一、棒材连轧活套高度数学模型(论文文献综述)
刘东,吉年丰[1](2020)在《模块化轧机控制系统在高速棒材生产线中的应用》文中研究说明随着低压变频/调速技术的进步,独立传动的模块化轧机代替传统的集中传动的精轧机组,成为当前高速棒材生产线的主流技术。针对多台模块化轧机的控制难点,建立了活套数学模型,引入了虚拟活套技术,并给出了活套高度和堆钢量的非线性关系。针对轧制过程中的咬钢速降问题,对机械设备、变频传动建立了三机架模块化轧机的数学模型,理论推导了单机架咬钢速降和力矩冲击,仿真分析了多机架咬钢速降过程。结合国内外高速棒材生产线工程,介绍了3种模块化轧机控制系统硬件组成,分析了转速预控和转矩预控这2类冲击补偿方法,通过实际工程数据验证了仿真算法的正确性。
张燕青[2](2019)在《棒线材连轧中的张力控制简析》文中研究表明在现代化建设工作当中,对于棒材与线材的需求量逐渐提升,只有不断改善其质量与性能,才能满足社会生产的实际需求,促进我国经济的持续稳定增长。连轧是棒线材生产过程中的关键环节,生产效果关系到产品的整体质量。对于张力进行有效控制,是增强棒线材连轧生产效率与质量的主要方法,在当前生产活动中的应用较为常见。本文将对棒线材连轧的基本概念进行分析,研究张力与产品尺寸之间的影响关系,提出棒线材连轧中的张力值判断方法,探索棒线材连轧中的张力控制措施,为生产工作人员提供参考与建议。
高玉峰[3](2019)在《轧制过程中先进控制理论与应用研究》文中认为轧制过程是冶金生产线中最关键的一道工序,板形板厚质量是板带材轧制过程中最为关注的问题。从控制系统领域看,控制系统具有多变量、强耦合、非线性、强干扰的特点。难以得到统一的、确定性线性模型。经典的控制理论难以适应当前高精、高速的控制要求。本文针对这些问题进行了先进控制理论的研究,力求提升控制理论在轧制过程中的应用水平。主要工作及创新点如下。1)提出了一种多变量解耦的同时克服模型参数摄动的控制方法,用以解决活套张力与高度双变量系统的参数摄动问题以及强耦合的问题。理论上,借助分式矩阵的左右互质分解理论,通过选取适当的自由矩阵和加权矩阵,获得鲁棒同时解耦控制器的充分必要条件,最终证明了解耦的同时具有鲁棒性。板带轧制过程中活套张力与高度双变量的相互作用,使得控制输出不清晰,难以辨别来源于哪个输入的作用,调试与实际操作难度很大。由此理论设计的多变量解耦鲁棒控制器,可解决热连轧在平稳轧制过程中活套张力与高度系统的模型参数摄动和多变量耦合的问题。2)提出了一种定制的多变量解耦响应的极点配置方法,针对板带轧制过程中的凸度与厚度双变量强耦合问题和系统模型参数不确定的问题,实现鲁棒与解耦的同步控制。理论上,借助非奇异对角矩阵的极点配置和矩阵多项式分解理论,证明了解耦同时鲁棒控制器设计的充分性。由此理论设计的控制器,有效地克服了由于板带轧机的凸度与厚度系统模型参数摄动而产生的影响控制精度问题,同时解决了系统的强耦合问题。3)提出了一种加权函数矩阵解析计算的选取方法,改变了长期以来加权矩阵经验的、定性的选取方法。理论上,证明了在干扰解耦性和鲁棒性同时得到保证时的加权矩阵可计算选取。这对于鲁棒解耦控制器的工业应用具有重要的推动作用。4)针对板带轧制过程中卷取机交流电机的张力控制精度问题,提出了基于扩张状态观测器SMVS(滑模变结构)的控制系统设计方法,应用反馈线性化理论,解决了系统模型的非线性问题,提高卷取张力的控制精度。文中对于所有研究的建模方法,理论分析,仿真实验均给出了详细的描述。
鲁凌云[4](2018)在《热连轧机液压AGC-活套控制系统的设计与仿真》文中进行了进一步梳理热轧带钢是一种广泛应用于工业的原料,热连轧过程中张力的控制精度直接影响带钢厚度、宽度等尺寸指标。因此,稳定的张力控制是板带尺寸精确控制的基础。目前绝大多数热连轧机组在前后两轧机间安装了活套装置,用以缓解各种扰动对张力带来的影响。为了保证带钢出口厚度的精度,自动厚度控制系统(AGC automatic gauge control)负责控制纵向辊系以调整辊缝,也是保证带钢尺寸精度的关键。在工作状态下AGC的快速动作会影响到热连轧带钢的秒流量,因此与活套系统产生了耦合。目前,针对活套的控制方法中比较典型的有传统PI控制、H?控制、自适应控制等,但往往是将AGC和活套两个子系统分开控制,没有考虑AGC对活套张力的影响。本文参考了大量国内外文献资料,针对AGC和液压活套各自的系统模型特点,建立了AGC-活套综合系统的模型;在此基础上,以厚度、活套张力和活套高度作为综合系统的控制变量,在逆系统控制、H?控制等方面做了探索性研究。为了验证所建立模型的准确性和控制算法的有效性,结合实际数据,将所设计的控制方法应用于综合模型上进行仿真验证,结果表明本文所建立的AGC-活套综合系统模型具有较高精度,且设计的控制器有较好的鲁棒性和解耦效果。
王丽君,余苗,李擎,尹怡欣[5](2018)在《热连轧活套系统的自抗扰控制》文中研究表明鉴于热连轧活套系统的典型特性:多变量、非线性和强耦合,使其控制相对复杂.采用角变化法得出张力力矩表达式,并通过对活套套量和张力力矩关系式进行增量化,得出活套系统数学模型.采用自抗扰控制技术,应用扩张状态观测器实时估计扰动,将活套套量和张力的耦合归结于对系统的"总扰动"的一部分进行估计并给予补偿.仿真表明,相比于PID控制算法,此算法具有可行性和有效性.
