | 0.407098867 | 1032.7 | 83 | 100 | 0.198 | 1020 | 540 | 257 |
表3按照实施例1的平整轧制压力设定及预报过程中剔除偶然因素后新数据簇
序号 | 实际延伸率 | 实际轧制速度 | 实际后张力 | 实际前张力 | 带材入口厚度 | 带材宽度 | 工作辊直径 | 实际轧制压力 |
1 | 0.339020459 | 967.8 | 80 | 82 | 0.303 | 910 | 540 | 271 |
2 | 0.455769256 | 1496.9 | 45 | 58 | 0.451 | 880 | 540 | 268 |
3 | 0.451072239 | 1366.3 | 38 | 43 | 0.698 | 1020 | 540 | 292 |
4 | 0.468401413 | 905.8 | 46 | 60 | 0.5 | 729 | 540 | 215 |
5 | 0.449206254 | 1496.7 | 50 | 57 | 0.4 | 1020 | 540 | 302 |
6 | 0.485278984 | 1496.5 | 40 | 40 | 0.8 | 995 | 540 | 294 |
7 | 0.389447647 | 537.7 | 75 | 54 | 0.35 | 1020 | 540 | 302 |
8 | 0.488757432 | 1496.9 | 38 | 40 | 0.784 | 934 | 540 | 280 |
9 | 0.552581461 | 1384.1 | 41 | 45 | 0.595 | 1020 | 540 | 302 |
10 | 0.370817108 | 313.3 | 80 | 87 | 0.351 | 1020 | 540 | 303 |
11 | 0.427184177 | 1410.6 | 49 | 59 | 0.401 | 1020 | 540 | 304 |
12 | 0.485437905 | 1496.9 | 37 | 40 | 0.799 | 995 | 540 | 301 |
13 | 0.457504937 | 607.6 | 39 | 58 | 0.6 | 1020 | 540 | 304 |
14 | 0.451401265 | 1470.1 | 42 | 40 | 0.701 | 934 | 540 | 283 |
15 | 0.400437207 | 1470.7 | 46 | 66 | 0.45 | 870 | 540 | 264 |
16 | 0.362510885 | 1102.4 | 67 | 86 | 0.3 | 1020 | 540 | 302 |
17 | 0.645794321 | 260.6 | 38 | 38 | 0.7 | 934 | 540 | 278 |
18 | 0.680463049 | 753.7 | 38 | 45 | 0.804 | 1020 | 540 | 300 |
19 | 0.349088783 | 1496.9 | 46 | 58 | 0.472 | 775 | 540 | 231 |
20 | 0.372421165 | 1496.8 | 48 | 60 | 0.471 | 775 | 540 | 240 |
21 | 0.498303084 | 1355.4 | 44 | 36 | 0.602 | 900 | 540 | 295 |
22 | 0.330081411 | 1474 | 72 | 108 | 0.297 | 1020 | 540 | 311 |
23 | 0.344322384 | 1114.2 | 51 | 61 | 0.455 | 880 | 540 | 267 |
24 | 0.349508136 | 1087.7 | 79 | 91 | 0.317 | 934 | 540 | 279 |
25 | 0.339108944 | 1497.1 | 58 | 57 | 0.43 | 819 | 540 | 247 |
26 | 0.402079102 | 1496.8 | 45 | 80 | 0.483 | 1000 | 540 | 307 |
27 | 0.300979509 | 888.2 | 83 | 111 | 0.289 | 945 | 540 | 282 |
28 | 0.329005946 | 1496.9 | 49 | 53 | 0.496 | 1020 | 540 | 309 |
29 | 0.239214534 | 1497.2 | 104 | 85 | 0.329 | 750 | 540 | 224 |
