热轧带钢层流冷却过程的卷取温度精度直接影响带钢的组织性能和力学性能,是保证板带质量和板形良好的关键因素。所以对热轧带钢卷取温度的控制,成为热轧生产中的重要环节,对其过程进行分析和研究具有深远的现实意义。本文以国内某热轧厂经过改造后的板带层流冷却系统为背景,对如何提高层流冷却过程的卷却温度精度及同板温度均匀性从控制方法上入手进行了较深入系统的研究。体文具体内容如下: (1) 热轧带钢层流冷却系统的数学模型是基于传热学基本理论的。所以本文首先对传热过程的三种基本方式(热辐射、对流、热传导)进行了介绍,并详细分析了该热轧厂层流冷却过程的数学模型。该数学模型主要由水冷模型和空冷模型组成,其计算精度直接影响最终的控冷效果。其中水冷模型中的基本热流密度是决定卷取温度控制精度的重要参数,选取合适的基本热流密度对提高卷取温度精度具有重要的意义。 (2) 研究分析了国内某热轧厂的层流冷却控制策略,重点对控制策略的各项功能进行了详细分析。从具体实现过程可以看出层流冷却控制过程是一个以预设定计算和前馈修正计算为主,反馈控制为辅的复杂控制系统。并对该系统在实际生产中的应用进行了分析评价,提出了该控制策略存在的问题并指出了改进方向。 (3) 指出了层流冷却控制中卷取温度精度低的原因之一是由于存在滞后因素,根据Smith预估器可以有效克服纯滞后对控制系统稳定性的影响的原理,对Smith预估器的补偿原理进行了详细的分析研究,将Smith预估器引入到层流冷却控制过程中来,加入到反馈控制系统中,并进行了模拟仿真,证明了在反馈控制部分加入Smith预估器可以有效提高卷取温度精度。 (4) 提出了卷取温度精度低及同板温度均匀性差的主要原因是因为水冷温降模型的精确性不足,而水冷温降模型精确性不好的原因又在于该模型中的重要参数—基本热流密度却是采用的是用线性回归法建立起来的,只能反映过程的普遍性,而不能反映过程的特殊性。根据人工神经网络具有处理非线性复杂过程的能力,对BP人工神经网络的工作原理进行了研究,采用经过改进的BP神经元网络