帶鋼厚度是熱連軋機(jī)產(chǎn)品質(zhì)量最主要的評(píng)價(jià)指標(biāo)之一。隨著汽車、家電、食品包裝、建筑等行業(yè)對(duì)軋制產(chǎn)品質(zhì)量要求的提高,軋制過(guò)程對(duì)帶鋼厚度控制性能的要求也隨之提高。由于軋制工藝具有高度復(fù)雜性,實(shí)現(xiàn)板厚高精度控制仍然存在很大困難。本文以進(jìn)一步改善出口板厚控制精度為目的,從帶鋼厚度優(yōu)化控制和軋制過(guò)程健康狀態(tài)診斷兩個(gè)方面展開(kāi)研究。本文主要內(nèi)容如下:1.針對(duì)熱連軋機(jī)厚度設(shè)定模型系統(tǒng)中,帶鋼厚度不能直接測(cè)量,且現(xiàn)有帶鋼厚度預(yù)測(cè)模型精度不高的問(wèn)題,提出基于D-S信息重構(gòu)的帶鋼厚度軟測(cè)量預(yù)測(cè)方法（DSIRPM）。首先,根據(jù)ibaAnalyzer分析軟件和圖相關(guān)分析方法確定敏感軋制參數(shù);然后,分別運(yùn)用敏感軋制參數(shù)進(jìn)行最小二乘多項(xiàng)式曲線擬合獲得初始帶鋼厚度預(yù)測(cè)值;最后,利用灰色關(guān)聯(lián)分析計(jì)算敏感軋制參數(shù)對(duì)帶鋼厚度貢獻(xiàn)率,并將其作為D-S證據(jù)理論的基本概率分配函數(shù)對(duì)初始帶鋼厚度預(yù)測(cè)值進(jìn)行融合,以獲得帶鋼厚度最終預(yù)測(cè)結(jié)果。通過(guò)與單一最小二乘多項(xiàng)式曲線擬合模型、GM（1,1）模型和加權(quán)平均融合方法對(duì)比,結(jié)果表明DSIRPM具有較好的預(yù)測(cè)精度和穩(wěn)定性。2.針對(duì)熱連軋機(jī)監(jiān)控厚度自動(dòng)控制（AGC）系統(tǒng)具有時(shí)滯、參數(shù)時(shí)變等特性導(dǎo)... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：119 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１．４人工神經(jīng)網(wǎng)絡(luò)帶鋼厚度軟測(cè)量結(jié)構(gòu)圖??Ｆｉｇ．?１．４?Ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ＡＮＮ?ｓｔｒｉｐ?ｔｈｉｃｋｎｅｓｓ?ｓｏｆｔ?ｍｅａｓｕｒｅｍｅｎｔ??

圖２．２某廠熱連乳機(jī)９機(jī)架精軋機(jī)組帶鋼軋制過(guò)程示意圖??Ｆｉｇ．?２．２?Ｓｔｒｉｐ?ｒｏｌｌｉｎｇ?ｐｒｏｃｅｓｓ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｆｉｎｉｓｈｉｎｇ?ｍｉｌｌ?ｇｒｏｕｐ??

帶鋼厚度優(yōu)化控制與軋制過(guò)程健康狀態(tài)診斷方法研宄???表２．３測(cè)試樣本預(yù)測(cè)性能對(duì)比??Ｔａｂ．?２．３?Ｔｈｅ?ｐｒｅｄｉｃｔｉｏｎ?ｐｅｒｆｏｒｍａｎｃｅｓ?ｆｒｏｍ?ｔｈｅ?ｔｅｓｔｉｎｇ?ｓａｍｐｌｅ?ｐｏｉｎｔｓ??預(yù)測(cè)模型?ＲＭＳＥ?ＳＤ??軋制力預(yù)測(cè)?０．０１３２３０?０．１２７４ｅ－３??電流預(yù)測(cè)?０．００９９１５?０．７７７?ｌｅ－４??輥縫預(yù)測(cè)?０．００９１８１?０．９３４７ｅ－４??ＧＭ（１，１）預(yù)測(cè)?０．００９３５９?０．１１０４ｅ－３??加權(quán)平均預(yù)測(cè)?０．００９４５４?０．１６６６ｅ－３??本章方法?０．００９４３２?０．７４０８ｅ－４??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)特征提取和粒子群支持向量機(jī)狀態(tài)識(shí)別的齒輪智能故障診斷[J]. 時(shí)培明,梁凱,趙娜,安淑君.  中國(guó)機(jī)械工程. 2017(09)
[2]基于Teager能量算子和深度置信網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[J]. 陶潔,劉義倫,付卓,楊大煉,湯芳.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[3]Multivariate time delay analysis based local KPCA fault prognosis approach for nonlinear processes[J]. Yuan Xu,Ying Liu,Qunxiong Zhu.  Chinese Journal of Chemical Engineering. 2016(10)
[4]基于FPGA的改進(jìn)型PSO優(yōu)化PID在冷軋帶鋼對(duì)中控制系統(tǒng)中的應(yīng)用[J]. 趙新秋,賈林.  塑性工程學(xué)報(bào). 2015(06)
[5]基于健康指數(shù)的設(shè)備運(yùn)行狀態(tài)評(píng)價(jià)與預(yù)測(cè)[J]. 張彥如,耿夢(mèng)曉.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(10)
[6]河南省旬降水量的標(biāo)度不變性分析[J]. 王紀(jì)軍,胡彩虹,潘攀,竹磊磊,李鳳秀.  干旱區(qū)地理. 2015(05)
[7]基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測(cè)方法[J]. 雷亞國(guó),賈峰,周昕,林京.  機(jī)械工程學(xué)報(bào). 2015(21)
[8]A strip thickness prediction method of hot rolling based on DS information reconstruction[J]. 孫麗杰,邵誠(chéng),張利.  Journal of Central South University. 2015(06)
[9]板帶熱連軋自動(dòng)化系統(tǒng)的現(xiàn)狀與展望[J]. 張殿華,彭文,丁敬國(guó),龔殿堯,李旭,孫杰.  軋鋼. 2015(02)
[10]采用Smith預(yù)估低通濾波補(bǔ)償?shù)腁GC控制系統(tǒng)[J]. 董敏,董廣山.  鋼鐵研究學(xué)報(bào). 2015(03)

博士論文
[1]中厚板軋制過(guò)程軟測(cè)量技術(shù)的研究與應(yīng)用[D]. 丁敬國(guó).東北大學(xué) 2009
[2]提高冷連軋帶鋼厚度精度的策略研究與應(yīng)用[D]. 李旭.東北大學(xué) 2009

碩士論文
[1]基于粒子群神經(jīng)網(wǎng)絡(luò)及D-S理論的亞健康識(shí)別算法研究[D]. 趙家強(qiáng).遼寧大學(xué) 2013
[2]基于機(jī)器學(xué)習(xí)的故障狀態(tài)評(píng)價(jià)算法研究[D]. 楊永波.遼寧大學(xué) 2013
[3]基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的熱軋厚度控制方法研究[D]. 杜藝.濟(jì)南大學(xué) 2013
[4]基于Smith自適應(yīng)辨識(shí)的自動(dòng)厚度控制系統(tǒng)的研究[D]. 張碩.東北大學(xué) 2010
[5]帶鋼厚度智能控制方法的研究[D]. 張溪琳.東北大學(xué) 2008



本文編號(hào)：3610596