本文選題：雙機架爐卷軋機　切入點：軋制力　出處：《昆明理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：軋制過程數(shù)學(xué)模型是現(xiàn)代軋機計算機控制系統(tǒng)的重中之重,軋制力數(shù)學(xué)模型對鋼鐵產(chǎn)品質(zhì)量和厚度精度等有著不可替代的作用。當今各行業(yè)對鋼鐵產(chǎn)品的質(zhì)量要求愈發(fā)嚴格,怎樣提高軋制產(chǎn)品的質(zhì)量是一個亟待解決的重要問題。雙機架爐卷軋機軋制力的精度影響著軋制產(chǎn)品的質(zhì)量。而軋制區(qū)金屬的塑性變形是一個非常復(fù)雜的過程,軋制過程中的很多參數(shù)與雙機架爐卷軋機軋制力存在非線性的強耦合關(guān)系。根據(jù)傳統(tǒng)數(shù)學(xué)模型公式和研究經(jīng)驗遠不能滿足當前軋制力精度的高要求,也不能對雙機架軋機中軋制力的變化過程進行準確的描述。所以本文利用軋機的軋制壓力數(shù)學(xué)模型將神經(jīng)網(wǎng)絡(luò)與智能算法來相結(jié)合來進行軋制力的高精度預(yù)測,這也是當前研究認為最有效的預(yù)測途徑。本文以軋制壓力數(shù)學(xué)模型的變形理論為基礎(chǔ),以某大型軋鋼廠1725mm雙機架軋機軋制壓力模型為研究對象,結(jié)合西姆斯(SIMS)公式著重分析了軋制變形區(qū)的基本工藝參數(shù)、軋制前后的基本規(guī)律等,確定了對軋制力計算精度影響較大的參數(shù)變量,這些參數(shù)變量主要有軋件厚度、軋件溫度、軋輥半徑、軋制速度等;然后在軋制力模型的基礎(chǔ)上,以影響軋制力精度的主要變量作為BP神經(jīng)網(wǎng)絡(luò)的輸入量,以軋制力作為輸出量建立了 BP網(wǎng)絡(luò)拓撲結(jié)構(gòu)為10-12-1的軋制力預(yù)測模型。根據(jù)該大型鋼廠1725mm雙機架軋機軋軋制鋼種為Q235的實測數(shù)據(jù)對所建立的BP網(wǎng)絡(luò)模型進行訓(xùn)練和測試。利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對軋機軋制力進行預(yù)測,然后分別使用粒子群算法、改進的粒子群算法來對BP神經(jīng)網(wǎng)絡(luò)進行優(yōu)化,再次對兩種預(yù)測模型進行軋制力預(yù)測,仿真結(jié)果表明經(jīng)改進的PSO融合算法的軋制力預(yù)測性能達最佳的逼近效果,PSO優(yōu)化BP網(wǎng)絡(luò)的算法預(yù)測性能次之。因此,本文最終建立了基于PSO-BP神經(jīng)網(wǎng)絡(luò)的雙機架爐卷熱軋機軋制力預(yù)測模型,該模型有效提高了雙機架爐卷軋機軋制力的預(yù)測精度。
[Abstract]:The mathematical model of rolling process is the most important part of the computer control system of modern rolling mill. The mathematical model of rolling force plays an irreplaceable role in the quality and thickness accuracy of steel products. How to improve the quality of rolling products is an important problem to be solved urgently. The precision of rolling force of double-stand Steckel mill affects the quality of rolled products. The plastic deformation of metals in rolling area is a very complicated process. There is a nonlinear strong coupling relationship between many parameters in rolling process and rolling force of double stand Steckel mill. According to the traditional mathematical model formula and research experience, it is far from meeting the high requirement of rolling force precision at present. The rolling force change process in the double stand rolling mill can not be accurately described, so this paper combines the neural network with the intelligent algorithm to predict the rolling force with high precision by using the rolling force mathematical model of the rolling mill. This is also the most effective method for prediction. Based on the deformation theory of the mathematical model of rolling force, this paper takes the rolling pressure model of 1725mm double stand mill in a large rolling mill as the object of study. Combined with Simsberg SIMS formula, the basic technological parameters of rolling deformation zone and the basic rules before and after rolling are emphatically analyzed, and the parameter variables which have a great influence on the calculation accuracy of rolling force are determined. These parameters mainly include the thickness of rolling piece, the temperature of rolled piece, etc. Based on the rolling force model, the main variables affecting the precision of rolling force are used as the input amount of BP neural network. The rolling force prediction model with BP network topology structure of 10-12-1 was established with rolling force as output. The BP neural network model was trained according to the measured data of 1725mm double-stand mill rolling and rolling steel grade Q235. Using trained neural network to predict rolling force of rolling mill, Then the BP neural network is optimized by using particle swarm optimization algorithm and improved particle swarm optimization algorithm, and then the rolling force of the two prediction models is predicted. The simulation results show that the improved PSO fusion algorithm can achieve the best predictive effect of rolling force. In this paper, a rolling force prediction model based on PSO-BP neural network is established, which can effectively improve the precision of rolling force prediction of double-stand Steckel rolling mill.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TG333;TP183

