导读:本文包含了板形设定论文开题报告文献综述及选题提纲参考文献，主要关键词:八辊轧机,弯辊,窜辊,板形
板形设定论文文献综述
白振华,姜明光,蒋青林,赵圳,赵伟泉[1]（2019）在《八辊冷轧机组弯辊与窜辊对板形的影响及其综合设定技术》一文中研究指出针对八辊轧机开发时间较短,板形控制方面的研究较少,不能满足生产需求的问题,充分考虑到八辊冷连轧机组的设备组成,同时结合现场工艺设定,定量分析了八辊轧机弯辊与窜辊对板形的影响并形成了一套弯辊与窜辊对板形影响的模型。在此基础上,从窜辊量的综合设定、弯辊力的综合设定、左右弯辊力的在线调整设定这3个方面入手,提出了一套完整的八辊冷连轧机组弯辊与窜辊综合优化设定模型,并开发出了相应的弯辊与窜辊综合设定软件,将其应用到某1450八辊冷连轧机组的生产实践后,现场生产效率显着提高,给现场生产带来较大改善。(本文来源于《塑性工程学报》期刊2019年03期）
李伟红[2]（2019）在《板形设定模型参数优化与控制技术应用》一文中研究指出板形精度不但是热轧带钢的一项重要的质量指标,同时也是决定产品市场竞争力的重要因素。在实际轧制过程中,带材板形受入口凸度、前后张力、轧制力、弯辊力、轧制速度等诸多因素的影响,具有较强的非线性,板形控制达不到理想的效果。板形设定控制系统是整个板形自动控制系统中非常重要的一部分,决定着带钢头部板形的控制精度。目前,板形控制技术已成为热轧带钢生产的核心技术之一,也是当前轧制技术研究开发的前沿和热点。本文深入地分析了板形控制基础理论与PC轧机的板形设定模型,以提高热轧板形质量为目标,主要研究内容和成果如下:1、基于凸度计算模型,创建了轧辊热凸度模型,通过对比分析轧辊系统热凸度理论数据与实测轧辊系统热凸度数据,利用线性回归的方法分析出轧辊系统的热量参数,使得数学模型中计算的轧辊热凸度结果与实际热凸度差距最小,最终达到了热凸度模型优化的目的。2、基于指数平滑法理论,对凸度自学习功能与平直度自学习功能进行改进,通过在板形设定模型中调整弯辊力不断地进行优化,从而达到弯辊力模型优化的目的,使板形的凸度和平直度得到更加有效的优化控制。3、针对轧制过程中的时变性和非线性因素,将非线性PID控制技术引入反馈板形控制技术中,经分析可知,基于非线性PID的控制算法,在常规PID控制参数整定好的基础上,可考虑给予±(10-15)%的控制量变化,以确定比例、积分、微分的值,进而再确定相应的变化速率。因此,新控制算法提高了系统的抗干扰能力,取得良好控制效果。4、将先进板形控制技术与模型自学习控制技术相结合,不仅保证了带钢全长方向上获得了所需凸度与良好的平直度,更提高了板形的控制精度;将该综合控制理论技术应用至1780生产线,对比投入板形设定控制与不投入时,带钢头部凸度和平直度的命中率可以发现,投入板形设定控制后,带钢头部凸度和平直度的命中率分别可提高7%与5%以上。(本文来源于《辽宁科技大学》期刊2019-03-09）
李伯群,范璇,李伟红,张大庆,范垂林[3]（2019）在《板形设定模型参数优化与控制技术应用》一文中研究指出板形设定模型是整个板形自动控制系统中非常重要的一部分,决定着带钢头部板形的控制精度。板形精度既为热轧带钢的一项重要质量指标,又为衡量产品市场竞争力的主要因素。板形控制是带钢热轧的核心技术,为目前轧制技术研究开发的热点。阐述了鞍钢1780线PC轧机板形设定模型功能和构成,对轧辊热凸度模型参数进行了优化,在模型自学习中对各机架给予适量的平直度及凸度反馈,从而提高了板形设定模型精度。由于实际轧制过程的非线性、时变性,传统PID的控制已近极限,为进一步提高控制品质,板带平直度反馈采用非线性PID控制策略,其参数整定范围较宽,易于工程实现。通过对现场大量的轧制数据统计,在应用模型参数优化程序后,热轧板的平直度与凸度的头部命中率有了一定的提高。(本文来源于《钢铁》期刊2019年02期）
