【摘要】：鋼鐵工業(yè)作為國民經(jīng)濟(jì)的支柱產(chǎn)業(yè),是衡量一個(gè)國家綜合實(shí)力的標(biāo)志,高精度帶鋼的生產(chǎn)是鋼鐵產(chǎn)業(yè)發(fā)展的重點(diǎn),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(guān)注的重點(diǎn)。板形檢測與板形控制是冷軋板帶生產(chǎn)過程的關(guān)鍵技術(shù),論文依托國家自然科學(xué)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(xì)化控制和信號采集處理等問題進(jìn)行了深入系統(tǒng)的研究,取得了一些新的進(jìn)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?zhàn)冃螌Π逍螜z測曲線的影響。通過對板帶內(nèi)部張應(yīng)力分布和檢測輥所受壓力分布曲線進(jìn)行對比,分析板帶內(nèi)部張應(yīng)力的分布趨勢和檢測輥所受的壓力分布的關(guān)系,推導(dǎo)出板形合理的補(bǔ)償曲線,由此可得出符合實(shí)際情況的板形缺陷分布規(guī)律。針對板形精細(xì)控制所存在的多維非線性問題,進(jìn)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(chǔ)上,采用高階勒讓德多項(xiàng)式作為板形識別基本模式,識別6次板形缺陷,以適應(yīng)板形精細(xì)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(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及權(quán)值、閾值,建立GAPSO-BP神經(jīng)網(wǎng)絡(luò)在線識別模型,解決了BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、初始權(quán)值影響大、易陷入局部極小和網(wǎng)絡(luò)結(jié)構(gòu)難確定等問題。通過實(shí)驗(yàn)計(jì)算,表明GAPSO-BP神經(jīng)網(wǎng)絡(luò)的抗干擾能力和自學(xué)習(xí)適應(yīng)能力強(qiáng)、精度高,能為板形控制策略的制定提供可靠的依據(jù)。論文利用GAPSO-BP神經(jīng)網(wǎng)絡(luò)模型,對實(shí)測板形進(jìn)行模式識別,分類研究板形缺陷并制定相應(yīng)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(gòu)建了實(shí)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(guān)系,為板形控制的實(shí)施提供了依據(jù)。針對高速板形儀壓電傳感器的特點(diǎn),采用有線信號采集與傳輸技術(shù),自行設(shè)計(jì)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(shù)據(jù)采集與處理系統(tǒng)及相應(yīng)模塊,在線顯示數(shù)據(jù)采集過程,進(jìn)行分析處理。
【圖文】：

更為細(xì)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(shí)質(zhì)是軋制過程中帶鋼分布的殘余應(yīng)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(yīng)力分布，最終會(huì)導(dǎo)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(rèn)為任何復(fù)雜浪形均由簡單浪形線性疊加而控制的重要基礎(chǔ)之一。a)單邊浪 b)雙邊浪 c)中浪

由縱向(板長)浪形函數(shù)和橫向(板寬)浪形函數(shù)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(fù)雜的板形問題，需要更為一般情況的復(fù)雜板形問題。形擬合函數(shù) 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?yàn)?x 軸，以波函數(shù)如式 1-1。形的半波高(2vRA ，，vR 為整個(gè)波高)(mm)；決定周期(即 ，T 為周期)；；形波長(mm)。2sin( ) sin( )vy A wx AL 2T
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TG334.9

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 單修迎;賈春玉;劉宏民;;板帶軋機(jī)板形控制傾輥彎輥神經(jīng)模糊PID模型[J];機(jī)械工程學(xué)報(bào);2009年09期

2 張秀玲;張志強(qiáng);;DHNN優(yōu)化設(shè)計(jì)新方法及在板形模式識別的應(yīng)用[J];智能系統(tǒng)學(xué)報(bào);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(jī)械工程學(xué)報(bào);2008年01期

4 王生朝,趙海民;利用人工神經(jīng)網(wǎng)絡(luò)預(yù)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(jī)械工程學(xué)報(bào);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(jī)械;2002年03期

7 劉進(jìn);冷軋帶鋼板形缺陷表達(dá)式回歸及數(shù)學(xué)模型[J];軋鋼;1996年05期

相關(guān)博士學(xué)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(xué);2012年

2 張秀玲;冷帶軋機(jī)板形智能識別與智能控制研究[D];燕山大學(xué);2003年

本文編號：2573169