基于Stacking集成学习的热轧带钢凸度诊断模型

在热连轧生产过程中,凸度是重要的质量指标,过程数据的非平衡性限制了数据驱动模型的预测效果,为提高模型的预测精度,提出一种融合SMOTE和Stacking集成算法的热轧带钢凸度诊断模型。首先,采用SMOTE过采样方法处理凸度相关数据集,降低数据非平衡分布导致的影响;然后,构建以轻量级梯度提升机(LightGBM)、支持向量机(SVM)、K近邻(KNN)和随机森林(RF)为基学习器,逻辑回归(LR)为元学习器的Stacking集成模型,最后,使用某2160 mm热轧带钢实际生产数据进行模型验证。研究结果表明,诊断模型的准确率、少数类召回率、平衡F分数、几何平均值和ROC曲线下面积分别为0.9580、0.9595、0.9573、0.9589和0.9579,与XGBoost、LightGBM、KNN、SVM和随机森林模型对比,预测效果最优,证明了Stacking集成算法能够有效增强诊断模型的泛化能力,具有优良的诊断性能。

数据驱动与机理耦合的冷轧电机功率智能预测方法

电机功率计算在保证生产安全、制定轧制规程以及发挥设备能力等方面起到了重要作用。为提高计算精度,本文提出一种机理模型与数据驱动方法相结合的电机功率预测模型。首先,机理模型部分采用上界法得到解析解,然后将部分功率解析解(塑性变形功率、张力功率和剪切功率)与相关变量输入长短时记忆(long short-term memory,LSTM)网络中训练,以提取变量数据之间的深度特征和时序相关性。结果表明:本文提出的时序耦合预测模型相对误差不超过±3.9%,且在相邻卷带钢轧制规程变化较大时,预测效果明显优于上界法和人工神经网络(artificial neural networks,ANN);从残差分布直方图中可以看到,上界法由于遗漏了摩擦系数和损失功率与其他参数间的强耦合关系,导致残差集中在±50 kW附近且不符合正态分布,而ANN和本模型均基本遵循正态分布,但本模型拟合精度更高;对比更广泛的模型评估指标,本模型具有更好的综合预测性能。此外,通过模型输出结果分析了电机功率与轧制长度、轧制速度之间的关系,表明本模型除具有高预测精度外,还与已知的参数间物理规律有较强一致性。

带钢热轧过程中残余应力的数值模拟

带钢内部纵向残余应力沿宽度分布不均会造成平坦度缺陷,严重影响带钢的板形质量在传统的残余应力解析计算方法中,大都忽略金属横向流动的作用为了解决这一问题,采用有限元方法,基于某1780mm热轧生产线,建立了三维弹塑性有限元计算模型,充分考虑金属横向流动对残余应力的影响,探究了残余应力在机架间的演变以及不同比例凸度变化下带钢的残余应力状态结果表明:残余应力在机架间发生反转金属横向流动会减小纵向应变差,从而达到减小纵向残余压应力的目的,当比例凸度增加至05%~115%时,残余压应力最小.

冷轧板形数字孪生模型与协调优化信息物理系统

板形控制过程具有非线性、遗传性、强耦合等特征,现有的数学模型不能充分描述这些关系;同时,蕴含在钢铁大数据中的价值没有得到充分挖掘,在由“数据”到“信息”的处理过程中存在断层,没有形成对板形控制的良好反馈。为提高板形控制水平,首先设计了一种融合集成经验模态分解和小波变换的轧制生产数据降噪方法,实现高噪声条件下有效信息的准确提取;以此为基础,提出使用正交信号校正改进的偏最小二乘算法,结合生产数据实时优化板形调控功效系数,准确描述了实际数据中板形变化量与执行机构调节变化量的比例关系。通过对轧制过程数据的治理与高精度板形调控功效系数的获取,建立起了与六辊轧机实体系统相互映射的虚拟镜像,实现了板形控制数字孪生模型的构建。之后,以板形解析机理模型和经验知识为先导,分别基于核偏最小二乘法和深度神经网络算法建立了板形预测模型,并在预测效果更好的基于深度神经网络算法的板形预测模型基础上,提出了启发式算法和梯度下降算法相结合的板形设定智能优化方法。最终,通过构建以数字孪生模型为核心、以多目标协调优化为特征的板形控制信息物理系统,成功实现了冷连轧多机架工艺参数的动态优化设定,板形标准差由优化前的3.42 IU降至1.91 IU。

板带热轧过程工作辊磨损预测研究

为实现轧辊磨损的精准预测,建立了基于Archard公式和轧制基本理论的工作辊磨损预测模型,使用ABAQUS建立了轧制过程中轧辊-工件热力耦合模型,在此基础上,系统分析了压下率、轧制速度、轧件宽度及支撑辊对工作辊接触应力和磨损的影响规律,并使用现场实测数据验证了模型的有效性。结果表明,随着压下率的增加,接触应力和磨损显著增大。轧制速度的增加基本不改变接触应力的分布情况,但会引起相对滑动速度增大,导致工作辊磨损增加。工件宽度影响磨损的轴向分布,随着轧件宽度的增加,接触应力和磨损减小。轧辊与轧件产生的磨损为辊间磨损的30倍以上。通过与某厂1580 mm产线实际数据对比,计算磨损值与实测数据吻合良好,模型平均预测误差为3.85%,实现了轧制过程工作辊磨损的高精度预测。