李杰,刘毅,张艳春[6](2017)在《棒线材连轧中的张力控制》文中提出对棒线材生产中的连轧张力进行了系统分析,提出张力控制对生产过程的稳定性和最终产品的尺寸精度具有重要影响。对影响张力的主要设备和工艺因素给出了理论分析;提供了实际应用中连轧过程中的张力值的判断方法和调整依据,提出了利用活套套型和速度级联变化数据实现棒线材连轧过程中的张力精准控制的解决方案。该方案可直接减少深加工过程中的模具损耗,提高工作效率以及优化最终产品质量。
王清华[7](2017)在《钢管斜连轧装备的智能控制与试验研究》文中研究说明斜连轧(Tandem Skew Rolling,TSR)工艺是一种生产无缝钢管的短流程新工艺,将穿孔和轧制集成为一道工序,坯料经过加热后首先进入穿孔轧辊进行穿孔得到毛管,然后紧接着进入轧管轧辊进行轧制得到荒管。金属在两组轧辊之间形成连轧关系。斜连轧装备结构简单,调整方便,生产流程短,具有生产成本低,生产效率高等优点。由于轧件在穿轧过程中温降很小,该工艺可以轧制温度区小或者难变形金属。实现斜连轧新工艺的关键问题:(1)如何加工可轧温度范围窄或难变形金属,实现管材加工的穿孔与轧制的连续成形;(2)如何提高钢管质量、降低成本,满足钢管尺寸精度和内部组织等目标。建立斜连轧工艺模型,研究系统的控制方法是解决该关键问题的有效手段和途径。本文针对斜连轧过程具有复杂非线性、动态多变量、连续轧制、强耦合等特点,采用斜轧理论、连轧理论和智能控制、预测控制方法,对斜连轧加工过程中的速度设定模型、轧制力设定模型、连轧张力模型、钢管壁厚预测模型等进行了深入研究。其主要研究成果为:(1)针对斜连轧速度控制系统中,速度调节要求响应快、动态速降小、同步性高等特点,提出了一种基于记忆神经元PID的斜连轧速度同步控制方法。该方法在单神经元PID控制算法基础上,引入忆阻的阻值变化特点,建立了记忆神经元PID控制器,使得学习算法更接近生物神经元学习特点,且结构简单;采用偏差耦合的同步控制策略,提出了基于记忆神经元PID的斜连轧速度偏差耦合同步控制方法。试验表明:该控制方法具有实时性强、同步控制精度高和响应速度快等特点。(2)针对斜连轧张力控制系统存在复杂非线性、不确定干扰的影响较强等特点,提出了张力速度系统的动态矩阵预测算法。首先根据斜轧和连轧理论以及电机的动态特性,建立了斜连轧工艺中张力速度系统的数学模型;由于模型具有非线性、强耦合的特点,传统的PID控制无法获得较好的控制效果,动态矩阵预测算法对模型精度要求不高,对环境干扰等不确定性因素具有较强的鲁棒性,因此提出了张力速度系统的动态矩阵预测控制方法;在相应轧制状态约束条件下,利用粒子群算法对目标函数实施滚动优化确定最优控制量,解决了在约束条件下的非线性优化问题;仿真实验表明:该方法有效的抑制了模型参数变化的灵敏性、不确定干扰的影响,实现了微张力控制。(3)建立了基于STDP-Spiking神经网络的斜连轧钢管壁厚预测模型。在分析Spiking神经网络(Spiking Neural Networks,SNN)原理的基础上,结合生物学中的脉冲时间依赖的可塑性(Spike Timing Dependent Plasticity,STDP)学习机制,提出了STDP-Spiking神经网络算法。该网络的神经元之间采用单突触连接方式,权值学习在误差反馈算法的基础上考虑突触前后神经元脉冲发放时间差的影响,使得网络结构简化,克服了传统Spike Prop算法中权值只能取正的问题。分析了影响斜连轧无缝钢管壁厚变化的主要因素,建立了STDP-Spiking神经网络的斜连轧钢管壁厚预测模型。试验采用现场数据作为样本对钢管壁厚预测模型进行训练,最后将预测值与实验值进行比较。结果表明:STDP-Spiking神经网络学习的预测精度高,能够达到对钢管壁厚的预测要求。(4)根据金属变形过程微观组织理论,在总结前人研究的理论基础上,建立了斜连轧轧制过程中的微观组织预测模型。由于斜连轧穿轧过程属于再结晶温度以上变形,因此穿轧过程以动态再结晶为主,对奥氏体、铁素体晶粒尺寸做了预测。通过金相实验对计算值与实验值进行了比较,表明了该模型可以用来预测斜连轧微观组织。
