CN101920269A - 冷轧机板形控制执行器调控功效系数优化方法 - Google Patents
冷轧机板形控制执行器调控功效系数优化方法 Download PDFInfo
- Publication number
- CN101920269A CN101920269A CN2009100119503A CN200910011950A CN101920269A CN 101920269 A CN101920269 A CN 101920269A CN 2009100119503 A CN2009100119503 A CN 2009100119503A CN 200910011950 A CN200910011950 A CN 200910011950A CN 101920269 A CN101920269 A CN 101920269A
- Authority
- CN
- China
- Prior art keywords
- operating point
- efficiency coefficient
- plate shape
- rolling
- regulation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005097 cold rolling Methods 0.000 title claims abstract description 21
- 230000001105 regulatory effect Effects 0.000 title claims description 33
- 230000001276 controlling effect Effects 0.000 title claims description 29
- 238000005457 optimization Methods 0.000 title abstract description 5
- 238000005096 rolling process Methods 0.000 claims abstract description 76
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 13
- 239000010959 steel Substances 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims 1
- 230000008844 regulatory mechanism Effects 0.000 abstract 1
- 238000003801 milling Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013000 roll bending Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
本发明公开了一种冷轧机板形控制执行器调控功效系数优化方法,建立了不同轧制工作点下的板形调控功效系数先验值表,在表中,一组带钢宽度值和轧制力值对应一个轧制工作点,根据实际轧制工作点在表中的位置确定其边界工作点,由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子,通过边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控功效系数;使用在线自学习模型以及实测板形数据不断改进表中的板形调控功效系数精度,可以获得精确的板形调节机构的调控功效系数,并将其应用于闭环板形控制系统中,具有较高的板形控制精度。
Description
技术领域
本发明属于冷轧带钢领域,适用于冷轧机板形调控机构功效系数的自学习优化方法。
背景技术
现代高技术带钢冷轧机通常具备多种板形调节手段,如压下倾斜,弯辊,轧辊横移等。实际应用中,需要综合运用各种板形调节手段,通过调节效果的相互配合达到消除偏差的目的。因此,板形控制的前提是对各种板形调节手段性能的正确认识。随着工程计算及测试手段的进步,利用调控功效函数描述轧机性能成为可能。调控功效作为闭环板形控制系统的基础,是板形调节机构对板形影响规律的量化描述。目前板形调控功效系数基本上通过有限元仿真计算和轧机实验两种方法确定,由于各板形调节机构对板形的影响很复杂,且它们之间互相影响,很难通过传统的辊系弹性变形理论以及轧件三维变形理论来精确的求解各板形调节机构的调控功效系数。在实际轧制过程中,调控功效系数还受许多轧制参数的影响,如带钢宽度,轧制力等,不同规格的带钢对应不同的中间辊横移调控功效,因而轧机实验和离线模型计算的计算值并不能满足实际生产中板形控制的要求。本发明使用在线自学习模型来获得板形调节机构的调控功效系数,并将其应用于闭环板形控制系统中,具有较高的板形控制精度。
