-
题名自学习在20辊硅钢轧机系统中的应用
- 1
-
-
作者
王彦辉
高雷
刘海超
郭立伟
王佃龙
蒋自武
-
机构
北京首钢自动化信息技术有限公司自动化研究所
混合流程工业自动化系统及装备技术国家重点实验室首钢分实验室
首钢股份公司迁安钢铁公司硅钢事业部
-
出处
《矿冶》
CAS
2015年第B11期171-174,共4页
-
文摘
为了保证20辊硅钢轧机轧制的高磁感取向硅钢和高牌号无取向硅钢的产品质量和产线生产的稳定性,在20辊轧机设定计算的基础上增加指数平滑法的自学习优化。将自学习系数分道次按照钢种、带钢宽度、入口厚度、出口厚度等要素进行层别划分,根据硅钢生产工艺的特点,不同层别采用不同的自学习系数,分高速和低速两种模式对轧制力、前滑、轧制扭矩、带钢温度等重要参数模型进行自学习优化。通过该自学习优化,使得四个关键工艺参数的模型设定计算的高精度得到了有效的保证,提高了产品质量,保证了生产的稳定性。
-
关键词
20辊轧机
硅钢
自学习
指数平滑法
层别划分
-
分类号
TG334.9
[金属学及工艺—金属压力加工]
-
-
题名中厚板轧机轧制力自学习模型的应用
被引量:4
- 2
-
-
作者
许磊
曾庆亮
胡贤磊
王君
王国栋
-
机构
东北大学轧制技术及连轧自动化国家重点实验室
安阳钢铁集团公司
-
出处
《钢铁研究学报》
CAS
CSCD
北大核心
2009年第12期17-19,42,共4页
-
基金
国家自然科学基金资助项目(50604006)
-
文摘
针对传统轧制力模型在现场应用中预报精度不高的现状,利用轧制过程中的仪表反馈数据开发出一种新的轧制力自学习模型。对计算所得轧制力自学习系数按照钢种、道次出口厚度、开轧温度、目标厚度、目标宽度等要素进行了层别的划分,并对其依据和效果分别做了系统的分析。现场在线应用结果表明,给出的轧制力模型具有良好的预测精度,末道次轧制力预测误差可以控制在3%以内,其它道次可以控制在5%以内。
-
关键词
中厚板轧机
层别划分
轧制力
-
Keywords
plate mill
division of layer
roiling force
-
分类号
TG335
[金属学及工艺—金属压力加工]
-