基于模糊聚类的PSO-神经网络预测热连轧粗轧宽度

为了提高热连轧粗轧宽度的控制精度,以攀钢热轧板厂实测数据为基础,采用粒子群优化算法训练神经网络并将其用于热连轧粗轧宽度预报,通过模糊聚类分析方法进行数据分析,科学选取学习样本,解决了由于样本多、学习速度慢的问题.实测数据运算表明,这种方法可避免神经网络陷入局部极小,带钢粗轧宽度的预报精度控制在6 mm以内,并且训练速度也有很大程度的改善,神经网络结构也得到优化,具有很大的应用潜力.     

基于粗糙集的关联规则数据挖掘在层流冷却中的应用

卷取温度过程控制主要是通过传统数学模型进行描述,而层流冷却过程是一个非常复杂的非线性过程,尤其是对于低温卷取的温度控制,难以用数学模型精确表达.以攀钢热轧板厂层流冷却系统实测数据为基础建立采样数据的决策表,运用粗糙集理论将采样信息表进行模糊语言化,依据适合实际应用的语言数据关联规则支持度和可信度,通过属性约简,剔除冗余规则,挖掘出隐含的关联规则,通过动态的模糊模型的建立,优化传统层流冷却数学模型.实测数据运算表明,该方法可以将原模型的卷取温度控制精度提高1%~2%,具有很好的应用前景.     

热轧全流程带钢温度场数值模拟

为精确预测轧件的温度场、优化轧制工艺和提高最终产品的质量水平,通过对钢坯的加热和轧件轧制过程传热关系的分析,采用有限差分法建立了热轧全流程各环节轧件三维温度场的数值计算模型。结合钢厂实际生产条件,利用该模型模拟了各环节轧件的温度场,并与实测结果进行了比较,验证了计算结果的准确性。研究表明,轧制速度和终轧厚度对轧件温度影响较大,压下率和轧辊温度对轧件温度有一定的影响,其他工艺因素的影响较小。     

大型热连轧自动化系统总体设计

大型热连轧自动化系统是典型的大型复杂系统。该文阐述系统总体设计的原则、系统结构和配置。采用分区隔离、多层子网和主干网相结合,通用以太网与专用快速数据交换网相结合和大量使用现场总线I/O的结构,提高了系统的可靠性和开放性。该文提出的设计思想和设计方法已在多条热连轧生产线上投入使用,取得了成功,获得巨大经济效益和社会效益。系统结构创新是该文的突出之处。