发明内容
本发明公开一种冷轧板形调控机构功效系数优化方法,该方法通过板形调控功效系数的在线自学习模型,为板形控制系统提供精确的板形调控功效系数,用于实现冷轧带钢的高精度板形控制。
本发明的技术方案叙述如下:
(1)一种冷轧机板形调控机构功效系数的自学习优化方法,其特征在于建立了不同轧制工作点下的板形调控功效系数先验值表。在表中,一组带钢宽度值和轧制力值对应一个轧制工作点,根据实际轧制工作点在表中的位置确定其边界工作点,由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子,通过边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控功效系数。使用实测板形数据与自学习模型计算得到的板形变化量进行比较,不断改进表中的板形调控功效系数精度,如图1所示。当板形调控功效系数的实测值与由自学习模型的计算值误差小于给定的极小值ε时,则认为自学习过程完成。
(2)根据建立不同轧制工作点下的板形调控功效系数先验值表的特征要求,在对轧机调试时,选择几种不同宽度规格的带钢进行轧制,板形闭环控制系统不投入,当出现板形缺陷时,手动调节各个板形调节机构来调节板形,板形计算机记录由板形辊测得的带钢宽度方向上各个测量点的板形改变量。根据板形调节机构的调节量与板形变化量之间的关系,计算出各个测量点处调节器对板形的影响系数,这些影响系数就是各个板形调节机构的调控功效系数先验值。
板形调控功效系数的计算公式为:
式中:Eff为板形调控功效系数矩阵,ΔY为板宽方向的板形变化量矩阵,ΔU为板形机构调节量矩阵。
得到若干个工作点处的板形调控功效系数的先验值后,将这若干个不同的工作点做成表格,然后以文件的形式保存下来,如图2所示。每个工作点都对应一个二维的先验功效系数矩阵。
(3)根据确定实际轧制工作点在表中的位置及其边界工作点,由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子的模型特征要求,轧制过程中,根据实际带钢宽度和轧制力大小可以在表中确定实际轧制过程的工作点位置。设定权重因子时,要考虑各个边界工作点与实际轧制工作点参数之间的相似程度。
如图2所示,权重因子γA、γB、γC和γD表征了A、B、C和D四个工作点与工作点O之间参数的相似程度,它是跟工作点参数(宽度、轧制力)有关的量,计算公式如下:
式中:wO、wA、wB、wC和wD分别为工作点O、A、B、C和D处的带钢宽度值;pO、pA、pB、pC和pD分别为工作点O、A、B、C和D处的轧制力值。
当实际轧制的工作点O位于两点之间时,也就是在图2中落在两个结点之间连线上时,该工作点只有两个边界点。例如当工作点位于A、B两点之间的连线上时,它的两个边界点为A、B,则γC和γD均为零。由于工作点O的轧制力参数与A、B两个工作点处的轧制力参数相同,因此在计算这两点的权重因子时,只考虑工作点O与A、B两个工作点处带钢宽度参数的相似程度,权重因子计算公式为:
同理,当工作点位于A、C两点之间的连线上时,它的两个边界点为A、C,则γB和γD均为零。此时工作点O的带钢宽度参数与A、C两个工作点处的带钢宽度参数相同,因此只考虑工作点O与A、C两个工作点处轧制力参数的相似程度,权重因子计算公式为:
(4)根据使用边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控功效系数的模型特征要求,实际轧制工作点处的板形调控功效系数为:
EffO=EffA·γA+EffB·γB+EffC·γC+EffD·γD
式中:EffO为实际轧制工作点处的板形调控功效系数的自学习模型计算值;EffA,EffB,EffC和EffD为按步骤2所述计算出来的边界工作点A、B、C和D处的板形调控功效系数;γA、γB、γC和γD分别为A、B、C和D四个工作点与工作点O之间的权重因子。
(5)根据使用实测板形数据不断改进表中的板形调控功效系数精度的模型特征要求,当实际轧制工作点处的板形调节机构产生的变化量为ΔUO=[Δuo1 Δuo2 …Δuoj]T时,板形改变量的自学习模型计算值为:
