一、轧机HAGC系统实时控制的实现(论文文献综述)
王海军[1](2019)在《双辊薄带振动铸轧工艺控制及铸带性能研究》文中研究表明双辊薄带铸轧是当今世界上流程最短的一种热轧带钢生产技术,是一种绿色化的生产流程,具有省资源、低能耗、低排放、环境友好、投资少及操作成本低的天然优势。双辊薄带铸轧技术虽然得到了世界钢铁界的广泛重视,但仍需要不断完善以尽早全面实现工业化。在铸轧过程中,液态钢水从进入熔池开始凝固到经过结晶辊铸轧成带时间非常短,工艺参数的可控范围非常窄,参数的极小波动都可能对板带质量造成不利的影响。因此,需要对工艺参数进行实时准确的监测,并采取合适的策略对工艺参数进行精确的控制,以保证铸轧过程持续稳定和薄带质量。本文对双辊薄带振动铸轧过程的工艺控制及铸带性能等方面进行了研究,研究结果对振动铸轧工艺的工业化实现具有重要的理论意义和实用价值。本文针对振动铸轧过程的特点,采用数值模型方法对振动铸轧熔池内金属液进行了振动工况下的热-流-凝固耦合数值模拟,模拟分析了铸轧速度、浇铸温度、液位高度、辊缝大小及振动工况等因素对Kiss点位置的影响规律,为铸轧过程的铸轧力模型推导及工艺控制策略的研究奠定了理论基础。对振动铸轧过程的铸轧力模型进行开发时,首先采用仿真和实验的方式对塑性变形区按前滑区、后滑区及搓轧区进行了摩擦力及轧制力的变化规律分析。基于分析结果和有限元法,将振动铸轧熔池以Kiss点位置为界分为铸造区与塑性变形区,使用梯形微元体对塑性变形区内金属进行了受力分析,并采用热轧相关理论推导建立了振动铸轧过程的铸轧力模型,并对铸轧力模型进行了验证。对双辊薄带振动铸轧设备自身及工艺控制所具有的特点进行了分析,结合工艺参数对Kiss点位置的影响规律及铸轧力模型提出了HAGC、铸轧力及Kiss点位置的控制方法,并对开浇阶段和稳定铸轧阶段,提出了相应的控制策略。在此基础上自主完成了液压压下和变频控制等系统的硬件设计、安装及调试,制定了铸轧工艺参数监控系统的硬件方案,利用Labview、Step7软件平台实现了上位机、下位机控制程序,建立了Φ500×350双辊薄带振动铸轧监控系统,为铸轧工艺研究提供准确、快速、可靠的数据支持,并为工艺控制策略的实现提供了平台。针对建立的振动铸轧工艺控制系统,为获得控制系统的精确数学模型,选择了径向基函数(RBF)神经网络作为研究方法,并为了提高神经网络的训练速度及泛化能力采用改进后的粒子群算法(PSO)优化了神经网络参数,确定铸轧控制系统采用NARX模型类进行非线性建模后,采用AIC准则确定了神经网络的训练模型阶次。最终采用AMESim及Simulink利用仿真数据及实验数据分别对铸轧HAGC控制系统、铸轧力控制系统进行了精确的非线性系统辨识,所得RBF神经网络辨识结果能够满足控制系统精度要求。利用PSO-RBF神经网络辨识得到的控制系统神经网络模型参数,设计了铸轧机HAGC和铸轧力间接RBF神经网络自校正控制系统。将HAGC间接RBF神经网络自校正控制系统与常规PID控制系统采用Simulink仿真进行了对比分析,结果表明RBF自校正控制系统响应速度、稳态误差、抗干扰能力都较高;受到正弦负载干扰信号情况下,辊缝大小振荡幅度在可控范围内,保证了铸带纵向厚度精度要求。对铸轧力间接RBF神经网络自校正控制系统与常规PID控制系统采用实验方式在铸轧机上进行了对比分析,结果表明RBF神经网络自校正控制表现出了较强的自适应性能力。证明了RBF神经网络对于解决控制系统中非线性和不确定性问题的优越性。为了对前述铸轧力模型、工艺参数及控制等研究成果进行实验验证,在Φ500×350双辊薄带振动铸轧机实验平台上,以20CrMn钢为实验材料开展了不同开浇温度下的非振动铸轧与振动铸轧的对比实验研究。实验结果表明,振动可以在铸轧过程中有效细化铸带晶粒,并且能有效提升熔池区钢液流动性,抑制缩孔现象发生,促进细小第二相粒子弥散分布。因此,在不同开浇温度下得到的振动铸带,其屈服强度、抗拉强度和伸长率均较传统非振动铸带得到了较大提升。