李维刚,邓肯,刘翱,刘斌,刘相华[4]（2017）在《基于案例学习的PC轧机板形智能设定方法》一文中研究指出热轧板形模型大都建立在大量简化与假设基础之上,计算精度存在瓶颈。借鉴聚类分析和案例学习等数据挖掘方法,利用历史数据建立热轧板形PC角设定案例库,提出一种热轧板形PC角的智能设定方法。首先,对大量轧制历史数据进行聚类分析,挖掘出带钢板形控制良好的轧制案例,建立一个初始的轧制案例库。接着,在日常生产中不断对该案例库进行迭代学习,将更优秀的轧制案例分层别更新到案例库;使用时,通过相似度计算从案例库中找到与当前带钢最接近的轧制案例,取出其对应的PC角进行在线板形设定。该方法已成功应用于宝钢1580热连轧机组,在线应用表明可以有效提高热轧带钢板形控制精度。(本文来源于《钢铁研究学报》期刊2017年08期）
刘星[5]（2016）在《基于BP神经网络的热轧板形设定模型研究》一文中研究指出近年来,我国钢铁产能严重过剩,钢铁价格指数屡创历史新低,全行业亏损严重,企业运营举步维艰。面对如此困境,钢铁企业要想在如此惨烈的市场环境中生存下去,唯有不断提高自身产品质量,以质量来抢占市场。评定热轧产品质量优劣的关键指标就包括板形的精度,现在板形的精度已经成为重点的课题之一被各个钢铁生产企业所研究。本文以鞍钢股份2150mm热轧生产线LVC轧机为背景开展研究工作,对热轧带钢板形控制理论与控制技术、LVC轧机的控制机理进行分析,通过对现有热轧板形设定模型进行深入的理论研究,对大量现场实际生产数据的整理与总结,找出现有板形设定模型存在的缺陷,为了提高对于板形控制的精度,在板形控制的研究中结合BP神经网络的技术,以便可以研究开发出基于BP神经网络的设定模型。本文首先在以现有板形设定模型充分研究的基础上,找出影响板形控制精度的关键因素,作为BP神经网络模型的输入节点,并通过实验确定BP神经网络的最优网络结构。再次完成BP神经网络模型程序的开发,设计并制作BP神经网络模型HMI人机交互界面,以及BP神经网络模型外挂服务器与现有服务器间通讯程序的开发。引入数学模型层别的概念,对带钢进行分类,使用实际生产数据对每个层别的BP神经网络进行训练与测试,并针对训练中可能出现的陷入局部极小值问题、训练速度慢耗时长等问题,提出解决方案。最后通过实际生产数据评价BP神经网络模型的预报精度。基于BP神经网络的热轧板形设定模型投入使用后,取得了较好效果。目前已经完成训练与测试的规格已经达到常轧制规格的60%以上,弯辊力与窜辊量的预报命中标准差较原设定模型均有降低。(本文来源于《大连理工大学》期刊2016-11-01）
刘光明,黄小洋,马立峰,周存龙,黄庆学[6]（2016）在《基于单纯形搜索的CVC冷轧机板形预设定模型》一文中研究指出针对某双机架可逆四辊CVC(Continuous Variable Crown)冷轧机轧辊服役后期带钢出现二肋浪的情况,采用影响函数法对轧辊磨损前后轧机的板形控制特性进行了对比分析。综合考虑轧辊热辊形、磨损辊形以及辊系弹性变形和带钢张应力分布,结合轧机的板形控制策略,以加权的二次板形和四次板形偏差平方和为目标函数,利用二维单纯形搜索法开发了板形控制预设定模型。研究结果表明:工作辊磨损量较小,对轧机板形控制性能的影响较小;支撑辊磨损后期,带钢的二次凸度变化较小,而四次凸度值显着变大。现场工业实验表明该模型给出的预设定值提高了带钢的板形质量和板形控制的稳定性,减少了支撑辊服役后期带钢的板形缺陷,为改善该轧机产品的板形质量提供了理论参考。(本文来源于《锻压技术》期刊2016年06期）
