攀钢1220mm冷连轧机轧制规程优化及模型自适应研究

论文摘要

冷轧带钢生产是一个复杂的系统,从原料到成品要经过多个生产工序,这些工序之间存在着最优组合的问题。相应各机架间的衔接、匹配也存在着最优化问题。合理地制定轧制规程是保证冷连轧机优质、高产、低耗和环保的重要条件。本文结合攀钢1220mm四机架冷连轧机冷轧带钢质量改进的项目,开展了轧制规程优化及模型自适应研究,重点进行轧制过程中摩擦系数、变形抗力、轧制力、轧制力矩和轧制功率等参数的计算和各机架压下量的分配。首先,建立冷连轧数学模型,并在结构上对数学模型进行适当的简化,使数学模型具有在线使用的价值。其次,根据BP神经网络的特点,建立BP神经网络摩擦模型,同时应用BP神经网络的在线自适应功能,提高实际生产中摩擦系数的预报精度。第三,在冷轧带钢生产中,变形抗力、轧制力、轧制力矩、轧制功率和连轧张力的预报精度受轧制状态的影响,不易精确确定。为了提高它们的预报精度,分别对变形抗力、轧制力、轧制力矩、轧制功率和连轧张力进行了模型自适应。第四,在保证轧制力能参数精度的基础上,建立合适的目标函数、制定必要约束条件并选择适当的优化方法(动态规划法)对轧制规程进行优化。研究结果表明,简化的数学模型可以满足在线使用的需要,使机器的运算速度得以提高;BP神经网络模型对摩擦系数进行在线预报提高了摩擦系数的预报精度;对摩擦系数、变形抗力、轧制力等参数进行模型自适应,提高了轧制力能参数的预报精度;以最小轧制能耗为目标函数对轧制规程进行优化,实现了各架轧机的优化的压下量分配,节能百分比为1.22%,优化效果较为满意;以等功率裕量为目标函数对轧制规程进行优化,虽然节能效果不如前者,但各架轧机的负荷系数几近相等,实现了充分发挥电机能力的目的。在冷连轧生产中,建立合适的数学模型并对其进行模型自适应,利用人工智能技术对轧制力能参数进行预报和模型自适应,采用优化技术对轧制规程进行优化,这对充分利用现有轧机设备和提高冷轧的控制精度具有重要的作用。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 国内外带钢冷轧机的发展
• 1.2 轧制规程优化研究现状
• 1.2.1 轧制规程优化研究的内容
• 1.2.2 轧制规程优化研究的进展及意义
• 1.3 人工神经网络及其在轧制规程优化中的应用
• 1.3.1 人工神经网络的发展
• 1.3.2 人工神经网络在轧制规程优化中的应用
• 1.4 本课题研究的目的、意义及主要内容
• 1.4.1 本文研究的目的和意义
• 1.4.2 论文研究的主要内容
• 第二章 冷连轧机轧制规程数学模型
• 2.1 概述
• 2.2 人工神经网络
• 2.2.1 人工神经元及其拓扑结构
• 2.2.2 人工神经网络的学习方法
• 2.2.3 BP神经网络
• 2.3 冷轧带钢轧制压力模型
• 2.3.1 轧制压力计算
• 2.3.2 张力影响系数的计算
• 2.3.3 变形抗力的计算
• 2.3.4 摩擦系数
• 2.3.5 冷轧带钢弹性恢复对轧制力的影响
• 2.4 冷轧带钢轧制力矩模型
• 2.5 冷轧带钢主电机功率模型
• 2.6 轧制过程相关模型计算
• 2.6.1 前滑值的计算
• 2.6.2 速度制度
• 2.6.3 流量方程
• 2.6.4 张力制度
• 2.7 轧制规程优化
• 2.7.1 目标函数的建立
• 2.7.2 约束条件的制定
• 2.7.3 优化方法的确定
• 2.8 本章小结
• 第三章 轧制规程模型自适应自学习
• 3.1 概述
• 3.2 模型自适应
• 3.3 模型自学习
• 3.4 轧制力模型自适应自学习
• 3.5 变形抗力自学习
• 3.6 摩擦系数自适应
• 3.7 本章小结
• 第四章 冷连轧机轧制规程优化
• 4.1 概述
• 4.2 轧制力能参数的计算与比较
• 4.3 最小轧制能耗目标优化
• 4.3.1 优化设计流程
• 4.3.2 优化结果分析
• 4.4 等功率裕量目标优化
• 4.4.1 优化设计流程
• 4.4.2 优化结果分析
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间发表论文