岳文德[2](2018)在《基于虚拟样机的液压AGC系统建模及故障模拟软件平台开发》文中研究指明液压厚度控制系统(AGC)作为大型板带轧机的核心系统,是一个集轧机本体、轧制工艺、板带材料、液压系统、电气系统及控制系统于一体的典型复杂系统。虽然板厚控制技术已应用多年,但由于轧机压下控制技术包含甚广,涉及众多学科领域知识,问题依然较大。液压AGC由液压系统、控制系统、机架辊系、伺服元件及其他辅助装置等构成,其性能好坏或工作与否直接影响板带生产质量和效率,系统一旦出现故障将直接威胁轧机的正常生产,甚至导致停产。因此通过对其进行相应故障诊断研究,快速确定故障位置很有必要,有重要的现实意义。而对系统进行精确建模,通过在模型中注入故障的方式来模拟故障过程提取故障数据,可以为故障预测和故障诊断提供依据。本文首先运用液压系统仿真软件AMESim建立了轧机压下系统模型,并用MATLAB/GUI软件建立起系统可视化界面,借助于编程,将液压系统和可视化界面有机结合起来,通过GUI界面观察参数设置对液压系统运动的影响更直观,并且相比于单一仿真软件,联合仿真效率更高。其次对系统进行动态响应分析,通过在GUI界面中修改相关参数,向系统中注入故障参数,来对压下系统的各种故障进行仿真,通过对仿真得到的不同故障下的动态响应曲进行分析处理,为系统故障预测与诊断提供依据。最后运用支持向量机方法对HAGC系统中电液伺服阀的常见故障进行分类诊断研究,通过仿真得到的数据作为输入得到训练模型,并通过测试模型验证其有效性。
李德[3](2017)在《一类输入延迟非线性系统的控制研究及应用》文中指出考虑到信号传输距离增加带来的延迟问题,与严重影响系统稳定性的非线性问题,本文拟以一类非线性系统为研究对象,考虑输入延迟问题,结合预定性能控制方法进行控制研究,并在冷带轧机液压厚控(Hydraulic Automatic Gauge Control,HAGC)系统中将其应用。首先,建立HAGC系统的非线性数学模型。根据HAGC系统中各主要动态部件的机理方程,考虑状态可测与状态不完全可测两种情况,分别建立了两种面向控制的非线性数学模型。并且在实际的HAGC系统中,测厚仪通常安装在距离轧辊中心线较远的区域,因此在测量过程中HAGC系统存在测量时延,为便于研究,本文将模型中的测量时延转化为输入时延。其次,针对一类含有定常输入延迟的下三角结构的非线性系统,提出一种基于神经网络估计的预定性能控制,以获得优越的控制性能,使系统仅通过调节预定性能函数的参数及控制器参数就可以改变控制效果。再次,综合考虑输出反馈更适用于实际生产的情况,因此,同样考虑定常的输入延迟,认为上述系统模型中状态不完全可测,基于径向基神经网络观测器,考虑对称的预定性能函数,提出了一种更符合实际应用情况的输出反馈控制器。最后,进一步考虑时变输入延迟,结合LMI技术与Lyapunov-Krasovskii泛函,设计输出反馈控制器,进行稳定性分析,求取观测及反馈增益,给出时延上界,并将上述三种控制策略应用到HAGC系统中,通过Matlab仿真实验,证明了控制策略的有效性。
宋波[4](2016)在《基于多变量耦合非线性模型的轧机液压压下系统故障诊断研究》文中进行了进一步梳理液压厚度自动控制(HAGC)系统作为现代板带轧机的核心技术,是集机、电、液于一体的复杂的非线性动力学系统,具有不确定性、非线性、时变性等特点,该系统运行状态的好坏对产品的质量和产量具有重大影响,因此对其进行故障诊断技术的研究对提高轧机设备生产率和提高设备的管理水平具有重要的实际意义。首先,针对板带轧机HAGC系统的参数变化导致的故障诊断困难及实际故障模拟费用高、危险性大等问题,本文重点分析HAGC系统中伺服阀出口压力—流量这一典型非线性因素,应用模块化建模的方法建立了一种较全面反映系统动态性能的多变量耦合非线性分布式动力学模型。并通过仿真分析和实验数据验证了所建模型的正确性和相比于线性模型更加贴近实际系统的优越性。其次,在所建非线性系统模型的基础上通过改变与系统故障相关的特征参数,对系统不同工况下的故障进行模拟,通过实际轧制数据验证所模拟故障的正确性,所获得的故障特征可为实际系统故障诊断提供依据。再次,针对所建立的非线性模型,应用非线性微分几何解耦理论中条件不变分布概念对系统进行解耦分析,得到了对板带塑性系数变动引起的不确定鲁棒可观测解耦子系统。最后,基于可观测子系统,设计了一指数高增益观测器,通过理论推导和仿真研究证明所设计观测器稳定并渐进收敛,残差信号能够检测出伺服阀或液压缸故障而对板带塑性系数变动引起的不确定鲁棒。通过实际轧制数据验证了该方法的正确性和有效性,解决了系统扰动引起残差时,必然通过放大阈值降低诊断精度的代价来解决这一问题。