板带热轧中间坯厚度分布规律研究

在热连轧生产过程中,受测量环境和测量手段的限制,尚未实现对中间坯厚度的实时在线精确测量,对产品最终的厚度精度和精轧区穿带过程稳定性造成影响。为解决此问题,采用轧制特性法分析中间坯厚度产生偏差的原因;为进一步研究各因素对厚度偏差影响的规律,通过影响系数法计算中间坯长度方向上温度和厚度分布,建立热力耦合有限元模型,并将有限元结果与计算结果进行比较。研究结果表明:随着轧制过程的进行,在轧制方向上,中间坯温度逐渐降低,头、尾温度的平均偏差约为22℃,头、尾最大温度偏差达到32℃;由于温度偏差导致中间坯厚度呈变大趋势,中间坯头尾厚度偏差为0.20 mm,长度方向最大厚度偏差达0.53 mm;本文得到的中间坯厚度和温度的分布能够为后续精轧过程提供前提条件,为高精度控制成品轧件的厚度以及维持穿带稳定性提供依据。

自动控制基础课程建设

将科研成果与教学内容融合,进行特色创新,拓宽学生视野,通过具体科研实例,培养运用知识解决实际问题能力。在知识传授的同时进行价值引领,通过课程中贯穿始终的思政教学,使学生具备社会责任感和工程职业道德、组织管理能力和终身学习能力等基本素质。

基于机理与数据驱动的热连轧板凸度组合预测

针对传统热连轧出口板凸度预测方法存在的模型精度低、解释性差等缺陷,提出了一种将机理与数据驱动相结合的热连轧板凸度组合预测模型。通过热连轧板凸度机理预测模型得到热连轧板凸度基准值,将该基准值与实际值之间的偏差量作为机器学习模型的预测变量,再将偏差量预测值与基准值进行求和得出组合预测模型的板凸度预测值,并将该组合预测策略应用至多个神经网络进行方法验证。研究结果表明,提出的热连轧板凸度组合预测模型相较于传统预测模型具有更好的预测性能,其中有97%以上预测数据的绝对误差小于0.02 mm,82%以上预测数据的绝对误差小于0.01 mm,同时该组合预测方法具有较好的可行性与普适性,所提出的模型能够实现机理模型与数据驱动模型的优势互补,使得模型更加符合实际物理意义,该组合模型既缓解了神经网络预测结果由于过程黑箱导致解释性差、可信度低的问题,又弥补了机理模型预测结果偏离生产工况、无法实时修正的缺陷,对热连轧板带钢的板形控制以及热连轧产品质量的改善具有重要意义。

基于混合多阶集成模型的非平衡热轧带钢凸度智能诊断

为了提升带钢热轧加工过程的智能化水平,基于数字孪生(DT)和信息物理系统(CPS),文本采用数据驱动方法以诊断热轧带钢凸度。因为热轧工艺具有遗传性、非线性和强耦合性的特点,因此带钢凸度诊断是一个决策边界不明确的非平衡问题。现有回归方法倾向于从多数类样本学习信息,而忽略了少数类的缺陷凸度。为了解决这一问题,本文提出了一个混合多阶集成模型(HMSEN)分类带钢凸度。首先,提出了一个新的采样方法,该方法结合了自适应采样(ADASYN)和重复编辑近邻样本(RENN)以强化对缺陷凸度的关注。随后,基于增加的数据,建立了一个多阶集成模型以提升分类精度。同时,通过分析不同基分类器的组合确定了最佳性能的混合多阶集成模型。实验结果表明,相比于其它采样方法,本文提出的采样方法更适合凸度数据集。此外,混合多阶集成模型的性能要优于现有回归方法和机理模型。因此,对于非平衡热轧带钢凸度智能诊断,本文提出的混合多阶集成模型是一种有效且鲁棒的方法。

中厚板平面形状计算机控制系统

基于对中厚板平面形状控制具体特点的分析与研究 ,提出了中厚板平面形状控制方案。以分布式计算机控制系统作为控制计算机 ,以三机架冷连轧机第 2号机架作为模拟轧机进行了实验研究 。

热连轧层流冷却系统的控制模型及控制策略

主要介绍了热轧带钢层冷系统中的控制模型及控制策略 ,包括液位控制、目标卷取温度的前馈控制和带有 Smith预估器反馈控制等。其中通过液位控制可以得到稳定的液位 ,这对保持集管流量的稳定和上位机预设定的精度都是非常重要的。卷取温度的前馈控制和反馈控制对卷取温度控制精度的提高是必不可少的手段。这些控制模型和控制策略已经在工厂中得到应用 ,并且取得了很好的控制效果 。

