论文部分内容阅读
随着工业经济的飞速发展,铝板带应用范围越来越广泛。与此同时,对铝板材的质量要求也越来越高。面对铝板材市场的激烈竞争,生产企业不仅要生产出高质量的产品,而且要尽可能的降低生产低耗。目前,国内部分铝热初轧机的生产现场仍然主要依靠操作工的经验进行轧制,难以保证产品质量具有较高的一致精度,迫切需要具有人工智能的轧制规程对现有设备进行改造。本文以某铝加工厂1850铝热初轧机为背景,在查阅大量资料基础上,经反复对比研究选取出一组符合铝热初轧机的轧制力模型、轧制速度模型以及温降模型。通过分析现场轧制过程的5个约束条件,计算出了各轧制道次的最大压下量,并根据最大压下量确定出总轧制道次数,之后采用轧制负荷协调分配法,对轧制过程后几个道次的压下量进行分配。针对铝热初轧板头部厚度偏差较大,应用自适应模糊神经网络,建立了热初轧辊缝动态设定系统。将轧制力预报误差及弹跳方程误差作为输入,运用模糊神经网络预测下一道次的辊缝设定补偿值,进而动态地修正辊缝设定值。此外,本文采用最小二乘支持向量机预报偶数道次出口厚度,解决了弹跳量计算时偶数道次数据空白的问题。将研究结果以某铝加工厂1850铝热初轧现场实测数据对系统进行校验,结果显示该方法可以明显提高铝热初轧板带头部厚度精度,为下一步实际工程改造奠定了理论基础。