李青[5](2015)在《重钢中厚板厂4100mm轧机HAGC系统》文中认为概述了HAGC系统的现状,重钢中厚板厂4100mm轧机HAGC系统的组成与功能、工作机制与数据流,阐述了重钢中厚板厂应用HAGC系统实现厚度自动控制的过程。重点介绍了重钢中厚板厂4100mm轧机PCS系统具备的物料跟踪、数据通讯、数据库管理及工艺设定四大功能,以及重钢中厚板厂轧机过程计算机控制逻辑。
陈帅[6](2015)在《中厚板哑铃形展宽末道次轧制法控制系统》文中研究说明为了改善中厚板成品的表面形状,减少剪切损耗,提高成材率,福建三钢集团有限责任公司中板厂依靠自身技术力量研发了一套哑铃形展宽末道次轧制法控制系统。在原有控制系统的基础上,新增前滑值计算修正、轧制过程变厚度控制、展宽末道次辊缝设置、轧件微跟踪、轧制过程液压厚度自动控制等功能。系统实际应用后,运行状况良好,板形满足工艺生产需要,成材率明显提高。
石怀涛,宋文丽,袁哲,刘建昌[7](2015)在《轧钢机状态监测与故障诊断技术》文中研究表明总结归纳了轧钢机的主要故障,针对轧钢机的结构和故障特点,将轧钢机的故障划分为设备故障、系统故障和产品质量故障3个级别,并分析了轧钢过程变量的数据特点以及轧钢机的故障特性。综述了轧钢机故障诊断方法,从整体上将轧钢机的故障诊断方法分为定性分析和定量分析两大类,并详细介绍了每种轧钢机故障诊断方法的基本思想、发展现状,重点介绍了多元统计的方法。指出了轧钢机故障诊断研究存在的问题和未来发展的方向。
王立科[8](2015)在《基于AMESim与ADAMS联合仿真的轧机HAGC系统研究》文中认为液压厚度自动控制(Hydraulic Automatic Gauge Control,简称HAGC)系统作为板带轧机厚度控制的核心,是一个集板带材料、轧机本体、轧制工艺、液压系统、电气系统以及控制系统于一体的复杂系统。其控制精度和可靠性直接影响板带生产质量和效率,一旦系统发生故障会直接威胁正常生产,甚至全线停产。因此对其进行故障诊断研究,并快速确定故障位置具有重要的实际意义。而能够对轧机进行精确建模,并建立相应的故障模型提取故障数据,是故障诊断的基础,针对以上问题本文进行了如下研究工作。首先运用液压系统软件AMESim建立了轧机液压压下系统模型,并用动力学软件ADAMS建立了轧机辊系的刚柔耦合动力学模型。运用AMESim与ADAMS软件建立了轧机HAGC系统联合仿真模型。其次应用所建模型进行系统动态响应分析,并通过改变联合仿真模型中相关参数,来模拟轧机HAGC系统在各常见故障状况下的各种实际特性,得出各故障状态下的故障曲线,提取相应故障特征值,并对其进行了分析。所获取的故障特征可为系统故障预测和诊断提供依据。最后通过将实验数据和仿真模型结果进行对比,验证了所建立轧机联合仿真模型的准确性。通过对轧机设备进行实际改装,模拟了电液伺服阀的泄漏故障。将实验获得的故障曲线与模型故障曲线对比,验证了所建立故障模型的可行性和准确性。
杨钦翔[9](2015)在《分片式轧机机架分析与等效位移转化方法研究》文中进行了进一步梳理轧机伺服液压缸是板带材生产线中最重要的元件之一,其性能直接影响板带材的质量,而闭式机架对轧机伺服液压缸性能测试起到关键作用。轧机伺服液压缸测试时,要求机架应具有足够的强度以及合理的刚度,并且在满足强度和刚度前提下应减小其质量,节约成本。针对当前国内轧机伺服液压缸动态测试中位移测量方法的不足,采用应变位移转化方法,通过测量机架上关键敏感点的应变间接测量出活塞的位移,并采用神经网络加以推广和提高转化精度。首先,对分片式机架建模和装配,采用有限元法对其进行静力学和模态分析。静力学分析得到机架应力应变分布云图,确保了机架在最大载荷作用下不会产生破坏;模态分析得到了各阶固有频率和振型,确保了机架在动态测试中不会产生共振。对主机架进行优化设计,在满足刚度和强度的要求下,减小主机架的质量。其次,针对传统测试中位移测量方法的不足,采用应变位移等效法,通过测量机架上关键敏感点的应变间接获得活塞的位移。制定实验方案,编写控制程序,对该方法进行验证。最后,针对应变位移线性转化方法的不足,采用BP神经网络加以优化,不仅扩大了该方法的使用范围还提高了位移转化的精度。
