CN113857269B - 一种冷轧机乳化液喷射装置故障检测方法 - Google Patents
一种冷轧机乳化液喷射装置故障检测方法 Download PDFInfo
- Publication number
- CN113857269B CN113857269B CN202111297269.7A CN202111297269A CN113857269B CN 113857269 B CN113857269 B CN 113857269B CN 202111297269 A CN202111297269 A CN 202111297269A CN 113857269 B CN113857269 B CN 113857269B
- Authority
- CN
- China
- Prior art keywords
- emulsion injection
- fuzzy
- rolling mill
- cold rolling
- injection device
- 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.)
- Active
Links
- 239000000839 emulsion Substances 0.000 title claims abstract description 87
- 238000002347 injection Methods 0.000 title claims abstract description 76
- 239000007924 injection Substances 0.000 title claims abstract description 76
- 238000005097 cold rolling Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000001816 cooling Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 239000000243 solution Substances 0.000 claims description 3
- 229910000831 Steel Inorganic materials 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005507 spraying Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000110 cooling liquid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000013000 roll bending Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/74—Temperature control, e.g. by cooling or heating the rolls or the product
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B33/00—Safety devices not otherwise provided for; Breaker blocks; Devices for freeing jammed rolls for handling cobbles; Overload safety devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
- B21B45/0203—Cooling
- B21B45/0209—Cooling devices, e.g. using gaseous coolants
- B21B45/0215—Cooling devices, e.g. using gaseous coolants using liquid coolants, e.g. for sections, for tubes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
- B21B45/0203—Cooling
- B21B45/0209—Cooling devices, e.g. using gaseous coolants
- B21B45/0215—Cooling devices, e.g. using gaseous coolants using liquid coolants, e.g. for sections, for tubes
- B21B45/0218—Cooling devices, e.g. using gaseous coolants using liquid coolants, e.g. for sections, for tubes for strips, sheets, or plates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
Abstract
