一、基于msGA的冷连轧轧制策略优化（论文文献综述）
关军[1]（2021）在《冷连轧机极薄规格高速生产工艺》文中研究说明针对某冷连轧机在生产极薄规格板材过程中出现的轧机振动问题,对比分析了不同轧制规格和轧制工艺下轧机振动的临界速度,明确了提高失稳临界速度的途径,提出了一种新的轧制压下负荷分配原则——轧制稳定性原则,为了保证轧机第4#、5# 机架稳定轧制而不发生振动,第4#、5# 机架的压下负荷分配必须保持在一定范围,这个范围可以通过系统失稳临界速度的计算得到。针对极薄规格板材高速振动问题,通过将第4# 机架压下率降至32 %,第5# 机架压下率增至25 %,并降低第4# 机架轧制速度后,冷连轧轧机镀锡板轧制速度从1 225 m/min时轧机发生振动提高到1 799 m/min时轧机无振动。
孙荣生,王静,刘仁东,辛利峰,阮国庆,蔡顺达[2]（2020）在《1200 MPa级冷轧先进高强钢轧制稳定性的分析及控制》文中认为针对1 200 MPa级冷轧先进高强钢轧制不稳定问题,对热轧原料组织性能均匀性、冷轧压缩比、冷连轧机组轧制策略等进行了分析。结果表明,热轧工序投入边部加热器,采用分段冷却等手段,可有效降低热轧原料头尾部组织性能差异,保证通卷性能均匀,进而保证通卷轧制过程稳定;通过优化冷连轧机组压缩比,可有效降低材料本身的加工硬化强度,进而避免连轧机组后面机架的轧制超负荷情况;通过优化冷连轧机组轧制策略,可保证轧制过程中各机架均匀变形,避免出现轧制力差异较大的情况,进而保证轧制过程稳定。采用上述措施,1 200 MPa级冷轧先进高强钢轧制力控制在约15 000 kN,厚度精度控制在±0.06 mm以内,可保证该级别高强钢的稳定轧制。
段思雨[3]（2020）在《多目标蜂群优化算法研究及其在轧制规程优化中的应用》文中研究指明人工蜂群算法是基于仿生学提出的群智能优化算法,具有结构简单、参数少、全局搜索能力强等特点,现如今已被应用到诸多领域。但是传统蜂群算法依然存在易陷入局部最优、局部开发能力弱、收敛速度较慢等问题,限制了其性能。因此,对蜂群算法的改进研究具有重要的理论研究意义与应用价值。本文在传统人工蜂群算法的基础上进行深入研究,针对其存在的问题提出两种改进算法,并将其应用到冷连轧负荷分配中。本文的主要工作如下:（1）针对多目标人工蜂群算法全局搜索和局部开发能力不平衡的缺陷,提出了基于阈值搜索的多目标人工蜂群算法。根据不同蜜源的开发阈值在其邻域范围内选择搜索半径,平衡算法的搜索能力和开发能力,加快收敛速度;其次,对外部精英个体赋予引导阈值,并根据外部档案中解的分布情况和开发情况,合理选择外部档案解。为了验证算法的有效性,采用ZDT和DTLZ系列测试函数进行仿真,结果表明算法所获Pareto前沿具有良好的分布性和收敛性。（2）针对人工蜂群算法处理复杂多目标问题收敛速度慢的问题,提出了基于调节算子的多目标蜂群算法。首先,根据蜜源情况自适应地选择搜索半径,在各个时期侧重于不同搜索方向。其次,将分布情况纳入适应度值计算中,利用轮盘赌策略选择种群中多样性解,引导种群进化。通过将外部档案个体维度混合,保证良好的分布性。为了验证算法的有效性,采用具有复杂相关变量的UF系列测试函数进行仿真,结果表明改进算法具有良好的收敛速度。（3）以五机架冷连轧机为研究对象,建立以预防打滑、等功率裕量、末机架板形良好为目标的数学模型,并利用RMOABC算法和LSABC算法对冷连轧轧制规程进行优化。仿真结果表明,优化后的负荷分配方案降低了打滑概率,平衡了各机架负荷,且可以提高板形质量。
谷田[4]（2019）在《唐钢1740mm冷连轧机组高强双相钢稳定轧制技术研究》文中提出当今社会环保要求越来越严格,环境保护已经成为一个永恒的主题。轻量化钢铁产品已经成为目前发展主流,随着国内外冷轧企业的崛起,冷轧产品竞争越来越激烈,此外随着汽车、高等级家用电器等制造工业的快速发展,用户对产品质量的要求越来越高。目前国内先进企业鞍钢、首钢等正在进行汽车板和高等级家电板的快速开发和上量。为了满足汽车轻量化要求,大量采用高强度汽车板,例如DP780、DP980等。