ΔY′O=EffO·ΔUO
(6)各结点的初值是板形调控功效系数的先验值,由于只是通过一组实测板形数据确定的,因此这些先验值并不精确。为了得到精确的板形调控功效系数,使之更接近于现场实际情况,需要根据实测板形数据来不断地提高这些先验值的精确度。模型使用实测板形数据与自学习模型计算得到的板形变化量进行比较,实际轧制工作点O处的实测板形改变量为ΔYO=[Δyo1 Δyo2 …Δyoi]T,比较方法为:
δO=ΔYO-ΔY′O
(7)根据使用实测板形数据与自学习模型计算得到的板形变化量进行比较,不断改进表中的板形调控功效系数精度的模型特征要求,利用步骤6计算出的偏差来改进实际轧制工作点在表中的各个边界工作点的板形调控功效系数精度,改进方法为:
Eff′k=δO·ΔUO·γk·v+Effk (k=A,B,C,D)
式中:Eff′k为A、B、C和D四个工作点处经过学习改进后的板形调控功效系数,γk为权重因子,Effk为这四个工作点处板形调控功效系数的先验值,v为学习速度,值在0~1之间,通过它可以改变学习速度。
(8)根据判别自学习过程是否完成的模型特征要求,当板形调控功效系数的实测值与由自学习模型的计算值误差小于给定的极小值ε时,则认为自学习过程完成的判别方法,其特征在于,板形变化量的实测值与自学习模型计算值之间的差值要满足:
δO≤ε
这里ε为给定的用于判别学习精度是否达到要求的极小值。
本发明的优点是:该方法通过板形调控功效系数的在线自学习模型,为板形控制系统提供精确的板形调控功效系数,用于实现冷轧带钢的高精度板形控制。
附图说明
图1为板形调节机构功效系数的自学习确定,
图2为不同工作点下的板形调控功效系数表,
图3为调控功效系数的先验值曲线,
图4为学习完成后的一组调控功效系数曲线,
图5为沿带钢长度方向板形分布,
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
本实施例公开的是某1250单机架六辊可逆冷轧机板形调控功效系数的自学习过程。板形测量装置采用的是国产无辊环式板形辊[辊径350mm,测量段数目23个,辊身长度1350mm,测量段宽度52mm]。产品规格(厚×宽):0.6mm×1020mm,材质:ST12,轧制速度500m/min-600m/min,带钢出口温度为50-60摄氏度。
(1)轧制工作点先验功效系数表的确定
在对1250冷轧机调试时,选择几种不同规格的带钢进行轧制,板形闭环控制系统不投入,当出现板形缺陷时,手动调节各个板形调节机构来调节板形,板形计算机记录由板形辊测得的带钢宽度方向上各个测量点的板形改变量。根据板形调节机构的调节量ΔU与板形变化量ΔY之间的关系,计算出各个测量点处调节器对板形的影响系数,这些影响系数就是各个板形调节机构的调控功效系数先验值。将每一组轧制力和宽度参数作为一个工作点,得到若干个工作点处的板形调控功效系数的先验值后,将这若干个不同的工作点做成表格,然后以文件的形式保存下来,在1250冷轧机的板形调控功效系数自学习模型中,工作点设为25个,即由5组带钢宽度和5组轧制力值组合而成,如图2所示。每个工作点都对应一个二维的先验功效系数矩阵。图3为1250冷轧机轧机调试时,由实测板形数据计算得到的某个轧制工作点[轧制力为6000KN,带钢宽度为1000mm]处的板形调控功效系数曲线。
对于1250单机架冷轧机而言,板宽方向板形测量点有23个,为了便于建模,将板宽方向上的测量点插值为20个特征点,板形调节机构有4个,分别是工作辊弯辊、中间辊正弯辊、中间辊横移、轧辊倾斜。轧制力波动对板形的影响也通过调控功效来表达,因此表中的每个工作点处的板形调控功效系数矩阵大小为20×5,即:
(2)实际轧制工作点在表中的边界点的确定
轧制过程中,根据实际带钢宽度和轧制力大小可以在图中确定实际轧制过程的工作点位置。如图2所示,当轧制过程中实际轧制力和带钢宽度分别为7600KN和0.94m时,则可通过查表确定其在图中的工作点位置为O点,它在图中的边界分别为A、B、C和D四点。
(3)权重因子的计算
实际轧制工作点有四个工作点,如图2所示,权重因子γA、γB、γC和γD表征了A、B、C和D四个工作点与工作点O之间参数的相似程度,计算公式如下:
四个工作点处的参数分别为A(wA=0.9m,pA=6MN)、B(wB=1.0m,pB=6MN)、C(wC=0.9m,pC=10MN)、D(wD=1.0m,pD=10MN),将四个工作点处的参数带入上面计算公式中即可得到权重因子γA、γB、γC和γD。
