基于时间序列分析算法的轧制力预测研究

论文摘要

随着现代化工业的迅速发展,对板带钢材的需求也不断增加。我国生产的板带钢材远远不能满足自身发展的需求。制约板带钢材生产的主要原因之一是板形质量问题。本文在现有文献的基础之上,选取轧制力为轧机设备关键参数,并建立轧制力预测模型,对轧制力进行预测研究。带钢在轧制过程中,轧制压力波动时,弯辊力必须跟随轧制压力的变化而变化,消除由于轧制力波动产生的影响。提前预测出轧制力的变化趋势和规律,并以此作为液压弯辊力的调整依据。因此,建立高精度轧制力预测模型至关重要。应用时间序列分析法对轧制力建立ARMA模型,在此基础上进行预测和分析。本文提出了一种新的建模策略,总结了整体建模流程。对于模型参数的估计,先采用长自回归模型法对模型参数进行初估计,再采用非线性最小二乘法进行精估计。采取多种适用性检验准则相结合的方式来确定模型的具体阶数,提高建模的准确性和适用性。最后研究了最佳预测原理与计算,主要采用一步预测法对轧制力进行预测。时间序列分析法给轧制力预测提供一条新的解决思路。采用某钢厂SP1580轧机实际生产数据,利用MATLAB对采集的数据进行仿真实验,仿真结果表明轧制力的预测值与实测值基本吻合,短期预测效果很好,预测精度很高,误差基本可以控制在允许的范围内,可以满足板形控制系统对轧制力预测精度的要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 国内外研究概况
• 1.2.1 板形控制方法的研究概况
• 1.2.2 时间序列分析研究概况
• 1.3 板形控制研究的难点
• 1.4 课题的来源、研究目的和意义
• 1.5 本文的研究内容
• 第2章 轧制力理论与板形控制
• 2.1 引言
• 2.2 板形的基本理论
• 2.2.1 板形的概念
• 2.2.2 板形的表示方法
• 2.2.3 带钢板形平直条件
• 2.2.4 影响带钢板形的因素
• 2.3 板形控制原理与轧制力理论
• 2.3.1 板形凸度的求法
• 2.3.2 板形控制原理
• 2.3.3 轧制力波动理论
• 2.4 板形控制的主要方法
• 2.5 本章小结
• 第3章 轧制力预测模型的建立
• 3.1 引言
• 3.2 时间序列的数学模型
• 3.2.1 时间序列的概念
• 3.2.2 时间序列的基本模型
• 3.2.3 时间序列模型的物理解释
• 3.3 ARMA 模型的时域特性
• 3.3.1 ARMA 模型的Green 函数
• 3.3.2 ARMA 模型的逆函数
• 3.3.3 ARMA 模型的自协方差函数
• 3.3.4 ARMA 模型的偏自相关函数
• 3.4 ARMA 模型的参数估计方法
• 3.4.1 模型参数的初估计——长自回归模型法
• 3.4.2 模型参数的精估计——非线性最小二乘法
• 3.5 轧制力ARMA 模型的建立
• 3.5.1 模型形式的选取
• 3.5.2 模型的适用性检验
• 3.5.3 ARMA（2n,2n-1）建模方
• 3.5.4 轧制力的建模流程与仿真实例
• 3.6 本章小结
• 第4章 轧制力的预测研究与仿真实验
• 4.1 引言
• 4.2 轧制力数据的采集
• 4.2.1 轧制力数据采集系统
• 4.2.2 轧制力数据特性的检验与处理
• 4.3 轧制力的最佳预测
• 4.3.1 轧制力ARMA 模型最佳预测
• 4.3.2 轧制力ARMA 模型的最佳预测计算
• 4.4 仿真实验
• 4.5 本章小结
• 结论
• 附录
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介