收藏本站
《北京理工大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

中厚板轧制生产线跟踪系统设计

李威  
【摘要】:钢铁工业是每一个国家实现经济发展必不可少的重要产业,其中中厚板生产在钢铁工业里拥有举足轻重的地位。为了提高中厚板轧制生产线的自动化程度,实现轧机辊缝控制以及轧制生产线跟踪显得尤为重要。本文将从这两个方面来展开研究。中厚板轧机的辊缝控制与厚度质量息息相关。针对轧制生产线的辊缝控制,本文重点研究了对轧机辊缝值的预测。首先介绍了AGC系统基本原理,得出了影响辊缝的物理模型。然后介绍了支持向量机(SVM)算法、遗传算法的基本原理,编写了基于遗传算法的SVM参数寻优程序,并实现了SVM算法在辊缝预测的仿真。轧线跟踪是轧制生产过程自动化的前提和基础。本文将轧线跟踪分为三个部分:钢坯微跟踪,钢坯过程宏跟踪以及轧线信息跟踪。微跟踪提供钢坯精确位置坐标,宏跟踪提供钢坯的工艺状态和位置,结合轧线的信息跟踪从而实现整个轧线的跟踪。针对轧线跟踪,本文首先介绍中厚板轧制生产线状况并且研究了需要跟踪的主要内容,继而设计了跟踪系统的实现方案,具体包括:跟踪功能区的划分、跟踪数据的数据结构设计、轧线跟踪的实现方式以及系统通讯方式,然后设计了轧线跟踪系统的硬件结构并且介绍了轧线跟踪系统软件编程方法,最终完成了中厚板轧线跟踪系统的开发。
【关键词】:中厚板 AGC 辊缝预测 轧制过程自动化 轧线跟踪
【学位授予单位】:北京理工大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TG334.9
【目录】:
  • 摘要5-6
  • Abstract6-9
  • 第1章 绪论9-13
  • 1.1 国内外中厚板生产概述9-11
  • 1.1.1 国外中厚板生产发展情况9-10
  • 1.1.2 国内中厚板生产发展情况10-11
  • 1.2 中厚板AGC技术发展11
  • 1.3 中厚板轧制生产线跟踪系统概述11-12
  • 1.4 论文研究的主要内容12-13
  • 第2章 AGC系统基本原理13-23
  • 2.1 自动厚度控制系统13-17
  • 2.1.1 中厚板轧制压力模型13-17
  • 2.2 中厚板轧机弹跳方程和塑性方程17-21
  • 2.3 影响中厚板厚度控制的原因21-22
  • 2.4 本章小结22-23
  • 第3章 基于支持向量机算法的辊缝预测23-39
  • 3.1 支持向量机回归理论23-27
  • 3.1.1 支持向量机线性回归23-25
  • 3.1.2 支持向量机非线性回归25-27
  • 3.2 序列最小优化算法27-29
  • 3.3 基于遗传算法的SVM参数选择29-32
  • 3.3.1 参数选取分析29-30
  • 3.3.2 遗传算法参数寻优30-32
  • 3.4 基于支持向量机算法的辊缝预测仿真32-37
  • 3.4.1 AGC辊缝预测算法流程分析32-34
  • 3.4.2 仿真结果以及分析34-37
  • 3.5 本章小结37-39
  • 第4章 中厚板轧线跟踪系统设计39-59
  • 4.1 中厚板轧制生产线综述39-41
  • 4.2 轧线跟踪系统总体设计思路41-42
  • 4.3 轧线跟踪主要内容42
  • 4.4 轧线跟踪系统的设计42-56
  • 4.4.1 轧线跟踪的要求43
  • 4.4.2 轧线跟踪功能区的划分43-44
  • 4.4.3 轧线跟踪数据的数据结构设计44-47
  • 4.4.4 轧线跟踪的设计47-56
  • 4.5 轧线跟踪系统通讯方式56-58
  • 4.5.1 系统通讯结构和配置56-57
  • 4.5.2 通讯接口57-58
  • 4.6 本章小结58-59
  • 第5章 中厚板轧线跟踪系统开发59-67
  • 5.1 轧制生产线设备现状和系统设计目标59-60
  • 5.2 轧线跟踪系统的硬件选择与设计60-63
  • 5.3 轧线跟踪系统软件设计63-64
  • 5.4 轧线跟踪系统界面开发64-65
  • 5.5 本章小结65-67
  • 第6章 总结与展望67-69
  • 参考文献69-73
  • 致谢73-75
  • 攻读学位期间发表论文与研究成果清单75

【参考文献】
中国期刊全文数据库 前10条
1 闫国华;朱永生;;支持向量机回归的参数选择方法[J];计算机工程;2009年14期