(4)实际轧制工作点O处板形调控功效系数的模型计算值
使用边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控功效系数,实际轧制工作点处的板形调控功效系数为:
EffO=EffA·γA+EffB·γB+EffC·γC+EffD·γD
A、B、C和D四个工作点下的板形调节机构调节量和板形改变量是在轧机调试阶段记录下来的,用来计算这四个工作点下的板形调控功效系数。四点的板形调节机构调节量分别为
ΔUK=[ΔuK1 ΔuK2 … ΔuK5]T (K=A,B,C,D)
对应的板形改变量分别为
ΔYK=[ΔyK1 ΔyK2 … ΔyK20]T (K=A,B,C,D)
根据步骤1可得四点的板形调控功效系数值分别为EffA,EffB,EffC和EffD,它们都是一个大小为20×5的矩阵,也就是这四个工作点处的板形调控功效系数先验值,即:
EffK=ΔYK·(1./ΔUK)(K=A,B,C,D)
将EffA,EffB,EffC和EffD以及上步计算出来的权重因子γA、γB、γC和γD带入板形调控功效系数的模型计算公式中即可得到实际轧制工作点O处的板形调控功效系数矩阵。
(5)模型误差的确定
当实际轧制工作点处的板形调节机构产生的变化量为ΔUO=[Δuo1 Δuo2 … Δuoj]T时,板形改变量的自学习模型计算值为:
ΔY′O=EffO·ΔUO
实际轧制工作点O处的实测板形改变量为ΔYO=[Δyo1 Δyo2 … Δyo20]T,模型误差为:
δO=ΔYO-ΔY′O
(6)功效系数的改进
各结点的初值是板形调控功效系数的先验值,由于只是通过一组实测板形数据确定的,因此这些先验值并不精确。为了得到精确的板形调控功效系数,使之更接近于现场实际情况,需要根据实测板形数据来不断地提高这些先验值的精确度。改进方法为:
Eff′k=δO·ΔUO·γk·v+Effk (k=A,B,C,D)
式中:Eff′k为A、B、C和D四个工作点处经过学习改进后的板形调控功效系数,γk为权重因子,Effk为这四个工作点处板形调控功效系数的先验值,v为学习速度,值在0~1之间,通过它可以改变学习速度,本实例中,该值设定为0.5。
(7)自学习过程是否完成的判据
当板形调控功效系数的实测值与由自学习模型的计算值误差小于给定的极小值ε时,则认为自学习过程完成的判别方法,板形变化量的实测值与自学习模型计算值之间的差值要满足:
δO≤ε
这里ε为给定的用于判别学习精度是否达到要求的极小值,本实例中ε的值为0.001。图4为学习完成后的一组功效系数曲线,工作点参数为:轧制力为15200KN,带钢宽度为940mm。表中完成自学习后的各节点处的功效系数用于板形控制系统中,具有较高的板形控制精度。
图5为轧制过程中,模型投入前后,末道次带钢的一组沿带钢轧制长度方向上的板形测量值分布图。在板形闭环控制投入前,只有预设定在起作用,板形偏差较大,且有较大的起伏。基于调控功效的板形闭环控制模型投入后,板形偏差得到了很好的控制,沿带钢长度方向上的横断面测量段平均偏差控制在6I之内,具有较高的板形控制精度。
Claims (11)
1.一种冷轧机板形控制执行器调控功效系数优化方法,其特征在于,建立了不同轧制工作点下的板形调控功效系数先验值表,在表中,一组带钢宽度值和轧制力值对应一个轧制工作点,根据实际轧制工作点在表中的位置确定其边界工作点,由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子,通过边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控功效系数;为了提高板形调控功效系数的精度,需要使用实测板形数据与自学习模型计算得到的板形变化量进行比较,不断改进表中的板形调控功效系数精度;当板形调控功效系数的实测值与由自学习模型的计算值误差小于给定的极小值ε时,则认为自学习过程完成,用于闭环板形控制系统中。
3.根据权利要求1所述的一种冷轧机板形控制执行器调控功效系数优化方法,其特征在于,根据实际轧制工作点在先验功效系数表中的位置确定其边界工作点,对比实际轧制工作点处的带钢宽度和轧制力和表中各轧制工作点处的轧制力和带钢宽度大小,来确定实际轧制工作点在表中的边界工作点。