本发明公开了一种冷轧机乳化液喷射装置故障检测方法,具体步骤如下:步骤1、设定冷轧机乳化液喷射装置分段冷却控制的控制周期T的大小;步骤2、建立冷轧机乳化液喷射装置分段冷却系统的离散时间T‑S模糊控制模型;3、基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为N个模糊子空间,设计切换型模糊故障观测器和增益矩阵,利用N组切换型模糊故障观测器增益矩阵在线对故障检测信号f(t)和出口压力x1(t)、中间压力x2(t)进行实时估计。通过本发明的检测方法能够对冷轧机乳化液喷射装置故障进行实时检测,且检测速度快、精确度高。
Description
技术领域
本发明属于冷轧带钢过程控制领域,具体的说是一种冷轧机乳化液喷射装置故障检测方法。
背景技术
冷轧带钢轧制生产过程中会产生大量热量,这些热量促使轧机工作辊产生不均匀的热膨胀,进而形成不规则的工作辊热凸度而改变辊缝分布,最终使得出口板形具有不均匀分布的高次板形缺陷。常规板形控制手段,如轧辊倾斜、工作辊弯辊、中间辊窜辊等,往往难以消除这些不规则的高次板形缺陷。现代板形控制系统中通常采用乳化液喷射装置来分段式喷射乳化液以带走轧制过程中产生的热量,释放工作辊内应力以有效控制工作辊热凸度且提高轧辊使用寿命,最终提高出口板形质量。
乳化液分段冷却的原理是轧辊分段冷却系统借助于对轧辊按区分段喷射冷却液,实现对沿轧辊辊身长度方向上得热凸度的高精度控制,使轧辊各段上得热凸度发生积极变化,来控制带材相应段上在长度方向的延伸率变化,最终达到改善带钢平直度的目的。然而,冷轧带钢轧制过程中轧辊的温升是一个复杂的物理过程,与诸多因素有关,在对轧辊进行分段冷却时,很难建立起该过程的数学模型;与此同时,乳化液分段冷却的作用机理具有高度非线性、长时间滞后性,传统的预设定型乳化液分段冷却方法很难得到理想的板形控制质量。另一方面,人工智能方法作为解决此类复杂控制问题的有效手段而被广泛应用。在冷轧工作辊的乳化液分段冷却控制领域,已有模糊控制方法成功应用于实际控制的业绩,一定程度上解决了控制高次板形缺陷的技术难题。在实际运行中,由于冷轧机乳化液喷射装置工况环境较为恶劣,受到湿度大、机械振动噪声强、工作稳定高等不利因素影响,致使乳化液喷射装置时常发生故障而不能正常工作,严重影响了冷轧生成进程和产品质量提升。迄今为止,技术人员通常在发现轧机出口板形发生严重偏差时才能意识到乳化液喷射装置有可能发生故障进而进行停机检修。这种传统的乳化液喷射装置故障检测方法既不能及时发现故障的产生,更不能准确检测出故障的物理形态,严重影响了冷轧机组的平稳运行。
为了解决上述技术问题,就必须详细研究分析乳化液喷射装置的工作机理,找到导致乳化液喷射装置发生故障的主要因素,利用模糊建模等智能建模技术将各个主要因素与乳化液喷射装置常见故障的定量关系建立起来。在此基础上,研究如何能够快速且高精度的实现乳化液喷射装置故障检测的智能检测方法,有效避免由于故障因素导致的产品板形变差、轧机停机影响生产排程等棘手问题,为进一步提高冷轧带钢产品的质量水平和生产效益发挥关键作用。
发明内容
为了解决上述问题,本发明提供了一种能够快速且高精度检测乳化液喷射装置故障的冷轧机乳化液喷射装置故障检测方法。
为了达到上述目的,本发明是通过以下技术方案来实现的:
本发明是一种冷轧机乳化液喷射装置故障检测方法,步骤如下:
步骤1:设定冷轧机乳化液喷射装置分段冷却控制的控制周期T的大小;
步骤2:通过模糊建模方法建立乳化液喷射装置的出口压力、中间压力、入口压力、乳化液喷射装置故障信号之间的物理关系模型,即冷轧机乳化液喷射装置分段冷却系统的离散时间T-S模糊控制模型:
其中,x1(t)表示在第t个控制采样时刻的出口压力,单位为MPa;x2(t)表示在第t个控制采样时刻的中间压力,单位为MPa;u(t)表示在第t个控制采样时刻的入口压力,单位为MPa;f(t)为第t个控制采样时刻的乳化液喷射装置故障信号值,单位为MPa;w(t)表示喷嘴在第t个控制采样时刻的乳化液喷射测量噪声,单位为MPa;y(t)表示在第t个采样时刻可测物理量,单位为MPa,Aj,Bj,Cj,D1j,D2j,Ej为通过模糊建模得到的已知参数矩阵;
其中,N可以任意取值;
对于每一个模糊子空间,设计如下形式的切换型模糊故障观测器,用于实时估计未知信号:
其中,表示在第t个控制采样时刻的待估计的乳化液喷射装置的出口压力和中间压力组成的估计向量,单位为MPa;/>为第t个控制采样时刻的待估计的乳化液喷射装置故障信号值,单位为MPa;/>表示在第t个采样时刻的待估计物理量,单位为MPa;
切换型模糊故障观测器增益矩阵具有如下形式:
步骤4:利用离线计算得到的N组切换型模糊故障观测器增益矩阵,将其应用到冷轧机乳化液喷射装置故障检测中,在线实现对冷轧机乳化液喷射装置故障检测信号f(t)和乳化液喷射装置的出口压力x1(t)和中间压力x2(t)进行实时估计。
本发明的进一步改进在于:步骤1中控制周期T选取为下游板形辊正常工作时测量周期的5倍时长。
本发明的进一步改进在于:步骤3中N为4时,四种切换模式为:
本发明的进一步改进在于:步骤4的具体操作为:在每一个控制周期,根据归一化模糊加权函数hj(θ(t))确定切换模式i,将第i种模式对应和/>应用到提出的切换型模糊故障观测器中,在线实时估计冷轧机乳化液喷射装置故障检测信号f(t)和乳化液喷射装置的出口压力x1(t)和中间压力x2(t)。