吴大江[8](2014)在《活套起套动作的仿真分析及改进》文中研究表明利用MATLAB/Simulink中的SimMechaics模块集建立了活套起套辊的机械模型,基于节点法建模思想,采用Simulink建立了活套起套辊气动系统模型,根据气动、机械系统的参数关联关系将两个系统模型有机集成起来,得到完整的活套起套辊的机构仿真模型,并给出了仿真结果,根据仿真结果对活套起套辊的气动回路进行了改进,取得了较好效果,对棒材轧机的立式活套器的改进具有借鉴意义。
冯小东[9](2013)在《特钢棒材轧制的AGC控制系统的研究》文中认为随着市场竞争的激烈,人们对棒材尺寸精度、力学性能、生产成本以及开发周期提出更高的要求。而棒材连轧又是一个复杂高维非线性过程,对各连轧机的协调能力要求极高,其中任一轧机的波动都会影响其前后轧机状态及轧件形变。传统棒材轧制虽采用直流电机和活套装置,实现无张无扭轧制,但这并不能保证每道次轧件的变形和断面形状都合理、正确。针对上述问题,并深入了解棒材轧制工艺,本文提出将自动辊缝控制(Automaticgauge control)技术应用于棒材连轧的方案。众所周知,AGC技术在提高轧件尺寸精度上表现极佳,因此在板带轧制中得以广泛应用。针对AGC技术在棒材连轧应用的难题,本文做了以下几点工作。首先,棒材轧制的高维变形,使得力能参数的检测十分困难,而轧制压力是AGC技术得以应用的关键。只有超前预测轧制压力,再结合弹跳方程,快速准确设定辊缝值,然后配合孔型系统,才能轧出高精度的棒材产品。因此,本文在全面学习工程法轧制压力计算过程,建立了基于神经网络的轧制压力预测模型。其次,通过深入研究轧机液压AGC系统的关键环节——伺服阀、液压缸流量方程、负载力平衡方程及传感器等,建立了液压AGC位置伺服控制系统的动态模型。最后,针对液压AGC系统的内环环节——液压位置自动控制(Automatic positioncontrol)系统存在多变量、强耦合、非线性等特性,本文在控制器设计上提出利用先进的无模型自适应控制方案。在深入学习无模型自适应控制原理的基础上,通过利用无模型自适应控制的控制律,并结合伪偏导数的估计算法构成完整的无模型自适应液压APC控制方案。接着利用MATLAB下SIMULINK强大的模块处理能力,搭建了无模型自适应控制的MFAC控制器模块。通过对比PID、神经网络在液压APC系统中的仿真,结果表明,无模型自适应控制收敛快,稳态误差小,抗扰性强。证明了无模型自适应控制对液压位置控制的有效性。
吴东升[10](2013)在《钛合金棒材连轧过程的智能优化控制方法研究》文中研究表明本文以钛合金棒材连轧生产线为工程背景,总结和分析了棒材轧制技术的特点,轧制方式和智能优化控制技术在轧制领域的应用,并对轧制过程的模型进行了深入的研究。由于国内外用户对棒材产品质量要求越来越高,棒材连轧的精确控制就显得尤为重要。本文重点研究了基于NMPSO算法的粗轧机速度优化控制和速度补偿策略,研究了基于ISTPSO优化的中轧机和精轧机张力模糊控制,研究了基于ACPSO优化SVR的棒材轧制力预测算法和轧制过程的故障诊断等关键技术,并应用于实际轧制,效果良好。主要研究内容分为以下几个方面:(1)结合现场实际生产条件,给出了钛合金棒材连轧系统的组成和总体结构框图,研究了轧制过程的数学模型,包括:直流电动机的模型,张力模型,轧制力模型,变形抗力模型和温度模型等。(2)针对粗轧机速度不协调而引起的中轧机入口尺寸波动问题,提出了基于非均匀动态变异粒子群(]NMPSO)优化粗轧机速度PID算法及补偿策略。首先研究了粒子群算法和非均匀动态变异粒子群算法的原理,然后应用Rosenbrock函数和Rastrigrin函数对NMPSO算法进行了测试,测试结果显示NMPSO算法收敛速度快于标准粒子群算法,最后给出了粗轧机速度输出及负载扰动时的SIMULINK仿真模型,并将该模型与粒子群算法相结合应用于轧件咬入轧辊时的速度补偿仿真和实验研究,仿真结果和实验证明经过优化和补偿的速度控制策略能够克服棒材咬入时的速度跌落,使得粗轧轧制过程平稳,顺畅。(3)针对中轧机和精轧机由于张力控制不协调引起的堆料及拉料现象,提出了基于改进的自协调粒子群(ISTPSO)优化的中精轧机张力模糊PID控制算法。由于中轧机和精轧机的轧制速度快,且速度与张力相互耦合,不容易建立精确的数学模型,而模糊控制算法不依赖于被控对象的精确数学模型,鲁棒性和适应性好,因此本文提出应用模糊算法优化中精轧机张力控制器。