30 | 0.309170507 | 1128.4 | 54 | 59 | 0.402 | 1020 | 540 | 306 |
31 | 0.318917836 | 1497 | 81 | 79 | 0.385 | 1020 | 540 | 314 |
实施例2
以往,在实际生产过程中为了提高轧制压力模型的预报精度,通常采用对摩擦系数或者变形抗力进行自学习的方案,把现场所有工况的变化以及来料波动的影响都归结到摩擦系数或者变形抗力中,通过不断的修正摩擦系数或者变形抗力来保证模型的精度。采用该方法的最大弊端就在于多次自学习之后,摩擦系数或者变形抗力经过多次修正之后失去了原有的物理意义,成为“伪变形抗力”或者“伪摩擦系数”,不但保证不了模型的预报精度而且不利于现场的故障分析、轧制工艺参数的优化。为此,本发明提出了一套新的轧制压力模型自学习方案,通过对钢种与工况影响系数的不断自学习来保证模型的计算精度。
图7是本发明的平整轧制压力自学习计算流程图。现以来料典型的MRT钢种为例,借助于图7来描述特定的MRT钢种在特定平整机组上的轧制压力自学习过程及相关效果。
首先,在步骤51中,选取最近生产的N卷数据进行长期学习,相应的采集N组实际轧制工艺参数以及与之对应的N组实际轧制压力数据,如表4所示。在本实施例中N取值为30;
随后,在步骤52中,按照图4所述方法计算出相应钢种与工况影响系数的值a0yy=-6.0,a1yy=-1.9并将其作为长期自学习系数,即令
随后,在步骤53中,将a0c,a1c与实际轧制工艺参数代入本发明所建立的相关模型求出相应轧制压力计算值{P′ci}={227.578400,296.999400,262.029000,248.264800,236.196200,255.546200,341.749800,248.420800,338.149000,347.961400,272.623500,225.829900,279.247500,263.327800,244.535400,233.948900,231.575900,248.744900,262.713100,338.293700,256.167900,236.933400,272.433300,309.682200,272.504200,280.103500,287.901800};
随后,在步骤54中,在当前钢卷轧制结束后,采集一卷最新实际轧制数据,剔除掉max{P′ci-Pi}这组数据,即{107.8852},以新的实际轧制数据代之,保证用于长期自学习的轧制数据样本库不断更新,为下一钢卷的长期自学习做准备;
随后,在步骤55中,选取最近生产的3卷数据进行短期学习,相应的采集3组实际轧制工艺参数以及与之对应的3组实际轧制压力,如表5所示;
随后,在步骤56中,利用图2所述的方法计算出最佳钢种与工况影系数为a0y=-5.95,a1y=-1.95,将其作为短期自学习系数,即令
随后,在步骤57中,经过长期自学习与短期自学习学习完毕之后,将两者进行加权,得出预报轧制压力所采用的钢种与工况影响系数 代入本发明所建立的轧制压力模型,完成自学习过程。
最后,为了方便比较,如图8、图9所示,分别列出采用本发明所述平整轧制压力自学习方法而得出的不同钢卷的轧制压力模型计算值与实际值以及相应误差曲线。通过图8、图9可以看出,采用本发明所述方法所得出的平均预报精度达到90%以上,达到了工程要求。
表4按照实施例2的平整轧制压力自学习过程长期自学习现场实际数据
序号 | 实际延伸率 | 实际轧制速度 | 实际后张力 | 实际前张力 | 带材入口厚度 | 带材宽度 | 工作辊直径 | 实际轧制压力 |
1 | 0.25073131 | 1497.2 | 161 | 63 | 0.216 | 900 | 540 | 382 |
2 | 0.257884914 | 1497.2 | 152 | 59 | 0.395 | 965 | 540 | 296 |
3 | 0 260916844 | 888.2 | 177 | 63 | 0.275 | 923 | 540 | 383 |
4 | 0.279017682 | 1128.4 | 134 | 74 | 0.225 | 980 | 540 | 303 |
5 | 0 288333333 | 1497 | 129 | 64 | 0.295 | 950 | 540 | 352 |
6 | 0.306832918 | 1496.9 | 141 | 76 | 0.3 | 920 | 540 | 274 |
7 | 0.325738025 | 1474 | 138 | 67 | 0.352 | 880 | 540 | 267 |
8 | 0.327438366 | 1496.9 | 166 | 57 | 0.351 | 940 | 540 | 281 |
