一、中厚板轧制过程温度计算的二次曲线建模法（论文文献综述）
易成新[1]（2021）在《基于机器学习的热连轧板坯粗轧过程建模研究》文中研究表明目前,热连轧是主要的带钢生产方式,而粗轧是其中的关键环节。粗轧过程中,板坯的轧制过程涉及到了很多的过程控制参数,这些过程参数都会直接或间接影响所生产带钢的产品质量及轧制稳定性。其中,有两个参数对带钢质量起着至关重要的作用,分别是板坯粗轧出口温度和板坯翘扣头。板坯粗轧出口温度对后续的精轧、层冷等工序有重要作用,直接影响着带钢的力学性能、产品厚度指标及轧制稳定性;翘扣头是板坯经过粗轧机架轧制后头部发生不对称变形导致的上翘或下扣,严重影响带钢生产工况和带钢质量。因此,建立精确的板坯粗轧出口温度预测模型和翘扣头预测模型就极为重要。本文基于钢厂实际生产过程数据,分别建立了基于随机森林-长短期记忆神经网络（RF-LSTM）的板坯粗轧出口温度预测模型和基于stacking集成学习的热连轧板坯翘扣头预测模型。针对热连轧过程数据维度过高、难以准确预测板坯温度的问题,提出一种基于RF-LSTM的板坯粗轧出口温度预测模型。首先,采用改进随机森林算法对特征变量进行选择,通过分析板坯粗轧出口温度预测结果的变化衡量各特征变量的贡献度,挑选具有较大贡献的特征变量;其次,针对热连轧生产过程数据具有时间序列特性的特点,采用LSTM预测板坯粗轧出口温度。实验验证结果表明:特征选择前后钢坯的温度预测平均绝对误差、均方根误差分别下降了0.21℃、0.25℃,预测相对误差在±3.0%以内的精度达到了99.07%。针对热连轧粗轧板坯轧制过程中轧件头部弯曲问题,提出一种基于stacking集成学习的翘扣头预测模型,预报粗轧过程中板坯头部的翘曲程度。首先,对建模数据进行预处理,包括异常值和缺失值的处理、人工组合部分特征以弥补特征不足、利用皮尔森相关系数和最大信息系数结合人工经验进行特征筛选,以提高建模数据质量。其次,利用stacking集成学习方法对自适应增强学习Ada Boost、随机森林RF、梯度提升树GBDT、极端提升树XGBoost以及支持向量机回归SVR等五种机器学习算法进行集成,构建更高层次的翘扣头预测模型,并且给出了模型参数寻优的具体思路。通过实验验证和对比分析,相对于单个机器学习算法构建的翘扣头预测模型,吸收了各个算法优势的stacking集成学习模型的预测精度有了明显的提升,对比单个算法构建的翘扣头预测模型中精度最高的GBDT模型,板坯的翘扣头预测平均绝对误差、均方根误差分别下降了0.0358cm、0.0762cm,绝对误差绝对值在±2cm以内的样本在测试集的比例提升了1.81%,达到了88.50%。充分证明了所提出的基于stacking集成学习的翘扣头预测模型的有效性。
胡贤磊,赵忠,丁敬国[2]（2015）在《中厚板轧制过程的头尾温度差变化规律》文中认为针对中厚板轧制过程头尾部分温度差的变化规律进行分析,基于可逆轧制特点,计算不同道次头尾轧制时间和间隙时间的变化特点,重点研究厚度对头尾温度差的影响,得知,对于薄规格钢板,连续轧制过程钢板的累计头尾温差一般不超过7℃,对于30mm以上厚规格钢板累计头尾温度差不超过3℃。这个数值对轧制力设定和TMCP工艺的制定影响较小,不需要特殊进行考虑。同时转钢操作和待温处理不会恶化钢板头尾温度差异。
李振垒[3]（2014）在《基于超快速冷却的热轧带钢轧后冷却控制系统与策略研究》文中进行了进一步梳理在社会倡导“绿色制造与制造绿色”的大背景下,以超快速冷却技术为核心的新一代TMCP技术应用到热轧板带钢生产中,可实现以减量化的成分设计生产性能优良的钢铁产品,实现节省资源和能源、降低生产成本、挖掘钢材潜力,形成系统完整的绿色制造工艺。本文以国家“十二五”科技支撑计划中“钢铁行业绿色生产工艺技术与应用示范”项目子课题“热轧板带钢新一代TMCP装备及工艺技术开发与应用”为背景,围绕钢铁产业关键共性技术“新一代TMCP工艺技术”,通过开发基于超快速冷却的热轧带钢轧后冷却控制系统,旨在加快突破钢铁产业核心关键技术。本文对基于超快速冷却的多目标温度计算模型、多目标温度的解耦控制策略、提高多目标温度控制精度策略、冷却介质高精度控制策略和升速轧制下温度高精度控制策略进行了系统研究,在此基础上,开发了具有自主知识产权的“基于超快速冷却的热轧带钢轧后冷却控制系统”并应用于现场生产,取得了良好效果。（1）针对新增轧后超快冷的实际冷却工艺需求,建立了轧后多目标冷却控制系统。针对现场应用过程需求,对超快速冷却系统与层流冷却系统无缝衔接做了相关研究,提出超快冷柔性化控制模式；基于柔性化冷却模式对系统的要求,对多级控制系统结构特点的研究,优化设计了系统控制功能时序,实现了系统各功能之间合理分工协作。（2）针对超快速冷却过程特点,推导了基于超快冷的轧后冷却多目标温度控制模型,创建了水冷换热系数自适应模型。首先,通过对轧后冷却换热过程的分析,推导了轧后冷却温度计算模型；其次,通过对影响水冷换热效率因素的研究,回归获取了超快速冷却段水冷换热系数模型以及层流冷却段水冷换热系数模型；之后,针对复杂的水冷换热过程,以消除温度计算偏差、提高系统自适应能力为宗旨,建立了水冷换热系数自适应模型,提高了水冷温度计算的稳定性、计算过程的收敛性以及轧后冷却多目标温度计算模型的准确性。（3）采用专家系统PID与Fuzzy-PID控制策略,对冷却介质压力与流量进行解耦控制,该系统具有响应速度快、抗干扰能力强和稳定性好等特点。为了实现供水系统稳定性控制,提出轧线控制系统与泵站供水系统解耦控制策略；针对高压模式与低压模式冷却介质压力变化特性,采用专家系统调节PID控制参数的控制策略,实现了冷却介质压力的精度控制；针对不同类型冷却集管的流量变化特征,采用PID参数模糊自整定控制策略,实现各类型冷却集管流量的精度控制；针对冷却介质压力与流量的强耦合关系,采用冷却介质压力与流量解耦控制策略。在实际应用过程中解决了高压水控制过程中压力与流量、轧线水系统与泵站水系统强耦合的问题。（4）通过对轧后冷却不同位置工艺温度控制特征的研究,开发了超快冷条件下多目标温度高精度控制策略。