于晨,潘紫微,叶金杰[10](2015)在《HAGC系统动态响应对轧机振动的影响》文中研究说明HAGC系统通过"恒辊缝控制"保证轧件板型与厚度的均匀性,其动态特性对轧机压下动作有很大影响。对HAGC系统进行数学建模,并计算各元件相关参数,利用Matlab/SIMULINK对各扰动因素以及扫频信号下系统进行动态响应分析,得出其动态响应特性与轧机的振动特性具有一定的关联性。
二、轧机HAGC系统实时控制的实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、轧机HAGC系统实时控制的实现(论文提纲范文)
(1)双辊薄带振动铸轧工艺控制及铸带性能研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 双辊薄带铸轧工艺概述 |
1.2 双辊薄带振动铸轧理论的提出 |
1.3 双辊薄带振动铸轧技术研究现状及存在问题 |
1.4 双辊薄带振动铸轧熔池热-流-凝固耦合数值模拟研究现状 |
1.5 双辊薄带振动铸轧力模型研究现状 |
1.6 双辊薄带振动铸轧工艺监控系统和控制策略研究现状 |
1.6.1 工艺参数监控系统研究现状 |
1.6.2 工艺参数控制系统辨识研究现状 |
1.6.3 工艺参数控制策略研究现状 |
1.7 课题的来源、意义以及主要研究内容 |
第2章 振动铸轧工艺对Kiss点位置的影响分析 |
2.1 振动铸轧过程热-流-凝固耦合的基本假设 |
2.2 振动铸轧过程热-流-凝固耦合的控制方程 |
2.2.1 导热模型 |
2.2.2 流体动力学模型 |
2.2.3 湍流模型 |
2.2.4 凝固模型 |
2.2.5 动网格模型 |
2.3 振动铸轧凝固过程的熔融金属对流 |
2.4 振动铸轧热-流-凝固耦合数学模型的建立 |
2.4.1 几何模型及边界条件 |
2.4.2 铸轧辊振动条件 |
2.4.3 数值模拟参数 |
2.5 振动铸轧热-流-凝固耦合模拟结果分析 |
2.5.1 工艺参数对Kiss点位置的影响 |
2.5.2 机械振动对Kiss点位置的影响 |
2.6 本章小结 |
第3章 振动铸轧过程铸轧力模型研究 |
3.1 振动铸轧塑性变形仿真模拟 |
3.1.1 塑性变形仿真模型建立 |
3.1.2 塑性变形仿真结果分析 |
3.2 塑性变形仿真与实验结果对比 |
3.3 振动铸轧塑性变形区铸轧力模型推导 |
3.3.1 搓轧区比例系数计算 |
3.3.2 各区域单位轧制压力计算 |
3.3.3 各区域变形抗力 |
3.3.4 振动铸轧铸轧力模型的建立 |
3.4 铸轧力模型验证 |
3.5 本章小结 |
第4章 振动铸轧工艺控制策略研究及监控系统开发 |
4.1 双辊薄带振动铸轧设备及主要特点 |
4.2 双辊薄带振动铸轧工艺控制策略研究 |
4.2.1 铸带液压自动厚度控制(HAGC)策略 |
4.2.2 铸轧过程铸轧力自动控制(AFC)策略 |
4.2.3 铸轧过程Kiss点位置自动控制策略 |
4.2.4 铸轧过程开浇和稳定阶段的自动控制策略 |
4.3 双辊薄带振动铸轧液压与电气控制系统设计 |
4.4 双辊薄带振动铸轧监控系统设计 |
4.4.1 主要监测及控制参数分析 |
4.4.2 监控系统结构设计 |
4.4.3 监控系统硬件系统设计 |
4.4.4 监控系统开发平台 |
4.5 双辊薄带振动铸轧机监控系统功能开发 |
4.5.1 监控系统通讯模块 |
4.5.2 监控系统主监控模块 |
4.5.3 监控系统数据采集及分析模块 |
4.5.4 监控系统数据库管理模块 |
4.5.5 监控系统报警显示模块 |
4.6 本章小结 |
第5章 基于RBF神经网络的铸轧控制系统辨识及设计 |
5.1 RBF神经网络结构及原理 |
5.2 铸轧控制系统神经网络辨识设计 |
5.2.1 神经网络辨识结构设计 |
