国内某大型钢厂2050热轧线投产有十多年了,目前面临重大改造,尤其是带钢终轧温度指标与国际一流水平有一定的差距。精轧过程控制模型技术是热带轧机的核心技术,本文将通过提高精轧过程控制模型的预报精度来达到提高带钢终轧温度命中精度的目的。 由于精轧温度过程控制非常复杂,涉及水量、带钢速度、板厚等大量的物理参数,以及塑性变形、工件内部组织结构与性能变化等多方面因素,同时精轧温度过程控制具有显著的非线性、时变性、强耦合和不确定性,传统的模型技术很难进一步提高热轧模型的精度。 本文首先对建模方法以及2050温度制度进行了介绍,并根据现场实际建立精轧温度降落的空冷、水冷、轧辊传热以及轧制变形热的机理模型,对其不确定参数采用了非线性回归。使用MATLAB6.5建立仿真系统,实现了精轧温度的逐点预报,同时提高了精轧温度的预报精度。 由于传统的模型技术已经不能进一步提高精轧温度的预报精度,本文提出了机理模型与BP神经网络相结合的终轧温度综合预报模型。离线仿真效果表明预测精度得到了显著的提高,证实了神经网络模型对非线性复杂系统建模的可行性。同时本文介绍了一种智能寻优算法粒子群算法,并将该智能算法运用到神经网络中。该算法的全局寻优能力避免了BP算法的缺陷,使得多层前馈网络的非线性逼近能力得到了充分的发挥,改善了神经网络的性能,为综合模型的进一步在线应用打下了良好的基础。