唐钢高强汽车板有限公司1740mm冷连轧机组一直致力于高端家电产品以及高端汽车用钢的开发,高强汽车板酸轧生产线具备特有的设备配置和工艺特点,在高强钢轧制过程中,机组多次发生跑偏断带,连续生产能力较差,成材率基本在50%以下;前滑值报警严重,一般在9%以上,速度发挥系数基本在30%以下,生产节奏较慢,制约产能发挥;高精度厚度符合率在30%左右,产品厚度波动较大;板形平直度偏差在20IU左右,复合浪形严重;上述问题严重影响了产品开发和产品质量。本文从1740mm冷连轧机组目前存在问题入口,通过理论研究、轧制方案制定、数据统计分析等方法,借鉴国内宝钢、首钢等经验,首先优化1-5机架工作辊以及中间辊弯辊力控制模式,改变单独由5机架控制板形控制模式;其次:优化中间辊窜辊数值,采用新smart crown辊型,增加轧辊等效凸度,提升轧辊窜辊利用率,改善中间辊的使用效率,此外通过对润滑系统的研究与攻关,在不同乳化液浓度下对比轧制过程中各机架轧制力分布、轧后带钢表面清洁度进行入手,摸索出适合的润滑浓度以及适用于精确冷却控制的乳化液温度;最后从各机架压下率分配入口,分析轧机跑偏断带机理,提升轧制稳定性,最终通过优化,高强板综合板形值达到5IU以下,轧制速度达到400m/min。图45幅;表24个;参52篇。
张殿华,孙杰,陈树宗,李旭[5]（2019）在《高精度薄带材冷连轧过程智能优化控制》文中认为带钢冷连轧控制是系统性极强、技术难度极大、精度要求极高的综合性技术,是保证冷轧带钢产品质量和生产效率的主要手段。东北大学自主开发了冷连轧全套自动化系统,涵盖了轧机主令控制、自动厚度控制、自动板形控制、物流跟踪、模型设定等功能,并研发了高精度数学模型、轧制规程多目标优化算法、加减速过程带钢厚度与张力补偿及轧制工艺优化等先进控制技术。所开发的系统已推广应用到多条冷连轧生产线中,现场应用表明,系统运行稳定,实现了0.17 mm极薄规格带钢高速稳定轧制,厚度偏差小于±2.5μm,板形标准差小于7 I。最后对轧制过程的智能化发展进行了展望。
李佳[6]（2018）在《五机架冷连轧机自动控制系统的研究与应用》文中研究说明随着轧钢技术的不断发展,对轧钢的自动控制系统提出了越来越高的稳定性和准确性等要求,其中的冷连轧厚度自动控制系统更是当中最重要的一个环节。本文通过对某厂五机架冷连轧机的过程自动控制系统、基础自动控制系统和厚度自动控制系统进行了深入的研究和分析,建立了一套新的适用于五机架冷连轧机的自动控制系统。为了实现对轧制过程中的轧制力、带钢运行速度等工艺参数的最优控制,建立了一套适用于现场的五机架冷连轧机的二级控制系统,对轧制过程中的各个数学模型进行了深入的研究和分析,开发出了一种新的自适应模型和多目标优化模型。分析和研究了五机架冷连轧机基础自动化的各种控制功能模块,介绍了现场实际的基础自动化配置和仪表布置情况,并在现场进行功能调试,建立了液压压下系统、液压弯辊系统、液压窜辊系统、厚度控制系统等基础自动化控制功能模块,并应用于现场的实际生产。针对某厂五机架冷连轧机的现场实际情况,设计并建立了新的具有补偿功能1号机架前馈AGC,有效的消除了由于原料厚度波动较大所造成的厚度偏差;设计并建立了以改进型Smith预估器为基础的1号机架监控AGC;对于前后均有测厚仪的2号机架,设计了有效的2号机架秒流量AGC,实现了对原料厚度波动的二次补偿。针对平整模式和压下模式两种冷连轧生产过程中的轧制策略,设计了5号机架的前馈AGC和监控AGC。
卜赫男[7]（2018）在《冷连轧过程数字模型与多目标优化策略研究》文中研究指明冷连轧带钢是以热轧带钢为原料,在常温下经冷连轧机轧制成材,以达到提高带钢表面光洁度和尺寸精度,并获得更好机械性能的目的。冷连轧过程控制系统是酸洗冷连轧联合机组计算机控制系统的重要组成部分,是保障冷轧带钢产量和质量的重要手段。本文以某1450mm六辊五机架全连续冷连轧机电气自动化系统升级改造项目为背景,对冷连轧过程控制及模型设定系统进行了深入研究。分析了原料带钢硬度波动对成品带钢厚度精度的影响,以硬度辨识为基础建立了厚度控制模型;深入研究了模型自适应过程,提出了轧制力模型和前滑模型协同自适应方法;针对薄规格带钢,提出了一种基于影响函数法的轧制规程多目标优化策略,以达到在充分发挥设备能力的同时提高带钢厚度精度的目的;通过辊系受力分析,建立弯辊力预设定目标函数,并采用多目标智能优化算法进行求解。在此基础上,开发了冷连轧过程控制系统并应用于工业生产,获得了良好的控制效果。主要研究内容如下:（1）提出了一种基于目标函数的冷连轧轧制力模型和前滑模型的协同自适应算法。