5.2.2 神经网络辨识模型类分析 |
5.2.3 神经网络辨识模型阶次分析 |
5.3 铸轧控制系统RBF神经网络参数训练算法 |
5.4 铸轧控制系统神经网络辨识样本设计与模型评价方法 |
5.4.1 神经网络辨识样本设计 |
5.4.2 神经网络模型评价方法 |
5.5 仿真结果及分析 |
5.5.1 仿真模型搭建 |
5.5.2 仿真及实验结果分析 |
5.6 基于RBF神经网络的自校正控制系统设计 |
5.6.1 自校正控制策略 |
5.6.2 自校正控制算法 |
5.7 基于RBF神经网络的自校正控制系统分析 |
5.7.1 自校正控制系统动态性能分析 |
5.7.2 自校正控制系统自适应能力分析 |
5.8 本章小结 |
第6章 双辊薄带振动铸轧的铸带性能实验研究 |
6.1 20CrMn钢双辊薄带振动铸轧实验 |
6.1.1 实验过程 |
6.1.2 实验结果与分析 |
6.2 铸带力学性能测试 |
6.2.1 实验过程 |
6.2.2 力学性能测试结果 |
6.3 铸带微观组织检测 |
6.3.1 铸带法向面金相组织对比图 |
6.3.2 铸带纵截面金相组织对比图 |
6.3.3 铸带横截面金相组织对比图 |
6.4 拉伸断口测试 |
6.4.1 断裂模式和断口微观形貌特征 |
6.4.2 铸带拉伸断口观测 |
6.5 第二相粒子研究 |
6.5.1 X射线能谱检测 |
6.5.2 第二相粒子动力学分析 |
6.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间承担的科研任务与主要成果 |
致谢 |
(2)基于虚拟样机的液压AGC系统建模及故障模拟软件平台开发(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.1.1 板带轧机在钢铁工业中的重要地位 |
1.1.2 板厚控制技术的发展 |
1.2 虚拟样机技术的发展及研究概况 |
1.2.1 虚拟样机产生的背景 |
1.2.2 虚拟样机的研究现状及应用 |
1.3 液压AGC系统的故障诊断研究现状 |
1.4 课题来源及主要研究内容 |
第2章 液压AGC系统分析及建模 |
2.1 液压AGC系统介绍 |
2.2 液压AGC系统元件基本数学模型 |
2.2.1 控制器 |
2.2.2 伺服放大器 |
2.2.3 电液伺服阀 |
2.2.4 液压缸 |
2.2.5 轧机基本方程 |
2.2.6 传感器 |
2.3 液压AGC系统建模 |
2.3.1 软件AMESim的简介 |
2.3.2 液压AGC系统原理 |
2.3.3 液压AGC系统建模基本元素介绍 |
2.3.4 液压AGC系统部件建模与系统建模 |
2.4 液压缸和伺服阀模型仿真验证 |
2.5 本章小结 |
第3章 基于AMESim的液压AGC系统的故障模拟仿真 |
3.1 液压系统故障特点 |
3.1.1 故障形式 |
3.1.2 失效模式 |
3.2 液压AGC系统故障介绍 |
3.3 液压AGC系统的元件及系统故障模拟仿真 |
3.3.1 伺服阀的故障模拟仿真 |
3.3.2 液压AGC系统的故障仿真 |
3.4 本章小结 |
第4章 基于MATLAB-GUI的可视化界面设计 |
4.1 基于MATLAB的可视化界面设计 |
4.2 系统故障模拟可视化界面的设计 |
4.3 关于AMESim与MATLAB接口方法说明 |
4.4 在GUI界面中点击按钮运行AMESim模型 |
4.5 本章小结 |
第5章 基于虚拟样机故障注入的故障诊断验证 |
5.1 SVM方法概述 |
5.1.1 支持向量机原理 |
5.1.2 基于支持向量机故障诊断的基本步骤 |
5.1.3 基于SVM的多分类算法 |
5.2 将SVM运用到故障诊断 |
5.2.1 故障诊断思想 |
5.2.2 训练样本集的构造 |
5.2.3 训练过程与结果 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(3)一类输入延迟非线性系统的控制研究及应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 课题研究现状 |