9 | 0.336066351 | 967.8 | 145 | 75 | 0.215 | 980 | 540 | 295 |
10 | 0.337048307 | 1497.1 | 150 | 63 | 0.317 | 870 | 540 | 263 |
11 | 0.341057057 | 1114.2 | 150 | 67 | 0.227 | 980 | 540 | 346 |
12 | 0.344031578 | 1496.9 | 145 | 69 | 0.207 | 935 | 540 | 375 |
13 | 0.350346454 | 1087.7 | 133 | 71 | 0.245 | 820 | 540 | 242 |
14 | 0.353298608 | 1102.4 | 155 | 81 | 0.315 | 820 | 540 | 232 |
15 | 0.354645498 | 313.3 | 115 | 62 | 0.276 | 862 | 540 | 254 |
16 | 0.35809167 | 1496.8 | 141 | 60 | 0.401 | 965 | 540 | 285 |
17 | 0.37967387 | 537.7 | 144 | 70 | 0.37 | 880 | 540 | 257 |
18 | 0.389040284 | 1470.7 | 118 | 60 | 0.38 | 800 | 540 | 243 |
19 | 0.390730568 | 1496.8 | 128 | 77 | 0.342 | 805 | 540 | 241 |
20 | 0.394119241 | 1032.7 | 150 | 75 | 0.35 | 880 | 540 | 261 |
21 | 0.401940965 | 1497 | 136 | 66 | 0.336 | 870 | 540 | 259 |
22 | 0.406699405 | 1410.6 | 135 | 55 | 0.2 | 835 | 540 | 262 |
23 | 0.419492657 | 1496.7 | 108 | 71 | 0.219 | 825 | 540 | 251 |
24 | 0.429800027 | 1366.3 | 139 | 74 | 0.365 | 880 | 540 | 261 |
25 | 0.437363184 | 1470.1 | 114 | 73 | 0.382 | 805 | 540 | 242 |
26 | 0.450567121 | 1496.9 | 151 | 66 | 0.345 | 882 | 540 | 262 |
27 | 0.451344311 | 607.6 | 97 | 59 | 0.236 | 739 | 540 | 224 |
28 | 0.475328521 | 905.8 | 108 | 71 | 0.368 | 875 | 540 | 265 |
29 | 0.515939774 | 1496.5 | 88 | 71 | 0.386 | 880 | 540 | 355 |
30 | 0.580653595 | 1496.9 | 90 | 73 | 0.385 | 880 | 540 | 344 |
表5按照实施例2的平整轧制压力自学习过程短期自学习现场实际数据
序号 | 实际延伸率 | 实际轧制速度 | 实际后张力 | 实际前张力 | 带材入口厚度 | 带材宽度 | 工作辊直径 | 实际轧制压力 |
1 | 0.25073131 | 1497.2 | 161 | 63 | 0.216 | 900 | 540 | 382 |
2 | 0.257884914 | 1497.2 | 152 | 59 | 0.395 | 965 | 540 | 296 |
3 | 0.260916844 | 888.2 | 177 | 63 | 0.275 | 923 | 540 | 383 |
Claims (6)
1.一种平整轧制时轧制压力设定、预报及自学习方法,其特征是:包括以下步骤:
a.收集n组实际平整轧制工艺参数{εi,Vi,σ0i,σ1i,B,Di i=1,2,…,n}及与之对应的n组实际轧制压力{Pi i=1,2,…,n};其中,εi,Vi,σ0i,σ1i,h0i,Bi,Di分别为第i组实际轧制工艺参数中带材的延伸率、轧制速度、后张力、前张力、入口厚度、宽度以及平整机轧辊直径;
b.引入平整机钢种与工况影响系数a0,a1,构造出适合于平整轧制的反映各轧制工艺参数与轧制压力之间基本函数关系的轧制压力基本模型;
c.计算钢种与工况影响系数a0,a1的初始最佳值;
d.完成钢种与工况影响系数a0,a1的初始最佳值的修正;