通过建立冷连轧带钢轧制力和前滑模型的协同自适应目标函数,并采用多种群协同进化算法进行求解,可以同时得到满足轧制力模型和前滑模型计算精度的自适应系数,显着提高轧制力和前滑模型的设定精度。（2）建立了基于硬度辨识的冷连轧厚度控制模型,提出了兼顾板形的厚度控制策略,解决了冷轧来料硬度波动对带钢厚度精度的重发性影响。采用改进的AGC后,带钢厚度精度明显提高,并可有效减小板形偏差。（3）提出了一种薄规格带钢轧制规程多目标优化算法,基于影响函数法建立板形目标函数,并建立了基于功率、张力和板形的综合多目标函数。采用禁忌搜索算法对多目标函数进行求解,并通过案例推理技术获得寻优过程的初始解,可大大提高计算效率、缩短计算时间。该轧制规程多目标算法可以在充分发挥设备能力的条件下改善产品的板形和质量。（4）基于辊缝凸度偏差建立了兼顾轧制力的弯辊力预设定多目标函数,并采用多目标智能优化算法进行求解,成功避免了计算过程中迭代不收敛的风险,保证了板形预设定系统的稳定运行及成品带钢的板形精度。（5）建立了冷连轧过程控制系统。介绍了过程控制系统的结构,以及基础自动化级和生产管理级的具体功能。根据实际需要开发了过程控制人机界面系统及报表管理系统,取得良好应用效果。（6）将本文的研究成果在现场进行工业应用,并根据实测数据对过程控制系统的控制效果进行分析。应用结果表明,该控制系统运行稳定,针对不同种类、不同规格的带钢均能达到良好的控制效果,产品尺寸精度远优于目标要求。
杨景明,呼子宇,车海军,孙浩,赵新秋[8]（2014）在《基于改进差分进化算法的带钢冷连轧负荷分配》文中研究说明为了更加合理地制定冷连轧轧制规程,选取打滑因子、等功率裕度和最小能耗作为目标函数,采用改进的差分进化算法求解Pareto前沿,减少了冗余的寻优代数、缩短了优化时间。以求解出的Pareto前沿为选择池,基于不同的偏好因子选择出不同的负荷分配方法,满足不同工况下的要求。仿真结果表明,该算法可以快速均匀地覆盖Pareto前沿,产生偏重于不同目标的负荷分配规则。优化规程与原规程相比,降低了打滑现象出现的概率,减小了轧制功率。
王鸿砾[9]（2015）在《冷连轧二级控制系统的研究及应用》文中研究表明冷连轧生产线具有多变量、非线性、高速度、连续化等特点,同时随着轧制工艺技术的发展以及产品来料的多样化和复杂化,使得对其的控制过程越来越复杂多变。冷轧从业人员逐渐意识到主要依靠经验的传统生产方式已经很难满足现代冷连轧生产对产品精度和生产效率的要求。本文以福建某850mm六机架冷连轧机组为研究对象,为其开发二级控制系统,将轧制生产过程中轧制规程的制定,关键工艺参数值的设定计算等核心任务都交由二级控制系统来完成,旨在提高冷连轧生产线的自动化水平,提高带钢产品的质量精度,为厂商带来更高的经济收益。首先,从冷连轧机组工艺过程出发,在充分了解冷连轧计算机控制系统组成及其控制功能基础上,确定了二级控制系统的主要功能,对其工作流程进行了总体设计,并对二级控制系统软件进行了功能和需求分析。然后,根据二级控制系统功能需求并结合以往工程经验,重点对轧制参数模型计算功能进行了研究分析。逐一建立了冷轧过程中涉及的主要相关数学模型以及设计了多种轧制规程负荷分配方式,使其基本符合实际轧制规律,为后续软件开发奠定了理论基础。同时,研究了计算机在线控制所需的简化算法,采用Newton-Raphson法对轧制负荷分配中涉及的非线性方程组问题进行了快速、稳定求解。最后,考虑到轧制过程中轧制工况的变化对模型精确度的影响,对轧制模型自学习功能进行了深入研究。重点针对模型自学习时轧制力模型较为复杂,难以直接进行自学习的问题,提出了利用线性回归和指数平滑法对变形抗力模型和摩擦系数模型进行自学习,从而达到间接提高轧制力模型设定精度的方法。在分析研究以上内容的基础上,开发了此二级控制系统的软件界面及功能实现。通过现场实际应用表明,本文所述二级控制系统取得了较好的效果。