针对控制过程中UFCT与CT之间控制特点及工艺需求,开发了UFCT与CT解耦控制策略、多元计算策略；为实现UFCT精确控制,开发了卷内自学习控制策略；针对超快冷冷却速率高的特点,依据现场生产数据,对典型厚度规格的带钢在超快速冷却过程厚度方向的温度分布进行了研究；为消除超快速冷却过程对CT精度控制的影响,开发温度计算补偿策略；针对反馈控制滞后的问题,设计了带滞后补偿的温度PID反馈控制策略；通过对带钢长度方向多目标温度均匀性控制的研究,在带钢长度方向采用5点自学习策略、UFCT与CT自学习控制策略独立并存方案。系统实现了多目标温度的精确控制,提高了带钢长度方向温度均匀性、增强了系统自适应能力及系统运行稳定性。（5）针对热轧带钢轧制过程速度变化不规则的特点,开发了带钢及样本TVD曲线的计算算法及在线循环修正策略,消除了速度波动对温度控制的影响。研究了带钢速度变化对带钢表面换热系数和带钢运行时间的影响；在研究不同长度的带钢在轧后冷却区运行过程中TVD曲线特征的基础上,提出了带钢整体TVD曲线运行制度算法、Sk段速度运行制度算法和样本速度计算策略；针对带钢运行速度不规则变化特征,提出带钢速度在线循环修正策略；上述速度运行制度算法、计算策略及修正策略实现了带钢样本在各微元冷却区运行历程的精确计算,并消除了速度波动对温度计算的影响。（6）所建立的轧后冷却多目标控制系统,已应用于现场生产,实现了轧后冷却UFCT与CT的高精度控制；在此基础上开发的低合金普碳钢与低合金管线钢,很好的实现了主要合金元素的减量化生产,且在大批量生产过程中,系统运行稳定,控制效果良好。为企业提质增效与降本增效做出了突出贡献,为企业创造了良好的经济效益。
王艳芬[4]（2013）在《厚板板型生产自动控制系统的优化和实现技术研究》文中研究表明本论文通过研究分析国内外宽厚板控制技术的发展状况，结合我国某钢铁厂新建成的4300mm宽厚板生产线，详细分析了宽厚板轧机自动控制系统软硬件平台。通过对平面板型控制模型的剖析和对宽厚板轧机轧制规程系统的研究，结合温度控制模型，提出并实现了过程自动化中预计算、后计算和自适应的优化措施，同时结合实际应用创新提出并实现了基础自动化中轧机冷却水系统及物料跟踪系统的优化。本论文主要完成的工作如下：（1）论文对所涉及4300mm宽厚板生产线控制系统进行全面分析，主要内容包括：生产线工艺介绍、轧机设备概述、自动化控制系统架构以及二级模型控制系统架构。（2）在过程自动化方面，详细研究了轧制力模型和温度控制模型，汇集整理了相关技术、数据基础。阐述了厚板轧制规程系统的实现过程，提出并实现了对平面板型控制模型中预计算、后计算以及自适应等方面的优化，提高了厚板轧制规程设定的准确性。在基础自动化方面，首先阐述了温度控制系统的实现过程，然后阐述了三大优化措施的实现过程。（3）在基础自动化方面，为了提高温度控制模型的控制效率，提出并实施了连续分段函数曲线流量控制技术。利用预先获得的液体泵电机的转速与泵送实际液体流量的对应关系来确定电机转速，最终形成连续分段函数曲线流量控制技术。连续分段函数控制技术在冷却水系统中的应用，与国内外传统PID控制和查表前馈控制方法相比，控制精度高、响应速度快、稳定性好。（4）在基础自动化方面，提出并实施了自动变行程摆动物料跟踪技术。采用累加算法，开发自动变行程技术，改变热板坯下表面与辊道热传导点的分布，最终得到均匀的下表面温度。（5）在基础自动化方面，提出并实施了模糊定位技术，优化物料微跟踪及提高批次轧制效率。针对影响批轧跟踪精度的接坯、分坯关键点，使用模糊定位技术，配合微跟踪修正技术，提高批次轧制数量和跟踪精度。通过对轧制实绩的分析，优化措施实施后，钢板的同板差与异板差明显减小，成材率有效提高。平均合格率提高0.545%。达到了预期基本目标。本论文在研究轧制规程系统方面，仅是从温度控制模型方面对轧制规程系统进行了深入研究分析。由于轧制规程的制定是一个受多种因素影响的过程，就目前的国内外研究现状来分析，优化措施实施后，仍然存在厚度控制问题。期望在今后的轧制厚度控制研究工作中，对影响轧制规程系统的各种因素，能够更系统、更有针对性地进行综合性研究分析，以提高对于宽厚板轧机轧制的可控性和控制精度。
田鹏[5]（2012）在《新一代中厚板轧后冷却系统开发与应用》文中进行了进一步梳理控制冷却是提高中厚板产品性能和附加值的重要手段,它能简化生产工艺并提高生产效率,节约能源及昂贵合金元素,并有很大的经济效益。本文以某新建中厚板厂控制冷却系统为课题背景,针对控制冷却系统的难点,进行了一系列的研究与开发。在学习和总结国内外控制冷却技术相关理论的基础上,对新一代中厚板冷却系统的特点设备组成及特点进行了简要介绍,重点对中厚板冷却控制策略的过程控制进行了研究。结合现场实际对所采用的自动化控制系统进行了必要的改进和优化,实现了新一代超快速冷却设备和原层流冷却设备联动控制的无缝连接。保证了该过程控制系统具有较好的计算稳定性及较高的计算精度,可满足生产需要。冷却结果表明,本文所研究的超快速冷却控制系统应用效果良好,在此基础上实现了该超快速冷却和层流冷却控制系统的全自动控制,并具有较高的控制精度；该冷却系统改善了产品的综合力学性能,为提高产品的质量做出了积极贡献。
