一、热连轧自动控制系统中的参数处理(论文文献综述)
黄春光[1](2021)在《复合控制策略在热连轧自动厚度控制上的应用研究》文中提出
吕代鹏[2](2021)在《某热轧厂精轧活套系统多变量解耦模糊PID控制方法研究》文中研究说明
唐鹏[3](2021)在《数据驱动的流程工业非线性过程监测与故障诊断》文中进行了进一步梳理现代流程工业日趋规模化、复杂化和集成化。工业过程长期安全、稳定、高效运行是企业实现经济效益的关键。流程工业中绝大部分被控过程具有非线性特性,传统的线性方法通常假设工业过程运行在某一稳定工作点附近,并且变量之间相关性关系在窄窗口内近似为线性的。面向流程工业非线性过程监测与故障诊断方法的研究是自动控制领域中一个十分重要的课题。近二十年来,非线性过程监测主要有基于核方法、局部模型和神经网络等解决途径,但面向系统规模庞大、测量变量与操作工序众多、变量关联关系复杂的流程工业过程,传统的方法较难获取完备的监测与诊断效果。本文主要研究内容包括以下几个方面:(1)针对流程工业非线性过程建模复杂、故障变量辨识难的问题,提出了基于变分自编码器的过程监测与故障隔离一体化解决方案。首先,利用变分自编码器构建非线性过程概率模型,将复杂分布的过程数据映射到潜变量空间,使其服从高斯分布;其次,基于变分自编码器模型设计了基于边缘联合概率密度的监测统计量,实现了非线性过程监测;然后,采用缺失值重构思想,基于重构贡献分析实现了非线性过程故障隔离,并针对多个故障相关变量影响导致的拖尾效应问题,采用分支定界技术实现故障相关变量集的快速搜索,提升非线性过程故障隔离性能。最后,使用TE过程和带钢热连轧过程数据对所提算法的监测与诊断性能进行了验证。(2)针对流程工业多操作工况导致的非线性问题,提出了基于高斯混合变分自编码器的多工况过程监测方法。首先,变分自编码器中引入高斯混合模型,构建一个高斯混合变分自编码器,将多工况的非线性过程数据映射到潜变量空间,使其每个工况的潜变量投影均近似服从高斯分布;然后,利用潜变量投影在每个高斯分量的偏离程度,以及模型提供的重构概率分布构建监测统计量,实现多工况过程的非线性过程监测。最后,通过TE过程和带钢热连轧过程数据验证了该算法的有效性。(3)针对流程工业非线性过程质量监测问题,提出了联合深度变分信息瓶颈和变分自编码器的质量监测方法。首先,通过构建深度变分信息瓶颈和变分自编码器的联合模型,实现质量相关和无关的潜变量分解,并采用理论分析证明了上述联合模型分解的有效性;然后,利用联合模型提供的潜变量分布和重构概率分布建立了监测统计量,从而实现质量相关故障的检测;最后,通过数值仿真案例和带钢热连轧案例验证了所提算法的有效性。(4)针对流程工业全流程非线性建模和过程监测问题,提出了基于条件变分自编码器的全流程过程监测方法。首先,以流程工业中常见的串联型过程为研究对象,构建分布式变分循环自编码器模型,以提取工序间和工序内的时空特征;其次,使用深度支持向量数据描述方法对局部特征信息进行融合,提取全局特征信息;然后,基于构建的分布式模型设计局部监测统计量,并用融合的特征构建全局监测统计量,从而实现全流程的全局-局部的过程监测方法;最后,利用带钢热连轧实际工程案例对所提算法进行了验证。(5)针对流程工业非线性过程监测、故障隔离、故障辨识一体化解决难的问题,提出了一个深度因果图建模方法及其一体化过程监测与故障诊断方案。首先,提出了一种深度因果图建模方法,构建描述变量间因果关系的有向图结构;然后,利用深度因果图模型提供的变量条件概率构建监测统计量和贡献度指标,实现故障的检测和隔离,并使用因果有向图结构辨识故障的根源和传播路径;最后,通过TE过程验证所提算法的可行性和有效性。
刘旭[4](2021)在《1780热轧线卷取机控制系统设计及控制策略研究》文中指出本文来源于迁安轧一钢铁股份有限公司热连轧2号生产线主设备的预研与优化设计项目,迁安轧一公司现有1780板带钢热连轧生产线一条(即本文所称1号线)。根据1号线实际运行效果,存在的问题主要有卷取机张力控制不稳定,引起产品缺陷,卷取机液压系统有待进一步优化等问题。以这些问题为研究对象,针对现有1号热轧线存在卷取张力控制效果不佳的问题,力求提高拟建2号线中卷取机张力控制系统的控制性能,优化卷取机构关键部件稳定性,提高产品带钢质量,提升卷取机液压系统的性能与重要参数指标。本所确定的研究内容如下:首先,通过对热连轧生产线的实地调研考察,收集关键数据。明确了在1号线卷取工序部分,钢卷产品的质量存在缺陷类型,及其影响因素,实际掌握了1号线卷取机液压系统的关键工艺参数和存在影响性能的问题。围绕这些工程实际问题,本文做了如下工作:1.依据1号热轧生产线已有的卷取机,优化设计了2号线卷取机关键部件的机械、液压系统,达到了卷取机工作性能优化的目的。2.应用TRIZ理论对卷取工序所产生的产品钢卷质量缺陷问题,从机械设计角度提出解决方案,试验表明:较之现有设备,新构型卷筒工作稳定性有了显着提高。3.建立了卷取机张力控制系统的数学模型。