热轧带钢层流冷却数学模型的研究及人工神经网络的应用

摘要

卷取温度控制是热轧带钢生产中非常重要的环节，控制精度直接影响到带钢的最终组织性能。为了保证卷取温度的控制精度，本文对卷取温度控制模型、控制策略和控制模式进行了深入的研究与分析，在深入剖析意大利ANSALDOINDUSTRY公司开发的数学模型基础上，提出了改进意见，并开发了国内某热轧带钢厂卷取温度控制程序。为了进一步提高卷取温度的精度，研究了BP神经网络在卷取温度控制方面的应用。通过对大量实际数据的分析处理，建立了基本热流密度的BP神经网络模型来优化卷取温度控制模型，提高卷取温度控制模型的预报精度。 主要研究工作和取得的成果如下： 1.通过阅读大量有关热轧带钢层流冷却方面的资料，对层流冷却数学模型进行深入的研究，分析其特点，选择适合该厂的卷取温度控制数学模型； 2.简要介绍层流冷却的原理、特点、设备及模型的控制策略、冷却方式等； 3.利用Visualc++编程语言编写层流冷却预设定和再设定程序，并对数学模型进行了完善； 4.建立BP神经网络，对数学模型中重要参数—基本热流密度进行预报。用基本热流密度的BP神经网络预报值代替其现有的线性模型，来提高基本热流密度的计算精度，以此来优化卷取温度控制模型，提高卷取温度控制精度。 5.针对数学模型和BP网络结合的方法，利用现场数据进行仿真。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

1绪论

1.1课题的研究背景

1.2国内外控制冷却技术的发展

1.2.1国外控制冷却技术的发展

1.2.2国内控制冷却技术的发展

1.2.3各种冷却装置的比较

1.3层流冷却数学模型

1.3.1数学模型介绍

1.3.2模型中存在的问题

1.4神经网络的发展

1.5本文研究目的及内容

1.5.1研究目的

1.5.2研究内容

2热轧带钢层流冷却系统

2.1层流冷却的原理

2.2层流冷却系统的特点

2.3某热轧带钢厂层流冷却设备

2.3.1层流冷却设备

2.3.2设备参数

2.4过程控制系统

2.5本章小结

3数学模型及控制策略

3.1数学模型

3.1.1模型原理

3.1.2具体模型

3.1.3综合换热系数模型

3.1.4模型特点

3.2层流冷却的控制策略

3.2.1前馈控制

3.2.2反馈控制

3.2.3自适应控制

3.3冷却策略

3.4常规冷却功能模块的介绍

3.4.1常规冷却设定模块

3.4.2常规冷却再设定模块

3.5本章小结

4人工神经网络在层流冷却中的应用

4.1引言

4.2 BP网络概述

4.2.1 BP神经网络的原理

4.2.2 BP网络学习规则的数学基础

4.3具体模型

4.3.1 BP网络的建立

4.3.2 BP网络学习过程

4.3.3模型特点

4.3.4 BP学习算法的改进

4.4本章小结

5数学模型和BP网络的仿真结果分析

5.1数学模型的结果分析

5.1.1在线应用结果分析

5.1.2模型离线仿真

5.2 BP网络仿真结果分析

5.3本章小结

6结论

参考文献

硕士期间完成的论文

致谢