为了克服实际控制中来自被控对象一定程度的波动所导致的控制系统难以取得较高精度的现象,本文提出了改进的自协调粒子群优化模糊控制器的量化因子和比例因子的算法,并配合提出的张力软测量方法,把算法应用在多机架连轧系统,仿真及实验结果验证了所提方法的有效性,解决了中轧机由于张力波动引起的实际堆料及拉料现象。(4)针对钛合金棒材热连轧轧制力的精确预测问题,提出了一种基于加速收敛的粒子群优化支持向量回归机的预测算法。该算法首先通过使粒子在每次速度迭代过程中偏离速度迭代一个小角度,在位置迭代过程中偏离迭代位置一小步,改善了粒子群算法的收敛性及收敛速度,再通过ACPSO算法实现对支持向量回归机的参数ε,c,γ的同时寻优,从而使ACPSO-SVR模型具有较高的预测精度和泛化能力。通过仿真实验和实际数据的比对,验证了方法的有效性。实验结果表明,ACPSO-SVR方法能够有效,快速的实现轧制力的精确预测,在预测速度和适应性方面,优于基于PSO-SVR的预测方法;在预测精度方面,该方法优于BPNN、SVR、PSO-SVR等方法,平均误差率从BP神经网络的±9%降到±4%以内。(5)在钛合金棒材连轧轧制过程的应用背景下,结合提升小波数据降噪方法,提出了LW-RLSSVM、LW-PNN两种轧制过程故障诊断改进方法。基于现场数据的仿真实验结果验证了所提方法的有效性,全面提升了棒材连轧系统优化控制的可靠性。本文的研究内容,面向钛合金棒材连轧轧制过程的实际控制,具有很强的实用性。本文的研究结论在生产现场得到了验证,提高了棒材产品的质量。
二、棒材连轧活套高度数学模型(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、棒材连轧活套高度数学模型(论文提纲范文)
(1)模块化轧机控制系统在高速棒材生产线中的应用(论文提纲范文)
0 引言 |
1 高速棒材工艺简介 |
1.1 典型工艺布置 |
1.2 模块化轧机 |
1.3 高速夹尾和冷床 |
2 虚拟活套技术 |
3 冲击补偿 |
3.1 理论分析和仿真 |
3.2 应用案例介绍 |
4 结语 |
(2)棒线材连轧中的张力控制简析(论文提纲范文)
一、棒线材连轧概述 |
二、棒线材连轧的张力值判断方法 |
(一) 电流负荷法 |
(二) 活套套型判断法 |
1、活套形状 |
2、首架轧机的累加调速值分析 |
三、棒线材连轧中的张力控制方法 |
(一) 优化电机传动特性 |
(二) 控制材型 |
(三) 稳定轧制温度 |
(四) 设定活套高度 |
四、结语 |
(3)轧制过程中先进控制理论与应用研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
1.1 课题背景及意义 |
1.2 带钢热轧系统概述 |
1.3 带钢热连轧控制研究现状 |
1.3.1 活套高度与张力研究现状 |
1.3.2 板形凸度厚度控制研究现状 |
1.4 解耦控制研究现状 |
1.4.1 传统的解耦控制 |
1.4.2 先进控制理论解耦控制 |
1.4.3 智能解耦控制方法 |
1.5 鲁棒控制研究现状 |
1.5.1 鲁棒控制研究发展 |
1.5.2 鲁棒稳定性与鲁棒性能 |
1.5.3 H_∞鲁棒控制 |
1.6 鲁棒解耦控制及相关研究中存在的主要问题 |
1.6.1 鲁棒解耦控制 |
1.6.2 相关研究中存在的主要问题 |
1.7 本文主要研究内容及章节安排 |
1.8 本章小结 |
2 板带热连轧相关的工艺数学模型建立 |
2.1 板带热连轧工艺及活套系统 |
2.1.1 板带热连轧工艺 |
2.1.2 活套系统工艺过程 |
2.2 轧制过程的理论基础 |
2.2.1 板带轧制塑性变形 |
2.2.2 板带轧制弹性变形 |
2.2.3 流量方程 |
2.3 板带热连轧过程中活套控制原理 |
2.3.1 活套控制原理 |
2.3.2 活套高度控制 |
2.3.3 活套张力控制 |
2.4 板带热连轧活套数学模型 |
2.4.1 活套套量模型 |
2.4.2 活套张力模型 |
2.4.3 活套支持器的线性化模型 |
2.5 板带热连轧过程中凸度与厚度数学模型 |
2.5.1 板形模型分析 |
2.5.2 板厚模型分析 |
2.5.3 凸度与厚度模型 |
2.6 本章小结 |
3 活套张力-高度系统鲁棒解耦设计 |
3.1 问题的描述 |
3.2 H_∞鲁棒控制理论及方法 |
3.2.1 H_∞鲁棒控制理论 |
3.2.2 鲁棒控制主要方法 |
