双机架轧机数学模型自适应控制研究

双机架轧机数学模型自适应控制研究

ID:36771274

大小:1.92 MB

页数:56页

时间:2019-05-15

双机架轧机数学模型自适应控制研究_第1页
双机架轧机数学模型自适应控制研究_第2页
双机架轧机数学模型自适应控制研究_第3页
双机架轧机数学模型自适应控制研究_第4页
双机架轧机数学模型自适应控制研究_第5页
资源描述:

《双机架轧机数学模型自适应控制研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要经济的飞速发展对热轧带钢产品的质量提出了更高的要求,从以往追求产量向着生产高质量、高附加值产品的方向转变。这就要求轧钢控制系统具有随时更换规格和钢种的能力,因此具有高度自动化水平的新型控制技术应运而生。昆钢热轧板厂1725mm双机架轧机属世界上比较先进的往复式炉卷轧机,板形控制技术与装备均属世界一流。作者通过对生产过程的跟踪,不断总结数据,摸索规律,针对影响1725mm轧机板形技术的各个因素的分析,提出了一些板形控制措施,并优化出一套适合1725mm轧机生产线的模型控制参数,着手提高1725mm轧机的板

2、形质量。计算机多级控制系统是板带生产自动控制的核心,本论文介绍了轧制过程计算机控制系统的功能和特点,并着重论述了昆钢双机架轧机计算机多级控制系统及数学模型,同时对轧制过程计算机控制系统作了比较深入的研究。在研究昆钢双机架往复式炉卷轧机计算机二级系统的基础上,对液压厚度自动控制和轧机的数学模型作了进一步探讨,包括温度控制模型、厚度控制模型以及板形控制模型。本论文分析了提高轧机生产率的手段,目前取得了良好的效果。为了提高神经元网络预报轧制力的精度。本文将轧制力模型的自适应过程引入到神经元网络用于轧制力预报,并提

3、出一种新的结合方式。通过昆钢1725mm双机架轧机的在线采集数据进行分析,在采用新的结合方式后,神经元网络的预测精度得到很大改善,为神经元网络预测轧制力的研究提供一个新的思路。关键词:双机架轧机;数学模型;自学习IIAbstractWiththedevelopmentofeconomy,therequirementonthequalityofheatrollingofstripsteelismuchmorestrict.Therollingtechnologywhichhadpursuedexceeding

4、lyonthequantityinthepastisnowdivertingtoemphasizethehighqualityandhighadditionalvalueofproducts.InKunsteel(KISCO),1725mmproductionlineadoptedtechnology,shapecontroltechnicalandequipmentareadvanced.Wehadmadeasetofshapecontrolmethodandoptimizemodelcontrolpar

5、ametertoimproveproductionqualityof1725mmproductionlinebytrackingproductprocessandaccumulatingdataandanalyzingthefactorsaffectingshapequality.Thedifferentlevelcomputercontrolsystemisthekeyformodemsteelrollingproduction.Thispaperpresentsthedifferentlevelcomp

6、utercontrolsystemandthemodemrollingprocess.Especiallythecomputercontrolsystemofthetwo—standmillinKISCOandmathematicmodelaleintroduced.Atthesametimeitisadvancedtodevelopmentdirectionofcomputersystemforrollingprocess.BasedoiltheresearchoftheLevel2controlling

7、systemofthetwo-standmillinKISCO,thispaperpresentsamethodtopromotetheproductivityofthemillthroughthestudyonthemathematicmodelandhydraulicautomaticgaugecontrol(HAGC).Itconsiststemperaturemodelcontrol,gaugemodelcontrolandshapemodelcontr01.Wehavegoteffectiveso

8、lutionstosolvethisproblem.Inordertoimprovethepredictionprecisionofroilingloadwithneuralnetwork,theself-adaptionoftherollingloadmodelisintegratedwiththeBPneuralnetworkforthefirsttime.Aftertheanalysisontheon-li

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。