依据卷取机主电机变频调速原理,建立了坐标变换算法,并利用MATLAB工具箱中Simulink模块,对热轧卷取机主电机控制系统进行了建模和仿真。4.用模糊PID控制算法,为2号线卷取机设计了新型模糊PID控制器,并通过参数整定,对控制系统响应速度、超调量及控制精度等性能参数加以优化。仿真结果证明,所设计的模糊PID控制器,比1号线现有PI控制器,具有明显的优点。5.新设计卷筒机构及张力控制系统在1号线进行了验证试验:在1号线进行停机维护时,将所设计的新构型卷筒及张力控制系统进行了简单的运行试验。试验结果及数据表明:优化设计后的卷筒解决了因卷取打滑导致的钢卷质量问题。优化设计后的张力控制系统控制性能得到了显着的提高。投入使用后,可为企业有效节约生产成本,提高生产效益。
赵剑威[5](2020)在《考虑金属横向流动和应力松弛的热连轧板形建模与工业应用》文中提出金属横向流动和应力松弛作为带钢热连轧中影响轧制稳定性和板形控制精度的两个重要因素,其自身规律同时受到钢种成分、微观组织演变、几何尺寸和温度分布等多个因素的影响,尤其是机架间的应力松弛过程更是一个耦合了回复、析出和再结晶等多个基本物理冶金过程的复杂过程。这种多物理场、多变量、强耦合的复杂工况使得对精轧过程中金属横向流动和残余应力松弛的定量描述变得极其困难。由于缺少相应的理论基础和理论计算模型,目前在板形设定模型中多是选择忽略或以经验系数对二者的影响进行表征,这限制了高精度板形模型的进一步发展。为此,本文以1580mm热连轧生产线为应用背景,以提高板形预设定计算精度为目标,以高强度低合金钢为应用对象,通过实验、数值模拟、理论分析、数学建模、工业试验和工业应用等多种方式,对热轧过程中的金属横向流动和机架间的残余应力松弛效应开展了系统性的研究,并建立了相应的定量表征方法。具体研究内容和成果如下:(1)为了探究金属横向流动在板形演变中的影响和作用,本研究通过在模拟轧制实验中对轧件进行激光刻蚀、颜料墨水喷涂等处理,采用激光共聚焦显微测量,实现了轧制过程中微小横向流动的精准直接观测;并结合数值实验和理论计算模型揭示了金属横向流动对残余应力的自修正效应,给出了金属横向流动在板形演变中调控机制的理论解释,提出了屈曲风险系数和横向流动系数,分别对带钢发生屈曲变形的风险以及横向流动对残余应力的影响进行了量化;分析了带钢几何因素对金属横向流动和残余应力的影响。该研究结果为完善热连轧板形设定模型奠定了理论基础并提供了新思路。(2)为了实现集宏观力学变形、材料组织性能演变和温度变化为一体的多物理场、多尺度下的辊缝出口横向流动和残余应力的稳定、高效求解,研究中首先基于位错动力学理论建立了高强度低合金钢流变应力的物理预测模型,对带钢变形的力学行为进行了描述,采用差分-矩阵迭代的方法建立了带钢轧制变形快速计算模型,对带钢宏观力学变形进行了求解;其次,通过将二者与采用显隐交替差分形式建立的带钢温度场计算模型进行耦合,建立了带钢轧制高效集成计算模型,并分析了不同耦合方式下的模型求解效率。该模型的建立为后续的板形预设定计算提供了高效的求解手段,同时也为实现热连轧过程的在线集成计算奠定了基础。(3)以统计热力学理论为基础,建立了金属高温变形后的应力松弛动力学模型,实现了应力松弛过程中回复、再结晶、析出和固溶拖拽等物理冶金过程耦合效应的描述,通过将应力松弛动力学模型与温度场计算模型进行耦合,基于残余应力自平衡原则首次实现了多物理场、多物理过程条件下机架间残余应力演变模型的建立,提出了应力松弛系数对残余应力的松弛程度进行量化,揭示了带钢横向温差、平均温度及Nb元素含量对机架间残余应力松弛效应的影响。(4)以上述的理论研究为指导依据,以建立的带钢轧制高效集成计算模型和机架间带钢残余应力演变模型为计算手段,针对某厂的1580mm热连轧生产线,开发了基于残余应力影响因子的板形预设定策略,对现场的板形预设定模型进行了优化并实现了工业化应用,取得了良好的效果。
姚驰寰[6](2021)在《基于准三维差分法的热轧带钢板形预测模型研究》文中认为热轧带钢板形缺陷可导致带材断裂,并影响后续加工和产品性能。快速板形预测模型可实现板形演变分析与控制优化所需的大量复杂工况仿真,提高热轧全幅宽多目标板形控制的精度。但由于塑性变形固有的非线性和三维金属流动的强耦合性,轧件变形模型是快速板形模型开发中的瓶颈:有限元法计算时间过长,而现有快速模型存在假设多、收敛性差等不足。因此,本文基于准三维差分法,旨在建立兼顾计算精度、速度和稳健性的轧件模型,并用于解决热轧生产中的板形控制难点。主要研究成果如下:(1)建立了考虑横向流动的刚塑性(RP)轧件模型,可预测断面形状、轧制力和张力分布。与传统快速模型不同,RP模型不依赖对横向流动模式的假设,同时考虑了剪应力的影响,从根本上提高了精度。RP模型通过了有限元法与工业实验的组合验证,对实测凸度的预测误差小于15%。包含准三维近似、解耦消元、线性化、离散化和全局联立的迭代求解方法使计算高效稳健。