吕白[10]（2014）在《基于改进蜂群算法的多目标冷连轧轧制规程优化》文中提出现代社会，工业发展迅速，对带钢质量和产量的要求也越来越高。凭借传统的经验方法进行轧制，不可能满足带钢质量和产量上的要求，解决问题的根本是设定合理的轧制规程。设计一个合理的轧制规程不仅能够保证带钢生产高质量，高效率，低能耗，而且是冷连轧生产中的一个复杂的技术问题。本文针对冷连轧轧制规程优化问题开展研究，主要工作如下：首先，在给出五机架冷连轧机的基本结构、参数和生产工艺的基础上，针对轧制过程中各种数学模型进行了分析，确定了适合冷连轧轧制规程应用的数学模型。其次，为了加快人工蜂群算法的收敛速度并且提高其寻优的精度，在种群初始化时期，应用基于反向学习的策略，使得初始化的个体尽可能均匀分布在搜索空间，并且将锦标赛选择策略与人工蜂群算法相结合，进行优化算法设计。之后，把改进的算法应用到冷连轧轧制规程中。以等负荷和克服打滑为目标函数，建立了轧制规程多目标优化模型。最后，针对聚合函数多目标优化方法需要人为确定权重系数的缺点，将非支配排序等多目标优化技术和人工蜂群算法相结合，得到一种多目标人工蜂群算法。之后，以克服打滑和能耗最低作为目标，进行轧制规程优化设计。
二、基于msGA的冷连轧轧制策略优化（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、基于msGA的冷连轧轧制策略优化（论文提纲范文）
（1）冷连轧机极薄规格高速生产工艺（论文提纲范文）
| 1 基于轧制稳定性的冷连轧压下负荷分配原则 |
| 1.1 极薄规格板材压下负荷分配原则 |
| 1.2 基于遗传算法的压下负荷分配方法 |
| 2 考虑轧机振动的压下负荷分配方法 |
| 2.1 压下量配比对临界速度的影响 |
| 2.2 压下率的整体分配 |
| 3 新的压下负荷分配技术应用 |
| 4 结语 |
（2）1200 MPa级冷轧先进高强钢轧制稳定性的分析及控制（论文提纲范文）
| 1 前言 |
| 2 存在问题 |
| 3 问题分析及控制 |
| 3.1 原料组织性能的影响分析及控制 |
| 3.2 冷轧压缩比的影响分析 |
| 3.3 冷轧轧制策略的影响分析 |
| 3.4 工艺优化后生产情况 |
| 4 结语 |
（3）多目标蜂群优化算法研究及其在轧制规程优化中的应用（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 智能优化算法与轧制规程优化的研究进展 |
| 1.2.1 多目标优化算法的研究进展 |
| 1.2.2 改进多目标蜂群算法的研究进展 |
| 1.2.3 多目标优化算法在轧制规程优化中的应用 |
| 1.3 主要研究内容及结构安排 |
| 第2章 基于阈值搜索的多目标人工蜂群优化算法 |
| 2.1 引言 |
| 2.2 多目标优化算法数学模型 |
| 2.3 人工蜂群算法数学模型 |
| 2.4 基于阈值搜索的多目标人工蜂群优化算法 |
| 2.4.1 局部搜索机制 |
| 2.4.2 精英解引导以及概率选择机制 |
| 2.4.3 外部档案维护机制 |
| 2.5 算法步骤 |
| 2.6 算法测试性能及分析 |
| 2.6.1 测试函数与评价指标 |
| 2.6.2 LSABC算法和对比算法的参数设置 |
| 2.6.3 算法实验结果分析 |
| 2.6.4 不同策略性能对比实验分析 |
| 2.6.5 算法收敛性验证 |
| 2.7 本章小结 |
| 第3章 基于调节算子的多目标人工蜂群算法 |
| 3.1 引言 |
| 3.2 基于调节算子的多目标人工蜂群算法RMOABC |
| 3.2.1 基于个体阈值的更新公式 |
| 3.2.2 基于种群分布的概率选择机制 |
| 3.2.3 外部存档维护机制 |
| 3.2.4 多样性点初始化机制 |
| 3.3 算法流程 |
| 3.4 算法测试性能及分析 |
| 3.4.1 测试函数 |
| 3.4.2 RMOABC算法和对比算法的参数设置 |
| 3.4.3 算法实验结果分析 |
| 3.4.4 不同策略性能对比实验分析 |
| 3.4.5 算法收敛性验证 |
| 3.5 本章小结 |
| 第4章 多目标优化算法在冷连轧制规程中的应用 |
| 4.1 引言 |
| 4.2 冷连轧轧制设备及数学模型 |
| 4.2.1 轧制设备组成和主要参数 |
| 4.2.2 轧制过程数学模型简介 |
| 4.3 冷连轧轧制规程目标函数及约束条件 |
| 4.3.1 目标函数 |
| 4.3.2 约束条件的确定 |
| 4.4 冷连轧轧制负荷分配流程 |
| 4.5 基于RMOABC和 LSABC算法的冷连轧轧制规程优化 |