张晶旭[6]（2012）在《热带钢精轧机组预设定模型的自学习研究》文中研究说明提高热带钢轧制过程中的模型预报精度，一直是热连轧自动控制技术不断追求的目标。虽然采用改进数学模型本身结构和优化模型系数的方法能够在一定程度上提高模型的精度，但是由于实际工况的多变性，模型精度提高程度十分有限。因此本文采用模型的自学习方法，根据现场实际轧制状况，对数学模型进行实时、在线的修正，以跟踪实时变化的轧制状态，提高模型的在线控制精度。本文在查阅了大量资料的前提下，总结了近几年国内外模型自学习功能的研究进展和发展趋势，根据模型自学习的研究现状，对热带钢精轧模型的自学习功能做了进一步的研究。根据某厂1780mm热连轧精轧模型自学习功能所存在的问题，本文将精轧模型自学习分为长期自学习和短期自学习两方面进行研究。短期自学习的研究重点是指数平滑法中平滑系数模型的改进，提出了一种多变量控制的平滑系数模型，经过自学习仿真计算，证明了改进模型的合理性，改进效果明显优于以往单变量控制平滑系数模型。在长期自学习方面，主要研究了长期自学习的启动条件，以及换层别后首块钢学习系数的选取策略。首先，在长期自学习启动条件中加入了规格变化程度的判定条件，在保证预报精度的前提下，有效减少了长期自学习启动次数，保证了自学习的连续性。其次，在原自学习模型中加入了趋势学习系数，在一定程度上修正了长期自学习系数中所包含的设备状态信息，提高了长期未轧制层别的轧制力预报精度。最后，改进了从未轧制过层别初始自学习系数的选取策略，通过对已轧层别中相似层别学习系数的学习，有效提高了从未轧制的层别的轧制力预报精度。
关健[7]（2011）在《中厚板轧制程轧件温度场模型建立与研究》文中研究指明中厚板生产是钢板的热加工过程,加热、轧制、冷却、剪切等生产工序均是在特定的温度范围内进行的,随着生产的进行,钢板的温度场在不断变化中,与之对应的是,钢板的内在组织结构和应力状态也在不断演变中。钢板温度场的精确预测和控制,不仅是实现产品尺寸高精度控制的基础,更为重要的,是实现钢板组织演变、综合性能预测和控制的保证。本文以国内某中厚板生产线自动化控制系统改造项目为背景,对轧制过程中轧件温度场模型进行深入研究,充分考虑轧制过程各项因素对轧件温度场产生的影响,建立轧制各阶段的换热系数计算模型,采用绝对收敛的隐式差分法进行求解。选取该厂轧制日志中记录的数据进行计算,对比计算结果与实测表面温度,缩小模型计算值与实测温度间的偏差。研究主要内容如下：（1）基于传热学基本原理,建立中厚板轧制过程轧件温度场模型。分析轧制过程中热量传递的三种方式,根据中厚板特点提出适合中厚板温度场计算的一维导热微分方程,对轧件进行空间和时间上的离散并构建其差分格式,推导隐式差分法求解温度场的轧件表面和内部节点计算公式。（2）轧制各阶段换热系数的确定与调优。分别计算空冷、除鳞和轧制阶段的换热系数,打破以往对轧件温度分布以厚度中心线对称的假设,空冷阶段分别考虑轧件与空气对流和与辊道接触对计算上下表面换热系数的影响,并根据不同氧化铁皮厚度对换热系数进行修正；计算除鳞阶段由于冷却液逆向流动造成的钢板头尾温差；轧制阶段同时考虑轧件与轧辊接触和塑性变形造成的温度变化。（3）轧制过程轧件温度场实时计算系统开发。在VC++6.0环境下采用基于对话框的MFC进行编程,该系统可以作为独立进程进行计算,该系统具有良好人机交互界面,实时显示轧制各阶段的轧件心部、表面和平均温度。（4）离线程序仿真现场计算。采用本文中编写的温度场实时计算系统调用该中板厂轧制日志中轧制数据离线计算轧制各阶段轧件温度场,分别对比本文计算值和原模型计算值与实测表面温度之间的偏差得出本文模型计算精度优于该厂原有温度计算模型,说明该系统具有现场实际应用的可行性。
卢建军[8]（2010）在《天钢中厚板二级控制轧制模型的研究与优化》文中指出钢铁工业是国民经济的支柱产业,中厚板是钢铁工业的主要产品,更是国民经济发展所必须的重要材料,主要用于建筑工程、机械制造、容器制造、造船、桥梁建造等。中厚板轧机是轧钢生产中的主力轧机之一,其生产力水平代表了一个国家轧钢工业的发展水平。目前我国中厚板轧机控制技术与国外相比尚有一定的差距,这就要求我们深入研究和充分利用现有的技术和设备,进行优化改造,最大限度的提升中厚板产品的常量和质量。本论文第1章首先介绍了中厚板轧机的发展趋势和轧机控制技术的发展现状,给出论文研究的背景情况。第2章主要对天津钢铁集团有限公司中厚板厂过程控制模型进行了深入的分析。第3章以天津钢铁集团有限公司中厚板厂目前的轧机控制系统为基础,对正在应用的中厚板过程控制系统模型进行了详尽的分析,包括粗轧和精轧过程中的轧件的热膨胀模型、高压水除磷模型、自然宽度延展模型、轧件的速度模型、温度模型和轧制力模型。第4章在第3章中的模型分析的基础上,对粗轧机和精轧机的各个模型进行了优化。优化控制模型后取得了很好的效果,提高了产品的产量和质量,取得了良好的经济效益。
陈小林[9]（2010）在《新一代中厚板轧后冷却计算机控制系统研究与应用》文中认为控制轧制和控制冷却技术是20世纪冶金工业最伟大的科技进步成果之一,现已成为国内外中厚钢板生产的主导工艺。中厚板轧后控制冷却可显着改善钢材的综合性能,实现钢板的细晶强化、相变强化和析出强化。与常规的层流冷却技术相比,新一代中厚板轧后超快速冷却技术具有超常快速冷却能力,可显着提高产品的强度等级和改善其综合性能。国内某中厚板厂的层流冷却控制系统由德国西马克公司设计和制造,但是其冷却速度不能达到新钢种的工艺要求,迫切需要投产新的冷却能力更强的冷却设备。本文依托该厂的ACC层流冷却系统改造项目,结合新一代TMCP技术—轧后进行超快速冷却,设计了轧后超快速冷却系统并投入了在线应用。在查阅国内外相关文献的基础上,本文从课题的研究背景入手,对中厚板轧后冷却计算机控制系统的发展历程进行了综述,一并介绍了控制冷却技术、控制冷却设备的演变趋势以及新一代TMCP工艺的基本原理。本文的主要工作和结论如下：（1）解析某厂现有的层流冷却控制系统,打破外方“二级自动模型的黑箱屏蔽”,消化和吸收该系统的架构、通讯流程以及各功能模块,为实现与新添超快冷控制系统的有机结合找到接口；（2）针对某厂新增的超快速冷却设备,设计了其计算机控制系统。该系统由零级自动化系统、基础自动化系统和过程自动化系统组成。该系统实现了对新增超快速冷却设备的独立控制功能,并保持了原ACC系统的独立性和完整性；（3）针对所设计的计算机控制系统,对该系统的数据流进行了剖分并采用Socket进行通讯。该通讯模块不仅实现了与原ACC系统以及西门子轧机二级系统的兼容,而且采用共享内存存储数据,提高了数据传递的效率；（4）针对所设计的计算机控制系统,对各子系统的功能进行了设计。为了确保钢板纵向温度的均匀性,建立了在线辊道速度优化模型,实现了变加速度控制。该策略成功应用于层流冷却系统；（5）在线应用表明,所设计的中厚板轧后超快速冷却计算机系统可实时跟踪并响应超快冷过程中的任何事件,控制效果良好。
