论文部分内容阅读
动态变规格作为全连续式冷连轧机所特有的工艺过程,是实现带钢无头轧制的技术关键。研究冷连轧机的动态变规格技术,对于维持轧机的正常生产,实现全连续轧制,提高产品产量、质量,都具有非常重要的意义。其中,轧制力预设定计算的精度是影响规格动态变换精度及轧出带钢头部厚度、板型精度的主要因素之一,所以提高轧制力预设定精度一直以来都在动态变规格研究中占有重要的地位。 为了满足用户对带钢尺寸和板形精度的日益增长的要求,提高动态变规格时轧制参数预设定的精度变得越来越重要。本论文以本钢冷轧厂四机架全连续式冷连轧机为研究对象,通过对动态变规格的现有技术方案的分析可知,轧制力预设定值是影响板厚板形的重要因素,所以本文的主要工作集中在提高轧制力预设定的精度上。论文的主要内容包括以下三部分: 第一部分主要是对冷连轧机动态变规格的现有技术方案的分析研究。文中首先简要描述了冷连轧机动态规格变换问题,明确了所要研究的基本问题和目标。 第二部分研究影响轧制力最主要的二个参数——变形抗力和摩擦系数的自适应学习方法,从而提高轧制力的预设定精度。为计算方便,首先根据轧制力模型和轧辊压扁模型推导出轧制力的显式公式。将实测轧制力带入轧制力模型和实际前滑值代入前滑模型构成非线性方程组即变形抗力和摩擦系数实际值后计算模型。通过求解该非线性方程组可以得到变形抗力和摩擦系数后计算实际值。在此变形抗力和摩擦系数后计算实际值的基础上,分别建立起变形抗力和摩擦系数自适应学习模型。 第三部分在第二部分采用自适应学习方法的基础上,利用神经网络及自适应数学模型结合的方法,建立冷连轧机组轧制力高精度预报的智能化系统。由于轧制力数学模型为了计算方便而采取了许多简化措施,即使采用自适应学习方法,其精度还不是特别高。采用神经网络结合数学模型可以进一步提高轧制力预设定的精度。在分析了遗传算法(GA)与误差逆传播算法(BP)各自特性的基础上,针对BP神经网络容易陷入局部极小这一不足,引出了利用GA与BP相结合的算法来训练神经网络,以期克服BP神经网络存在的缺陷。在对基于GA与BP相结合的算法进行可行性分析之后,给出了基于GA与BP相结合的具体算法和实现过程。