4.根据权利要求1所述的一种冷轧机板形控制执行器调控功效系数优化方法,其特征在于,根据所述的由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子的方法,当实际轧制工作点参数与表中各工作点参数都不相同时,实际轧制工作点有四个边界工作点,权重因子γA、γB、γC和γD表征了表中A、B、C和D四个边界工作点与实际轧制工作点O之间参数的相似程度,它是跟工作点参数(宽度、轧制力)有关的量,各边界工作点下的板形调控功效系数权重因子分别为:
这里O为实际轧制工作点,A、B、C和D分别为O点在表中的边界工作点;wO、wA、wB、wC和wD分别为工作点O、A、B、C和D处的带钢宽度值;pO、pA、pB、pC和pD分别为工作点O、A、B、C和D处的轧制力值。
5.根据权利要求1所述的一种冷轧机板形控制执行器调控功效系数优化方法,其特征在于,根据所述的由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子的方法,当实际轧制工作点对应的轧制力参数与表中的某个轧制力参数相同时,实际轧制工作点有两个边界工作点,在计算这两点处的板形调控功效系数权重因子时,只考虑实际轧制工作点与两个边界工作点处带钢宽度参数的相似程度,权重因子计算公式为:
这里O为实际轧制工作点,A、B分别为O点在表中的边界工作点。
6.根据权利要求1所述的一种冷轧机板形控制执行器调控功效系数优化方法,其特征在于,根据所述的由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子的方法,当实际轧制工作点对应的带钢宽度参数与表中的某个带钢宽度参数相同时,实际轧制工作点有两个边界工作点,在计算这两点处的板形调控功效系数权重因子时,只考虑实际轧制工作点与两个边界工作点处带钢轧制力参数的相似程度,权重因子计算公式为:
这里O为实际轧制工作点,A、C分别为O点在表中的边界工作点。
7.根据权利要求2所述的一种冷轧机板形控制执行器调控功效系数优化方法,其特征在于,根据所述的通过边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控功效系数的方法,实际轧制工作点处的板形调控功效系数为:
EffO=EffA·γA+EffB·γB+EffC·γC+EffD·γD
若实际轧制工作点只有两个边界工作点时,只考虑这两个边界工作点处的板形调控功效系数的权重因子,其它非边界工作点的权重因子为零;
这里EffO为实际轧制工作点处的板形调控功效系数的自学习模型计算值;EffA,EffB,EffC和EffD为由权利2所述计算出来的边界工作点A、B、C和D处的板形调控功效系数;γA、γB、γC和γD分别为A、B、C和D四个工作点与工作点O之间的权重因子。
8.根据权利要求7所述的一种冷轧机板形控制执行器调控功效系数优化方法,其特征在于,根据所述的使用实测板形数据不断改进表中的板形调控功效系数精度的方法,当实际轧制工作点处的板形调节机构产生的变化量为ΔUO=[Δuo1 Δuo2 … Δuoj]T时,板形改变量的自学习模型计算值为:
ΔY′O=EffO·ΔUO
9.根据权利要求8所述的一种冷轧机板形控制执行器调控功效系数优化方法,将所述的使用实测板形数据与自学习模型计算得到的板形变化量进行比较,实际轧制工作点O处的实测板形改变量为ΔYO=[Δyo1 Δyo2 … Δyoi]T,比较方法为:
δO=ΔYO-ΔY′O
10.根据权利要求2、7、8和9所述的一种冷轧机板形控制执行器调控功效系数优化方法,将所述的需要使用实测板形数据与自学习模型计算得到的板形变化量进行比较,不断改进表中的板形调控功效系数精度,利用权利9计算出的偏差来改进实际轧制工作点在表中的各个边界工作点的板形调控功效系数精度,改进方法为:
Eff′k=δO·ΔUO·γk·v+Effk (k=A,B,C,D)
式中:Eff′k为A、B、C和D四个工作点处经过学习改进后的板形调控功效系数,γk为权重因子,Effk为这四个工作点处板形调控功效系数的先验值,v为学习速度,值在0~1之间,通过它可以改变学习速度。
11.根据权利要求9所述的一种冷轧机板形控制执行器调控功效系数优化方法,其特征在于,所述的当板形调控功效系数的实测值与由自学习模型的计算值误差小于给定的极小值ε时,则认为自学习过程完成的判别方法,板形变化量的实测值与自学习模型计算值之间的差值要满足:
δO≤ε