李伟[10]（2010）在《300四辊轧机液压压下系统神经网络控制仿真研究》文中研究说明随着国民经济的高速发展,科学技术的不断进步,汽车、机械制造、电器和电子行业等对板带钢的质量提出了更高的要求。而厚度是板带材最重要的质量指标之一,厚度自动控制AGC（Automatic Gauge Control）是现代化板带钢生产中不可缺少的重要的组成部分。在现代轧钢生产中,液压压下系统早已取代了早期的机械压下和电动压下。液压压下装置的位置闭环控制系统再加上各种控制环节,构成了液压AGC系统。液压AGC系统是一个多变量、强耦合、非线性的实时控制系统,常规的PID控制需要建立被控对象精确的数学模型,难以处理复杂的非线性控制系统,智能控制技术在轧制领域的引入有效的解决了这类问题,产生了良好的控制效果。本文首先系统阐述了板带厚度控制的基本原理和基本方法。根据具体液压AGC系统,综合考虑了伺服阀负载流量的非线性和不对称性,轧机负载的质量分布体系等,建立了液压AGC位置伺服控制系统的动态模型。然后利用AMESim软件中特有的根据物理结构建模的基本元素建模法,用该建模方法建立了液压AGC电液位置控制系统完整仿真模型。并分析伺服阀、液压油缸、油液体积弹性模量等液压关键元件或参数对液压AGC系统的动态特性的影响。最后结合MATLAB软件强大数据处理功能,为了获得最佳的系统性能,建立AMESim/Simulink联合仿真模型,设计BP神经网络PID控制器,并针对BP算法在应用时易陷入局部极小点,学习时间长的问题设计模糊RBF神经网络PID控制器。以燕山大学300四辊实验轧机液压AGC系统为仿真对象,通过与常规PID控制结果与BP神经网络PID控制结果相比,得出模糊RBF神经网络PID控制器具有更佳的控制效果的结论。
二、中厚板轧制过程温度计算的二次曲线建模法（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、中厚板轧制过程温度计算的二次曲线建模法（论文提纲范文）
（1）基于机器学习的热连轧板坯粗轧过程建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 温度预测研究现状 |
| 1.2.2 翘扣头研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构 |
| 第2章 机器学习算法介绍 |
| 2.1 集成学习概述 |
| 2.1.1 集成学习基本思想 |
| 2.1.2 集成学习之boosting |
| 2.1.3 集成学习之bagging |
| 2.1.4 集成学习之结合策略 |
| 2.2 随机森林算法原理 |
| 2.3 自适应增强学习Ada Boost算法原理 |
| 2.4 梯度提升树GBDT算法原理 |
| 2.5 极端梯度提升XGBoost算法原理 |
| 2.6 支持向量机算法原理 |
| 2.6.1 支持向量分类机 |
| 2.6.2 支持向量回归机 |
| 2.6.3 核函数 |
| 2.7 本章小结 |
| 第3章 基于RF_LSTM的板坯粗轧出口温度预报 |
| 3.1 基于误差加权的改进随机森林算法 |
| 3.2 长短期记忆神经网络 |
| 3.3 RF-LSTM温度预测模型 |
| 3.3.1 数据样本获取 |
| 3.3.2 数据归一化及数据集划分 |
| 3.3.3 RF-LSTM模型算法流程 |
| 3.4 数据建模实验及结果分析 |
| 3.4.1 历史粗轧机架出口温度变量的确定 |
| 3.4.2 改进随机森林算法筛选变量 |
| 3.4.3 LSTM网络结构优化 |
| 3.4.4 RF_LSTM模型预测结果及分析 |
| 3.5 本章小结 |
| 第4章 基于stacking集成学习的粗轧板坯翘扣头预测 |
| 4.1 数据预处理 |
| 4.1.1 数据清洗 |
| 4.1.2 特征构建 |
| 4.1.3 特征选择 |
| 4.1.4 数据归一化及数据集划分 |
| 4.1.5 模型度量 |
| 4.2 基于stacking集成学习的粗轧板坯翘扣头预测 |
| 4.2.1 stacking集成学习方法 |
| 4.2.2 基于stacking集成学习的翘扣头预测模型 |
| 4.3 预测实验及结果分析 |
| 4.3.1 基模型的训练及参数优化 |
| 4.3.2 元学习器的选择与训练 |
| 4.3.3 stacking集成模型预测结果及分析 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 总结 |
| 5.2 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 |
（2）中厚板轧制过程的头尾温度差变化规律（论文提纲范文）
| 1 轧制时间和间隙时间的分析 |
| 2 钢板头尾温度差影响因素分析 |
| 2.1 厚度的影响 |
| 2.2 转钢的影响 |
| 2.3 控温工艺 |
| 3 结论 |
（3）基于超快速冷却的热轧带钢轧后冷却控制系统与策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.2 热轧带钢轧后冷却技术概述 |
| 1.2.1 轧后冷却装备发展概况 |
| 1.2.2 轧后冷却模型研究综述 |
| 1.3 技术开发难点 |
| 1.3.1 基于超快冷的多目标温度计算模型 |
| 1.3.2 冷却介质高精度控制 |
| 1.3.3 多目标精度控制 |
| 1.3.4 速度时变性对温度控制影响 |
| 1.4 本文主要研究内容 |
| 第2章 基于超快冷的轧后控制冷却系统 |
| 2.1 基于超快冷的轧后冷却工艺 |
| 2.2 超快冷与层流冷却无缝衔接技术研究 |
| 2.2.1 系统衔接方式 |
| 2.2.2 柔性化冷却模式 |