| 4.5.1 轧制规程的约束多目标优化模型 |
| 4.5.2 基于RMOABC和 LSABC算法的冷连轧轧制规程优化应用 |
| 4.5.3 仿真研究 |
| 4.6 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 |
（4）唐钢1740mm冷连轧机组高强双相钢稳定轧制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 第1章 文献综述 |
| 1.1 高强双相钢概述 |
| 1.2 板形的定义 |
| 1.3 冷轧板形的控制方法 |
| 1.4 高强钢稳定轧制技术 |
| 1.5 本文的研究内容与意义 |
| 第2章 实验方案 |
| 2.1 中间辊辊型对板形控制能力的影响 |
| 2.2 弯辊力影响实验 |
| 2.3 乳化液润滑能力实验 |
| 2.3.1 乳化液浓度实验 |
| 2.3.2 乳化液温度实验 |
| 2.4 压下率对轧制稳定性的影响 |
| 第3章 辊型参数对轧制过程的影响 |
| 3.1 冷轧板形计算模型 |
| 3.2 辊间压力计算 |
| 3.3 带钢厚度分布计算 |
| 3.4 带钢轧后残余应力计算 |
| 3.5 SmartCrown辊型参数影响研究 |
| 3.6 辊型参数对辊间压力的影响 |
| 3.7 辊型参数对带钢轧后厚度分布的影响 |
| 3.8 辊型参数对带钢轧后板形的影响 |
| 3.9 本章小结 |
| 第4章 中间辊弯辊力设定策略以及润滑理论研究 |
| 4.1 轧辊弹性变形模型 |
| 4.2 中间辊弯辊力对轧后带钢断面分布和板形的影响 |
| 4.3 中间辊横移对中间辊弯辊板形调控能力的影响 |
| 4.4 中间辊弯辊力对板形影响能力 |
| 4.5 润滑理论 |
| 4.6 本章小结 |
| 第5章 超高强钢轧制技术 |
| 5.1 超高强钢轧制技术研究与应用 |
| 5.1.1 冷连轧高强钢轧制厚度控制技术研究与应用 |
| 5.1.2 高强钢跑偏技术控制与应用 |
| 5.1.3 带钢边部减薄技术研究与应用 |
| 5.1.4 高强钢板形目标曲线开发与应用技术 |
| 5.2 超高强钢典型起筋缺陷控制 |
| 5.3 高强钢轧制策略调整 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 作者简介 |
| 学位论文数据集 |
（5）高精度薄带材冷连轧过程智能优化控制（论文提纲范文）
| 1 自动化系统集成 |
| 2 基础自动化系统 |
| 2.1 主令控制技术 |
| 2.1.1 轧区带钢跟踪 |
| 2.1.2 主令速度计算 |
| 2.1.3 动态变规格 |
| 2.1.4 酸轧机组速度优化 |
| 2.2 张力控制技术 |
| 2.2.1 机架间张力控制 |
| 2.2.2 卷取张力控制 |
| 2.3 厚度控制技术 |
| 2.3.1 1—2机架厚度控制 |
| 2.3.2 末机架厚度控制 |
| 2.3.3 加减速厚度补偿 |
| 2.3.4 多机架厚度-张力协调优化 |
| 2.4 板形控制技术 |
| 2.4.1 板形调控功效 |
| 2.4.2 板形闭环多变量优化算法 |
| 2.4.3 板形智能优化控制 |
| 3 过程自动化系统 |
| 3.1 物料跟踪 |
| 3.2 在线数学模型 |
| 3.3 轧制规程制定 |
| 3.4 模型自适应自学习 |
| 4 应用效果与影响 |
| 5 发展趋势展望 |
（6）五机架冷连轧机自动控制系统的研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 冷连轧生产概况 |
| 1.2.1 冷轧带钢技术的发展历史 |
| 1.2.2 冷连轧的生产工艺 |
| 1.3 厚度控制技术概述 |
| 1.3.1 厚度控制技术的发展历史 |
| 1.3.2 带钢的厚度变化规律 |
| 1.4 本文的研究目标和研究内容 |
| 第2章 过程自动控制系统的研究 |
| 2.1 模型设定概述 |
| 2.2 数学模型的研究 |
| 2.2.1 变形抗力的数学模型 |
| 2.2.2 摩擦系数的数学模型 |
| 2.2.3 轧制力的数学模型 |