RP模型计算时间约为20 ms,适用于多参数优化,且具备在线应用潜力。(2)建立了考虑机架间变形的弹粘塑性(EVP)轧件模型,可得到热连轧中完整的板形演变过程。EVP模型对宽展、断面形状和残余应力的预测能力得到了有限元验证,且对连轧实测凸度的预测误差小于11%。EVP模型仿真七机架连轧仅需半分钟,比有限元法快了两到三个量级,为连轧板形演变提供了有效分析工具。揭示了机架间变形影响板形的机理:在机架间弹复过程中,横向压应力释放并且带钢速度趋于均匀,残余应力从出口张力中逐渐显现;机架间应力松弛则主要发生在靠近辊缝的带钢边部,会直接增加带钢的边降,并通过改变辊缝中轧制力分布,间接减小中心凸度。(3)结合RP模型的全断面预测能力和粒子群算法,优化了工作辊锥辊辊形和窜辊参数,提出了变步长窜辊策略以应对非线性锥区辊形和不均匀磨损的影响。工业应用表明,优化后锥辊磨损辊形保持基本平滑,减轻了电工钢边降和局部高点缺陷,轧制周期延长约10公里。(4)利用EVP模型的残余应力预测能力分析了不锈钢高次浪形缺陷,得到了高次残余应力在各个机架的演变规律,揭示了边部温降与高次浪形的紧密关系。通过仿真优化了中间变凸度工作辊辊形,并在工业应用中有效地控制了不锈钢热连轧中经常出现的高次浪形缺陷。
宋京浩[7](2020)在《包钢4100mm宽厚板轧机自动辊缝控制系统优化》文中研究表明文章以包钢4100mm宽厚板轧机所用德国西门子公司设计辊缝控制系统作为研究对象。在参考了国内外已有理论经验的基础上,依托于厚度自动控制原理,针对轧机弹性以及轧件塑性形变进行了详细分析,主要就消除钢板相应厚度差的方式在基础级控制层面上进行研究,也分析了相对、绝对AGC(Automatic Gauge Control)模型二者的不同,与优势和不足之处。细致化的分析了相应的压下系统、机架标定等。与此同时,立足于现场实际生产过程中的具体问题进行研究分析,并提出一些改进方法,这些方法实践证实能够较为有效的改善宽厚板产品质量问题。研究主要进行了以下工作:针对国内外宽厚板的发展背景、现状进行了说明,对轧机的弹性变形和弹跳方程、钢板的塑性形变和塑性方程等基础理论进行了详细的学习研究。通过学习西门子在薄板厂宽厚板轧机轧制过程中采用的压力AGC控制模式,引出AGC控制原理及理论模型公式的学习研究过程。对德国西门子在轧机辊缝控制系统PLC(Programmable Logic Controller)采用了当今最先进的TDC控制系统设计进行了详细研究说明。重点对实际生产过程中发现的一些控制不稳定情况进行分析研究,通过对辊缝控制的核心AGC控制系统研究分析,针对产品头部厚度超差、镰刀弯、整体厚度超差等实际情况的研究、计算和可行性分析,在基础控制级中加入头部补偿、轧制力补偿、零点位置补偿等补偿措施,解决了包钢宽厚板轧制厚40mm以上钢板头部偏薄问题,学习了轧制力补偿及调平补偿对辊缝的作用,通过在画面上修改轧制零点的方法,有效的改善了钢板厚度超差问题。
何海楠[8](2020)在《硅钢热轧轧辊磨损和断面精准控制研究》文中研究表明硅钢冷轧板带尺寸精度要求较为苛刻,硅钢冷轧同板差(横向厚差)要求通常在7μm以内,高端客户甚至要求至5μm。目前,国内常用1580mm热连轧进行硅钢的生产,而冷轧装备型号较多,硅钢板形控制已发展为由冷轧板形控制扩展到全流程的板形控制。本文依托马钢硅钢热轧及冷轧产线,以硅钢尺寸精度为目标,研究了轧辊磨损机理、边降控制工作辊辊形及窜辊策略以及硅钢同板差预测模型,取得主要成果如下:(1)建立了基于摩擦磨损理论的热轧轧辊磨损预报模型。通过带钢三维变形模型和辊系变形模型结合的轧辊轧件一体化快速计算模型,可计算不同的工况下辊间接触压力分布。针对热轧工作辊磨损特性,建立了基于球状微凸体模型和微凸体分布统计模型的热轧轧辊磨损模型,模型充分考虑不同时期轧辊受力特点和接触面特点。结合快速计算模型和轧辊磨损模型建立热轧轧辊磨损预测模型,可根据轧制工艺参数准确预测轧辊磨损辊形。(2)设计了一种热连轧下游机架使用的边部修形工作辊辊形,可用于轧制硅钢等高精度带钢,与工作辊自由窜辊配合使用,改善硅钢边部轮廓;采用粒子群算法对辊形曲线进行优化,保证对带钢凸度控制的稳定性,能更好的发挥工作辊自由窜辊的优势;通过Abaqus有限元分析了辊形对带钢的板形调控特性,结合工业现场试验证明曲线对硅钢断面尤其是边降改善效果显着。(3)针对热连轧下游自由窜辊的工作辊设计了适用于硅钢控制的窜辊策略,并采用三种群优化算法,分别对单个机架的工作辊窜辊策略和多个机架协同窜辊的策略进行优化,在保证工作辊磨损均匀性的同时保证热连轧出口凸度的稳定控制。(4)建立了结合热轧带钢断面计算模型和基于BP神经元网络的冷轧同板差预测模型的全流程同板差预测模型,并根据可靠区间法验证模型的预测精度,所建立的模型实现了硅钢板带轧制热轧与冷轧工序的贯通,可以对上游热轧工艺参数进行优化指导、评价热轧硅钢板带尺寸等级并根据成品要求灵活调整下游工序工艺。