| 2.3 多目标控制系统结构 |
| 2.3.1 多级控制系统 |
| 2.3.2 控制时序流程 |
| 2.4 系统控制功能 |
| 2.4.1 数据管理 |
| 2.4.2 物料跟踪管理 |
| 2.4.3 模型设定计算 |
| 2.4.4 速度在线循环修正计算 |
| 2.4.5 温度反馈计算 |
| 2.4.6 自学习计算 |
| 2.4.7 冷却介质的精度控制 |
| 2.4.8 系统监控与维护 |
| 2.5 本章小结 |
| 第3章 高精度轧后冷却数学模型的建立 |
| 3.1 轧后冷却温度计算模型的建立 |
| 3.1.1 轧后冷却换热过程分析 |
| 3.1.2 空冷温度计算模型 |
| 3.1.3 水冷温度计算模型 |
| 3.2 轧后冷却换热系数模型的建立 |
| 3.2.1 空冷换热系数模型 |
| 3.2.2 水冷换热系数模型 |
| 3.3 换热系数自适应模型的研究 |
| 3.3.1 换热系数自适应 |
| 3.3.2 换热系数自适应模型的建立 |
| 3.3.3 换热系数自适应的优化处理 |
| 3.4 本章小结 |
| 第4章 冷却介质高精度控制策略研究 |
| 4.1 水系统稳定性研究 |
| 4.1.1 供水系统稳定性 |
| 4.1.2 轧线系统与泵站供水系统解耦控制 |
| 4.2 冷却介质压力的精度控制策略研究 |
| 4.2.1 压力的专家PID控制策略 |
| 4.2.2 组合控制策略研究 |
| 4.3 冷却介质流量的精度控制策略 |
| 4.3.1 冷却集管流量特性研究 |
| 4.3.2 冷却介质流量的PID控制算法 |
| 4.3.3 PID参数的模糊自整定算法 |
| 4.4 冷却介质的解耦控制研究 |
| 4.5 本章小结 |
| 第5章 超快冷条件下多目标温度控制策略 |
| 5.1 UFCT与CT解耦控制策略研究 |
| 5.2 超快冷温度精度控制研究 |
| 5.2.1 多元化计算策略 |
| 5.2.2 超快冷温度精度控制策略 |
| 5.2.3 超快速冷却过程温度分析 |
| 5.3 卷取温度精度控制研究 |
| 5.3.1 温度计算补偿策略 |
| 5.3.2 温度的PID反馈控制算法 |
| 5.3.3 具有滞后补偿的反馈控制研究 |
| 5.4 多目标温度自学习控制策略研究 |
| 5.4.1 长度方向均匀性控制策略 |
| 5.4.2 自学习控制策略的实现 |
| 5.5 本章小结 |
| 第6章 升速轧制下温度高精度控制策略研究 |
| 6.1 速度变化对轧后冷却温度影响 |
| 6.1.1 速度变化对换热系数的影响 |
| 6.1.2 速度变化对冷却时间的影响 |
| 6.2 TVD曲线特征的研究 |
| 6.2.1 典型TVD曲线的计算 |
| 6.2.2 短坯TVD曲线特征 |
| 6.2.3 长坯TVD曲线特征 |
| 6.3 TVD曲线计算算法研究 |
| 6.3.1 TVD曲线计算算法 |
| 6.3.2 样本速度曲线计算策略 |
| 6.4 温度在线循环修正策略研究 |
| 6.4.1 在线循环修正策略研究 |
| 6.4.2 修正策略在线应用 |
| 6.5 本章小结 |
| 第7章 轧后多目标冷却控制系统工业应用 |
| 7.1 多目标冷却控制系统应用 |
| 7.2 冷却介质精度控制应用 |
| 7.2.1 冷却介质压力精度控制应用 |
| 7.2.2 冷却介质流量精度控制应用 |
| 7.3 样本速度计算的应用 |
| 7.4 灵活的控制策略 |
| 7.5 控制系统的在线应用 |
| 7.5.1 冷却工艺温度控制精度 |
| 7.5.2 低合金普碳钢应用 |
| 7.5.3 低合金管线钢应用 |
| 7.6 本章小结 |
| 第8章 结论 |
| 参考文献 |
| 攻读博士学位期间的工作 |
| 致谢 |
| 作者简介 |
（4）厚板板型生产自动控制系统的优化和实现技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 宽厚板生产技术发展综述 |
| 1.2 轧机控制技术发展综述 |
| 1.3 厚板轧制理论 |
| 1.3.1 轧制基础理论 |
| 1.3.2 控制轧制理论 |
| 1.4 论文的创新点 |
| 1.5 论文的结构 |
| 2 宽厚板生产线概况 |
| 2.1 生产线工艺概况 |
| 2.2 轧机设备概述 |
| 2.2.1 设备功能 |
| 2.2.2 设备工艺参数 |
| 2.3 自动化控制系统架构 |
| 2.3.1 基础自动化控制系统 |
| 2.3.2 过程自动化控制系统 |
| 2.3.3 过程机主要功能 |
| 2.3.4 生产管理控制系统 |
| 2.4 自动化控制系统技术特点 |
| 2.5 本章小结 |
| 3 平面板型控制模型 |
| 3.1 厚板轧机轧制力模型 |
| 3.1.1 模型参数 |
| 3.1.2 轧制力模型 |
| 3.2 轧制道次计算模型 |
| 3.2.1 水平变形延伸 |
| 3.2.2 立辊道次计算模型 |
| 3.3 温度控制模型 |
| 3.3.1 轧制中的热传递类型 |
| 3.3.2 控制轧制与道次制度 |
| 3.4 本章小结 |
| 4 轧制规程系统的研究与优化 |
| 4.1 轧制规程架构 |
| 4.1.1 轧制规程术语 |
| 4.1.2 轧制规程程序架构 |
| 4.1.3 轧制规程架构实现 |
| 4.2 预计算 |
| 4.2.1 划分轧制阶段 |
| 4.2.2 一个阶段的计算 |
| 4.2.3 预计算优化 |
| 4.3 道次后计算 |
| 4.3.1 厚度计算 |
| 4.3.2 自适应优化 |
| 4.4 道次设定优化 |
| 4.4.1 道次设定流程 |
| 4.4.2 阶段道次计算优化 |
| 4.4.3 道次设定结果 |
| 4.5 本章小结 |
| 5 轧机温度控制系统优化 |
| 5.1 温度控制系统软硬件平台 |
| 5.1.1 系统运行环境 |