| 2.2.4 轧机弹跳数学模型 |
| 2.3 自学习模型的学习与研究 |
| 2.4 轧制规程的多目标优化 |
| 2.4.1 工艺分析及总目标函数的设计 |
| 2.4.2 单目标函数设计 |
| 2.4.3 张力规程修正 |
| 2.4.4 执行过程 |
| 2.5 本章小结 |
| 第3章 冷连轧基础自动化系统 |
| 3.1 基础自动化系统描述 |
| 3.1.1 基础自动化硬件配置 |
| 3.1.2 工艺段检测仪表仪表 |
| 3.2 基础自动化控制功能 |
| 3.2.1 液压压下系统 |
| 3.2.2 液压弯辊系统 |
| 3.2.3 液压窜辊系统 |
| 3.2.4 厚度控制系统 |
| 3.2.5 张力控制系统 |
| 3.3 本章小结 |
| 第4章 厚度自动控制系统的研究 |
| 4.1 冷连轧厚度自动控制系统概述 |
| 4.2 1号和2号机架厚度控制系统 |
| 4.2.1 1号机架前馈厚度控制 |
| 4.2.2 1号机架监控厚度控制 |
| 4.2.3 2号机架秒流量厚度控制 |
| 4.3 5号机架的厚度控制系统 |
| 4.3.1 5号机架前馈厚度控制 |
| 4.3.2 5号机架监控厚度控制 |
| 4.4 本章小结 |
| 第5章 厚度控制的效果分析 |
| 5.1 常见厚度类型带钢的厚度控制效果 |
| 5.2 极薄厚度类型带钢的厚度控制效果 |
| 5.3 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 |
（7）冷连轧过程数字模型与多目标优化策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 冷连轧机及生产技术的发展 |
| 1.2.1 国内外冷连轧机的发展 |
| 1.2.2 冷连轧生产技术的发展 |
| 1.3 冷连轧带钢的生产特点及流程 |
| 1.3.1 生产特点 |
| 1.3.2 工艺流程 |
| 1.4 轧制过程数学模型的特点及发展 |
| 1.4.1 轧制模型的特点 |
| 1.4.2 建模方法及模型发展 |
| 1.5 多目标优化问题概述 |
| 1.5.1 多目标优化问题的发展 |
| 1.5.2 多目标优化概念及术语 |
| 1.5.3 多目标优化算法的分类 |
| 1.6 本文主要研究内容 |
| 第2章 冷连轧过程自动化系统 |
| 2.1 冷连轧控制系统概述 |
| 2.1.1 基础自动化级 |
| 2.1.2 过程自动化级 |
| 2.1.3 生产管理级 |
| 2.2 冷连轧机组过程控制系统 |
| 2.2.1 过程控制系统结构及功能 |
| 2.2.2 与生产管理系统数据传输 |
| 2.2.3 带钢跟踪管理 |
| 2.2.4 数据采集管理 |
| 2.2.5 班组管理 |
| 2.2.6 轧辊管理 |
| 2.3 过程自动化HMI及报表管理 |
| 2.3.1 轧机二级HMI |
| 2.3.2 报表管理 |
| 2.4 本章小结 |
| 第3章 冷连轧在线数学模型及模型自适应研究 |
| 3.1 过程控制数学模型 |
| 3.1.1 轧制力矩模型 |
| 3.1.2 电机功率模型 |
| 3.1.3 轧机弹性模数模型 |
| 3.1.4 厚度计模型 |
| 3.1.5 辊缝模型 |
| 3.2 轧制力和前滑模型协同自适应 |
| 3.2.1 模型自适应概述 |
| 3.2.2 轧制力模型 |
| 3.2.3 前滑模型 |
| 3.2.4 目标函数设计 |
| 3.2.5 多种群协同进化算法 |
| 3.2.6 计算和讨论 |
| 3.3 基于硬度辨识的厚度控制模型 |
| 3.3.1 硬度波动对厚度精度的影响 |
| 3.3.2 模型的建立 |
| 3.3.3 离线仿真结果及分析 |
| 3.4 本章小结 |
| 第4章 冷连轧带钢轧制规程多目标优化研究 |
| 4.1 轧制规程概述及发展 |
| 4.1.1 轧制规程策略 |
| 4.1.2 轧制规程发展 |
| 4.2 多目标函数的设计 |
| 4.2.1 在线控制参数计算模型 |
| 4.2.2 功率目标函数 |
| 4.2.3 张力目标函数 |
| 4.2.4 板形目标函数 |
| 4.2.5 多目标函数的建立 |
