热轧加热炉板坯温度自学习控制方法

    公开(公告)号:CN108687140A

    公开(公告)日:2018-10-23

    申请号:CN201810446635.2

    申请日:2018-05-11

    CPC classification number: B21B37/74 B21B2201/06 G06F17/5009 G06F2217/80

    Abstract: 本发明涉及热轧板坯加热温度控制技术领域,尤其涉及一种热轧加热炉板坯温度自学习控制方法。根据粗轧区域测得的两个粗轧机出口温度RDT,利用回归分析和计算轧机温降,反推板坯的出炉实际温度,再与板坯目标温度比较,实现板坯温度自学习,完成对加热炉二级控制模型参数的调整。本发明方法的应用不仅可以改善因为出炉温度无法准确测量造成的加热质量问题,还能优化加热炉自动燃烧模型,提高产品质量,降低燃料消耗。显著提高钢坯加热温度控制准确性,提升粗轧出口目标温度RDT指标。改善钢坯加热质量,提高成材率,减少封锁量和废品量。更重要的是实现节能降耗,通过学习调整加热炉模型可以减少加热炉多余能源浪费,经济效益可观。

    一种热轧中间坯长度自动监控及色差报警方法

    公开(公告)号:CN106540970B

    公开(公告)日:2018-04-24

    申请号:CN201510590449.2

    申请日:2015-09-17

    Abstract: 一种热轧中间坯长度自动监控及色差报警方法,旨在板坯装入加热炉时刻即进行一次粗轧模型计算,同时启动中间坯长度的自动监控,有效监控各种规格板坯轧制目标规格产品时的中间坯长度是否超长,并可根据超长程度的不同通过颜色差异的方式在轧制顺序画面给出不同级别的报警信息,避免人为监控的失误,保障产线生产的稳定性,避免生产事故和废品发生。与现有的技术相比,本发明的有益效果是:人工操作和劳动强度显著降低,有效地避免了以往因中间坯超长导致的各种生产事故,减少了废品的发生率,大幅度提高了产线的生产稳定性及成材率。

    一种热轧产品头尾宽度短行程的控制方法

    公开(公告)号:CN107626747A

    公开(公告)日:2018-01-26

    申请号:CN201610562601.0

    申请日:2016-07-18

    Abstract: 一种热轧产品头尾宽度短行程的控制方法,通过立辊辊缝补偿量的人工输入干预,实现对当前轧制材的各道次头尾短行程立辊辊缝补偿量设定值的有效调整。通过该方式可以满足下工序单位对某些钢种(例如:给冷轧供料M3A22钢种)产品头尾宽度形态的特殊要求(通常为增宽控制)或热轧线生产过程中产品开发、调试等情况对产品头尾宽度控制的特殊需求,还可以应对热轧生产过程中产品头尾宽度不良引起的宽度精度下降及质量封锁和废品发生情况,确保产品头尾宽度控制精度。

    热轧带钢宽度控制模型智能学习系统及计算学习方法

    公开(公告)号:CN102814340A

    公开(公告)日:2012-12-12

    申请号:CN201110152867.5

    申请日:2011-06-08

    Abstract: 本发明提供一种热轧带钢宽度控制模型智能学习系统及计算学习方法,利用粗轧出口测宽仪反馈值与立辊辊缝实际执行状态的智能分析来确定粗轧出口宽度绝对自学习的正确性并根据情况加以修正;通过粗轧出口测宽仪反馈值与精轧出口测宽仪反馈值的智能判断来确定精轧出口宽度绝对自学习的正确性。从而满足热轧生产过程中现场环境、工艺制度的复杂性对数学模型的要求,有效避免自学习趋势错误现象的发生,减少生产过程中宽度精度的异常波动,降低因宽度模型参数不良导致的带钢封锁率,提高带钢宽度精度。同时减少人为调整模型参数的工作量,极大降低由于人为调整的不确定性带来的潜在威胁。

    一种热轧产品头尾宽度短行程的控制方法

    公开(公告)号:CN107626747B

    公开(公告)日:2019-03-26

    申请号:CN201610562601.0

    申请日:2016-07-18

    Abstract: 一种热轧产品头尾宽度短行程的控制方法,通过立辊辊缝补偿量的人工输入干预,实现对当前轧制材的各道次头尾短行程立辊辊缝补偿量设定值的有效调整。通过该方式可以满足下工序单位对某些钢种(例如:给冷轧供料M3A22钢种)产品头尾宽度形态的特殊要求(通常为增宽控制)或热轧线生产过程中产品开发、调试等情况对产品头尾宽度控制的特殊需求,还可以应对热轧生产过程中产品头尾宽度不良引起的宽度精度下降及质量封锁和废品发生情况,确保产品头尾宽度控制精度。