罗敏[7]（2015）在《板形曲线动态设定在孔洞钢带轧制中的应用》一文中研究指出硅钢冷轧过程中遇到孔洞缺陷经常断带,为了保证轧制状态平稳,经过分析孔洞缺陷导致断带的原因,结合森吉米尔轧机先进的板形控制技术,提出板形目标曲线动态设定控制方法,并成功应用到20辊森吉米尔轧机上。试验结果表明,板形目标曲线动态设定控制方法对减少缺陷断带,稳定轧制状态具有非常显着的效果。(本文来源于《中国冶金》期刊2015年06期）
赵章献[8]（2014）在《板形目标曲线设定模型的研究》一文中研究指出板形目标曲线是冷轧带钢板形闭环控制系统的重要组成部分，正确的设定板形目标曲线对于提高冷轧带钢的板形质量至关重要。板形目标曲线模型的研究对于完善板形控制理论，提高我国板形控制的自主创新能力具有非常重要的价值。首先，以变分法为基础建立了带钢的塑性变形模型和以影响函数法为基础建立了辊系的弹性变形模型。将两者进行耦合求解，建立了板形预报模型。通过计算实例指出：当来料带钢为凸形断面时，应选择中浪型目标曲线；当来料带钢为凹形断面时，应选择双边浪型目标曲线。其次，采用四次多项式和正弦函数拟合带钢失稳的挠度函数，以最小势能原理为基础，建立了板形失稳快速判别模型。采用板形失稳快速判别法与降阶法对同一例子进行计算，结果表明快速判别法与降阶法在计算结果相近的情况下，显着提高了计算速度，满足在线应用的条件。再次，根据轧机位置的几何关系和板形理论，建立了板形仪位置误差板形目标曲线补偿模型；采用四次多项式拟合现场实测的带钢横向温度，建立了温度补偿模型；考虑带钢横向厚度分布不均对卷取的影响，建立了卷形补偿模型。最后，考虑轧机的板形控制能力，建立了完善的板形目标曲线设定模型。以六辊可逆冷轧机的5个道次为例进行了仿真计算，验证了模型的可行性。为了方便现场应用，采用混合编程的方法，建立了板形目标曲线设定软件。(本文来源于《燕山大学》期刊2014-12-01）
杨光辉,张杰,曹建国,黄桥宝,贾生晖[9]（2014）在《SI-FLAT板形仪激振频率设定》一文中研究指出SI-FLAT板形仪是国内宽带钢冷连轧机首次采用的非接触式工业用板形仪,但实际使用过程中发现,对于常轧规格的带钢,其激振频率设定始终为同一固定值,激振力仅随张应力的变化而变化,导致板形控制不稳定,激振频率的设置严重影响着板形检测的精度.本文在分析现场实际生产数据的基础上,提出了激振频率的设置应该遵循的两个基本原则,即振幅控制原则和检测间隔控制原则.为了对带钢振动进行固有频率和受迫振动振幅的分析和计算,采用大型有限元软件ANSYS12.0建立了带钢振动仿真模型,分析了带钢板形、宽度、厚度、张应力等因素所导致的带钢固有频率波动对带钢振幅的影响.研究发现,张应力和板形对带钢固有频率的影响较大.最后,基于振幅控制原则和检测间隔控制原则提出了可行性方案,即通过限制最小张应力,减小板形对测量结果的影响;同时为了控制最小检测间隔,便于对板形的在线控制,激振频率的大小应根据带钢速度进行调节设定.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2014年10期）
孙静娜,薛涛,杜凤山,刘瑞芬[10]（2014）在《基于刚度特性分析的UCM冷轧机板形板厚综合设定模型》一文中研究指出针对六辊UCM冷轧机,利用大型非线性有限元软件MSC.Marc建立仿真模型,并利用该模型系统计算了板形板厚综合设定模型中所需的轧制力、工作辊弯辊力、中间辊弯辊力的横、纵向刚度,分析了中间辊横移对轧制力横、纵向刚度的影响规律。并在轧机刚度分析基础上给出了中间辊横移位置设定模型、弯辊力设定模型和空载辊缝设定模型等,建立了六辊UCM轧机板形板厚综合设定模型和设定策略。采用有限元模型验证了板形板厚综合设定后的板形、板厚均满足目标要求。(本文来源于《钢铁》期刊2014年08期）
