一种基于信息物理系统的热连轧活套张力控制方法

    公开(公告)号:CN119035276A

    公开(公告)日:2024-11-29

    申请号:CN202411533622.0

    申请日:2024-10-31

    Abstract: 本申请提供一种基于信息物理系统的热连轧活套张力控制方法,涉及控制系统技术领域,包括:步骤1推导张力和活套高度的增量模型,建立活套张力控制系统的状态空间模型;步骤2根据活套张力控制系统的状态空间模型构造ILQ控制器;步骤3实时采集实际的轧制过程参量,即时输入ILQ控制器计算出各个增益;步骤4记录多组轧制过程参量以及计算得到的各个增益,形成热连轧活套张力控制系统的数据库;步骤5根据上一步骤建立的数据库,建立与活套工作过程完全对应的数字虚拟体。通过计算进程和物理进程之间的相互作用反馈循环,实现物理空间与信息空间的深度融合和实时交互,从而增强活套系统的控制能力,减小带钢产品厚度波动,提高产品质量。

    一种基于CVC轧机热凸度对工作辊辊形预测的方法

    公开(公告)号:CN117787066A

    公开(公告)日:2024-03-29

    申请号:CN202410210705.X

    申请日:2024-02-27

    Applicant: 东北大学

    Abstract: 本发明的一种基于CVC轧机热凸度对工作辊辊形预测的方法,包括:采集带钢参数、轧制工艺参数、冷却水参数、CVC轧机参数和工作辊温度数据;根据CVC轧机参数建立CVC工作辊的三维热凸度有限元模型;计算轧制过程中工作辊与带钢、空气、冷却水的对流换热系数,将对流换热系数施加到三维热凸度有限元模型中,进行有限元仿真实验;调整三维热凸度有限元模型的温度边界条件,使得有限元仿真实验的工作辊温度数据曲线与现场实测的工作辊温度数据曲线一致;基于调整后的三维热凸度有限元模型进行有限元仿真实验,提取不同时间节点的工作辊表面热膨胀量横向分布数据,与初始CVC工作辊辊形曲线拟合得到新的工作辊辊形曲线。

    基于深度置信神经网络的热连轧带钢头部厚度预测方法

    公开(公告)号:CN112435234A

    公开(公告)日:2021-03-02

    申请号:CN202011319239.7

    申请日:2020-11-23

    Applicant: 东北大学

    Abstract: 本发明提供一种基于深度置信神经网络的热连轧带钢头部厚度预测方法,包括以下步骤:获取热连轧现场的生产数据;将获取的生产数据运用灰色关联分析算法得到影响热连轧带钢头部厚度的影响因素数据;将获取的影响因素数据输入深度置信神经网络预测模型;所述深度置信网络网络预测模型根据输入的影响因素数据输出热连轧带钢头部厚度的预测数值。本发明提供的预测方法预测精度高,模型易维护,同时避免了根据轧制机理建立的预测模型由于在推导过程中存在大量的假设和近似而造成的较大误差的问题,也改善了基于传统单隐层神经网络的预测模型预测精度低、易陷入局部极值的问题,为过程自动化级设定模型的优化提供了良好基础。

Patent Agency Ranking