    一种热轧带钢MES系统并行调试数据采集方法

    公开(公告)号:CN107798444A

    公开(公告)日:2018-03-13

    申请号:CN201610785751.8

    申请日:2016-08-31

    CPC classification number: G06Q10/06 G06Q50/04

    Abstract: 本发明涉及一种热轧带钢MES系统并行调试数据采集方法,搭建热轧新、旧MES系统的服务器及应用系统,实时采集调试所需的生产数据,实现系统升级改造过程中新、旧MES系统并行运行,既保证现场生产正常进行,又能将生产过程中的在线数据实时传送到离线新三级MES系统中,并下发给离线新二级PCS系统,作为调试数据模拟生产,离线调试系统与生产同步。优点是:通过该调试数据采集方法的实施,一方面实现了热轧1780生产线的在线生产与开发调试并行,实时、准确地为二三级新系统提供调试所需的PDI重要生产数据,大大提高了系统调试的工作效率,确保项目工期、质量达到预期标准。

    一种热连轧带钢精轧辊缝调节过程辊缝学习系数修正方法

    公开(公告)号:CN107363104A

    公开(公告)日:2017-11-21

    申请号:CN201610312065.9

    申请日:2016-05-12

    CPC classification number: B21B37/58

    Abstract: 本发明涉及一种热连轧带钢精轧辊缝调节过程辊缝学习系数修正方法,采用辊缝设定计算模型进行辊缝调节时,当出现带钢头部尺寸超厚、学习调节量偏小或学习反向状况时,进行辊缝学习系数正向修正;当出现带钢头部尺寸超薄,学习调节量偏小或学习反向状况时,进行辊缝学习系数负向修正;辊缝学习系数修正公式为:lcs_n=lcs_o+dh_act*a;式中:lcs_n—模型使用当前带钢实际数据计算后得到的辊缝调节值,用于后一块带钢的辊缝计算;lcs_o—当前带钢设定计算时使用的辊缝调节值;a—调节系数;本发明在现有辊缝设定计算模型基础上,根据生产实际,在满足特定判断条件的情况下,对辊缝学习系数进行实时修正,以实现辊缝调节快速、精确,并提高带钢厚度轧制精度的目的。

    一种热轧轧制计划编排方法

    公开(公告)号:CN106773658A

    公开(公告)日:2017-05-31

    申请号:CN201510802402.8

    申请日:2015-11-19

    CPC classification number: G05B13/042

    Abstract: 本发明涉及冶金连轧技术领域的一种热轧轧制计划编排方法,通过设定约束函数、构建轧制计划模型、轧制计划模型求解,利用计算机编程技术编程,建立起一套连铸连轧生产组织管理模式。与现有技术相比,本发明的有益效果是:计划编制灵活,可以进行不同钢种、不同厚度和不同宽度的混排,实现交叉轧制;热轧板坯热直装率高,减少冷轧板加热时间,节约能源;可充分发挥铸坯三机六流合一流功能,使215OASP生产线实现炼钢、连铸与轧制三道工序的紧密结合,达到促进钢铁产品节能降耗的目的。

    消除手动干预速度影响的精轧机前滑系数控制方法

    公开(公告)号:CN103028609B

    公开(公告)日:2014-11-05

    申请号:CN201110293202.6

    申请日:2011-09-30

    Abstract: 本发明提供一种消除手动干预速度影响的精轧机前滑系数控制方法,修改过程控制模型参数,将第2架~第5架精轧机机架间活套学习目标角度值调低2°~3°,增加轧制过程中活套角度大时前滑系数的学习量;同时修改过程控制模型的前滑系数学习策略,当实际接收到的各机架间活套角度值在≥15°~<25°之间时,前滑系数不学习。本发明可有效消除手动干预速度对精轧机前滑系数的影响,显著改善活套控制情况,减少带钢穿带时造成的活套角度大的问题,提高轧制的稳定性。

    热轧带钢宽度控制模型智能学习系统及自学习方法

    公开(公告)号:CN102814340B

    公开(公告)日:2014-07-09

    申请号:CN201110152867.5

    申请日:2011-06-08

    Abstract: 本发明提供一种热轧带钢宽度控制模型智能学习系统及计算学习方法,利用粗轧出口测宽仪反馈值与立辊辊缝实际执行状态的智能分析来确定粗轧出口宽度绝对自学习的正确性并根据情况加以修正;通过粗轧出口测宽仪反馈值与精轧出口测宽仪反馈值的智能判断来确定精轧出口宽度绝对自学习的正确性。从而满足热轧生产过程中现场环境、工艺制度的复杂性对数学模型的要求,有效避免自学习趋势错误现象的发生,减少生产过程中宽度精度的异常波动,降低因宽度模型参数不良导致的带钢封锁率,提高带钢宽度精度。同时减少人为调整模型参数的工作量,极大降低由于人为调整的不确定性带来的潜在威胁。

Patent Agency Ranking