1.2.1 输入延迟问题研究现状 |
1.2.2 冷带轧机液压厚控系统研究现状 |
1.3 课题研究内容 |
第2章 冷带轧机液压厚控系统建模 |
2.1 引言 |
2.2 冷带轧机液压厚控系统动态机理描述 |
2.3 冷带轧机液压厚控系统控制模型描述 |
2.3.1 冷带轧机液压厚控系统状态反馈控制模型 |
2.3.2 冷带轧机液压厚控系统输出反馈控制模型 |
2.4 本章小结 |
第3章 具有定常输入延迟的非线性系统预定性能控制 |
3.1 引言 |
3.2 问题描述 |
3.2.1 系统模型 |
3.2.2 预定性能控制 |
3.3 预定性能状态反馈控制器设计 |
3.4 预定性能输出反馈控制器设计 |
3.5 冷带轧机液压厚控系统仿真验证 |
3.5.1 冷带轧机液压厚控系统参数 |
3.5.2 预定性能状态反馈控制器仿真验证 |
3.5.3 预定性能输出反馈控制器仿真验证 |
3.6 本章小结 |
第4章 具有时变输入延迟的非线性系统控制器设计 |
4.1 引言 |
4.2 问题描述 |
4.3 控制器设计 |
4.4 冷带轧机液压厚控系统仿真验证 |
4.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(4)基于多变量耦合非线性模型的轧机液压压下系统故障诊断研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.1.1 HAGC系统在现代轧机中的重要作用 |
1.1.2 HAGC系统的应用及发展 |
1.1.3 HAGC系统故障诊断的意义 |
1.2 HAGC系统故障诊断方法 |
1.3 存在的主要问题 |
1.4 课题来源以及主要研究内容 |
1.4.1 课题来源 |
1.4.2 主要研究内容 |
第2章 HAGC系统建模及故障分析 |
2.1 HAGC系统的组成及工作原理 |
2.1.1 HAGC系统的组成 |
2.1.2 HAGC系统的工艺特点 |
2.2 HAGC系统部件故障分析及模型建立 |
2.2.1 控制器 |
2.2.2 伺服放大器 |
2.2.3 伺服阀 |
2.2.4 液压缸 |
2.2.5 轧机负载基本方程 |
2.2.6 背压回油管道 |
2.2.7 传感器 |
2.3 HAGC系统非线性模型建立 |
2.4 本章小结 |
第3章 HAGC系统的故障模拟及分析验证 |
3.1 HAGC系统动态响应分析 |
3.1.1 轧制力闭环时系统对阶跃信号响应特性分析 |
3.1.2 轧制力闭环时系统对来料扰动响应特性分析 |
3.2 HAGC系统故障模拟及分析 |
3.2.1 伺服阀增益故障模拟与分析 |
3.2.2 液压缸泄漏故障模拟与分析 |
3.2.3 系统油液混入空气或水故障模拟与分析 |
3.3 HAGC系统稳态轧制过程瞬态分析 |
3.3.1 伺服阀增益变大故障瞬态分析 |
3.3.2 液压缸泄漏故障瞬态分析 |
3.3.3 油液混气或水故障瞬态分析 |
3.4 实验数据对故障模拟验证 |
3.4.1 实验平台改造和数据采集介绍 |
3.4.2 实验数据对故障模拟验证 |
3.5 本章小结 |
第4章 微分几何理论对HAGC系统非线性模型解耦 |
4.1 非线性系统解耦控制的概述 |
4.2 非线性微分几何理论基础 |
4.2.1 仿射非线性系统 |
4.2.2 向量场 |
4.2.3 Lie导数和Lie括号 |
4.2.4 分布 |
4.2.5 非线性坐标变换与微分同胚 |
4.3 非线性系统不变分布与局部分解 |
4.4 非线性系统局部可观测性描述 |
4.5 微分几何法解耦原理 |
4.6 解耦子系统计算 |
4.6.1 规范状态方程 |
4.6.2 解耦子系统计算 |
4.7 本章小结 |
第5章 非线性系统指数增益观测器设计 |
5.1 观测器故障诊断原理 |
5.2 非线性指数增益观测器设计 |
5.2.1 问题描述 |
5.2.2 指数增益观测器设计 |
5.2.3 仿真算例与分析 |
5.3 实验数据验证与分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(5)重钢中厚板厂4100mm轧机HAGC系统(论文提纲范文)