张笑雄[9](2020)在《基于深度置信网络的带钢厚度预测》文中研究说明作为带钢质量的重要指标,汽车、机械制造、电器及电子工业对带钢厚度的精度要求越来越严格,优化产品厚度精度是提升产品品质的重要途径。热轧带钢的厚度精度主要受精轧机组影响,在精轧过程中,轧件受到轧制力作用发生形变,形变过程中影响厚度的因素众多,而且相互耦合并存在严重的非线性。传统预测带钢厚度的数学模型在建模过程中省去和化简了很多实际生产中的影响因素,因此利用传统数学模型进行误差预测的效果无法令人满意。近年来随着机器学习算法在冶金领域的应用,支持向量机和人工神经网络等机器学习算法被广泛用于带钢厚度预测的研究中。但在实际应用中由于传统浅层学习模型本身的限制,这些方法在复杂背景下进行非线性时序回归预测,将会出现高维特征提取降维不彻底、复杂的函数关系难以表征、多步预测效果不佳等重大问题。因此为了能够学习高维度复杂数据中的映射关系,进而完成数据的回归预测,就需要引入深层结构模型,以提高热连轧带钢精轧厚度预测精度。本文建立了通过深度置信网络提取数据特征的最小二乘支持向量回归模型,并且利用网格搜索和粒子群算法优化模型的相关超参数。通过采集唐山瑞丰钢铁公司950mm热连轧带钢生产线实时现场数据,利用Matlab2017编写程序,对BP神经网络模型(BPNN)、最小二乘支持向量机模型(LSSVM)、深度置信网络-最小二乘支持向量机模型(DBN-LSSVM)三种带钢厚度预测模型进行了训练和离线仿真。仿真结果表明,基于DBN-LSSVM的预测模型具有良好的学习能力和泛化性,DBN-LSSVM模型的预测平均相对误差达到0.71%,预测精度较5.51%预测误差率的传统BP算法和2.88%预测误差率的LSSVM算法有显着提高,该厚度预测模型在生产实践中具有很好的应用前景。
张进之,周石光[10](2020)在《动态轧制理论的产生和发展》文中研究指明论述了动态轧制理论包括连轧动态张力公式、DAGC、解析板形理论以及φ函数等四项内容的产生和发展。通过理论验证和实验验证,证明动态轧制理论的各项内容的正确性和实用性,动态轧制理论的应用,可实现目前极端复杂化的轧制控制装备大大简化,而且可以较大幅度提高板带产品的几何精度。指出动态轧制理论是轧制技术发展过程中的重大革命性进步。
二、热连轧自动控制系统中的参数处理(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、热连轧自动控制系统中的参数处理(论文提纲范文)
(3)数据驱动的流程工业非线性过程监测与故障诊断(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 过程监测与故障诊断的研究内容与方法 |
1.2.1 过程监测与故障诊断的基本概念 |
1.2.2 过程监测与故障诊断研究方法 |
1.3 数据驱动的过程监测与故障诊断现状分析 |
1.3.1 基于多元统计的过程监测研究现状 |
1.3.2 数据驱动的故障诊断研究现状 |
1.4 非线性过程监测与故障诊断研究现状 |
1.4.1 基于核方法的非线性过程监测 |
1.4.2 基于局部模型的非线性过程监测 |
1.4.3 基于深度学习的非线性过程监测 |
1.4.4 非线性故障诊断研究现状 |
1.5 本文的研究内容 |
2 基于变分自编码器的非线性过程监测与故障隔离 |
2.1 引言 |
2.2 变分自动编码器 |
2.3 分支定界算法 |
2.4 基于VAE的非线性过程监测 |
2.4.1 基于联合概率密度的监测统计量设计 |
2.4.2 基于数据生成的控制限确定 |
2.5 基于VAE的非线性过程故障隔离 |
2.5.1 基于重构贡献分析的故障隔离方法 |
2.5.2 基于分支定界算法的故障隔离方法 |
2.6 实验验证 |
2.6.1 TE过程验证 |
2.6.2 带钢热连轧过程验证 |
2.7 本章小结 |
3 基于高斯混合变分自编码器的多工况过程监测 |
3.1 引言 |
3.2 高斯混合模型 |
3.3 高斯混合变分自编码器 |
3.4 基于混合高斯VAE的多工况过程监测 |
3.4.1 改进的GMVAE模型 |
3.4.2 基于GMVAE的过程监测 |
3.5 实验验证 |
3.5.1 TE过程验证 |
3.5.2 带钢热连轧过程验证 |
3.6 本章小结 |
4 基于深度变分信息瓶颈和变分自编码器的质量监测 |
4.1 引言 |
4.2 信息瓶颈 |
4.3 深度变分信息瓶颈 |
4.4 基于Deep VIB-VAE的非线性过程质量异常过程建模 |
4.4.1 Deep VIB-VAE建模 |
4.4.2 基于质量相关和无关特征分解的质量监测 |
4.5 实验验证 |
4.5.1 数值仿真案例验证 |
4.5.2 带钢热连轧过程验证 |
4.6 本章小结 |
5 基于条件变分自编码器的全流程过程监测 |
5.0 引言 |
5.1 理论基础 |
5.1.1 长短期记忆网络 |
5.1.2 条件变分自编码器 |
5.1.3 深度支持向量数据描述 |