e.平整轧制压力的设定与预报;
f.平整轧制压力模型的自学习。
2.根据权利要求1所述的平整轧制时轧制压力设定、预报及自学习方法,其特征是:步骤(b)中所述适合于平整轧制的反映各轧制工艺参数与轧制压力之间基本函数关系的轧制压力基本模型用下式来表示:
P=fBL
σP=k3·(σs+alog101000e)-(k1·σ0+k2·σ1)
式中:
P-总轧制压力;
f-单位轧制力;
B-带材宽度;
L-轧制变形区中轧辊与带材接触弧长度;
D-工作辊直径;
ε-带材延伸率;
μ-摩擦系数;
h0-入口厚度;
σP-当量变形抗力;
e-应变速率;
V-轧制速度;
k3-变形抗力影响系数;
σs-带材屈服强度;
a-应变速率系数;
σ1,σ0-带材前后张力;
k1,k2-前、后张力加权系数,一般而言k1=k2=0.5。
3.根据权利要求1所述的平整轧制时轧制压力设定、预报及自学习方法,其特征是:步骤(c)中所述钢种与工况影响系数a0,a1的初始最佳值的计算,包括以下步骤:
c1)定义初始目标值F0,并将F0赋一个非常大的值,如令F0=1010;同时定义两个中间变量m1,m2,并令m1=0,m2=0;
c2)给定a0的搜索步长Δ0,并令a0=-10.0+m1*Δ0;
c3)给定a1的搜索步长Δ1,并令a1=-6.0+m2*Δ1;
c4)利用步骤b中的基本轧制压力模型计算出当前a0,a1状况下的各个钢卷的轧制压力值{P′i i=1,2,…,n};
c5)计算当前状况下目标函数的具体数值
c6)定义初始最佳钢种与工况影响系数为a0y,a1y,与之对应的轧制压力计算值为P′yi,判断不等式F1<F0是否成立?如果成立,则令F0=F1,a0y=a0,a1y=a1,P′yi=P′i,m2=m2+1,转入步骤c7);如果不成立,则令m2=m2+1后转入步骤c7;
c7)判断不等式m2≤12/Δ1是否成立,如果成立,则转入步骤c3;否则,令m1=m1+1转入步骤c8;
c8)判断不等式m1≤20/Δ0是否成立,如果成立,则转入步骤c2,否则输出初始最佳钢种与工况影响系数为a0y,a1y以及与之对应的轧制压力计算值为P′yi,结束计算。
4.根据权利要求1所述的平整轧制时轧制压力设定、预报及自学习方法,其特征是:步骤(d)中所述钢种与工况影响系数a0,a1的初始最佳值的修正,包括以下步骤:
d1)定义δPi为实际轧制压力Pi与a0y,a1y所对应的轧制压力计算值P′yi差的绝对值,即取δPi=|Pi-P′yi|;
d2)将每个δPi与对应的实际轧制工艺参数{εi,Vi,σ0i,σ1i,h0i,Bi,Di i=1,2,…,n}与实际轧制压力{Pi i=1,2,…,n}建立一一映射关系,构成一簇数据组{δPi,εi,Vi,σ0i,σ1i,h0i,Bi,Di,Pi i=1,2,…,n};
d3)对δPi按照其数值的大小进行排序,而实际轧制工艺参数{εi,Vi,σ0i,σ1i,Bi,Di i=1,2,…,n}与实际轧制压力{Pi i=1,2,…,n}将随着δPi顺序的变化进行相应的变化,相关数据簇写成{δPj,εj,Vj,σ0j,σ1ij,h0j,Bj,Dj,Pj j=1,2,…,n}。并且在该数据簇中满足以下不等式:δP1≤δP2≤…≤δPj≤δPj+1…≤δPn;
d4)去掉数据簇中10%的排在后面的相关数据,构成新的数据簇为{δPj,εj,Vj,σ0j,σ1ij,h0j,Bj,Dj,Pj j=1,2,…,0.9n};
d5)以0.9n组实际轧制工艺参数{εj,Vj,σ0j,σ1j,h0j,Bj,Dj j=1,2,…,0.9n}以及与之对应的0.9n组实际轧制压力{Pj j=1,2,…,0.9n}为基础,采用与步骤c同样的方法计算出相应的钢种与工况影响系数的修正值a0yy,a1yy。
5.根据权利要求1所述的平整轧制时轧制压力设定、预报及自学习方法,其特征是:步骤(e)中所述平整轧制压力的设定与预报,包括以下步骤:
e1)将钢种与工况影响系数的修正值a0yy,a1yy代入步骤b所建立的轧制压力基本模型,相关方程如下:
P=fBL
σp=k3·(σs+alog101000e)-(k1·σ0+k2·σ1)
e2)将带材的延伸率ε、轧制速度V、后张力σ0、前张力σ1、入口厚度h0、宽度B以及平整机轧辊直径D等代入到步骤e1)所述相关轧制压力模型,计算出相应的轧制压力,即可完成平整轧制压力的设定与预报。
6.根据权利要求1所述的平整轧制时轧制压力设定、预报及自学习方法,其特征是:步骤(f)中所述平整轧制压力模型的自学习,包括以下步骤:
f1)选取最近生产的N卷数据进行长期学习,相应的采集N组实际轧制工艺参数{εi,Vi,σ0i,σ1i,Bi,Di i=1,2,…,N}以及与之对应的N组实际轧制压力{Pi i=1,2,…,N};