本发明的有益效果是:本发明提出了一种基于对当前采样时刻模糊隶属函数进行实时分区的切换型模糊故障观测器来进行乳化液喷射装置故障的实时检测,能够快速且高精度的实现乳化液喷射装置故障检测的智能检测功能,有效避免由于故障因素导致的产品板形变差、轧机停机影响生产排程等棘手问题。为操作人员判断是否停机检修提供决策依据,为进一步提高冷轧带钢产品的质量水平和生产效益发挥关键作用。同时该方法简易可行,完全满足分段冷却控制系统的实时性要求,对乳化液冷却控制系统的分段冷却过程起到预防和监控的作用,兼具有效性和可实施性的特点。
附图说明
图1为本发明的冷轧机乳化液喷射装置故障检测的实施步骤。
图2为本发明故障检测方法的乳化液喷射装置的出口压力的实时估计效果图。
图3为本发明故障检测方法的乳化液喷射装置故障信号检测效果图。
图4为乳化液喷射装置故障信号发生时不同控制采样时刻对应的实时切换模式i。
具体实施方式
下面结合附图对本发明的较佳实例进行详细阐述,以使本发明的优点和特征更能轻易被本领域技术人员理解,从而对本发明的保护范围做出更为明确清晰的界定。但这些实施例是例证性的,它们仅用来对本发明做具体描述,不应当理解为对本发明的限制。
如图1-4所示,本发明是一种冷轧机乳化液喷射装置故障检测方法,步骤如下:
步骤1:设定冷轧机乳化液喷射装置分段冷却控制的控制周期T的大小;考虑到乳化液分段冷却控制具有较长时滞,因而其控制周期T选取为下游板形辊正常工作时测量周期的5倍时长,本实施例设定乳化液喷射装置分段冷却控制的控制周期T=4s。
步骤2:通过模糊建模方法建立乳化液喷射装置的出口压力、中间压力、入口压力、乳化液喷射装置故障信号之间的物理关系模型,即冷轧机乳化液喷射装置分段冷却系统的离散时间T-S模糊控制模型:
其中,x1(t)表示在第t个控制采样时刻的冷轧机乳化液喷射装置的出口压力,单位为MPa;x2(t)表示在第t个控制采样时刻的中间压力,单位为MPa;u(t)表示在第t个控制采样时刻的入口压力,单位为MPa;f(t)为第t个控制采样时刻的乳化液喷射装置故障信号值,单位为MPa;w(t)表示喷嘴在第t个控制采样时刻的乳化液喷射测量噪声,单位为MPa;y(t)表示在第t个采样时刻可测物理量,单位为MPa,Aj,Bj,Cj,D1j,D2j,Ej为通过模糊建模得到的已知参数矩阵;
在本实施例中已知参数矩阵为:
C1=C2=[10],/>D21=D22=0.01,/>步骤3:基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为四个模糊子空间,即,N=4,4种不同的模式,分别由i∈{1,2,3,4}标记,来描述更新后的hj(θ(t))的当前状态,在本实施例中,对应最小可行值γmin=2.6229,IL={1},IR={2}。
模式1:
模式2:
模式3:
模式4:
对于每一个模糊子空间,设计如下形式的切换型模糊故障观测器,用于实时估计未知信号:
其中,表示在第t个控制采样时刻的乳化液喷射装置的出口压力和中间压力组成的估计向量,单位为MPa;/>为第t个控制采样时刻的待估计的乳化液喷射装置故障信号值,单位为MPa;/>表示在第t个采样时刻的待估计物理量,单位为MPa;
四组切换型模糊故障观测器增益矩阵具有如下形式:
切换模式i=2:
切换模式i=3:
切换模式i=4:
步骤4:利用离线计算得到的四组切换型模糊故障观测器增益矩阵,将其应用到冷轧机乳化液喷射装置故障检测中,在线实现对冷轧机乳化液喷射装置故障检测信号f(t)和乳化液喷射装置的出口压力x1(t)和中间压力x2(t)进行实时估计;即,在每一个控制周期,根据归一化模糊加权函数hj(θ(t))确定切换模式i,将第i种模式对应和/>应用到提出的切换型模糊故障观测器中,实现对冷轧机乳化液喷射装置故障检测信号f(t)和乳化液喷射装置的出口压力和中间压力的实时估计。
在本实施例中:
乳化液喷射装置的出口压力初始值设置为x1(t)=ν(MPa)乳化液喷射装置的中间压力初始值设置为x2(t)=P(MPa);归一化模糊加权函数:
h2(θ(t))=1-h1(θ(t)),
由于外部干扰振幅总是小于故障信号振幅,因此在本实施例中测量噪声设置为w(t)=0.04rand(1)-0.02,将上述离线计算得到的四组增益矩阵和/>应用到切换型模糊故障观测器中就可以实现对冷轧机乳化液喷射装置故障检测信号f(t)、乳化液喷射装置的出口压力x1(t)和乳化液喷射装置的中间压力x2(t)的实时估计。
为了验证本发明故障检测方法的有效性,认为设置乳化液喷射装置在投入运行后的第101-200个控制周期时发生正弦故障。图2为本发明故障检测方法的乳化液喷射装置的出口压力的实时估计效果图,可以看出使用本发明切换型模糊故障观测器实时估计的乳化液喷射装置的出口压力估计值与其实际值非常接近。图3为本发明故障检测方法的乳化液喷射装置故障信号检测效果图,可以发现系统是可以及时检测到故障信号f(t)的,且对其动态特征进行了很好的描述。图4给出乳化液喷射装置故障信号发生时不同控制采样时刻对应的实时切换模式i,可以看出大部分工作模式都在不同控制采样时刻被一次触发工作。