3.3 鲁棒控制器的设计 |
3.4 鲁棒解耦控制理论 |
3.4.1 鲁棒解耦中的混合灵敏度 |
3.4.2 鲁棒解耦控制理论证明 |
3.5 热连轧活套系统模型鲁棒解耦控制 |
3.5.1 热连轧活套系统模型改进 |
3.5.2 热连轧活套系统鲁棒解耦灵敏度函数确定 |
3.6 活套系统鲁棒解耦控制实验 |
3.7 本章小结 |
4 鲁棒解耦控制在凸度与厚度系统中的实现 |
4.1 问题的描述 |
4.2 板带轧制凸度与厚度耦合仿真 |
4.2.1 凸度与厚度耦合关系模型分析 |
4.2.2 凸度与厚度模型仿真 |
4.3 凸度与厚度系统鲁棒解耦控制器的设计方法 |
4.3.1 定制的多变量解耦响应的极点配置方法 |
4.3.2 凸度与厚度工程系统应用 |
4.4 本章小结 |
5 加权函数选取方法 |
5.1 加权函数问题提出 |
5.2 加权函数与混合灵敏度函数 |
5.3 加权函数的选择 |
5.4 本章小结 |
6 卷取机交流电机控制 |
6.1 问题的描述 |
6.2 基于滑模变结构控制(SMVSC)的反馈线性化控制方法 |
6.3 基于异步电动机ESO的反馈线性化 |
6.4 基于ESO的滑模变结构控制 |
6.5 SMVSC-ESO非线性控制律存在性证明 |
6.6 SabeReld Simulink联合的控制方法的仿真试验 |
6.7 卷取机对象的仿真实验 |
6.8 本章小结 |
7 结论 |
7.1 研究结论 |
7.2 研究展望 |
参考文献 |
作者简历及在学研究成果 |
在学期间发表的论文 |
学位论文数据集 |
(4)热连轧机液压AGC-活套控制系统的设计与仿真(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及意义 |
1.2 热连轧过程概述 |
1.3 国内外研究现状 |
1.3.1 AGC控制系统研究现状 |
1.3.2 活套控制系统研究现状 |
1.3.3 AGC-活套综合控制系统研究现状 |
1.3.4 未来发展趋势 |
第2章 热连轧液压活套系统的建模与仿真 |
2.1 液压活套阀控缸系统模型 |
2.1.1 阀控缸系统模型 |
2.1.2 伺服阀流量特性分析 |
2.1.3 伺服阀与液压缸的流量关系 |
2.1.4 液压缸动态特性建模 |
2.1.5 仿真结果分析 |
2.2 液压活套张力系统和高度系统的建模 |
2.2.1 活套张力系统的建模 |
2.2.2 活套高度系统的建模 |
2.2.3 液压活套系统模型的传递函数 |
2.2.4 仿真分析 |
2.3 本章小结 |
第3章 热连轧AGC-活套系统的建模与仿真 |
3.1 轧机液压AGC系统的建模 |
3.1.1 液压伺服压下系统的工作原理 |
3.1.2 液压AGC系统的关键方程 |
3.2 轧机液压AGC-活套系统的建模 |
3.3 本章小结 |
第4章 热连轧机AGC-活套系统的鲁棒逆控制 |
4.1 AGC-活套逆系统 |
4.2 基于逆系统理论的鲁棒控制器设计 |
4.3 鲁棒稳定性分析 |
4.4 仿真实验 |
4.5 本章小结 |
第5章 热连轧机AGC-活套系统的H¥控制策略 |
5.1 传统控制方案 |
5.2 AGC-活套系统的H¥控制器设计 |
5.3 基于矩阵不等式的H¥控制器设计 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 全文工作总结 |
6.2 未来工作展望 |
致谢 |
参考文献 |
附录1 攻读硕士学位期间发表的论文 |
附录2 攻读硕士学位期间参加的科研项目 |
详细摘要 |
(6)棒线材连轧中的张力控制(论文提纲范文)
1 棒线生产连轧概述 |
2 张力对尺寸波动的影响 |
3 连轧张力对轧制过程稳定的作用 |
4 张力值的判断方法 |
4.1 电流负荷法 |
4.2 活套套形判断法 |
4.2.1 活套形状分析 |
4.2.2 首架轧机的累加调速值分析 |
5 张力的调整方法 |
5.1 电机传动特性的优化 |
5.2 料型的准确控制 |
5.3 轧制温度的稳定 |
5.4 活套高度的准确设定 |
6 结语 |
(7)钢管斜连轧装备的智能控制与试验研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的背景和意义 |