1 概述 |
2 组成与功能 |
3 工作机制及数据流 |
4 轧机PCS的功能 |
4.1 物料跟踪 |
4.2 数据通讯 |
4.3 数据库管理 |
4.4 工艺设定 |
5 轧机过程计算机控制逻辑 |
6 结语 |
(6)中厚板哑铃形展宽末道次轧制法控制系统(论文提纲范文)
0引言 |
1工艺和配置 |
1.1工艺 |
1.2系统配置 |
2控制系统功能 |
2.1已有功能 |
2.2新增功能 |
2.2.1L2新增功能 |
2.2.2L1新增功能 |
3系统实现 |
4应用效果 |
(7)轧钢机状态监测与故障诊断技术(论文提纲范文)
1 引言 |
2 轧钢机状态监测与故障分析 |
2.1 轧钢机状态监测 |
2.2 轧钢机主要故障分类 |
2.3轧钢过程变量数据特性分析以及轧钢机故障特性分析 |
3 轧钢机故障诊断研究现状 |
3.1 定性分析故障诊断方法 |
3.1.1 基于专家系统的故障诊断方法 |
3.1.2 基于故障树的故障诊断方法 |
3.1.3 基于案例推理和模糊逻辑理论的方法 |
3.1.4 基于灰色系统理论的故障诊断方法 |
3.2 定量分析故障诊断方法 |
3.2.1 基于解析模型的方法 |
3.2.2 基于信号处理的方法 |
3.2.3 基于信息融合的方法 |
3.2.4 基于机器学习的方法 |
3.2.5 基于多元统计的方法 |
4 应用实例 |
4.1 案例推理方法在活套故障诊断的应用 |
4.2 多元统计方法在活套故障诊断的应用 |
5 结论 |
(8)基于AMESim与ADAMS联合仿真的轧机HAGC系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的研究背景及意义 |
1.1.1 板带轧机在钢铁生产中的重要地位 |
1.1.2 AGC的发展状况 |
1.2 多体动力学技术研究概况 |
1.3 联合仿真技术研究概况 |
1.4 课题来源及主要研究内容 |
第2章 轧机液压压下系统分析 |
2.1 HAGC系统 |
2.1.1 HAGC系统构成 |
2.1.2 HAGC控制策略 |
2.2 HAGC系统动态元件基本方程 |
2.2.1 控制器 |
2.2.2 伺服放大器 |
2.2.3 电液伺服阀 |
2.2.4 液压缸 |
2.2.5 反馈传感器 |
2.3 本章小结 |
第3章 HAGC液压系统建模 |
3.1 软件AMESim简介 |
3.2 建立轧机液压压下系统仿真模型 |
3.2.1 轧机液压压下系统原理 |
3.2.2 液压压下系统建模基本元素介绍 |
3.2.3 液压压下部件建模与系统集成 |
3.3 本章小结 |
第4章 轧机系统动力学建模 |
4.1 多体系统动力学基本理论 |
4.1.1 多体动力学研究方法 |
4.1.2 多柔性体动力学基本理论 |
4.1.3 多柔性体系统中的坐标系 |
4.1.4 多柔性体系统动力学方程 |
4.2 轧机刚柔耦合系统动力学模型 |
4.2.1 轧机三维模型建立 |
4.2.2 柔性体部件的建模 |
4.2.3 ADAMS中四辊轧机动力学模型建立 |
4.3 轧机刚柔耦合动力学模型建立 |
4.4 本章小结 |
第5章 轧机联合仿真故障模拟与实验验证 |
5.1 建立轧机联合仿真模型 |
5.1.1 轧机联合仿真具体过程 |
5.1.2 建立轧机联合仿真模型 |
5.2 轧机联合仿真模型响应分析 |
5.2.1 轧机位置闭环和轧制力闭环联合仿真模型对阶跃信号响应 |
5.3 模型实验验证 |
5.3.1 实验设备介绍 |
5.3.2 模型验证 |
5.4 轧机HAGC系统故障模拟及分析 |
5.4.1 液压油混气故障模拟及分析 |
5.4.2 液压缸泄漏故障模拟及分析 |
5.4.3 电液伺服阀故障模拟及分析 |
5.4.4 机架与轴承座间阻尼故障模拟及分析 |
5.4.5 减压阀故障模拟及分析 |
5.4.6 溢流阀故障模拟及分析 |
5.5 故障模型验证 |