f2)利用步骤c及步骤d所述的方法计算出相应钢种与工况影响系数的值a0yy,a1yy,并将其作为长期自学习系数;即令
f3)将a0c,a1c与实际轧制工艺参数{εi,Vi,σ0i,σ1i,h0i,Bi,Di i=1,2,…,N}代入步骤b所建立的相关模型求出相应轧制压力计算值{P′ci i=1,2,…,N};
f4)在当前钢卷轧制结束后,采集一卷最新实际轧制数据,剔除掉max{P′ci-Pi}这组数据,以新的实际轧制数据代之,保证用于长期自学习的轧制数据样本库不断更新,为下一钢卷的长期自学习做准备;
f5)选取最近生产的3卷数据进行短期学习,相应的采集3组实际轧制工艺参数{εi,Vi,σ0i,σ1i,h0i,Bi,Di i=1,2,3}以及与之对应的3组实际轧制压力{Pi i=1,2,3};
f6)利用步骤c所述的方法计算出最佳钢种与工况影响系数为a0y,a1y,将其作为短期自学习系数,即令
f7)在长期自学习与短期自学习学习完毕之后,将两者进行加权,得出预报轧制压力所采用的钢种与工况影响系数,如下式所示:
式中:α-加权系数,一般取0.7;
f8)完成轧制压力模型的自学习。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710185706XA CN101216695B (zh) | 2007-12-26 | 2007-12-26 | 一种平整轧制压力设定、预报及自学习方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710185706XA CN101216695B (zh) | 2007-12-26 | 2007-12-26 | 一种平整轧制压力设定、预报及自学习方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101216695A true CN101216695A (zh) | 2008-07-09 |
CN101216695B CN101216695B (zh) | 2010-06-02 |
Family
ID=39623140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710185706XA Expired - Fee Related CN101216695B (zh) | 2007-12-26 | 2007-12-26 | 一种平整轧制压力设定、预报及自学习方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101216695B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621941A (zh) * | 2012-01-19 | 2012-08-01 | 东北大学 | 一种冷轧电镀锌机组钢卷排序方法及系统 |
CN102645920A (zh) * | 2012-04-11 | 2012-08-22 | 燕山大学 | 一种适合于冷连轧机组的板形再现与分析方法 |
CN103028614A (zh) * | 2012-12-14 | 2013-04-10 | 武汉钢铁(集团)公司 | 一种带钢热连轧生产过程控制系统的优化方法 |
CN105224793A (zh) * | 2015-09-21 | 2016-01-06 | 中冶南方工程技术有限公司 | 干平整带钢屈服强度和摩擦系数的联合修正方法 |
CN108733901A (zh) * | 2018-05-02 | 2018-11-02 | 燕山大学 | 一种双平整机组以粗糙度控制为目标的工艺参数优化方法 |
CN109926456A (zh) * | 2019-03-25 | 2019-06-25 | 燕山大学 | 一种混合润滑状态下的轧制力预报方法 |
CN110918653A (zh) * | 2019-11-28 | 2020-03-27 | 张家港扬子江冷轧板有限公司 | 一种不同硬度的同种硅钢优化轧制方法 |
CN111346927A (zh) * | 2020-03-03 | 2020-06-30 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力的控制方法 |
CN112486021A (zh) * | 2020-12-07 | 2021-03-12 | 燕山大学 | 一种针对非对称伺服液压位置跟踪系统的低复杂控制方法 |
CN112893484A (zh) * | 2021-01-18 | 2021-06-04 | 东北大学 | 一种基于灰色关联度提取的热连轧轧制力自整定方法 |