1.2 无缝钢管生产工艺发展概述 |
1.3 国内外轧钢生产研究现状 |
1.3.1 连轧生产的智能控制 |
1.3.2 钢管生产的智能控制 |
1.4 智能预测控制 |
1.5 本文的主要内容 |
第二章 斜连轧轧制过程数学模型 |
2.1 斜连轧机组概况 |
2.2 斜连轧工艺及控制系统 |
2.3 斜连轧工艺数学模型 |
2.3.1 温降模型 |
2.3.2 速度设定模型 |
2.3.3 连轧张力模型 |
2.3.4 轧制力模型 |
2.4 壁厚控制数学模型 |
2.5 小结 |
第三章 斜连轧机组连轧速度模型与同步控制 |
3.1 忆阻器研究现状 |
3.2 忆阻器原理及特性 |
3.2.1 忆阻器原理 |
3.2.2 忆阻器与突触性质的比较 |
3.3 记忆神经元PID控制器 |
3.3.1 记忆神经元PID控制器设计 |
3.3.2 仿真实验 |
3.4 基于记忆神经元PID的斜连轧速度系统同步控制 |
3.4.1 轧管段驱动电机的双闭环调速系统 |
3.4.2 基于记忆神经元PID控制的轧管段直流电机调速 |
3.4.3 记忆神经元PID控制器应用于斜连轧速度同步控制 |
3.5 小结 |
第四章 连轧张力速度系统模型及预测控制 |
4.1 问题的提出及分析 |
4.2 张力速度系统的状态方程 |
4.3 预测控制器设计 |
4.3.1 动态矩阵预测控制 |
4.3.2 参数选择 |
4.3.3 基于PSO的动态矩阵控制算法 |
4.4 斜连轧机张力速度系统的动态矩阵控制 |
4.5 小结 |
第五章 钢管斜连轧壁厚预测模型 |
5.1 无缝钢管管形标准及检测方法 |
5.1.1 无缝钢管几何尺寸精度 |
5.1.2 无缝钢管质量检测方法 |
5.2 影响壁厚质量因素的关联分析 |
5.2.1 影响壁厚波动的因素 |
5.2.2 斜连轧轧制时段的划分 |
5.2.3 输入变量和输出变量的确定 |
5.3 钢管壁厚预测模型 |
5.3.1 Spiking神经网络 |
5.3.2 突触可塑性及STDP学习规则 |
5.3.3 基于STDP规则的误差反馈Spiking神经网络 |
5.3.4 STDP-Spiking神经网络的钢管壁厚预测模型 |
5.4 小结 |
第六章 斜连轧钢管的微观组织预测模型 |
6.1 组织性能预测及控制技术概况 |
6.1.1 物理冶金模型 |
6.1.2 人工智能模型 |
6.2 组织性能影响因素 |
6.3 斜连轧微观组织的预测模型 |
6.3.1 再结晶模型 |
6.3.2 室温铁素体晶粒尺寸模型 |
6.4 小结 |
第七章 斜连轧过程控制试验 |
7.1 斜连轧样机与试验方案 |
7.1.1 斜连轧试验样机 |
7.1.2 数据采集系统 |
7.1.3 试验方案 |
7.2 斜连轧速度同步控制系统试验 |
7.2.1 同步控制性能指标 |
7.2.2 同步控制系统硬件组成 |
7.2.3 轧管段电机的同步控制 |
7.2.4 轧管段与穿孔段电机同步匹配 |
7.3 速度同步控制对荒管几何尺寸的影响分析 |
7.3.1 穿孔段与轧管段转速匹配 |
7.3.2 穿孔段与轧管段转速不匹配 |
7.4 斜连轧壁厚预测模型试验结果分析 |
7.4.1 三种神经网络预测模型对比 |
7.4.2 STDP-Spiking神经网络厚度预测模型计算与试验结果比较 |
7.5 铁素体尺寸理论值与试验值比较 |
7.6 小结 |
第八章 结论与展望 |
参考文献 |
致谢 |
攻读学位论文期间发表的学术论文及参与的科研项目 |
(8)活套起套动作的仿真分析及改进(论文提纲范文)
0 引言 |
1 立式活套装置 |
2 Simulink简介 |
3 起套辊机构系统的数学模型 |
4 起套辊气动系统的数学模型 |
4.1 调压阀 |
4.2 电磁阀 |
4.3 气缸的力学模型 |
4.4 气缸有杆腔的充气方程 |
5 完整的仿真模型及结果 |
6 结果分析 |
7 改进方案 |
8 结论 |
(9)特钢棒材轧制的AGC控制系统的研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 课题研究的背景 |
1.2 国内外棒材轧制的发展现状 |
1.3 研究棒材 AGC 控制的目的及意义 |
1.4 本文主要研究内容 |
1.5 本章小结 |
2 液压 AGC 特钢棒材轧制生产工艺 |