| 5.1.2 操作功能 |
| 5.1.3 系统实现 |
| 5.2 轧机冷却供水系统优化 |
| 5.2.1 连续分段函数曲线流量控制 |
| 5.2.2 轧机冷却水模拟控制平台 |
| 5.3 钢板跟踪优化 |
| 5.3.1 模糊定位技术优化物料微跟踪 |
| 5.3.2 防黑印自动变行程摆动功能 |
| 5.4 效果分析 |
| 5.5 本章小结 |
| 6 总结和展望 |
| 6.1 研究工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间已发表或录用的学术论文 |
（5）新一代中厚板轧后冷却系统开发与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 前言 |
| 1.2 以超快速冷却为核心的新一代TMCP工艺 |
| 1.3 中厚板轧后冷却技术的发展 |
| 1.3.1 国外轧后冷却技术的发展 |
| 1.3.2 国内轧后冷却技术的发展 |
| 1.4 控制冷却设备的发展 |
| 1.5 轧后冷却系统的特点 |
| 1.6 轧后冷却自动控制系统的关键控制点 |
| 1.7 本文主要研究内容 |
| 第2章 新一代中厚板轧后冷却系统设计 |
| 2.1 轧后冷却系统设备组成及功能特点 |
| 2.1.1 缝隙喷嘴 |
| 2.1.2 三联喷嘴 |
| 2.1.3 高压水侧喷装置 |
| 2.1.4 空气吹扫装置 |
| 2.1.5 超快冷框架提升装置 |
| 2.2 轧后冷却自动化控制系统设计 |
| 2.2.1 轧后冷却自动化系统设计方案 |
| 2.2.2 基础自动化控制系统功能 |
| 2.2.3 过程自动化控制系统功能 |
| 2.2.4 轧后冷却系统的控制方式 |
| 2.3 本章小结 |
| 第3章 中厚板轧后冷却系统控制策略研究 |
| 3.1 水冷模型计算过程 |
| 3.1.1 预计算模型 |
| 3.1.2 在线计算模型 |
| 3.1.3 后计算模型 |
| 3.1.4 自适应模型 |
| 3.2 钢板冷却速度控制策略 |
| 3.2.1 调整集管排布组合方式 |
| 3.2.2 调节集管喷水流量 |
| 3.3 钢板终冷温度控制策略 |
| 3.3.1 钢板微跟踪控制策略 |
| 3.3.2 调整钢板运行速度 |
| 3.3.3 终冷温度自学习 |
| 3.4 钢板冷却均匀性控制策略 |
| 3.4.1 辊道微加速度控制策略 |
| 3.4.2 钢板头尾遮蔽技术 |
| 3.4.3 钢板软水封控制技术 |
| 3.5 超快冷和ACC联动冷却控制策略 |
| 3.5.1 超快冷和ACC联动水冷工艺要求 |
| 3.5.2 超快冷和ACC联动水冷技术方案 |
| 3.6 本章小结 |
| 第4章 新一代中厚板轧后冷却系统的应用 |
| 4.1 超快冷控制系统的调试过程 |
| 4.1.1 超快冷规程的设定 |
| 4.1.2 超快冷过程数据监控 |
| 4.2 超快冷控制系统的控制精度 |
| 4.2.1 终冷温度命中率 |
| 4.2.2 终冷温度均匀性 |
| 4.3 超快冷控制系统的现场应用效果 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 致谢 |
（6）热带钢精轧机组预设定模型的自学习研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 热带钢生产概述 |
| 1.1.1 热带钢生产技术的发展历程 |
| 1.1.2 我国热轧带钢生产技术 |
| 1.2 热带钢计算机控制系统 |
| 1.2.1 功能概述 |
| 1.2.2 精轧区控制功能 |
| 1.2.3 我国应用水平 |
| 1.3 模型自学习的研究现状 |
| 1.3.1 模型自学习概述 |
| 1.3.2 国外自学习研究现状 |
| 1.3.3 国内自学习研究现状 |
| 1.4 课题来源及主要工作 |
| 1.4.1 课题来源 |
| 1.4.2 研究内容 |
| 第2章 热带钢精轧数学模型和模型自学习 |
| 2.1 数学模型概述 |
| 2.2 热带钢精轧预设定数学模型 |
| 2.2.1 基本工艺参数 |
| 2.2.2 热带钢精轧机组轧制力模型 |
| 2.3 模型自学习理论 |
| 2.3.1 模型精度的影响因素 |
| 2.3.2 模型自学习功能 |
| 2.3.3 指数平滑法 |
| 2.4 精轧机组自学习模型 |
| 2.4.1 精轧区自学习基本流程 |
| 2.4.2 温度自学习模型 |
| 2.4.3 轧制力自学习模型 |
| 2.4.4 厚度计误差自学习模型 |
| 2.5 本章小结 |
| 第3章 热带钢精轧模型短期自学习研究 |
| 3.1 短期自学习功能 |
| 3.2 短期自学习算法改进 |
| 3.2.1 短期自学习存在的问题 |
| 3.2.2 短期自学习模型改进 |
| 3.3 模型效果验证 |
| 3.3.1 数据准备 |
| 3.3.2 编写短期自学习模型仿真程序 |
| 3.3.3 仿真结果分析 |
| 3.4 本章小结 |
| 第4章 热带钢精轧模型长期自学习研究 |
| 4.1 长期自学习功能概述 |
| 4.2 长期自学习系数的层别划分理论 |
| 4.2.1 层别文件的读取和保存 |
| 4.2.2 厚度的层别划分方法 |
| 4.2.3 层别划分的缺陷 |
| 4.3 长期自学习算法 |
| 4.3.1 长期自学习基本流程 |
| 4.3.2 长期自学习系数的初值确定 |
| 4.4 长期自学习算法改进 |
| 4.4.1 长期自学习的启动条件改进 |
| 4.4.2 长期自学习系数取值方法改进 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（7）中厚板轧制程轧件温度场模型建立与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景、目的和意义 |
