五机架冷连轧机轧制规程优化及模型自学习研究

论文摘要

轧制规程是板带生产的主要工艺技术内容,是轧机生产能力发挥、产品质量精度及板形质量的根本保证。提高带钢质量有两个方面:一是带钢咬入前轧制规程的优化设计;二是轧制过程的在线模型自适应与自学习。鉴于轧制过程影响因素复杂以及各影响因素随时间变化,难于用机理模型描述,将人工智能方法用于过程控制的研究,是目前提高过程控制技术的有效方法。首先,对冷轧机的各种数学模型进行了逐一分析,确定了适合于冷连轧轧制规程的主要数学模型,并根据冷连轧轧制过程特点,指出了不同目标函数在求解算法上的局限性和不足。其次,在分析冷连轧轧制规程特点的基础上,以各机架轧制力负荷相对均衡为目标函数,在设备条件和工艺条件的约束范围内,利用自适应遗传算法进行了冷连轧轧制规程优化研究,实现了各机架轧制负荷的均衡分配;由于自适应遗传算法搜索的遗传代数很大,因而对其进行了适当的改进,再以轧制功率负荷相对均衡为目标,利用改进的自适应遗传算法进行了规程优化研究,仿真实验结果表明,所利用两种算法均克服了传统优化算法的局限性和不足。最后,考虑到轧制过程中轧制力模型随时间和轧制条件的不同而时常发生改变,设计了一种以摩擦系数和变形抗力为主要影响因素的间接模型自学习算法,进而对轧制力模型进行了间接模型自学习,仿真实验结果表明自学习后轧制力的设定精度有了显著提高。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 冷轧带钢轧制理论的发展概况
• 1.2 冷轧带钢轧制生产的发展的特点及趋势
• 1.3 冷连轧轧制规程的发展及研究现状
• 1.3.1 传统的研究方法
• 1.3.2 人工智能在规程优化中的应用
• 1.4 模型自学习研究的意义及主要成果
• 1.5 本文研究的目的、意义及结构安排
• 第2章 轧制规程主要数学模型及优化策略研究
• 2.1 冷连轧轧制压力模型
• 2.2 来料的变形抗力模型
• 2.3 摩擦系数模型
• 2.4 轧制力矩及功率模型
• 2.5 张力制度的制定
• 2.6 末机架压下率的确定
• 2.7 其他相关模型
• 2.7.1 前滑模型
• 2.7.2 速度设定模型
• 2.7.3 辊缝的设定
• 2.8 轧制规程的优化策略
• 2.8.1 轧制能耗目标函数
• 2.8.2 负荷成比例原则
• 2.8.3 综合等负荷函数法
• 2.8.4 板形板厚综合函数
• 2.8.5 负荷相对均衡目标
• 2.8.6 约束条件的确定
• 2.8.7 计算流程
• 2.9 本章小结
• 第3章 自适应遗传算法轧制规程优化
• 3.1 标准遗传算法
• 3.1.1 标准遗传算法的基本要素
• 3.1.2 标准遗传算法的优点及计算流程
• 3.1.3 自适应遗传算法
• 3.2 基于自适应遗传算法的轧制力负荷优化
• 3.2.1 染色体的编码和评价
• 3.2.2 初始种群的组成
• 3.2.3 染色体及各个算子及主要步骤
• 3.2.4 搜索比较
• 3.2.5 结果分析
• 3.3 本章小结
• 第4章 改进自适应遗传算法功率负荷优化
• 4.1 适应度函数的改进
• 4.2 交叉和变异算子的改进
• 4.3 优化实现
• 4.4 主要步骤
• 4.5 搜索比较
• 4.6 结果比较
• 4.7 本章小结
• 第5章 轧制力模型自学习的研究
• 5.1 轧制力的模型自适应与自学习
• 5.1.1 数学模型自学习的必要性
• 5.1.2 模型自适应与自学习的原理
• 5.2 间接轧制力模型的自学习研究
• 5.2.1 平均变形抗力和摩擦系数的学习搜索
• 5.2.2 平均变形抗力和摩擦系数模型自学习
• 5.3 计算实例
• 5.4 自学习注意的问题
• 5.5 本章小结
• 结论
• 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