2.1 棒材轧辊辊形介绍 |
2.2 连续轧制的基本概念 |
2.3 基于 AGC 的棒材生产工艺流程 |
2.4 影响棒材精度的因素 |
2.4.1 坯料断面尺寸的波动 |
2.4.2 微张力控制和坯料温度不均的相互影响 |
2.4.3 活套控制方法的影响 |
2.4.4 轧件的材质影响 |
2.4.5 轧辊温度的影响 |
2.5 轧制弹塑性理论 |
2.5.1 弹性方程 |
2.5.2 塑性方程 |
2.5.3 弹塑性方程 |
2.6 液压 AGC 控制原理 |
2.6.1 反馈 AGC 控制 |
2.6.2 前馈 AGC 控制 |
2.6.3 测厚式 AGC 控制 |
2.7 基于 AGC 的棒材连轧控制系统设计 |
2.8 本章小结 |
3 基于神经网络的棒材轧制压力预测模型 |
3.1 BP 神经网络 |
3.1.1 BP 神经网络拓扑结构 |
3.1.2 BP 神经算法原理 |
3.1.3 BP 神经网络算法流程 |
3.2 BP 神经网络的轧制压力模型设计 |
3.2.1 工程法轧制压力 |
3.2.2 输入与输出层的设计 |
3.2.3 隐层的设计 |
3.3 模型的训练 |
3.3.1 数据的归一化 |
3.3.2 BP 网络的训练 |
3.3.3 BP 网络预测 |
3.4 基于 BP 网络的 AGC 系统 |
3.5 本章小结 |
4 液压AGC 系统数学模型 |
4.1 电液位置伺服控制系统 |
4.2 液压 APC 基本方程 |
4.2.1 伺服阀基本方程 |
4.2.2 液压缸流量方程 |
4.2.3 液压缸力平衡方程 |
4.2.4 背压方程 |
4.2.5 位置传感器 |
4.2.6 液压 APC 的控制器 |
4.3 液压 AGC 的动态数学模型 |
4.4 本章小结 |
5 棒材轧机液压 AGC 控制算法研究 |
5.1 无模型自适应控制原理 |
5.2 控制律与特征参量辨识 |
5.2.1 控制律导出 |
5.2.2 伪偏导数估计 |
5.3 无模型自适应控制算法解析 |
5.4 MFAC 控制律稳定性分析 |
5.5 MFAC 控制模块开发 |
5.5.1 MFAC SIMULINK 模块的搭建 |
5.5.2 MFAC 模块封装 |
5.5.3 MFAC 控制器性能仿真测试 |
5.6 MFAC 算法的液压 APC 仿真模型 |
5.7 MFAC 液压伺服动态仿真测试 |
5.7.1 MFAC APC 控制器的精度特性 |
5.7.2 响应速度特性 |
5.7.3 MFAC APC 变模型的鲁棒性 |
5.8 本章小结 |
结论 |
参考文献 |
在学研究成果 |
致谢 |
(10)钛合金棒材连轧过程的智能优化控制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
第一章 绪论 |
1.1 课题研究的背景和意义 |
1.2 连轧轧制理论与棒材连轧技术发展概述 |
1.2.1 轧制理论发展概述 |
1.2.2 棒材连轧的发展状况 |
1.2.3 棒材轧制技术的特点 |
1.2.4 钛合金棒材生产现状 |
1.2.5 钛合金棒材轧制方式 |
1.3 智能优化控制在轧制领域的应用研究综述 |
1.3.1 国内研究综述 |
1.3.2 国外研究综述 |
1.4 本文的主要研究内容和创新 |
1.4.1 本文研究内容 |
1.4.2 本文的创新 |
1.5 本章小结 |
第二章 钛合金棒材连轧系统组成及轧制过程建模研究 |
2.1 钛合金棒材连轧系统组成 |
2.1.1 钛合金棒材连轧系统各组成部分简述 |
2.1.2 总体结构框图 |
2.2 直流电动机模型研究 |
2.2.1 它励直流电动机的机械特性 |
2.2.2 直流电动机的数学模型 |
2.3 轧制过程模型研究 |
2.3.1 前滑和后滑模型 |
2.3.2 连轧张力模型 |
2.3.3 轧制力模型 |
2.3.4 变形抗力模型 |
2.3.5 轧制力矩模型 |
2.3.6 温度计算模型 |
2.4 小结 |
第三章 基于NMPSO算法优化速度PID的粗轧机控制及补偿研究 |
3.1 钛合金棒材轧机速度控制方案 |
3.2 粗轧机速度控制模型与负载扰动仿真 |
3.3 PID算法 |
3.3.1 PID控制的基本形式及数字化 |
3.3.2 PID控制算法实现方式比较 |