| 1.2 中厚板生产的发展趋势 |
| 1.2.1 国内外中厚板轧机发展 |
| 1.2.2 中厚板轧制过程控制技术的发展 |
| 1.3 中厚板轧制过程温度计算的发展 |
| 1.3.1 国外轧制过程温度模型 |
| 1.3.2 国内轧制过程温度模型 |
| 1.4 温度场数值解计算方法 |
| 1.4.1 有限元法 |
| 1.4.2 有限差分法 |
| 1.5 本文的研究内容 |
| 第2章 中厚板轧制过程轧件温度场数学模型 |
| 2.1 传热学基本原理 |
| 2.1.1 辐射换热 |
| 2.1.2 对流换热 |
| 2.1.3 热传导 |
| 2.2 导热微分方程定解条件 |
| 2.3 有限差分法求解温度场 |
| 2.3.1 导热微分方程 |
| 2.3.2 区域离散化 |
| 2.3.3 构建差分格式 |
| 2.3.4 计算平均温度 |
| 2.4 模型中物性参数 |
| 2.5 模型中物性参数 |
| 2.5.1 比热 |
| 2.5.2 导热系数 |
| 2.6 本章小结 |
| 第3章 换热系数确定与调优 |
| 3.1 空冷阶段 |
| 3.1.1 热辐射 |
| 3.1.2 对流换热 |
| 3.2 除鳞阶段 |
| 3.3 轧辊热传导与塑性功 |
| 3.3.1 轧辊热传导 |
| 3.3.2 塑性功 |
| 3.4 换热系数自学习 |
| 3.4.1 自学习模型概述 |
| 3.4.2 轧制各阶段换热系数自学习修正 |
| 3.5 本章小结 |
| 第4章 轧件温度场实时计算系统开发 |
| 4.1 中厚板轧制过程自动控制系统 |
| 4.1.1 轧制过程系统的总体结构 |
| 4.1.2 轧制过程系统的硬件组成 |
| 4.1.3 轧制过程系统的软件组成 |
| 4.2 轧制模型设定与子系统 |
| 4.3 轧件温度场计算系统开发 |
| 4.3.1 Visual C++概述 |
| 4.3.2 轧件温度场实时计算系统需求分析 |
| 4.3.3 轧件温度场实时计算系统设计 |
| 4.4 系统中重要模型参数的设定 |
| 4.4.1 厚度方向节点数 |
| 4.4.2 除鳞阶段换热系数 |
| 4.5 温度预测精度 |
| 4.6 本章小结 |
| 第5章 结论 |
| 参考文献 |
| 致谢 |
（8）天钢中厚板二级控制轧制模型的研究与优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.2 中厚板轧机的发展趋势 |
| 1.3 中厚板轧机控制技术的发展 |
| 1.3.1 中厚板生产计算机控制技术的发展 |
| 1.3.2 轧机过程设定模型 |
| 1.3.3 厚度控制模型 |
| 1.3.4 产品性能控制 |
| 1.4 轧制模型的最近研究进展 |
| 1.4.1 四辊轧机控制模型研究现状 |
| 1.4.2 中厚板轧制过程控制模型的发展 |
| 1.5 本文的主要研究内容 |
| 第2章 天钢中厚板过程控制系统模型分析 |
| 2.1 工艺流程说明 |
| 2.2 轧线主要设备及检测仪表 |
| 2.2.1 粗轧机 |
| 2.2.2 精轧机 |
| 2.2.3 矫直机系统 |
| 2.2.4 控制冷却系统基本参数 |
| 2.3 轧制策略 |
| 2.3.1 过程设定系统组成 |
| 2.3.2 国内外中厚板压下规程的应用 |
| 2.3.3 双机架多阶段压下规程分配方法 |
| 2.4 本章小结 |
| 第3章 天钢中厚板轧制模型的研究 |
| 3.1 粗轧阶段 |
| 3.1.1 展宽阶段 |
| 3.1.2 粗轧展宽后的延伸轧制阶段 |
| 3.2 精轧阶段 |
| 3.2.1 轧制策略 |
| 3.2.2 参数计算方法 |
| 3.3 轧件的热膨胀模型 |
| 3.4 高压水除鳞 |
| 3.5 自然宽度延展-WS |
| 3.6 轧件的速度 |
| 3.6.1 运行速度 |
| 3.6.2 咬入速度 |
| 3.6.3 轧制速度 |
| 3.6.4 出速度 |
| 3.7 温度和轧制力模型 |
| 3.7.1 温度模型 |
| 3.7.2 轧制力模型 |
| 3.8 本章小结 |
| 第4章 天钢中厚板过程控制系统模型优化 |
| 4.1 屈服强度 |
| 4.1.1 综述 |
| 4.1.2 精轧阶段 |
| 4.1.3 粗轧阶段 |
| 4.2 轧制力矩 |
| 4.3 轧辊速度-V_(ROLL) |
| 4.4 轧制功率 |
| 4.5 辊缝位置 |
| 4.5.1 辊缝基准值-S(精轧) |
| 4.5.2 轧制基准值-S(粗轧) |
| 4.5.3 咬入基准值—冲击补偿S_(th)(精轧) |
| 4.6 轧辊热凸度-S_θ(精轧) |
| 4.7 轧辊的磨损-Sw(精轧) |
| 4.8 轧辊的温度 |
| 4.9 模型的优化 |
| 4.9.1 粗轧机 |
| 4.9.2 精轧机 |
| 第5章 结论 |
| 参考文献 |
| 致谢 |
（9）新一代中厚板轧后冷却计算机控制系统研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 以超快速冷却为核心的新一代TMCP工艺 |
| 1.3 中厚板轧后冷却技术的发展 |
| 1.3.1 国外轧后冷却技术的发展 |
| 1.3.2 国内轧后冷却技术的发展 |
| 1.4 控制冷却设备的发展 |
| 1.5 轧后冷却自动控制系统研究综述 |
| 1.5.1 轧后冷却系统的组成和功能 |
| 1.5.2 轧后冷却控制系统的精度指标 |
| 1.6 轧后冷却自动控制系统的关键控制点 |
| 1.7 课题的研究内容与意义 |
| 1.8 本章小结 |
| 第2章 中厚板厂ACC控制系统 |
| 2.1 中厚板厂生产线工艺流程及主要技术参数 |
| 2.1.1 加热炉生产工艺流程 |
| 2.1.2 除鳞工艺流程 |
| 2.1.3 轧制过程工艺流程 |