5.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(9)分片式轧机机架分析与等效位移转化方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景 |
1.2 本课题的研究意义 |
1.3 液压缸测试现状和研究成果 |
1.4 本课题研究的内容 |
第二章 分片式机架静力学分析 |
2.1 加载机架性能要求 |
2.2 分片式机架尺寸和三维建模 |
2.2.1 机架几何尺寸 |
2.2.2 机架三维模型与装配 |
2.3 有限元分析前处理 |
2.3.1 机架网格划分 |
2.3.2 机架各个零部件间接触关系 |
2.3.3 机架材料和约束设置 |
2.4 机架装配体静态仿真 |
2.4.1 机架强度分析 |
2.4.2 机架刚度分析 |
2.5 本章小结 |
第三章 装配机架模态分析与优化设计 |
3.1 模态分析 |
3.1.1 模态分析设置 |
3.1.2 模态结果分析 |
3.2 主机架优化设计 |
3.2.1 优化设计理论 |
3.2.2 机架优化变量设定 |
3.2.3 优化设计结果 |
3.3 本章小结 |
第四章 轧机伺服液压缸测试 |
4.1 液压缸测试内容 |
4.1.1 轧机伺服液压缸测试内容 |
4.1.2 传统测试中存在的不足 |
4.2 等效位移转化方法研究 |
4.2.1 等效位移转化原理 |
4.2.2 等效位移仿真 |
4.3 轧机伺服液压缸测试实验 |
4.3.1 应变测量 |
4.3.2 LabVIEW 测试控制系统 |
4.3.3 测试操作 |
4.4 应变位移等效转化 |
4.4.1 应变位移线性转化 |
4.4.2 线性转化缺点 |
4.5 本章小结 |
第五章 BP 神经网络对等效位移转化方法的运用 |
5.1 神经网络的基本概念 |
5.1.1 生物神经元结构与特点 |
5.1.2 人工神经网络模型 |
5.1.3 神经网络学习方式 |
5.2 BP 神经网络设置 |
5.2.1 BP 神经网络结构分析 |
5.2.2 数据归一化处理 |
5.2.3 使用 MATLAB 实现 BP 神经网络 |
5.3 BP 神经网络结果分析 |
5.3.1 神经网络训练结果 |
5.3.2 神经网络的测试结果 |
5.4 应变位移等效转换方法的推广应用 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 课题总结 |
6.2 课题展望 |
致谢 |
参考文献 |
附录 1:攻读硕士学位期间发表的论文 |
中文详细摘要 |
英文详细摘要 |
(10)HAGC系统动态响应对轧机振动的影响(论文提纲范文)
1 前言 |
2 现场测试结果分析 |
3 液压HAGC系统的数学建模 |
3.1 液压HAGC系统的控制原理 |
3.2 液压HAGC系统数学模型的建立 |
4 液压HAGC系统的动态响应分析 |
5 结论 |
四、轧机HAGC系统实时控制的实现(论文参考文献)
- [1]双辊薄带振动铸轧工艺控制及铸带性能研究[D]. 王海军. 燕山大学, 2019(06)
- [2]基于虚拟样机的液压AGC系统建模及故障模拟软件平台开发[D]. 岳文德. 燕山大学, 2018(05)
- [3]一类输入延迟非线性系统的控制研究及应用[D]. 李德. 燕山大学, 2017(05)
- [4]基于多变量耦合非线性模型的轧机液压压下系统故障诊断研究[D]. 宋波. 燕山大学, 2016(01)
- [5]重钢中厚板厂4100mm轧机HAGC系统[J]. 李青. 数字技术与应用, 2015(10)
- [6]中厚板哑铃形展宽末道次轧制法控制系统[J]. 陈帅. 冶金自动化, 2015(04)
- [7]轧钢机状态监测与故障诊断技术[J]. 石怀涛,宋文丽,袁哲,刘建昌. 控制工程, 2015(S1)
- [8]基于AMESim与ADAMS联合仿真的轧机HAGC系统研究[D]. 王立科. 燕山大学, 2015(01)
- [9]分片式轧机机架分析与等效位移转化方法研究[D]. 杨钦翔. 武汉科技大学, 2015(07)
- [10]HAGC系统动态响应对轧机振动的影响[J]. 于晨,潘紫微,叶金杰. 冶金设备, 2015(01)