| 4.2.6 约束条件 |
| 4.3 基于影响函数法的板形目标函数 |
| 4.3.1 影响函数法 |
| 4.3.2 张应力计算 |
| 4.4 轧制规程优化算法 |
| 4.4.1 禁忌搜索算法 |
| 4.4.2 基于案例推理的初始解选择 |
| 4.4.3 计算流程 |
| 4.5 规程优化设计的实现 |
| 4.5.1 优化变量的选择 |
| 4.5.2 张力规程的修正 |
| 4.6 现场应用及结果分析 |
| 4.7 本章小结 |
| 第5章 冷连轧带钢弯辊力预设定研究 |
| 5.1 板形控制基本手段 |
| 5.1.1 液压弯辊 |
| 5.1.2 轧辊横移 |
| 5.1.3 轧辊倾斜 |
| 5.2 弯辊力预设定多目标函数的建立 |
| 5.2.1 离散化 |
| 5.2.2 辊缝凸度偏差计算 |
| 5.2.3 传统弯辊力预设定目标函数 |
| 5.2.4 兼顾轧制力的多目标函数 |
| 5.3 多目标智能优化算法 |
| 5.3.1 遗传算法 |
| 5.3.2 多目标优化及Pareto最优解 |
| 5.3.3 基于遗传算法的多目标优化算法 |
| 5.4 现场应用及结果分析 |
| 5.5 本章小结 |
| 第6章 冷连轧过程控制系统的工业应用 |
| 6.1 工业应用背景 |
| 6.1.1 机组总体参数 |
| 6.1.2 主要技术参数 |
| 6.1.3 机组工艺流程 |
| 6.1.4 存在问题及解决方案 |
| 6.1.5 计算机控制系统概况 |
| 6.2 过程自动化系统的控制效果 |
| 6.2.1 钢种SPCC的控制效果 |
| 6.2.2 钢种Q195的控制效果 |
| 6.2.3 钢种MRT-3的控制效果 |
| 6.2.4 钢种MRT-2.5的控制效果 |
| 6.2.5 控制效果分析 |
| 6.3 本章小结 |
| 第7章 结论 |
| 参考文献 |
| 攻读博士学位期间完成的工作 |
| 致谢 |
| 作者简介 |
（8）基于改进差分进化算法的带钢冷连轧负荷分配（论文提纲范文）
| 1 规程优化模型 |
| 1.1 前滑模型 |
| 1.2 轧制模型 |
| 1.3 多目标优化函数 |
| 1.4 轧制规程限制条件 |
| 2 进化算法终止准则 |
| 2.1 多目标进化算法评价标准 |
| 2.2 进化算法评价标准的时间复杂度 |
| 2.3 进化算法评价标准的收敛性 |
| 3 改进差分进化算法 |
| 4 仿真与验证 |
| 5 结语 |
（9）冷连轧二级控制系统的研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外带钢冷轧机的发展概况 |
| 1.2.1 国内带钢冷轧机的发展概况 |
| 1.2.2 国外带钢冷轧机的发展概况 |
| 1.2.3 冷连轧带钢轧制理论的发展概况 |
| 1.3 冷连轧带钢计算机控制技术的发展与简介 |
| 1.3.1 冷连轧带钢计算机控制系统的发展 |
| 1.3.2 冷连轧带钢计算机控制系统的简介 |
| 1.4 本文的研究目的及内容 |
| 1.4.1 本文的研究目的 |
| 1.4.2 本文的主要研究内容 |
| 第二章 冷连轧机组过程控制系统构成 |
| 2.1 冷连轧机组设备组成 |
| 2.1.1 带钢规格 |
| 2.1.2 机组设备主要参数 |
| 2.2 计算机控制系统组成 |
| 2.3 二级控制系统的总体设计 |
| 2.3.1 二级控制系统的主要功能 |
| 2.3.2 二级控制系统的工作流程 |
| 2.4 二级控制系统的软件设计 |
| 2.4.1 软件系统主要功能设计 |
| 2.4.2 软件系统需求分析 |
| 2.5 本章小结 |
| 第三章 二级系统轧制参数模型计算 |
| 3.1 冷连轧数学模型 |
| 3.1.1 冷连轧数学模型概述 |
| 3.1.2 冷连轧数学模型的特点 |
| 3.1.3 轧制数学模型的类型分类 |
| 3.1.4 冷连轧数学模型的建立方法 |
| 3.2 轧制参数计算总流程 |
| 3.3 轧机设定计算涉及的数学模型 |
| 3.3.1 轧制力数学模型 |
| 3.3.2 变形抗力数学模型 |
| 3.3.3 摩擦系数数学模型 |
| 3.3.4 轧制力矩及功率数学模型 |