2 康永林;陈继平;;国外轧钢技术现状及发展动态[J];轧钢;2009年01期
3 陈凯亚;王敏锡;;Keerthi的SMO算法的偏置计算改进[J];计算机工程;2008年12期
4 宋召青;崔和;胡云安;;支持向量机理论的研究与进展[J];海军航空工程学院学报;2008年02期
5 杜平;胡贤磊;李勇;赵忠;刘相华;王建平;;唐钢3500mm中厚板轧机轧制过程的轧件跟踪[J];轧钢;2007年05期
6 ;Design of Fault Diagnosis Observer for HAGC System on Strip Rolling Mill[J];Journal of Iron and Steel Research(International);2006年04期
7 李林虎;中厚板生产现状及市场需求趋势分析[J];河北冶金;2005年05期
8 矫志杰,何纯玉,牛文勇,刘相华;中厚板轧机全自动轧钢控制功能的在线实现[J];东北大学学报;2005年08期
9 王国栋,刘相华,王君;我国中厚板生产设备、工艺技术的发展[J];中国冶金;2004年09期
10 矫志杰,杨红,何纯玉,胡贤磊,王君,王昭东,李学儒,张庆春,刘相华;首钢中厚板轧机的轧件跟踪[J];冶金自动化;2004年04期
中国硕士学位论文全文数据库 前2条
1 张楠;关于支持向量机中的参数优化的研究[D];西北大学;2008年
2 王市均;中厚板轧区跟踪系统及精轧机辊缝控制研究[D];东北大学;2008年
【共引文献】
中国期刊全文数据库 前10条
1 张乐文;陈新兵;侯东旭;吴海滨;;基于加权支持向量机对烧结过程中FeO含量和转鼓指数的预测研究[J];冶金动力;2017年08期
2 彭文;姬亚锋;陈树宗;张殿华;;热连轧轧制特性分析及轧制力动态锁定策略[J];中南大学学报(自然科学版);2017年06期
3 王林;刘志军;田强;齐咏生;;柔性支持向量回归算法在故障诊断中的应用[J];控制工程;2017年06期
4 董莉;江沸菠;戴前伟;傅宇航;;基于支持向量机回归的电阻率成像反演[J];物探与化探;2017年03期
5 马国真;邵华;凌云鹏;赵阳;符景帅;;峰谷分时电价敏感性分析研究[J];陕西电力;2017年02期
6 门慧超;;基于KFCM-MultiSwarmPSO的SVR参数寻优策略[J];计算机与现代化;2017年01期
7 阎孟冬;杨国范;殷飞;;基于Landsat影像的清河水库总悬浮物浓度反演模型研究[J];中国农村水利水电;2016年12期
8 张怡超;伍长春;林倩雨;韩林洁;;基于小波核支持向量机回归的期货价格预测[J];嘉兴学院学报;2016年06期
9 张祖江;戴杰涛;戴文笠;;中厚板瓢曲浪形的仿真分析与抑制措施研究[J];轧钢;2016年05期
10 张洋;程恩;;基于ε-支持向量机回归的快速公交到站时间预测[J];厦门大学学报(自然科学版);2017年03期
中国硕士学位论文全文数据库 前10条
1 白雪;川渝地区城镇冬季燃气日负荷特性分析及预测方法研究[D];西南石油大学;2016年
2 张振景;基于SVM的离合词词义消歧[D];河北大学;2016年
3 李威;中厚板轧制生产线跟踪系统设计[D];北京理工大学;2016年
4 汪马成;基于PSO-SVM模型的建筑施工项目安全预警方法研究[D];上海工程技术大学;2016年
5 李林伟;智能轮椅人机接口中表面肌电信号动作识别[D];河南理工大学;2015年
6 蒋正帅;番茄采摘机器人视觉系统的研究[D];中国计量学院;2014年
7 杨琦;海南岛极小种群野生植物种群重建区的SVM预测和等级划分[D];海南大学;2014年
8 甘国文;基于SVR的电站锅炉一次风管煤粉含碳量预测建模与优化研究[D];长沙理工大学;2015年
9 张扬;预测函数控制技术及其在三容水箱控制中的应用研究[D];沈阳理工大学;2014年
10 万鹏;基于流形学习的主轴系统故障诊断方法研究[D];北京信息科技大学;2013年
【二级参考文献】
中国期刊全文数据库 前10条
1 曹克强;胡良谋;张春山;张建邦;;支持向量机在电液伺服系统辨识建模中的应用[J];空军工程大学学报(自然科学版);2007年03期
2 刘靖旭;蔡怀平;谭跃进;;支持向量回归参数调整的一种启发式算法[J];系统仿真学报;2007年07期
3 王定成;姜斌;;在线稀疏最小二乘支持向量机回归的研究[J];控制与决策;2007年02期