板形设定论文开题报告
（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：
板形精度不但是热轧带钢的一项重要的质量指标,同时也是决定产品市场竞争力的重要因素。在实际轧制过程中,带材板形受入口凸度、前后张力、轧制力、弯辊力、轧制速度等诸多因素的影响,具有较强的非线性,板形控制达不到理想的效果。板形设定控制系统是整个板形自动控制系统中非常重要的一部分,决定着带钢头部板形的控制精度。目前,板形控制技术已成为热轧带钢生产的核心技术之一,也是当前轧制技术研究开发的前沿和热点。本文深入地分析了板形控制基础理论与PC轧机的板形设定模型,以提高热轧板形质量为目标,主要研究内容和成果如下:1、基于凸度计算模型,创建了轧辊热凸度模型,通过对比分析轧辊系统热凸度理论数据与实测轧辊系统热凸度数据,利用线性回归的方法分析出轧辊系统的热量参数,使得数学模型中计算的轧辊热凸度结果与实际热凸度差距最小,最终达到了热凸度模型优化的目的。2、基于指数平滑法理论,对凸度自学习功能与平直度自学习功能进行改进,通过在板形设定模型中调整弯辊力不断地进行优化,从而达到弯辊力模型优化的目的,使板形的凸度和平直度得到更加有效的优化控制。3、针对轧制过程中的时变性和非线性因素,将非线性PID控制技术引入反馈板形控制技术中,经分析可知,基于非线性PID的控制算法,在常规PID控制参数整定好的基础上,可考虑给予±(10-15)%的控制量变化,以确定比例、积分、微分的值,进而再确定相应的变化速率。因此,新控制算法提高了系统的抗干扰能力,取得良好控制效果。4、将先进板形控制技术与模型自学习控制技术相结合,不仅保证了带钢全长方向上获得了所需凸度与良好的平直度,更提高了板形的控制精度;将该综合控制理论技术应用至1780生产线,对比投入板形设定控制与不投入时,带钢头部凸度和平直度的命中率可以发现,投入板形设定控制后,带钢头部凸度和平直度的命中率分别可提高7%与5%以上。
（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。
板形设定论文参考文献
[1].白振华,姜明光,蒋青林,赵圳,赵伟泉.八辊冷轧机组弯辊与窜辊对板形的影响及其综合设定技术[J].塑性工程学报.2019
[2].李伟红.板形设定模型参数优化与控制技术应用[D].辽宁科技大学.2019
[3].李伯群,范璇,李伟红,张大庆,范垂林.板形设定模型参数优化与控制技术应用[J].钢铁.2019
[4].李维刚,邓肯,刘翱,刘斌,刘相华.基于案例学习的PC轧机板形智能设定方法[J].钢铁研究学报.2017
[5].刘星.基于BP神经网络的热轧板形设定模型研究[D].大连理工大学.2016
[6].刘光明,黄小洋,马立峰,周存龙,黄庆学.基于单纯形搜索的CVC冷轧机板形预设定模型[J].锻压技术.2016
[7].罗敏.板形曲线动态设定在孔洞钢带轧制中的应用[J].中国冶金.2015
[8].赵章献.板形目标曲线设定模型的研究[D].燕山大学.2014
[9].杨光辉,张杰,曹建国,黄桥宝,贾生晖.SI-FLAT板形仪激振频率设定[J].天津大学学报(自然科学与工程技术版).2014
[10].孙静娜,薛涛,杜凤山,刘瑞芬.基于刚度特性分析的UCM冷轧机板形板厚综合设定模型[J].钢铁.2014