这里ε为给定的用于判别学习精度是否达到要求的极小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100119503A CN101920269B (zh) | 2009-06-11 | 2009-06-11 | 冷轧机板形控制执行器调控功效系数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100119503A CN101920269B (zh) | 2009-06-11 | 2009-06-11 | 冷轧机板形控制执行器调控功效系数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101920269A true CN101920269A (zh) | 2010-12-22 |
CN101920269B CN101920269B (zh) | 2012-10-31 |
Family
ID=43335629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100119503A Active CN101920269B (zh) | 2009-06-11 | 2009-06-11 | 冷轧机板形控制执行器调控功效系数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101920269B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102366758A (zh) * | 2011-09-13 | 2012-03-07 | 中冶南方工程技术有限公司 | 主动避免执行器饱和现象发生的冷轧带钢板形控制系统 |
CN102366760A (zh) * | 2011-09-13 | 2012-03-07 | 中冶南方工程技术有限公司 | 冷轧带钢板形控制执行器调控功效系数在线解耦方法 |
CN102366762A (zh) * | 2011-09-13 | 2012-03-07 | 中冶南方工程技术有限公司 | 主动避免执行器饱和现象发生的冷轧带钢板形控制方法 |
CN102513372A (zh) * | 2011-12-29 | 2012-06-27 | 中冶南方(武汉)自动化有限公司 | 基于最优化算法的冷轧板形控制自学习方法 |
CN102527737A (zh) * | 2012-01-16 | 2012-07-04 | 中冶南方工程技术有限公司 | 冷轧机板形调控功效系数离线自学习系统 |
CN102553941A (zh) * | 2012-01-16 | 2012-07-11 | 中冶南方工程技术有限公司 | 冷轧机板形调控功效系数离线自学习方法 |
CN102581026A (zh) * | 2012-01-18 | 2012-07-18 | 中冶南方工程技术有限公司 | 冷轧带钢板形横向整体优化控制方法 |
CN102581029A (zh) * | 2011-08-18 | 2012-07-18 | 苏州有色金属研究院有限公司 | 用于确定金属带材板形执行机构效应的方法 |
CN103357669A (zh) * | 2012-03-27 | 2013-10-23 | 上海梅山钢铁股份有限公司 | 一种板形模型预测控制方法 |
CN109261728A (zh) * | 2018-09-29 | 2019-01-25 | 安阳合力创科冶金新技术股份有限公司 | 一种冷轧棒材轧机双驱同步控制方法 |
CN109675931A (zh) * | 2019-01-25 | 2019-04-26 | 燕山大学 | 一种板形调控功效系数自学习方法及系统 |
CN110773573A (zh) * | 2019-11-06 | 2020-02-11 | 燕山大学 | 一种板形调控功效系数实测数据处理方法 |
CN110851994A (zh) * | 2019-11-21 | 2020-02-28 | 燕山大学 | 一种冷轧带材在线板形目标曲线调整方法 |
CN112916624A (zh) * | 2021-01-29 | 2021-06-08 | 华北电力大学(保定) | 一种ucm轧机板形执行机构调控功效系数获取方法 |
CN117826771A (zh) * | 2024-03-05 | 2024-04-05 | 广东云湾科技有限公司 | 基于ai分析的冷轧机控制系统异常检测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4178208B2 (ja) * | 1996-12-02 | 2008-11-12 | 株式会社大一商会 | パチンコ機 |