5.2 基于CVRAE的全流程过程监测 |
5.2.1 系统描述 |
5.2.2 分布式条件变分循环自编码器 |
5.2.3 基于分布式CVRAE的分层过程监测框架 |
5.3 实验验证 |
5.3.1 带钢热连轧数据集 |
5.3.2 实验结果 |
5.4 本章小结 |
6 深度因果图建模及其过程监测与故障诊断 |
6.1 引言 |
6.2 深度因果图建模方法 |
6.2.1 图结构已知的因果关系建模方法 |
6.2.2 图结构未知的因果关系建模方法 |
6.3 基于深度因果模型的过程监测与故障诊断 |
6.3.1 过程监测 |
6.3.2 故障诊断 |
6.4 实验验证 |
6.5 本章小结 |
7 结论与展望 |
7.1 研究工作总结 |
7.2 未来研究展望 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(4)1780热轧线卷取机控制系统设计及控制策略研究(论文提纲范文)
缩略词 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 热轧卷取机及张力控制国内外发展历程及研究现状 |
1.2.1 卷取机国内外发展历程及现状 |
1.2.2 张力控制系统国内外发展历程及研究现状 |
1.3 应用TRIZ理论改进卷取机卷筒打滑问题 |
1.4 本文主要研究内容 |
1.5 技术路线 |
第二章 热轧线卷取机控制系统设计 |
2.1 热轧卷取机主工艺参数设计 |
2.2 热轧线卷取机机械系统设计 |
2.2.1 卷取张力的设计计算 |
2.2.2 卷筒径向压力计算 |
2.2.3 卷筒施加张力时强度设计 |
2.3 热轧线卷取机液压系统设计 |
2.3.1 卷筒涨缩机构受力计算 |
2.3.2 卷筒钳口夹紧力计算 |
2.3.3 卷取机浮动装置计算及传动功率计算 |
2.3.4 卷取机伺服液压站设计 |
2.4 卷取机卷筒机构TRIZ创新设计 |
2.4.1 由于张力控制不佳导致的卷形问题 |
2.4.2 应用TRIZ理论分析卷取机打滑的问题 |
2.4.3 打滑问题的解决方法 |
2.5 本章小结 |
第三章 卷取机张力控制系统设计 |
3.1 卷取机机械系统微分方程 |
3.2 张力控制系统数学建模 |
3.3 卷取机主电机的空间矢量 |
3.4 卷取机主电机变频调速原理 |
3.5 三相交流电空间矢量分析 |
3.6 坐标变换模块数学建模 |
3.6.1 Clarke变换模块数学建模 |
3.6.2 Park变换模块数学建模 |
3.7 本章小结 |
第四章 卷取机控制系统仿真及控制策略 |
4.1 异步电机及简单调速仿真 |
4.2 坐标变换模块仿真 |
4.3 异步电机PI控制系统仿真 |
4.4 模糊PID张力控制器设计 |
4.4.1 控制器架结构设计 |
4.4.2 控制器论域的确定 |
4.4.3 张力控制系统隶属度函数选取 |
4.4.4 张力控制规则及控制表的制定 |
4.4.5 张力控制系统比例、量化因子的确定 |
4.5 卷取机张力控制策略研究 |
4.6 本章小结 |
第五章 结论与展望 |
5.1 全文总结 |
5.2 工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
附录 |
致谢 |
(5)考虑金属横向流动和应力松弛的热连轧板形建模与工业应用(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
2 文献综述 |
2.1 研究背景及意义 |
2.2 带钢热轧变形及板形概述 |
2.2.1 带钢热轧变形概述 |
2.2.2 带钢板形概述 |
2.3 金属横向流动 |
2.3.1 金属塑性流动概述 |
2.3.2 金属横向流动研究现状 |
2.3.3 金属横向流动的表征与测量 |
2.4 集成计算模型 |
2.4.1 流变应力模型研究现状 |
2.4.2 温度场模型概述 |
2.4.3 带钢轧制变形模型研究现状 |
2.5 残余应力松弛效应 |
2.5.1 基于热力学的材料行为描述研究现状 |
2.5.2 应力松弛动力学模型概述 |
2.5.3 机架间残余应力松弛效应研究现状 |
2.6 论文的研究内容 |
3 金属横向流动对残余应力分布的作用机理 |
3.1 理论基础 |
3.1.1 残余应力计算模型的建立 |
3.1.2 前屈曲模型的建立 |
3.2 带钢热轧的数值实验 |
3.2.1 有限元模型的建立 |
3.2.2 有限元模型验证 |
3.2.3 数值实验工况设定和数据处理 |
3.3 轧制实验 |
3.3.1 轧制试样的加工 |
3.3.2 试样的轧制与测量 |
3.4 结果讨论 |
3.4.1 金属横向流动对残余应力的影响 |
3.4.2 金属横向流动对残余应力的调节机制 |
3.4.3 厚度与宽度变化对横向流动及残余应力的影响 |
3.5 本章小结 |
4 带钢轧制高效集成计算模型 |