| 2.1.4 ACC冷却过程工艺流程 |
| 2.1.5 热矫直机工艺流程 |
| 2.2 中厚板厂ACC控制系统解析 |
| 2.2.1 ACC基础自动化系统功能 |
| 2.2.2 ACC过程自动化系统功能 |
| 2.2.3 ACC控冷系统过程控制模块解析 |
| 2.2.4 ACC控制系统的优缺点 |
| 2.3 本章小结 |
| 第3章 新一代中厚板轧后冷却计算机系统设计 |
| 3.1 中厚板厂ACC系统的改造方案 |
| 3.2 计算机控制系统的设计原则 |
| 3.3 超快速冷却计算机系统组成 |
| 3.3.1 仪表的布置 |
| 3.3.2 基础自动化系统 |
| 3.3.3 过程自动化系统 |
| 3.3.4 MES系统 |
| 3.4 本章小结 |
| 第4章 超快冷控制软件系统的优化 |
| 4.1 超快冷控制软件系统的结构设计与优化 |
| 4.2 超快冷控制系统通讯模块的设计原则 |
| 4.3 超快冷控制系统通讯模块中数据流的设计与优化 |
| 4.3.1 中厚板轧后超快冷系统控制模式的设计 |
| 4.3.2 超快冷控制系统各种模式下数据流的设计与优化 |
| 4.4 本章小结 |
| 第5章 超快冷自动化系统的功能设计与调优 |
| 5.1 基础自动化系统功能 |
| 5.2 过程自动化系统功能 |
| 5.2.1 预计算模块 |
| 5.2.2 修正计算模块 |
| 5.2.3 后计算模块 |
| 5.3 本章小结 |
| 第6章 新一代中厚板轧后冷却系统的应用 |
| 6.1 超快冷控制系统的现场应用 |
| 6.1.1 超快冷规程的设定 |
| 6.1.2 现场应用 |
| 6.1.3 超快冷过程数据监控 |
| 6.2 超快冷系统的现场应用效果 |
| 6.3 本章小结 |
| 第7章 结论 |
| 参考文献 |
| 致谢 |
| 硕士研究生就读期间完成的主要工作 |
（10）300四辊轧机液压压下系统神经网络控制仿真研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 板厚控制技术的发展概况 |
| 1.2 冷轧机厚度控制方法 |
| 1.3 人工智能在轧制领域的应用 |
| 1.4 本课题研究背景、目的和意义 |
| 1.5 本课题的主要研究内容 |
| 第2章 液压AGC 厚度控制方法 |
| 2.1 厚度控制基本方法 |
| 2.1.1 液压缸位置闭环控制 |
| 2.1.2 轧制力闭环控制 |
| 2.1.3 测厚仪监控 |
| 2.2 厚度控制系统主要补偿方法 |
| 2.2.1 轧制力补偿 |
| 2.2.2 油膜厚度变化补偿 |
| 2.2.3 轧辊偏心补偿 |
| 2.2.4 轧辊磨损补偿 |
| 2.2.5 前馈控制 |
| 2.2.6 秒流量补偿 |
| 2.3 本章小结 |
| 第3章 液压APC 系统数学模型建立 |
| 3.1 液压APC 系统组成 |
| 3.2 液压APC 系统模型 |
| 3.2.1 阀控缸的方程 |
| 3.2.2 控制管道 |
| 3.2.3 液压缸流量方程 |
| 3.2.4 液压缸与负载的力平衡方程 |
| 3.2.5 背压回油管道 |
| 3.2.6 传感器 |
| 3.2.7 控制调节器 |
| 3.2.8 液压APC 系统的动态模型 |
| 3.3 本章小结 |
| 第4章 液压APC 系统动态仿真 |
| 4.1 液压建模仿真软件AMESIM 介绍 |
| 4.1.1 AMESim 软件基本元素建模法 |
| 4.1.2 液压压下系统建模相关基本元素的介绍 |
| 4.1.3 液压APC 系统AMESim 模型建立 |
| 4.1.4 液压APC 系统仿真参数 |
| 4.2 液压APC 系统动态特性分析 |
| 4.2.1 液压油缸影响因素 |
| 4.2.2 伺服阀影响因素 |
| 4.2.3 油液体积弹性模量影响因素 |
| 4.3 本章小结 |
| 第5章 液压APC 系统控制算法研究 |
| 5.1 联合仿真软件介绍 |
| 5.1.1 控制软件MATLAB 简介 |
| 5.1.2 AMESim 和MATLAB 的联合仿真 |
| 5.1.3 液压APC 系统联合仿真模型 |
| 5.2 BP 神经网络PID 控制 |
| 5.2.1 神经网络控制理论 |
| 5.2.2 BP 神经网络PID 控制器设计 |
| 5.2.3 仿真结果及分析 |
| 5.3 模糊RBF 神经网络PID 控制 |
| 5.3.1 模糊RBF 神经网络PID 控制器设计 |
| 5.3.2 仿真结果及分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
四、中厚板轧制过程温度计算的二次曲线建模法（论文参考文献）
- [1]基于机器学习的热连轧板坯粗轧过程建模研究[D]. 易成新. 武汉科技大学, 2021(01)
- [2]中厚板轧制过程的头尾温度差变化规律[J]. 胡贤磊,赵忠,丁敬国. 钢铁研究学报, 2015(05)
- [3]基于超快速冷却的热轧带钢轧后冷却控制系统与策略研究[D]. 李振垒. 东北大学, 2014(07)
- [4]厚板板型生产自动控制系统的优化和实现技术研究[D]. 王艳芬. 上海交通大学, 2013(07)
- [5]新一代中厚板轧后冷却系统开发与应用[D]. 田鹏. 东北大学, 2012(05)
- [6]热带钢精轧机组预设定模型的自学习研究[D]. 张晶旭. 燕山大学, 2012(12)
- [7]中厚板轧制程轧件温度场模型建立与研究[D]. 关健. 东北大学, 2011(03)
- [8]天钢中厚板二级控制轧制模型的研究与优化[D]. 卢建军. 东北大学, 2010(05)
- [9]新一代中厚板轧后冷却计算机控制系统研究与应用[D]. 陈小林. 东北大学, 2010(03)
- [10]300四辊轧机液压压下系统神经网络控制仿真研究[D]. 李伟. 燕山大学, 2010(08)