JP4813014B2 (ja) * | 2003-12-03 | 2011-11-09 | 日新製鋼株式会社 | 冷間タンデム圧延機の形状制御方法 |
CN101450353A (zh) * | 2007-12-07 | 2009-06-10 | 舞阳钢铁有限责任公司 | 一种钢板板形的控制方法 |
-
2009
- 2009-06-11 CN CN2009100119503A patent/CN101920269B/zh active Active
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102581029B (zh) * | 2011-08-18 | 2014-05-07 | 苏州有色金属研究院有限公司 | 用于确定金属带材板形执行机构效应的方法 |
CN102581029A (zh) * | 2011-08-18 | 2012-07-18 | 苏州有色金属研究院有限公司 | 用于确定金属带材板形执行机构效应的方法 |
CN102366762B (zh) * | 2011-09-13 | 2013-09-18 | 中冶南方工程技术有限公司 | 主动避免执行器饱和现象发生的冷轧带钢板形控制方法 |
CN102366760A (zh) * | 2011-09-13 | 2012-03-07 | 中冶南方工程技术有限公司 | 冷轧带钢板形控制执行器调控功效系数在线解耦方法 |
CN102366762A (zh) * | 2011-09-13 | 2012-03-07 | 中冶南方工程技术有限公司 | 主动避免执行器饱和现象发生的冷轧带钢板形控制方法 |
CN102366760B (zh) * | 2011-09-13 | 2014-04-09 | 中冶南方工程技术有限公司 | 冷轧带钢板形控制执行器调控功效系数在线解耦方法 |
CN102366758B (zh) * | 2011-09-13 | 2013-11-20 | 中冶南方工程技术有限公司 | 主动避免执行器饱和现象发生的冷轧带钢板形控制系统 |
CN102366758A (zh) * | 2011-09-13 | 2012-03-07 | 中冶南方工程技术有限公司 | 主动避免执行器饱和现象发生的冷轧带钢板形控制系统 |
CN102513372A (zh) * | 2011-12-29 | 2012-06-27 | 中冶南方(武汉)自动化有限公司 | 基于最优化算法的冷轧板形控制自学习方法 |
CN102513372B (zh) * | 2011-12-29 | 2014-04-23 | 中冶南方(武汉)自动化有限公司 | 基于最优化算法的冷轧板形控制自学习方法 |
CN102527737B (zh) * | 2012-01-16 | 2014-06-25 | 中冶南方工程技术有限公司 | 冷轧机板形调控功效系数离线自学习系统 |
CN102553941A (zh) * | 2012-01-16 | 2012-07-11 | 中冶南方工程技术有限公司 | 冷轧机板形调控功效系数离线自学习方法 |
CN102527737A (zh) * | 2012-01-16 | 2012-07-04 | 中冶南方工程技术有限公司 | 冷轧机板形调控功效系数离线自学习系统 |
CN102553941B (zh) * | 2012-01-16 | 2014-03-12 | 中冶南方工程技术有限公司 | 冷轧机板形调控功效系数离线自学习方法 |
CN102581026A (zh) * | 2012-01-18 | 2012-07-18 | 中冶南方工程技术有限公司 | 冷轧带钢板形横向整体优化控制方法 |
CN102581026B (zh) * | 2012-01-18 | 2013-11-20 | 中冶南方工程技术有限公司 | 冷轧带钢板形横向整体优化控制方法 |
CN103357669A (zh) * | 2012-03-27 | 2013-10-23 | 上海梅山钢铁股份有限公司 | 一种板形模型预测控制方法 |
CN103357669B (zh) * | 2012-03-27 | 2015-04-22 | 上海梅山钢铁股份有限公司 | 一种板形模型预测控制方法 |