4.1 热变形过程中HSLA钢流变应力的物理建模 |
4.1.1 平均位错密度演变的计算 |
4.1.2 流变应力的计算 |
4.1.3 高温压缩实验 |
4.1.4 基于遗传算法的模型参数优化 |
4.1.5 模型的精度评估 |
4.2 基于显隐交替差分的带钢温度场计算 |
4.2.1 温度场数值求解 |
4.2.2 物理参数的设定 |
4.2.3 边界条件的设定 |
4.3 基于差分-矩阵迭代的带钢轧制快速计算模型 |
4.3.1 模型的假设 |
4.3.2 核心方程的建立 |
4.3.3 核心方程的线性化 |
4.3.4 模型的边界条件及求解 |
4.3.5 模型验证 |
4.4 集成计算模型的建立 |
4.4.1 子模型的参数传递 |
4.4.2 子模型的耦合求解 |
4.4.3 子模型耦合方式的选择 |
4.4.4 模型验证 |
4.5 本章小结 |
5 机架间微观组织演变对残余应力的松弛效应 |
5.1 应变诱导析出 |
5.1.1 析出动力学模型的建立 |
5.1.2 析出粒子分布及对亚晶界的平均钉扎能 |
5.2 应力松弛动力学模型 |
5.2.1 静态回复系数的计算 |
5.2.2 位错统计熵的计算 |
5.2.3 再结晶系数的计算 |
5.2.4 能垒Q_(RX)的计算 |
5.2.5 临界亚晶尺寸和形核孕育期的计算 |
5.3 应力松弛动力学模型的精度评估 |
5.3.1 应力松弛实验描述 |
5.3.2 应力松弛动力学模型参数 |
5.3.3 模型结果与实验结果的比较 |
5.4 机架间带钢残余应力演变模型 |
5.5 残余应力松弛效应的影响因素分析 |
5.5.1 应力松弛系数的定义 |
5.5.2 横向温差和平均温度波动的影响 |
5.5.3 Nb元素含量的影响 |
5.6 本章小结 |
6 基于横向流动和应力松弛的板形预设定模型及工业应用 |
6.1 精轧板形控制系统及板形预设定模型 |
6.1.1 精轧板形控制系统 |
6.1.2 板形预设定模型 |
6.2 基于金属横向流动和应力松弛的板形模型 |
6.2.1 辊系模型的建立 |
6.2.2 带钢模型的建立 |
6.3 基于残余应力影响因子的板形预设定策略 |
6.3.1 残余应力影响因子的定义 |
6.3.2 基于残余应力影响因子的比例凸度分配 |
6.3.3 板形调控参数的设定计算 |
6.4 板形预设定模型的工业现场应用 |
6.4.1 应用生产线概况 |
6.4.2 产线板形问题描述 |
6.4.3 板形预设定模型的工业实验 |
6.4.4 板形预设定模型的工业应用效果 |
6.5 本章小结 |
7 结论与展望 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(6)基于准三维差分法的热轧带钢板形预测模型研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
2 文献综述 |
2.1 轧件变形建模方法 |
2.1.1 轧件模型的基本特征 |
2.1.2 有限元法 |
2.1.3 上界法 |
2.1.4 渐近分析法 |
2.1.5 有限差分法 |
2.2 辊系变形建模方法 |
2.2.1 弹性基础梁法 |
2.2.2 影响函数法 |
2.2.3 传输矩阵法 |
2.2.4 有限元法 |
2.3 板形控制技术的发展 |
2.3.1 板形控制指标 |
2.3.2 板形控制手段 |
2.3.3 板形检测技术 |
2.3.4 板形控制系统 |
2.4 小结 |
3 考虑横向流动的刚塑性轧件模型 |
3.1 基于渐近分析的准三维近似 |
3.2 刚塑性模型的控制方程 |
3.2.1 基于横向位移的速度与应变速率 |
3.2.2 正则化后的库伦摩擦模型 |
3.2.3 力平衡方程 |
3.2.4 刚塑性本构关系 |
3.2.5 出口张力方程 |
3.3 控制方程的求解 |
3.3.1 网格划分与变量初始化 |
3.3.2 控制方程的线性化 |
3.3.3 差分离散与迭代求解 |
3.4 基于有限元法的模型验证 |
3.4.1 有限元模型的建立 |
3.4.2 结果对比与讨论 |
3.5 基于实测断面形状的模型验证 |
3.5.1 轧件与辊系模型耦合 |
3.5.2 工业实验与实测断面对比 |
3.6 小结 |
4 考虑机架间变形的弹粘塑性轧件模型 |
4.1 考虑机架间变形的必要性 |
4.2 机架间解耦与计算域分区 |
4.3 弹粘塑性模型的控制方程 |
4.4 控制方程的求解 |
4.4.1 网格划分与变量初始化 |
4.4.2 控制方程的线性化 |
4.4.3 差分离散与边界条件 |
4.4.4 迭代求解 |
4.5 有限元验证以及弹复对板形的影响 |
4.5.1 两机架连轧的有限元模型 |
4.5.2 理想弹塑性变形的结果对比 |
4.5.3 弹粘塑性变形的结果对比 |
4.6 工业实验仿真以及应力松弛对板形的影响 |
