【摘要】：鋼鐵工業(yè)作為國民經濟的支柱產業(yè),是衡量一個國家綜合實力的標志,高精度帶鋼的生產是鋼鐵產業(yè)發(fā)展的重點,因此如何提高板帶鋼材制造的工藝水平一直是工業(yè)企業(yè)關注的重點。板形檢測與板形控制是冷軋板帶生產過程的關鍵技術,論文依托國家自然科學基金課題,以板形檢測、在線模式識別及板形控制策略為研究課題,針對板形精細化控制和信號采集處理等問題進行了深入系統(tǒng)的研究,取得了一些新的進展。論文以工業(yè)壓電板形儀為研究對象,建立檢測輥及板帶的受力情況有限元模型,在不同張力條件下,改變板厚、包角,研究檢測輥變形對板形檢測曲線的影響。通過對板帶內部張應力分布和檢測輥所受壓力分布曲線進行對比,分析板帶內部張應力的分布趨勢和檢測輥所受的壓力分布的關系,推導出板形合理的補償曲線,由此可得出符合實際情況的板形缺陷分布規(guī)律。針對板形精細控制所存在的多維非線性問題,進行高階板形識別系統(tǒng)建模,研究高階非線性系統(tǒng)所描述的板形缺陷形成規(guī)律,在保證正交性的基礎上,采用高階勒讓德多項式作為板形識別基本模式,識別6次板形缺陷,以適應板形精細化控制。通過研究遺傳算法和粒子群算法的混合算法,優(yōu)化BP神經網絡結構及權值、閾值,建立GAPSO-BP神經網絡在線識別模型,解決了BP神經網絡收斂速度慢、初始權值影響大、易陷入局部極小和網絡結構難確定等問題。通過實驗計算,表明GAPSO-BP神經網絡的抗干擾能力和自學習適應能力強、精度高,能為板形控制策略的制定提供可靠的依據。論文利用GAPSO-BP神經網絡模型,對實測板形進行模式識別,分類研究板形缺陷并制定相應的控制方案,分析表明該系統(tǒng)的識別精度高,可用于在線板形閉環(huán)反饋控制。構建了實測平臺,通過可視化界面建立檢測信號與板形控制手段的關系,為板形控制的實施提供了依據。針對高速板形儀壓電傳感器的特點,采用有線信號采集與傳輸技術,自行設計了滑環(huán)式的有線信號采集與傳輸系統(tǒng),開發(fā)板形信號海量數據采集與處理系統(tǒng)及相應模塊,在線顯示數據采集過程,進行分析處理。
【圖文】：

更為細致的分類。其中瓢曲分為橫向瓢曲、縱向瓢曲、斜、C 翹曲、四角翹曲等。式板形檢測裝置所檢測的板形缺陷實質是軋制過程中帶鋼分布的殘余應力，其中既包含可見的顯性板形，又包含未帶中存在不同的殘余應力分布，最終會導致不同的浪形。形缺陷劃分為單邊浪、雙邊浪、中浪、四分之一浪和邊中 1-1 所示，且認為任何復雜浪形均由簡單浪形線性疊加而控制的重要基礎之一。a)單邊浪 b)雙邊浪 c)中浪

由縱向(板長)浪形函數和橫向(板寬)浪形函數的板形缺陷，主要有單邊浪、雙邊浪、中間浪在的板形缺陷往往是復雜的板形問題，需要更為一般情況的復雜板形問題。形擬合函數 板形缺陷在板長方向上具有最明帶縱向和橫向浪形，以板長方向為 x 軸，以波函數如式 1-1。形的半波高(2vRA ，，vR 為整個波高)(mm)；決定周期(即 ，T 為周期)；；形波長(mm)。2sin( ) sin( )vy A wx AL 2T
【學位授予單位】：燕山大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TG334.9

【參考文獻】

相關期刊論文 前7條

1 單修迎;賈春玉;劉宏民;;板帶軋機板形控制傾輥彎輥神經模糊PID模型[J];機械工程學報;2009年09期

2 張秀玲;張志強;;DHNN優(yōu)化設計新方法及在板形模式識別的應用[J];智能系統(tǒng)學報;2008年03期

3 劉建;王益群;孫福;寧淑榮;;基于粒子群理論的板形模糊模式識別方法[J];機械工程學報;2008年01期

4 王生朝,趙海民;利用人工神經網絡預測鋼板性能[J];寬厚板;2003年06期

5 王益群,尹國芳,孫旭光;板形信號模式識別方法的研究[J];機械工程學報;2003年08期

6 任海鵬,劉丁,鄭崗;一種基于遺傳算法的板形模式識別方法[J];重型機械;2002年03期

7 劉進;冷軋帶鋼板形缺陷表達式回歸及數學模型[J];軋鋼;1996年05期

相關博士學位論文 前2條

1 李志明;整輥鑲塊式板形儀信號處理及板形閉環(huán)控制方法研究[D];燕山大學;2012年

2 張秀玲;冷帶軋機板形智能識別與智能控制研究[D];燕山大學;2003年

本文編號：2573169