CN109261728A (zh) * | 2018-09-29 | 2019-01-25 | 安阳合力创科冶金新技术股份有限公司 | 一种冷轧棒材轧机双驱同步控制方法 |
CN109675931A (zh) * | 2019-01-25 | 2019-04-26 | 燕山大学 | 一种板形调控功效系数自学习方法及系统 |
CN110773573A (zh) * | 2019-11-06 | 2020-02-11 | 燕山大学 | 一种板形调控功效系数实测数据处理方法 |
CN110851994A (zh) * | 2019-11-21 | 2020-02-28 | 燕山大学 | 一种冷轧带材在线板形目标曲线调整方法 |
CN110851994B (zh) * | 2019-11-21 | 2022-06-07 | 燕山大学 | 一种冷轧带材在线板形目标曲线调整方法 |
CN112916624A (zh) * | 2021-01-29 | 2021-06-08 | 华北电力大学(保定) | 一种ucm轧机板形执行机构调控功效系数获取方法 |
CN117826771A (zh) * | 2024-03-05 | 2024-04-05 | 广东云湾科技有限公司 | 基于ai分析的冷轧机控制系统异常检测方法及系统 |
CN117826771B (zh) * | 2024-03-05 | 2024-05-14 | 广东云湾科技有限公司 | 基于ai分析的冷轧机控制系统异常检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101920269B (zh) | 2012-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101920269B (zh) | 冷轧机板形控制执行器调控功效系数优化方法 | |
CN104741388B (zh) | 一种热连轧精轧厚度控制方法 | |
CN102371279B (zh) | 利用辊缝自适应提高精轧带钢厚度精度的控制方法 | |
WO2023130666A1 (zh) | 一种基于数据驱动和机理模型融合的板带钢凸度预测方法 | |
CN102172639B (zh) | 一种冷轧机工作辊弯辊超限的动态替代调节方法 | |
CN104785543B (zh) | 一种基于滑动平均滤波的热轧带钢凸度反馈控制方法 | |
CN102601127A (zh) | Cvc四辊冷轧机高精度板形控制预报方法 | |
CN202606511U (zh) | 冷轧带钢板形前馈-反馈协同控制系统 | |
CN105327949A (zh) | 一种热轧带钢卷取温度的流量控制方法 | |
CN103506404A (zh) | 一种带钢精轧过程辊缝的控制方法 | |
CN112916624B (zh) | 一种ucm轧机板形执行机构调控功效系数获取方法 | |
CN108480405A (zh) | 一种基于数据驱动的冷轧板形调控功效系数获取方法 | |
CN107363105A (zh) | 一种热轧卷头部厚度的控制方法及装置 | |
CN103170508A (zh) | 一种热轧带钢宽度控制的方法 | |
CN105290117A (zh) | 大宽厚比超薄冷轧带钢高次板形缺陷的分级调控方法 | |
CN102161054B (zh) | 基于影响矩阵自学习的板形闭环控制方法 | |
CN102371278B (zh) | 基于稳定性指标的连退平整机板形自动控制方法 | |
CN115121626B (zh) | 一种基于误差补偿的热轧带钢瞬态热辊型预报方法 | |
CN102553941A (zh) | 冷轧机板形调控功效系数离线自学习方法 | |
CN102641896B (zh) | 一种冷轧带钢板形板厚综合控制系统 | |
CN105414205A (zh) | 一种基于plc的钢板温度在线预测方法 | |
CN106345818A (zh) | 一种特殊用钢的板形控制方法 | |
CN102861771B (zh) | 用于控制非对称板形缺陷的工作辊差动弯辊方法 | |
CN102527737A (zh) | 冷轧机板形调控功效系数离线自学习系统 | |
CN103962388B (zh) | 一种基于多座加热炉的热连轧机粗轧带钢宽度控制方法 |
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 |