板带热连轧机活套高度和张力系统的解耦控制

针对板带热连轧机活套的高度和张力控制系统 ,给出一种新的多变量解耦控制策略。通过逆Nyquist曲线对角占优性的强弱判定其耦合程度 ,并采用伪对角化方法使补偿后的活套高度和张力控制系统具有对角占优的特性。最后用 Matlab中的系统仿真工具 Sim ulink对活套多变量控制系统进行仿真实验 ,结果表明解耦后的活套控制系统可获得更好的控制效果。

板带热连轧机组活套高度模糊控制

针对板带热连轧机传统的活套高度控制策略存在的问题 ,提出用Fuzzy PID复合控制策略·输入取活套量的偏差E和偏差变化率EC ,输出为上游轧机转速设定的附加值·采用Mamdani与逻辑运算模糊关系而得到了模糊推理算法·采用加权平均法对输出模糊子集进行解模糊 ,得出了精确的输出·通过Matlab语言中的Simulink仿真工具 ,进行了传统PID与模糊控制动态性能的仿真比较 ,结果表明采用模糊控制可明显提高活套控制系统的动态性能·

板带热连轧精轧机微张力模糊智能控制

介绍了应用于文丰钢铁公司板带热连轧精轧机上游机架的微张力模糊智能控制策略,给出了精轧机微张力控制电流记忆法的原理及速度级联策略;并且说明了模糊控制器输入量的模糊化以及输出量的清晰化方法,给出了相应的智能化模糊规则。实际应用结果表明,与传统的PID控制器相比,智能模糊微张力控制器避免了可能出现的带钢张力控制超调量大以及调节时间长等现象,控制效果明显得到改善。

立轧对称-反对称抛物线狗骨模型轧制力的解析

为提高热轧产品质量,必须保证热轧带钢宽度尺寸精度,生产中多采用在粗轧机组处安装立辊轧机来进行控制,但立轧后板坯横断面会产生狗骨形状.首次建立了立轧对称-反对称抛物线狗骨函数模型和运动许可速度场.使用刚塑性第一变分原理,采用变上限积分得到立轧时总功率泛函和轧制力的解析解.将轧制力解析结果与有限元仿真值进行比较,误差在3%以内,与Yun模型比较误差不大于6.3%.采用本文模型预测现场轧制力的精度良好,可以满足现场控制要求.

首钢中厚板轧机AGC计算机控制系统

介绍了首钢中厚板轧钢厂 334 0mm中厚板轧机液压AGC系统工艺参数和计算机系统的硬件配置和传感器配置 ,给出了轧机弹跳模型和液压缸HCC的控制原理和液压缸的系统频率响应特性 ,描述了本系统所采用的头部锁定AGC和绝对AGC的控制策略 ,并对支撑辊偏心补偿、油膜厚度补偿等厚度控制补偿方法进行了说明。

板带冷连轧自动化系统的现状与展望

带钢冷连轧成套控制设备是冷轧生产中系统性极强、技术难度极大、精度要求极高的综合性技术,其中综合自动化控制系统是冷连轧生产控制的核心,是保证冷轧带钢产品质量和生产效率的主要控制手段。本文介绍了国内外冷连轧自动化控制技术的发展历程,分析了冷连轧基础自动化和过程自动化控制系统的重要组成与功能,并对冷连轧控制系统的发展作了展望。

板带热连轧自动化系统的现状与展望

我国钢铁工业取得了长足的进步,从工艺技术、产品结构、设备应用以及技术管理方面正逐步向国际先进水平靠拢。生产高技术、高附加值的热轧板带材是我国钢铁工业现阶段的首要任务。本文主要介绍了国内外热连轧生产的发展历程,并对热连轧的先进控制技术进行了综述,同时对我国热轧带钢生产企业的未来发展进行了展望。

热连轧机活套控制系统的研究与发展

综述了国内外在板带热连轧机活套的高度和张力控制，作为一个互相耦合的。输入双输出的多变量控制系统，不断改进的过程及最新的研究成果。在给出传统的活套控制方法的基础上，重点介绍了各种活套高度及张力的解藕控制方法，主要包括：互不相关活套控制、活套最优多变量控制，以及建立在H∝理论基础上具有扰动补偿器的活会互不相关控制系统。

热连轧层流冷却系统速度前馈补偿的优化

结合现场情况介绍了热轧带钢层流冷却设备和控制系统的数学模型,其中数学模型主要包括空冷模型、水冷模型、反馈控制模型和自学习模型.由于某热轧厂采用非匀速轧制工艺制度,带钢在冷却区内既有较大升速又有较大降速,原层流冷却系统不能够适应轧制速度的变化而影响卷取温度控制精度,故需针对轧制速度的变化进行速度前馈补偿控制;从过程自动化和基础自动化两个方面对速度前馈补偿控制进行了优化.实际应用表明,优化后系统运行稳定可靠,控制精度高,显著提高了产品的性能,并为新钢种的开发奠定了基础.