4.6.1 基于热压缩试验的本构模型校核 |
4.6.2 实测断面对比与连轧板形分析 |
4.7 建模策略与板形演变规律的讨论 |
4.7.1 快速模型的建模策略 |
4.7.2 机架间板形演变规律 |
4.7.3 其他机架间现象 |
4.8 小结 |
5 基于快速模型的板形演变分析与控制优化 |
5.1 基于刚塑性模型的锥辊技术优化 |
5.1.1 电工钢边降和锥辊技术简介 |
5.1.2 锥辊变步长窜辊策略 |
5.1.3 锥辊辊形及窜辊参数的优化 |
5.2 基于弹粘塑性模型的高次浪形分析 |
5.2.1 不锈钢四分之一浪问题简介 |
5.2.2 四分之一浪敏感度分析 |
5.2.3 中间变凸度辊形的设计 |
5.3 小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(7)包钢4100mm宽厚板轧机自动辊缝控制系统优化(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究课题依据及意义 |
1.2 国内外宽厚板轧机发展概况 |
1.2.1 宽厚板的发展趋势 |
1.2.2 宽厚板轧机辊缝厚度控制现状 |
1.3 研究的内容及结构 |
第二章 厚度自动控制理论 |
2.1 轧钢控制原理 |
2.1.1 轧机弹性形变和弹跳方程 |
2.1.2 钢板的塑性形变和塑性方程 |
2.1.3 钢板轧制的弹塑性曲线 |
2.2 典型的压力AGC系统 |
2.3 厚度AGC控制系统的方式及使用策略 |
2.3.1 厚度AGC控制方式 |
2.3.2 压力AGC的使用策略 |
2.3.3 AGC的操作模式 |
2.4 本章小结 |
第三章 宽厚板轧机自动辊缝系统的设计 |
3.1 轧机生产线简介 |
3.2 轧机基础级控制系统软件设计 |
3.2.1 轧机基础级控制系统软件选型 |
3.2.2 网络结构设计 |
3.3 轧机网络示意图 |
3.4 轧机基础级控制系统硬件设计 |
3.4.1 轧机的主要设备及控制参数 |
3.4.2 测量元件的选型及布置 |
3.5 压下控制系统设计与应用 |
3.5.1 电动压下系统设计 |
3.5.2 液压压下系统设计 |
3.6 四辊轧机的标定 |
3.6.1 传感器的标定 |
3.6.2 轧制线标定 |
3.6.3 轧机机架标定 |
3.7 本章小结 |
第四章 厚度控制系统优化及可行性分析 |
4.1 头部厚度控制优化 |
4.1.1 钢板头部存在的问题 |
4.1.2 头部厚度控制优化策略和可行性分析 |
4.2 轧制力补偿优化 |
4.2.1 轧制力补偿不足引起的问题 |
4.2.2 轧制力补偿优化策略和可行性分析 |
4.2.3 实现自动调平控制功能 |
4.3 零点补偿优化 |
4.3.1 零点补偿不足引起的问题 |
4.3.2 零点位置补偿可行性分析 |
4.4 AGC优化效果分析及改造 |
4.4.1 头部厚度控制优化效果分析 |
4.4.2 轧制力补偿优化效果分析 |
4.4.3 零点位置补偿优化效果分析 |
4.5 本章小结 |
第五章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
致谢 |
(8)硅钢热轧轧辊磨损和断面精准控制研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写和符号清单 |
1 引言 |
2 文献综述 |
2.1 研究背景及意义 |
2.2 带钢板形控制文献综述 |
2.3 硅钢板形控制技术研究现状 |
2.4 热轧工作辊磨损研究现状 |
2.5 轧制过程数值建模及数据统计模型综述 |
2.6 研究内容 |
3 热轧轧辊磨损预测模型 |
3.1 热连轧四辊轧机轧辊轧件一体化快速计算模型 |
3.1.1 基于有限体积法的轧件三维变形模型 |
3.1.2 热轧四辊轧机辊系变形模型 |
3.1.3 轧辊-轧件一体化快速计算模型的建立与应用 |
3.2 热轧轧辊辊磨损原理分析 |
3.3 轧辊表面基本单元磨损模型的建立 |
3.3.1 基本磨损方程 |
3.3.2 弹性接触情况下的磨损计算 |
3.3.3 基于摩擦磨损理论的磨损模型参数计算 |
3.3.4 热轧工作辊磨损模型 |
3.3.5 热轧支承辊磨损模型 |
3.4 轧辊磨损预测模型建立及应用 |
3.4.1 轧辊磨损预测模型建立 |
3.4.2 轧辊磨损预测模型应用 |
3.5 本章小结 |
4 边部修形工作辊辊形设计及优化 |
4.1 工作辊辊形设计 |
4.1.1 工作辊曲线设计思想 |
4.1.2 曲线的方程 |
4.1.3 辊形的设计步骤 |
4.1.4 工作辊辊形曲线特性分析 |
4.2 基于粒子群算法的ESO工作辊的辊形优化 |
4.2.1 粒子群算法概述 |
4.2.2 优化目标的建立 |
4.2.3 优化的约束条件 |
4.2.4 工作辊辊形曲线优化结果 |
4.3 边部修形工作辊对板形的调控功效分析 |