【參考文獻】

相關(guān)期刊論文 前10條

1 馬更生;彭文;邸洪雙;張殿華;;帶鋼熱連軋換規(guī)格軋制力自學(xué)習優(yōu)化[J];東北大學(xué)學(xué)報(自然科學(xué)版);2015年12期

2 蔡舒妤;師利中;;基于改進混沌差分進化算法的機體損傷區(qū)域劃分[J];計算機工程;2015年11期

3 王津平;邊育秀;;熱軋層流密集冷卻控制的研究與應(yīng)用[J];軋鋼;2015年05期

4 肖志余;李麗容;劉兵;劉小寧;;Q235鋼變形抗力模型對中厚板軋制壓力預(yù)報精度影響研究[J];南方金屬;2015年04期

5 楊景明;顧佳琪;閆曉瑩;車海軍;;基于改進遺傳算法優(yōu)化BP網(wǎng)絡(luò)的軋制力預(yù)測研究[J];礦冶工程;2015年01期

6 楊景明;閆曉瑩;顧佳琪;車海軍;;基于改進粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的軋制力預(yù)報[J];礦冶工程;2014年06期

7 張春苗;;爐卷軋機單機架與雙機架布置特點的分析與探討[J];寬厚板;2013年06期

8 賈宏俊;段宏亮;;基于BP神經(jīng)網(wǎng)絡(luò)的綠色建筑造價成本估算模型[J];項目管理技術(shù);2011年06期

9 楊景明;孫曉娜;車海軍;劉暢;;基于蟻群算法的神經(jīng)網(wǎng)絡(luò)冷連軋機軋制力預(yù)報[J];鋼鐵;2009年03期

10 張清東;徐興剛;于孟;瞿標;李實;;基于遺傳神經(jīng)網(wǎng)絡(luò)的不銹鋼帶冷軋軋制力模型[J];鋼鐵;2008年12期

相關(guān)會議論文 前1條

1 劉文仲;李君;;國內(nèi)外帶鋼熱連軋數(shù)學(xué)模型的應(yīng)用狀況和發(fā)展趨勢[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

相關(guān)博士學(xué)位論文 前1條

1 李海軍;熱軋帶鋼精軋過程控制系統(tǒng)與模型的研究[D];東北大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 張濤;基于改進粒子群算法的滅火機器人路徑規(guī)劃研究[D];西安科技大學(xué);2011年

2 董銳;基于神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近方法研究[D];東北師范大學(xué);2011年

3 孫曉娜;基于神經(jīng)網(wǎng)絡(luò)的軋制力模型研究與應(yīng)用[D];燕山大學(xué);2009年

4 郭峰;中厚板精軋基礎(chǔ)自動化控制系統(tǒng)設(shè)計與研發(fā)[D];東北大學(xué);2008年

5 郭魯彥;非線性動態(tài)調(diào)整慣性權(quán)重的粒子群算法[D];東北大學(xué);2008年

6 管帥;軋機液壓厚控系統(tǒng)建模及算法研究[D];蘭州理工大學(xué);2008年

7 趙丕鳳;帶鋼精軋機組熱軋過程仿真研究[D];哈爾濱理工大學(xué);2008年

8 劉玉鵬;基于數(shù)值模擬的線材軋制過程研究[D];河北工業(yè)大學(xué);2007年

9 鐘江;基于LS-DYNA的高軋件軋制過程仿真分析與實證研究[D];浙江工業(yè)大學(xué);2007年

10 解保清;中厚板力能參數(shù)測量分析與數(shù)學(xué)模型研究[D];武漢科技大學(xué);2007年

，

本文編號：1627661