4 周博韬;李安贵;;最小二乘支持向量机的一种改进算法[J];南昌大学学报(理科版);2006年06期
5 王锐;胡容兵;王志勇;;基于支持向量机的武器装备批量生产经济性分析[J];海军航空工程学院学报;2006年06期
6 范玉刚;李平;宋执环;;动态加权最小二乘支持向量机[J];控制与决策;2006年10期
7 廖研;;宝钢5m厚板轧机材料跟踪系统的实现及改进[J];宝钢技术;2006年04期
8 张浩然;汪晓东;;回归最小二乘支持向量机的增量和在线式学习算法[J];计算机学报;2006年03期
9 王海峰,胡德金;最小二乘支持向量机的一种稀疏化算法[J];计算机工程与应用;2005年33期
10 叶美盈,汪晓东,张浩然;基于在线最小二乘支持向量机回归的混沌时间序列预测[J];物理学报;2005年06期
中国硕士学位论文全文数据库 前2条
1 曹兆龙;基于支持向量机的多分类算法研究[D];华东师范大学;2007年
2 邹汉斌;支持向量机在文本分类中的应用[D];江南大学;2006年
【相似文献】
中国期刊全文数据库 前10条
1 李伟明,穆志纯,刘克;基于实测值的自适应算法在中厚板轧制中的应用[J];北京科技大学学报;2003年01期
2 张清泉,刘勇谋,姚进;中厚板轧制过程的数值模拟分析[J];钢铁钒钛;2004年03期
3 谭文;刘振宇;支颖;吴迪;郑芳;王巍;;中厚板轧制过程智能化温度预报模型[J];钢铁研究学报;2006年12期
4 王继松;;中厚板轧制过程中有限元理论的运用[J];宽厚板;2008年04期
5 唐国军;罗君高;吴华刚;;宽厚板轧制过程中的宽展浅析[J];宽厚板;2010年05期
6 赖宏;黄焕江;王强;;特厚板轧制负荷计算及分析[J];河北冶金;2013年09期
7 赖宏;黄焕江;王强;;特厚板轧制过程轧制负荷计算及分析[J];钢铁技术;2013年02期
8 岛田信太郎,付吉臣;中厚板轧制中的加热·轧制连续控制技术[J];武钢技术;1997年06期
9 李伟明,穆志纯,刘克;一种应用于中厚板轧制的道次间自适应算法[J];宽厚板;2001年06期
10 江定辉,刘建彬,徐洪智;中厚板轧制板头弯曲原因分析与“差动咬人”控制法[J];南方金属;2002年05期
中国重要会议论文全文数据库 前5条
1 刘慧;齐志新;王国栋;;中厚板轧制过程有限元模拟[A];2006中国金属学会青年学术年会会刊[C];2006年
2 姜洪生;;厚板轧制异常材的自动判定技术[A];2006年全国轧钢生产技术会议文集[C];2006年
3 于九明;李永波;马博;张延华;丁修坤;;中厚板轧制平面形状三维变形的研究[A];第八届全国塑性加工理论与新技术学术会议论文集[C];1999年
4 金自力;戴园生;翟宝辰;;厚板轧制中工艺参数对成材率的影响[A];第八届全国塑性加工理论与新技术学术会议论文集[C];1999年
5 刘宏民;王英睿;金丹;;基于条层法的热带钢连轧和厚板轧制的仿真分析[A];制造业与未来中国——2002年中国机械工程学会年会论文集[C];2002年
中国重要报纸全文数据库 前2条
1 ;精心攻克工程设计难点 再造厚板轧制工程典范[N];世界金属导报;2013年
2 ;中厚板轧制生产线自动化系统[N];世界金属导报;2013年
中国博士学位论文全文数据库 前2条
1 丁敬国;中厚板轧制过程软测量技术的研究与应用[D];东北大学 ;2009年
2 何纯玉;中厚板轧制过程高精度侧弯控制的研究与应用[D];东北大学;2009年
中国硕士学位论文全文数据库 前10条
1 何利;4300轧机宽厚板轧制过程的平面形状控制研究[D];燕山大学;2015年
2 李威;中厚板轧制生产线跟踪系统设计[D];北京理工大学;2016年
3 李恺;中厚板轧制过程离线模拟系统开发[D];燕山大学;2012年
4 杨志华;中厚板轧制仿真系统的研究[D];燕山大学;2010年
5 王海龙;中厚板轧制过程的控制模型及仿真研究[D];郑州大学;2008年
6 刘刚;中厚板轧制过程中温度高精度设定与应用[D];东北大学;2008年
7 陈庆安;中厚板轧制过程厚度设定计算研究[D];东北大学;2010年
8 向毅;模糊聚类方法及其在中厚板轧制性能预测中的应用研究[D];燕山大学;2005年
9 何青松;中厚板轧制平面形状控制的有限元模拟研究[D];武汉理工大学;2009年
10 刘凤艳;宽厚板轧制过程辊系变形的研究[D];燕山大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026