论层流1500mm热轧带钢层流冷却自动制约系统和运用

摘要：热轧带钢卷取温度对带钢的组织影响很大，是决定热轧带钢加工性能、物理性能和力学性能的重要工艺参数之一。带钢的实际卷取温度能否制约在要求范围内，主要取决于带钢冷却系统的制约精度。当实际卷取温度超出要求的范围，钢卷的产品质量就会受到严重影响，所以提升卷取温度制约精度一直是热连轧领域内非常重要的不足。本论文以莱钢板带厂1500mm热轧宽带线层流冷却制约系统改造项目为背景，以带钢层流冷却制约系统为探讨对象，本论文所探讨的卷取温度制约系统是该生产线自动制约系统的重要组成部分，直接联系到整个系统的正常运转及所产带钢的组织性能和力学性能的好坏，进而影响到产品在市场上的竞争力和产品效益。本论文的具体的探讨内容如下：1）针对莱钢1500mm带钢热连轧项目层流冷却设备及产品质量的要求，探讨浅析卷取温度制约系统的硬件配置、网络结构及各部分的功能分配；确立了卷取温度制约的冷却对策；设计了直观、方便和简洁的人机交互界面；建立了基于带钢样本段微跟踪（去除阀门响应时间）的前馈制约与采取仿人智能PI制约算法的反馈制约相结合的制约策略，并采取了技术措施以改善制约效果。2）探讨浅析莱钢1500mm带钢热轧的层流冷却制约对策，重点对制约对策的各项功能进行了详细浅析。以具体实现历程可以看出层流冷却制约历程是一个以预设定计算和前馈修正计算为主，反馈制约为辅的复杂制约系统，对该系统在实际生产中的运用进行了浅析评价，提出了该制约对策有着的不足并指出了改善方向。3）通过对系统运转情况进行浅析，指出了提升卷取温度制约质量最根本的是提升预设定模型的精度。基于多元非线性函数分段线性化的预设定模型对系统工作点(标准条件下预设定喷水阀门个数)的确定是通过线性插值策略得到的，不能保证其在各个厚度规格时都是准确的，考虑到人工神经网络具有较强的处理多变量、非线性的复杂历程的能力，对BP网络进行了详细的探讨浅析，建立了采取改善算法的BP网络卷取温度预设定模型并进行了改善，将预设定的结果运用于生产实际，结果表明所建立的模型能够可靠地给出不同厚度规格时的预设定喷水阀门个数，以而减轻了反馈制约的负担，提升了卷取温度的制约精度。关键词：层流冷却论文卷取温度论文制约系统论文神经网络论文

摘要5-7

ABSTRACT7-12

1 绪论12-24

1.1 本论文的探讨背景12-14

1.2 国内外进展概况14-22

1.2.1 制约冷却方式及设备的进展概况14-19

1.2.2 制约系统19-22

1.3 制约的难点22-23

1.4 本论文的探讨目的及内容23-24

1.4.1 本论文的探讨目的23

1.4.2 本论文的章节安排23-24

2 卷取温度制约系统24-35

2.1 卷取温度制约系统的重要量及任务24-25

2.2 卷取温度制约的难点25-26

2.3 热轧带钢厂轧后快速冷却设备分类及各自特点26

2.4 已开发出的卷取温度制约模型及其各自特点26-35

3 莱钢 1500mm 带钢热连轧卷取温度制约系统35-57

3.1 冷却设备介绍35-36

3.2 层流冷却制约系统的硬件配置36-37

3.3 层流冷却制约系统的网络结构37-39

3.4 本论文项目的主要任务39

3.5 层流冷却系统的人机接口系统（HMI）39-44

3.5.1 HMI 功能介绍40-41

3.5.2 HMI 画面介绍41-44

3.6 制约系统的数学模型44-51

3.6.1 模型的类型44

3.6.2 模型的建立策略44-49

3.6.3 具体模型49-51

3.7 制约策略51-54

3.7.1 制约历程描述51-53

3.7.2 制约历程中的一些特殊处理53

3.7.3 制约算法53-54

3.8 制约系统运转效果浅析54-56

3.9 本章小结56-57

4 人工神经网络在卷取温度制约中的运用57-70

4.1 卷取温度制约中采取人工神经网络的理由57

4.2 BP 神经网络57-63

4.2.1 BP 神经网络介绍57-59

4.2.2 BP 网络算法59-61

4.2.3 BP 网络有着的不足及其改善61-63

4.3 改善的 BP 神经网络在卷取温度制约中的运用63-68

4.3.1 网络结构的确定63-65

4.3.2 网络的训练和试验65-68

4.4 本章小结68-70

5 总结与展望70-72

5.1 本论文总结70-71

5.2 工作展望71-72