CN113553702A (zh) * | 2021-07-07 | 2021-10-26 | 南京工程学院 | 一种有效控制高强钢冷连轧过程高阶浪形的辊形设计方法 |
CN113649420A (zh) * | 2021-07-28 | 2021-11-16 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力获取方法及装置 |
CN114453435A (zh) * | 2022-01-13 | 2022-05-10 | 首钢京唐钢铁联合有限责任公司 | 一种平整机的轧制力计算模型的确定方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1287919C (zh) * | 2004-01-16 | 2006-12-06 | 宝山钢铁股份有限公司 | 冷带钢连轧机轧辊工艺参数的优化控制方法 |
CN100546739C (zh) * | 2005-04-30 | 2009-10-07 | 宝山钢铁股份有限公司 | 薄带连铸带厚控制方法和装置 |
CN100421825C (zh) * | 2005-08-30 | 2008-10-01 | 宝山钢铁股份有限公司 | 平整机延伸率轧制力张力弯辊力综合优化控制方法 |
CN1804739A (zh) * | 2005-12-12 | 2006-07-19 | 燕山大学 | 平整机成品板面粗糙度预报与控制技术 |
CN100550029C (zh) * | 2007-03-21 | 2009-10-14 | 燕山大学 | 冷连轧高速轧制过程中摩擦系数预报与设定方法 |
-
2007
- 2007-12-26 CN CN200710185706XA patent/CN101216695B/zh not_active Expired - Fee Related
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621941A (zh) * | 2012-01-19 | 2012-08-01 | 东北大学 | 一种冷轧电镀锌机组钢卷排序方法及系统 |
CN102621941B (zh) * | 2012-01-19 | 2014-08-20 | 东北大学 | 一种冷轧电镀锌机组钢卷排序方法及系统 |
CN102645920A (zh) * | 2012-04-11 | 2012-08-22 | 燕山大学 | 一种适合于冷连轧机组的板形再现与分析方法 |
CN103028614A (zh) * | 2012-12-14 | 2013-04-10 | 武汉钢铁(集团)公司 | 一种带钢热连轧生产过程控制系统的优化方法 |
CN103028614B (zh) * | 2012-12-14 | 2015-04-29 | 武汉钢铁(集团)公司 | 一种带钢热连轧生产过程控制系统的优化方法 |
CN105224793A (zh) * | 2015-09-21 | 2016-01-06 | 中冶南方工程技术有限公司 | 干平整带钢屈服强度和摩擦系数的联合修正方法 |
CN105224793B (zh) * | 2015-09-21 | 2017-11-21 | 中冶南方工程技术有限公司 | 干平整带钢屈服强度和摩擦系数的联合修正方法 |
CN108733901A (zh) * | 2018-05-02 | 2018-11-02 | 燕山大学 | 一种双平整机组以粗糙度控制为目标的工艺参数优化方法 |
CN109926456A (zh) * | 2019-03-25 | 2019-06-25 | 燕山大学 | 一种混合润滑状态下的轧制力预报方法 |
CN110918653A (zh) * | 2019-11-28 | 2020-03-27 | 张家港扬子江冷轧板有限公司 | 一种不同硬度的同种硅钢优化轧制方法 |
CN111346927A (zh) * | 2020-03-03 | 2020-06-30 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力的控制方法 |
CN112486021A (zh) * | 2020-12-07 | 2021-03-12 | 燕山大学 | 一种针对非对称伺服液压位置跟踪系统的低复杂控制方法 |
CN112486021B (zh) * | 2020-12-07 | 2021-10-08 | 燕山大学 | 一种针对非对称伺服液压位置跟踪系统的低复杂控制方法 |
CN112893484A (zh) * | 2021-01-18 | 2021-06-04 | 东北大学 | 一种基于灰色关联度提取的热连轧轧制力自整定方法 |