3.4 基于NMPSO算法的粗轧机速度PID控制 |
3.4.1 基本粒子群算法 |
3.4.2 标准粒子群算法 |
3.4.3 标准粒子群算法的流程 |
3.4.4 标准粒子群算法的参数 |
3.4.5 随机粒子群算法(SPSO) |
3.4.6 非均匀动态变异粒子群算法 |
3.4.7 非均匀动态变异粒子群算法测试 |
3.4.8 基于NMPSO算法的速度PID控制 |
3.5 基于轧件咬入时的速度补偿方法 |
3.6 小结 |
第四章 基于ISTPSO优化模糊算法的中精轧机组张力控制 |
4.1 张力控制问题的提出 |
4.2 连轧过程中有关张力的几个关键问题 |
4.2.1 张力的作用 |
4.2.2 连轧过程中影响张力的因素 |
4.2.3 机架间张力仿真研究 |
4.2.4 张力模糊优化算法的提出 |
4.3 中轧机及精轧机张力模糊PID控制器设计及仿真实验 |
4.3.1 模糊控制概述 |
4.3.2 模糊控制的基本原理 |
4.3.3 张力模糊PID控制器设计 |
4.4 基于ISTPSO优化的中轧机张力模糊PID控制器 |
4.4.1 改进的自协调粒子群(ISTPSO)算法 |
4.4.2 基于ISTPSO优化模糊控制器的量化因子与比例因子算法仿真实现 |
4.5 基于ISTPSO优化模糊控制器参数的多机架张力控制的实现 |
4.5.1 多机架微张力控制方法及程序流程图 |
4.5.2 机架间张力软测量 |
4.5.3 中精轧机组各机架结合张力与补偿的速度给定方法 |
4.5.4 基于ISTPSO优化多机架张力模糊控制器的实验验证 |
4.6 小结 |
第五章 基于ACPSO优化SVR的棒材连轧轧制力预测研究 |
5.1 引言 |
5.2 连轧过程中影响轧制力的几个因素 |
5.3 ACPSO优化SVR的轧制力预测算法的提出 |
5.4 支持向量机算法及支持向量回归算法 |
5.5 基于改进粒子群优化的SVR预测模型 |
5.5.1 加速收敛的粒子群算法 |
5.5.2 基于ACPSO算法的SVR预测模型 |
5.6 钛合金棒材连轧预测实例及结果分析 |
5.6.1 样本数据选择及处理 |
5.6.2 预测结果与分析 |
5.7 小结 |
第六章 轧制过程故障诊断方法研究 |
6.1 引言 |
6.2 轧制过程数据降噪预处理方法研究 |
6.2.1 提升小波的基本原理 |
6.2.2 基于提升小波轧制数据实时降噪方法 |
6.3 基于LW-RLSSVM轧制过程故障诊断方法 |
6.3.1 最小二乘支持向量机(LSSVM) |
6.3.2 递推最小二乘支持向量机 |
6.3.3 LW-RLSSVM实时故障诊断方法 |
6.3.4 实验研究 |
6.4 基于LW-PNN轧制过程故障诊断方法 |
6.4.1 概率神经网络(PNN) |
6.4.2 LW-PNN故障诊断方法 |
6.4.3 实验研究 |
6.5 小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 未来研究展望 |
致谢 |
参考文献 |
攻读博士期间发表的论文 |
攻读博士学位期间参加的科研项目 |
四、棒材连轧活套高度数学模型(论文参考文献)
- [1]模块化轧机控制系统在高速棒材生产线中的应用[J]. 刘东,吉年丰. 冶金自动化, 2020(06)
- [2]棒线材连轧中的张力控制简析[J]. 张燕青. 冶金管理, 2019(09)
- [3]轧制过程中先进控制理论与应用研究[D]. 高玉峰. 北京科技大学, 2019(07)
- [4]热连轧机液压AGC-活套控制系统的设计与仿真[D]. 鲁凌云. 武汉科技大学, 2018(10)
- [5]热连轧活套系统的自抗扰控制[J]. 王丽君,余苗,李擎,尹怡欣. 控制理论与应用, 2018(03)
- [6]棒线材连轧中的张力控制[J]. 李杰,刘毅,张艳春. 山西冶金, 2017(04)
- [7]钢管斜连轧装备的智能控制与试验研究[D]. 王清华. 太原科技大学, 2017(12)
- [8]活套起套动作的仿真分析及改进[J]. 吴大江. 现代机械, 2014(05)
- [9]特钢棒材轧制的AGC控制系统的研究[D]. 冯小东. 内蒙古科技大学, 2013(06)
- [10]钛合金棒材连轧过程的智能优化控制方法研究[D]. 吴东升. 长春理工大学, 2013(07)