4.3.1 仿真模型的建立及模型参数 |
4.3.2 工作辊对板形调控功效计算 |
4.4 边部修形工作辊的工业应用 |
4.5 本章小结 |
5 下游多机架工作辊窜辊策略优化 |
5.1 工作辊窜辊参数的定义 |
5.2 工作辊窜辊策略的设计原则 |
5.2.1 窜辊位置均匀度定义 |
5.2.2 已有窜辊策略分析 |
5.3 轧辊弯窜辊对轧辊受力分布的影响 |
5.3.1 工作辊轮廓曲线的变化 |
5.3.2 工作辊窜辊的影响 |
5.3.3 工作辊弯辊的影响 |
5.4 单机架窜辊策略优化 |
5.4.1 窜辊策略优化的意义 |
5.4.2 三种群粒子群优化算法 |
5.4.3 优化目标函数的建立和约束条件 |
5.4.4 基于三种群粒子群差分进化算法的窜辊策略优化 |
5.5 多机架协同窜辊策略优化 |
5.5.1 精轧机组出口凸度模型 |
5.5.2 多机架窜辊优化目标和约束条件的建立 |
5.5.3 多机架窜辊优化结果 |
5.6 窜辊策略的工业现场应用 |
5.7 本章小结 |
6 全流程硅钢同板差预测模型 |
6.1 热轧硅钢断面数学模型 |
6.2 基于BP神经元网络的冷轧硅钢同板差预测模型 |
6.2.1 BP神经网络模型参数 |
6.2.2 BP神经网络训练及分析 |
6.3 冷轧硅钢带钢同板差影响因素 |
6.4 冷轧硅钢带钢同板差模型预测结果 |
6.5 全流程硅钢带钢同板差预测模型应用 |
6.6 本章小结 |
7 结论与展望 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(9)基于深度置信网络的带钢厚度预测(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及意义 |
1.2 厚度预测模型的发展 |
1.3 人工智能在带钢厚度预测中的研究现状 |
1.3.1 机器学习带钢厚度预测现状 |
1.3.2 深度学习数据预测现状 |
1.3.3 深度学习与浅层机器学习的对比 |
1.4 本文主要研究内容 |
第2章 相关理论 |
2.1 机器学习的任务 |
2.2 最小二乘支持向量回归 |
2.2.1 最优化问题 |
2.2.2 支持向量回归 |
2.2.3 最小二乘支持向量机 |
2.3 人工神经网络 |
2.3.1 神经元 |
2.3.2 BP神经网络 |
2.3.3 BP训练算法存在的问题 |
2.4 深度学习 |
2.4.1 受限玻尔兹曼机 |
2.4.2 深度置信网络 |
2.5 本章小结 |
第3章 带钢厚度预测模型 |
3.1 传统厚度预测模型 |
3.2 BP网络厚度预测模型 |
3.3 DBN-LSSVM带钢厚度预测模型 |
3.3.1 粒子群优化算法 |
3.3.2 DBN-LSSVM厚度预测模型 |
3.4 本章小结 |
第4章 厚度预测的仿真研究 |
4.1 数据准备 |
4.1.1 特征选择和特征提取 |
4.1.2 数据读取 |
4.1.3 数据清洗 |
4.2 DBN网络超参数选择 |
4.2.1 DBN网络超参数 |
4.2.2 网格搜索 |
4.2.3 交叉验证 |
4.3 DBN-LSSVM厚度预测模型仿真分析 |
4.4 本章小结 |
第5章 总结与展望 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(10)动态轧制理论的产生和发展(论文提纲范文)
1 前言 |
2 动态轧制理论的内涵与意义 |
2.1 连轧张力理论[1] |
2.2 DAGC的应用及意义 |
2.3 解析板型刚度理论和φ函数 |
3 结束语 |
四、热连轧自动控制系统中的参数处理(论文参考文献)
- [1]复合控制策略在热连轧自动厚度控制上的应用研究[D]. 黄春光. 辽宁科技大学, 2021
- [2]某热轧厂精轧活套系统多变量解耦模糊PID控制方法研究[D]. 吕代鹏. 辽宁科技大学, 2021
- [3]数据驱动的流程工业非线性过程监测与故障诊断[D]. 唐鹏. 北京科技大学, 2021(08)
- [4]1780热轧线卷取机控制系统设计及控制策略研究[D]. 刘旭. 河北科技师范学院, 2021(08)
- [5]考虑金属横向流动和应力松弛的热连轧板形建模与工业应用[D]. 赵剑威. 北京科技大学, 2020(02)
- [6]基于准三维差分法的热轧带钢板形预测模型研究[D]. 姚驰寰. 北京科技大学, 2021(02)
- [7]包钢4100mm宽厚板轧机自动辊缝控制系统优化[D]. 宋京浩. 内蒙古大学, 2020(01)
- [8]硅钢热轧轧辊磨损和断面精准控制研究[D]. 何海楠. 北京科技大学, 2020(01)
- [9]基于深度置信网络的带钢厚度预测[D]. 张笑雄. 冶金自动化研究设计院, 2020(12)
- [10]动态轧制理论的产生和发展[J]. 张进之,周石光. 冶金设备, 2020(01)