CN113553702A (zh) * | 2021-07-07 | 2021-10-26 | 南京工程学院 | 一种有效控制高强钢冷连轧过程高阶浪形的辊形设计方法 |
CN113553702B (zh) * | 2021-07-07 | 2023-07-21 | 南京工程学院 | 一种有效控制高强钢冷连轧过程高阶浪形的辊形设计方法 |
CN113649420A (zh) * | 2021-07-28 | 2021-11-16 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力获取方法及装置 |
CN113649420B (zh) * | 2021-07-28 | 2023-10-24 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力获取方法及装置 |
CN114453435A (zh) * | 2022-01-13 | 2022-05-10 | 首钢京唐钢铁联合有限责任公司 | 一种平整机的轧制力计算模型的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101216695B (zh) | 2010-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101216695B (zh) | 一种平整轧制压力设定、预报及自学习方法 | |
CN102941232B (zh) | 一种热连轧精轧过程控制方法 | |
CN110929347A (zh) | 一种基于梯度提升树模型的热连轧带钢凸度预测方法 | |
CN101927267B (zh) | 一种精轧带钢辊缝的控制方法及装置 | |
CN102847721B (zh) | 一种热轧带钢轧辊热凸度确定方法 | |
CN101507978B (zh) | 冷连轧机基于机理与工况相结合的工作辊磨损预报方法 | |
CN102601127A (zh) | Cvc四辊冷轧机高精度板形控制预报方法 | |
CN101025767A (zh) | 冷连轧高速轧制过程中摩擦系数预报与设定方法 | |
CN103761423A (zh) | 一种基于pso-elm的热轧板材组织-性能预测方法 | |
CN112170501B (zh) | 一种轧辊磨损凸度和热凸度的预测方法 | |
CN113987949B (zh) | 一种基于数据驱动的板带钢变形抗力预测方法 | |
CN104998913A (zh) | 一种冷轧轧制过程中电机功率的预测方法 | |
Wang et al. | Application of mind evolutionary algorithm and artificial neural networks for prediction of profile and flatness in hot strip rolling process | |
CN113649420B (zh) | 一种平整机轧制力获取方法及装置 | |
CN110287456A (zh) | 基于数据挖掘的大盘卷轧制表面缺陷分析方法 | |
CN102848266A (zh) | 一种机床主轴精度预测方法 | |
CN104951639A (zh) | 连退机组特定工艺段内炉辊辊面原始粗糙度的优化方法 | |
CN101274335A (zh) | 张减机钢管增厚端控制方法 | |
CN104238498A (zh) | 热连轧管线钢组织及力学性能预测的方法 | |
CN105537285B (zh) | 一种四辊cvc轧机工作辊非对称磨损预报方法 | |
Li et al. | Modeling and validation of bending force for 6-high tandem cold rolling mill based on machine learning models | |
CN109719138A (zh) | 一种基于数据挖掘的变形抗力唯象模型计算方法 | |
CN113290061A (zh) | 一种基于锆合金的多轧程多道次变形制度设计方法 | |
CN112246880B (zh) | 基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法 | |
CN111752233A (zh) | 一种生产过程数据在带钢长度位置上的赋值方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100602 Termination date: 20121226 |