以上仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (5)
1.一种冷轧机乳化液喷射装置故障检测方法,其特征在于:步骤如下:
步骤1:设定冷轧机乳化液喷射装置分段冷却控制的控制周期T的大小;
步骤2:通过模糊建模方法建立冷轧机乳化液喷射装置分段冷却系统的离散时间T-S模糊控制模型:
其中,x1(t)表示在第t个控制采样时刻的出口压力,单位为MPa;x2(t)表示在第t个控制采样时刻的中间压力,单位为MPa;u(t)表示在第t个控制采样时刻的入口压力,单位为MPa;f(t)为第t个控制采样时刻的乳化液喷射装置故障信号值,单位为MPa;w(t)表示喷嘴在第t个控制采样时刻的乳化液喷射测量噪声,单位为MPa;y(t)表示在第t个采样时刻可测物理量,单位为MPa,Aj,Bj,Cj,D1j,D2j,Ej为通过模糊建模得到的已知参数矩阵;
其中,N可以任意取值;
对于每一个模糊子空间,设计如下形式的切换型模糊故障观测器,用于实时估计未知信号:
其中,表示在第t个控制采样时刻的待估计的乳化液喷射装置的出口压力和中间压力组成的估计向量,单位为MPa;/>为第t个控制采样时刻的待估计的乳化液喷射装置故障信号值,单位为MPa;/>表示在第t个采样时刻的待估计物理量,单位为MPa;
切换型模糊故障观测器增益矩阵具有如下形式:
步骤4:利用离线计算得到的N组切换型模糊故障观测器增益矩阵,将其应用到冷轧机乳化液喷射装置故障检测中,在线实现对冷轧机乳化液喷射装置故障检测信号f(t)和乳化液喷射装置的出口压力x1(t)和中间压力x2(t)进行实时估计。
2.根据权利要求1所述一种冷轧机乳化液喷射装置故障检测方法,其特征在于:步骤1中控制周期T选取为下游板形辊正常工作时测量周期的5倍时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111297269.7A CN113857269B (zh) | 2021-11-03 | 2021-11-03 | 一种冷轧机乳化液喷射装置故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111297269.7A CN113857269B (zh) | 2021-11-03 | 2021-11-03 | 一种冷轧机乳化液喷射装置故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113857269A CN113857269A (zh) | 2021-12-31 |
CN113857269B true CN113857269B (zh) | 2023-06-09 |
Family
ID=78986806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111297269.7A Active CN113857269B (zh) | 2021-11-03 | 2021-11-03 | 一种冷轧机乳化液喷射装置故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113857269B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102172642A (zh) * | 2010-12-30 | 2011-09-07 | 一重集团大连设计研究院有限公司 | 冷轧机组精细冷却装置喷嘴故障检测方法 |
CN103406370A (zh) * | 2013-08-27 | 2013-11-27 | 中冶南方工程技术有限公司 | 基于模糊双曲模型冷轧机工作辊乳化液分段冷却控制方法 |
CN203365114U (zh) * | 2013-05-28 | 2013-12-25 | 宝山钢铁股份有限公司 | 一种乳化液喷嘴状态快速检测装置 |
JP2014004612A (ja) * | 2012-06-26 | 2014-01-16 | Jfe Steel Corp | 冷間圧延における異常検出方法および冷間圧延方法 |
CN110369527A (zh) * | 2019-07-04 | 2019-10-25 | 邯郸钢铁集团有限责任公司 | 一种冷轧乳化液喷射装置 |
CN113378887A (zh) * | 2021-05-14 | 2021-09-10 | 太原理工大学 | 一种乳化液泵故障分级诊断方法 |
-
2021
- 2021-11-03 CN CN202111297269.7A patent/CN113857269B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102172642A (zh) * | 2010-12-30 | 2011-09-07 | 一重集团大连设计研究院有限公司 | 冷轧机组精细冷却装置喷嘴故障检测方法 |
JP2014004612A (ja) * | 2012-06-26 | 2014-01-16 | Jfe Steel Corp | 冷間圧延における異常検出方法および冷間圧延方法 |