| 3.3.5 前滑数学模型 |
| 3.3.6 辊缝数学模型 |
| 3.4 轧制规程计算 |
| 3.4.1 负荷分配计算 |
| 3.4.2 速度规程计算 |
| 3.4.3 张力规程计算 |
| 3.4.4 极限检查修正 |
| 3.5 轧机设定计算 |
| 3.6 本章小结 |
| 第四章 轧制数学模型参数自学习 |
| 4.1 模型自学习的重要性 |
| 4.2 数学模型自学习算法原理 |
| 4.3 轧制力模型的间接自学习 |
| 4.3.1 变形抗力后计算 |
| 4.3.2 摩擦系数后计算 |
| 4.3.3 变形抗力模型自学习 |
| 4.3.4 摩擦系数模型自学习 |
| 4.4 应用结果对比 |
| 4.5 本章小结 |
| 第五章 二级系统软件的应用分析 |
| 5.1 软件的主要功能实现 |
| 5.2 现场应用效果分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（10）基于改进蜂群算法的多目标冷连轧轧制规程优化（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 智能优化算法以及轧制规程优化的研究进展 |
| 1.2.1 智能优化算法的研究进展 |
| 1.2.2 轧制规程优化的研究进展 |
| 1.3 课题研究内容 |
| 第2章 1370mm 五机架冷连轧机设备参数及数学模型 |
| 2.1 1370mm 五机架冷连轧机主要设备参数 |
| 2.2 轧制规程数学模型 |
| 2.2.1 轧制力模型 |
| 2.2.2 变形抗力模型 |
| 2.2.3 摩擦系数模型 |
| 2.2.4 前滑模型 |
| 2.2.5 速度制度 |
| 2.2.6 张力制度 |
| 2.2.7 轧制功率模型 |
| 2.3 目标函数的建立 |
| 2.3.1 轧制能耗目标函数 |
| 2.3.2 等负荷目标函数 |
| 2.3.3 预防打滑目标函数 |
| 2.4 约束条件 |
| 2.5 计算流程 |
| 2.6 本章小结 |
| 第3章 基于改进人工蜂群算法的轧制规程优化 |
| 3.1 基本的人工蜂群算法 |
| 3.2 改进的人工蜂群算法 |
| 3.2.1 初始化策略的改进 |
| 3.2.2 选择策略的改进 |
| 3.3 仿真实验和结果 |
| 3.4 优化实例与分析 |
| 3.5 本章小结 |
| 第4章 基于多目标人工蜂群算法的轧制规程优化 |
| 4.1 多目标优化问题 |
| 4.2 多目标人工蜂群算法 |
| 4.2.1 初始化 |
| 4.2.2 生成采蜜蜂和观察蜂 |
| 4.2.3 生成侦查蜂 |
| 4.2.4 更新外部档案 |
| 4.3 基于多目标人工蜂群算法的轧制规程优化 |
| 4.4 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、基于msGA的冷连轧轧制策略优化（论文参考文献）
- [1]冷连轧机极薄规格高速生产工艺[J]. 关军. 工业技术与职业教育, 2021(03)
- [2]1200 MPa级冷轧先进高强钢轧制稳定性的分析及控制[J]. 孙荣生,王静,刘仁东,辛利峰,阮国庆,蔡顺达. 轧钢, 2020(06)
- [3]多目标蜂群优化算法研究及其在轧制规程优化中的应用[D]. 段思雨. 燕山大学, 2020(01)
- [4]唐钢1740mm冷连轧机组高强双相钢稳定轧制技术研究[D]. 谷田. 华北理工大学, 2019(01)
- [5]高精度薄带材冷连轧过程智能优化控制[J]. 张殿华,孙杰,陈树宗,李旭. 钢铁研究学报, 2019(02)
- [6]五机架冷连轧机自动控制系统的研究与应用[D]. 李佳. 燕山大学, 2018(05)
- [7]冷连轧过程数字模型与多目标优化策略研究[D]. 卜赫男. 东北大学, 2018
- [8]基于改进差分进化算法的带钢冷连轧负荷分配[J]. 杨景明,呼子宇,车海军,孙浩,赵新秋. 钢铁, 2014(12)
- [9]冷连轧二级控制系统的研究及应用[D]. 王鸿砾. 河北工业大学, 2015(03)
- [10]基于改进蜂群算法的多目标冷连轧轧制规程优化[D]. 吕白. 燕山大学, 2014(05)