CN203365114U (zh) * | 2013-05-28 | 2013-12-25 | 宝山钢铁股份有限公司 | 一种乳化液喷嘴状态快速检测装置 |
CN103406370A (zh) * | 2013-08-27 | 2013-11-27 | 中冶南方工程技术有限公司 | 基于模糊双曲模型冷轧机工作辊乳化液分段冷却控制方法 |
CN110369527A (zh) * | 2019-07-04 | 2019-10-25 | 邯郸钢铁集团有限责任公司 | 一种冷轧乳化液喷射装置 |
CN113378887A (zh) * | 2021-05-14 | 2021-09-10 | 太原理工大学 | 一种乳化液泵故障分级诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113857269A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A KPI-based process monitoring and fault detection framework for large-scale processes | |
Lee et al. | Application of neural-network for improving accuracy of roll-force model in hot-rolling mill | |
Wang et al. | Optimal-setting control for complicated industrial processes and its application study | |
CN104190720B (zh) | 一种自适应自动厚度控制方法及装置 | |
Jelali | Performance assessment of control systems in rolling mills–application to strip thickness and flatness control | |
CN111659738A (zh) | 一种轧机辊系交叉度的测量方法及装置 | |
Schlang et al. | Current and future development in neural computation in steel processing | |
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 | |
CN115608793B (zh) | 一种机理融合数据的精轧温度调控方法 | |
CN101417292B (zh) | 依托常规轧制模型控制中低牌号电工钢轧制的方法 | |
CN116418120A (zh) | 一种应用于水冷电源的智能预警方法 | |
CN113857269B (zh) | 一种冷轧机乳化液喷射装置故障检测方法 | |
CN115121626B (zh) | 一种基于误差补偿的热轧带钢瞬态热辊型预报方法 | |
CN102161054A (zh) | 基于影响矩阵自学习的板形闭环控制方法 | |
Zhu et al. | A fuzzy algorithm for flatness control in hot strip mill | |
Hameed et al. | Strip thickness control of cold rolling mill with roll eccentricity compensation by using fuzzy neural network | |
CN110851994A (zh) | 一种冷轧带材在线板形目标曲线调整方法 | |
CN114054517B (zh) | 单机架冷轧机乳化液喷射装置故障检测方法 | |
JP3020771B2 (ja) | プラント制御装置 | |
Dian-yao et al. | Self-learning and its application to laminar cooling model of hot rolled strip | |
Schlang et al. | Neural networks for steel manufacturing | |
Jia et al. | Cloud neural fuzzy PID hybrid integrated algorithm of flatness control | |
Méndez et al. | Entry temperature prediction of a hot strip mill by a hybrid learning type-2 FLS | |
Bachi et al. | Design of control system for steel strip-rolling mill using NARMA-L2 | |
Reeve et al. | Control, automation and the hot rolling of steel |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |