一、冷连轧机板形控制因素的实测及计算（论文文献综述）
梁勋国[1]（2009）在《六辊冷连轧机板形控制模型优化的研究》文中研究指明本文以涟钢1720mm冷连轧机板形优化和唐钢1800mm冷连轧机工程项目为背景,对六辊冷连轧机板形控制系统进行了深入的研究,针对板形控制系统存在的不足,建立了薄带钢冷连轧板形预设定模型、板形前馈控制模型和基于最优化原理的板形闭环反馈控制模型。工业实验及现场应用结果表明,建立的模型具有良好的板形控制能力和可靠的板形控制稳定性。本文的主要工作包括：（1）对涟钢1720mm冷连轧机和唐钢1800mm冷连轧机板形控制系统进行了深入的研究分析,指出了这两套板形控制系统存在的不足。（2）分析了薄带钢轧制过程,带钢宽度以外工作辊边部接触对工作辊受力和变形的影响,采用修正的影响函数法建立了六辊轧机辊系弹性变形计算模型；利用实测轧辊温度计算了工作辊热凸度分布,与辊系弹性变形计算模型相耦合,建立了六辊轧机辊系变形整体计算模型。模型的计算结果与实测数据吻合较好,证明了该理论模型是实用可靠的。（3）建立了薄带钢冷连轧板形预设定控制模型。分析了带钢宽度、单位宽度轧制力、工作辊直径和工作辊凸度等因素对最佳中间辊横移位置的影响,建立了中间辊横移位置预设定模型；分析了带钢宽度、单位宽度轧制力、中间辊横移位置、带钢入口厚度、带钢凸度、轧辊直径和轧辊凸度等因素对最佳弯辊力的影响,建立了弯辊力预设定模型。（4）分析了各种因素对整体补偿板形前馈控制模型补偿系数的影响规律,建立了考虑带钢宽度、中间辊横移位置、轧辊直径和轧辊凸度等因素的补偿系数表格,计算了相应轧制工况下的补偿系数,在实际应用中,根据中间辊横移位置进行线性插值求解。（5）建立了采用工作辊弯辊和中间辊弯辊相配合以补偿轧制力变化的最优综合补偿板形前馈控制模型。将实测轧制力变化量转换成带钢宽度方向上轧制压力变化量的分布,根据工作辊弯辊和中间辊弯辊对有载辊缝压力分布的调控效果不同,采用了最优综合控制算法,从而得到了最优的弯辊力前馈修正量。（6）建立了基于多变量最优化的板形反馈控制模型和基于二分法的乳化液分段冷却控制模型。将板形误差转换为有载辊缝内压力分布的变化量,充分考虑了各板形调控机构的板形控制能力和相互之间的耦合关系,采用Frank-Wolfe最优化算法求解板形控制目标函数,从而获得了板形调控机构允许控制范围内的最优反馈修正量；基于二分排序法的乳化液分段冷却控制模型,对残余板形误差使用二分法进行降序排列,根据设定的喷嘴开启比例确定每个冷却喷嘴的控制状态。（7）进行了工业实验研究,对本文建立的模型板形控制效果进行了验证和分析。工业实验及现场应用结果表明,本文建立的控制模型克服了原模型的不足,提高了板形预设定精度,强化了板形前馈控制作用,改善了板形反馈控制效果,从而获得了良好的带钢板形质量。本文的研究内容,针对具体冷连轧机的板形控制模型进行了优化和改进,具有很强的实用性,对于六辊冷连轧机板形控制系统的开发也具有理论指导意义和实际应用价值。
包仁人[2]（2015）在《超宽冷连轧机带钢复杂板形的特征分析与控制》文中研究指明冷轧带钢是钢铁工业的高端产品之一,广泛应用于汽车、家电、建筑等行业,板形质量受到国内外冷轧带钢生产单位持续的高度关注,一直是企业与科研人员努力提升的重要任务。以2180mm冷连轧机为代表,可轧宽度超过1800mm的超宽带钢冷连轧机的出现,为板形问题的研究与控制提出了新的课题。超宽轧机所轧带钢表现出的板形缺陷,具有起浪区域多,板形成分复杂的特点,虽然有弯辊、窜辊、精细冷却等丰富的板形控制手段,但依然无法对其进行有效的控制,成为生产中亟待解决的技术难题。板形问题分析与控制是板带轧制领域的前沿问题,涉及弹塑性变形、热变形、板形检测及屈曲变形等理论。本文结合2180mm冷连轧机的生产实际,利用解析分析、数值仿真、试验研究等多种手段,对非接触式板形仪测量准确性及目标曲线、超宽轧机带钢板形特征、轧机板形控制能力以及超宽轧机复杂板形缺陷控制等内容进行了研究,主要研究工作及取得的成果如下：（1）建立了带钢与气流间的流场分析、带钢受迫振动有限元仿真模型,确定了激振力对板形检测结果沿带钢宽度方向的影响规律,给出了板形测量误差补偿量的计算方法；通过带钢横向温度的测量与分析,给出2180mm冷连轧机温度应力补偿量的计算方法,并总结了相应目标曲线的确定方法。针对实物板形缺陷分析问题,提出了板形仪检测结果与实物板形的跟踪统计方法,发现2180mm冷连轧机板形缺陷形式以边中复合浪和中浪为主。（2）考虑板形仪传感器布置不均的影响,提出了板形综合平坦度计算新方法,使具有不同板形仪配置生产线间板形质量更具可比性。为解决综合平坦度指标无法体现具体板形缺陷类别的问题,提出了含三次板形基模式的板形模式识别方法,对超宽轧机的板形缺陷进行了初步分析,所得结果与实物板形跟踪结果相对应。为对超宽轧机板形特征进行更深入的分析,利用数据挖掘理论,提出了基于网格和密度的板形特征聚类分析方法,采用该方法对2180mm冷连轧机带钢板形进行了分析,发现该轧机带钢边部板形具有显著的局部特征,并给出了具体函数表达方法,为冷轧板形问题的分析与研究提供了新的思路与方法。（3）在借鉴“大数据理论”相关思想的基础上提出了轧制过程海量工艺参数的分析方法,对工艺参数进行分析后明确了2180mm冷连轧机的工作状态。结合生产实际,建立了辊系与轧件一体化的弹塑性有限元模型,对2180mm冷连轧机轧制过程进行了仿真计算,利用凸度调节域法和效应函数法对轧机板形调控能力和控制特性进行了全面分析,揭示了超宽冷连轧机复杂板形缺陷难以控制的原因在于不具备调节效果与板形缺陷特征相似性较高的控制手段,提出了超宽轧机复杂板形缺缺陷难以控制的分析方法,为超宽轧机的板形控制提供了改进方向。（4）在对带钢板形特征及超宽轧机板形控制能力深入研究的基础上,提出了适用于超宽轧机的辊形优化设计方法,并针对2180mm冷连轧机对具有突出边部特征的板形缺陷难以控制的特点,设计了具有局部边浪控制能力的变凸度中间辊辊形。对新辊形进行了工业试验,取得了较为明显的边部板形缺陷控制效果,证明了所提出辊形设计方法的可行性与有效性。
彭艳,牛山[3]（2017）在《板带轧机板形控制性能评价方法综述》文中研究指明轧制钢铁及有色金属板带产品广泛使用于国民生产生活的各领域,板形控制技术是高精度板带材生产的关键技术,其一直是科研人员研究的热点问题。国内外学者从板带轧机板形控制性能的研究分析中逐渐形成并完善着不同的评价方法,这些方法的科学合理性代表着其作为板形控制技术和装备的设计与研发、升级与改造,以及轧制载荷分配和板形板凸度控制策略制定及优化工具的有效性。在归纳总结国内外相关研究中出现的不同板形控制性能评价指标、方法和体系的基础上,从轧件几何尺寸、板形控制稳定性、辊廓自保持性、统计方式、评价软件系统等方面分别对各类方法及它们的应用情况进行了简要论述、比较和评价,并结合当前板带轧制领域的发展趋势阐述了未来研究中值得关注和侧重的研究方向和关键问题。
冯夏维[4]（2020）在《六辊轧机冷轧无取向硅钢边降数学模型研究与应用》文中提出无取向硅钢薄带是一种重要软磁材料,使用时为了降低涡流损失,需冷轧至0.5 mm厚度以下叠片使用,为了提高叠片系数,断面边降需要稳定控制在5μm以内,这就对冷轧工序的边降控制提出了严苛的要求。因在线计算模型精度低,目前针对边降控制的研究通常借助有限元方法,然而由于冷轧薄带宽厚比大、控制边降的手段多,以及需要计算冷轧工序全流程轧后成品断面,导致有限元方法计算时间过长。针对以上问题,本课题提出了一种计算六辊轧机冷轧无取向硅钢边降的新模型,并在冷轧工序全流程边降控制的实际生产中实现了应用,具体工作如下:（1）在分析原有轧机辊系弹性变形模型的基础上,提出了分割矩阵求解方法:针对六辊轧机建立影响函数非线性方程组,深入分析影响函数系数矩阵的性质,将其分割成块,合理设计迭代步骤。相比ABAQUS有限元软件计算结果,借助分割矩阵方法,可将影响函数法的精度提高至5%以内。并借助辊系变形模型,比较了六辊轧机各调控手段对边降的控制功效;（2）在充分研究各种带钢塑性变形模型的基础上,考虑了带钢弹粘塑性特征及其边部的三维变形特征,将Karman方程的适用范围拓展至三维;并将其同影响函数模型、轧后屈服模型相耦合,建立了辊系-轧件-轧后耦合模型,该模型计算结果同实验结果的误差在3 μm以内,表明该耦合模型能够作为研究边降生成、传递及其控制的数学工具,利用该模型得到了横向流动既是边降生成的原因也为边降控制提供可能这一重要结论;（3）利用所建立的耦合模型进行仿真计算,获得了边降调控功效系数的变化规律,并据此对以下三种边降控制方法进行了研究:首先针对工作辊辊形进行了优化设计,获得了控制边降能力与减轻边部拉应力能力兼顾的MEVC辊形;其次根据冷连轧全流程工作辊窜辊边降调控功效系数及边降传递系数,获得了窜辊调控功效系数随窜辊量增大先增大后减小这一重要规律,提出了基于多个边降偏差测量信号的边降自动控制策略;最后分析了减小工作辊辊径对边降调控系数的影响;（4）所建立的边降数学模型在冷连轧与可逆轧制两条产线实现了工业化应用:经优化设计后的工作辊辊形提高了六辊轧机边降控制能力;所设计的边降自动控制策略已被集成于国内首套五机架冷连轧边降自动控制系统中,已经长期稳定运行;针对新式小辊径六辊轧机采用热-冷轧跨工序全流程边降控制,提高了工业实践生产中5μm边降命中率。
贾春玉[5]（2006）在《高精度宽带钢冷轧机板形模糊神经控制的研究》文中认为本文以人工智能理论为基础,选择具有理论和工程实际意义的高精度宽带钢冷轧机板形智能控制为研究课题,进行了深入的理论研究、仿真研究和工业实验研究,取得了新的研究成果。 板形模式识别是板形控制的关键。针对板形模式识别的传统识别方法、模糊识别方法和神经网络识别方法等各自存在的问题,首次建立了以勒让德正交多项式为基模式、以模糊逻辑专家经验知识为支撑、基于遗传-BP算法混合优化、只用3个输入信号、3个输出信号的板形模式识别模糊神经网络模型。该模型不仅网络内部各层节点的物理意义明确,而且自适应能力和抗干扰能力强、识别速度快、精度高,可以满足带钢冷轧机高精度板形控制的要求,为板形模式识别提供了简便实用的新方法。 液压弯辊是板形控制系统最基本的环节,它的动态特性和稳态性能对于整个板形控制系统的性能起着至关重要的作用。针对液压弯辊板形控制系统,建立了电液伺服压力（油压）控制系统的数学模型,制定了一种遗传单神经元自适应模糊控制策略并应用于带钢板形控制中,以提高带钢的成材率,充分发挥液压弯辊力对板形的调整作用,改善轧机系统的动态特性。探索了一种非解析原理的弯辊板形自动控制建模方法,解决了系统建模带来的诸多困难。 板形预报模型是板形控制系统设计的重要基础,无论是板形控制系统中的调节机构控制特性分析,还是在线实时控制,都需要精确的板形预报模型。快速精确的板形预报模型必将提高板形控制系统的控制精度。传统的机理模型通过研究轧制金属内部三维塑性变形和轧辊的弹性变形,建立板形预报模型。由于受到金属本性、轧制条件、轧制设备等多方面因素的制约,同时板形控制系统是一个多变量、非线性、强耦合和纯滞后的控制系统,很难建立其精确的数学模型,因此机理模型难于用在板形在线预报中。为了提升板形预报模型的快速性和准确性,本文以生产实测数据为基础,建立了模糊神经组合式板形在线预报模型。将Elman动态递归神经网络及模糊控制技术引入到了板形预报中,它克服了机理模型中的反复迭代、计算时间长、无法考虑在线动态扰动及多层前馈神经网络存在的易将动态建模变成静态建模问题的缺点,探索了一种非解析原理的板形建模方法,解决了复杂系统建模带来
李俊洪[6]（2003）在《板带轧机板形计算理论及其在宽带轧制中应用研究》文中研究说明板带轧机板形计算理论的研究是一个具有重要理论价值和实际意义的课题。本文全面分析了板形计算理论的两个主要组成部份——辊系变形（弹性变形和热变形）及金属三维塑性变形的研究现状，以板带轧机辊系变形数值计算法和样条函数拟合板带横向厚度分布为主要课题进行了更深入系统的理论和工业实际应用研究。本文首先对板带轧机辊系弹性变形数值计算法进行了理论研究，采用大型有限元软件MARC计算了板带轧机辊系弹性变形的特点及规律，分析了各种因素对辊系弹性变形的影响，采用有限条法建立了板带轧机辊系弹性变形计算模型，达到提高计算精度并减小计算工作量的目的。其次，本文建立了板带轧机工作辊横截面内温度场有限差分模型，采用样条有限条法建立工作辊轴对称平面温度场和热凸度计算模型，对工作辊热变形特性进行了全面的研究，提高了热凸度计算模型的计算精度。最后，采用B3样条函数拟合板带横向厚度分布，将求解辊缝中金属横向流动的变分法推广到存在局部高点的非对称任意轧制情况，定量考虑了热轧来料局部高点和轧件材质横向差异对冷轧带钢厚度和内应力分布的影响，提高了带材断面形状和板形的模拟精度。在此基础上，将求解金属横向流动的变分法与求解辊系弹性变形的有限条法相结合，建立了冷连轧机轧后断面形状和板形综合计算模型，在1220HC冷连轧机上进行的阶梯板试验以及在1420CVC冷连轧机上进行的试验验证了模型的正确性，表明本文建立的计算模型提高了轧后断面形状和板形的计算精度。在工业实际应用上，采用新的工作辊温度场和热凸度计算模型建立了1450热带钢连轧机精轧机组工作辊热凸度在线计算模型，该模型能具体考虑轧制规程、轧件规格、温度、轧制节奏、冷却水量及分布等因素对工作辊热凸度的影响，跟踪计算任意时刻各机架工作辊温度场和热凸度，该在线计算模型通过了生产现场的考核运行；结合1450热带钢连轧机改造需要，以工作辊温度场和热凸度计算模型为工具，对热带钢连轧机精轧机组工作辊冷却水量及分布进行了优化设计；以冷连轧轧后断面形状和板形综合计算模型为工具，对1220HC冷连轧机板形进行了模拟计算，对提高1200HC冷连轧机板形预设定精度有重要的应用价值；对1420CVC冷连轧机轧后断面形状和板形进行模拟计算，定量研究了热轧来料局部高点和局部硬度对冷轧带材厚度和内应力分布的影响，为研究消除或减轻冷轧钢卷局部隆起“起筋”现象的对策措施提供了依据。 <WP=5>
戚向东[7]（2002）在《宝钢新建板带轧机轧制规程及机型选择的研究》文中研究表明板带生产在国民经济中起着重要的作用。板凸度和板形是板带产品主要的精度指标，而轧机机型是影响板凸度和板形的一个重要因素。上海宝山钢铁股份有限公司三期后工程将要引进1800五机架冷连轧机和5000宽厚板轧机，由于外商报价提出不同的轧机机型，因此轧机机型选择就是一个需要认真研究和决策的重要课题。 轧制规程是板带生产的主要工艺技术内容，也是轧机机型选择计算的基础。随着轧制技术的飞速发展，只靠经验方法制定轧制规程已不能满足生产需要，因此，轧制规程优化技术已逐渐被人们所重视。本文首先在考虑轧件弹性变形的轧制压力计算模型的基础上，采用混合摩擦模型，提出了轧制压力在变形区纵向分布的精确解法，对宝钢2030冷连轧机轧制规程存在的问题进行了研究分析，建立了以功率均衡分配和前张力横向分布均匀的板形目标的多目标函数，以轧件咬入条件、最大轧制力、最大轧制力矩、防治打滑等为约束条件的冷带轧机轧制规程优化计算模型，对宝钢2030和新建1800五机架冷连轧机的典型规格产品进行了计算分析。为了5000宽厚板轧机机型选择的需要，根据宽厚板轧制特点，对宽厚板轧制规程的制定进行了研究，并对典型规格产品的轧制规程进行了设计计算分析。 针对新建1800五机架冷连轧机提出的九种冷轧机机型，应用考虑板形控制能力的冷带轧机机型选择新理论，综合考虑了轧机的板厚分布形状控制能力、对轧制压力而言的横向刚度、对弯辊力而言的横向刚度以及辊间压力分布等指标，对九种冷轧机机型各自的特点和特性进行了综合分析，在此基础上，对宝钢新建1800五机架冷连轧机的机型选择方案作了分析研究，为新建1800项目组提供了技术支持，并取得了很好的效果。为了提高轧机的综合性能，应用轧机设计理论结合现代优化方法，对冷轧机辊系参数进行了优化设计。 针对宝钢新建5000宽厚板项目组提出的四种宽厚板轧机机型进行了详细的计算和对比分析，并着重对比了两种不同机型及两种不同辊型曲线在宽厚板轧制中的优缺点。针对宽厚板的特点，对PC轧机的轴向力做了详细的计算分析，并利用弹塑性有限元法模拟计算了PC轧机交叉角对板侧边形状的影响，对PC轧机的宽厚板压下规程制定具有一定的指导意义。
何海涛[8]（2005）在《宽带钢冷轧机板形在线控制智能模型的研究与应用》文中指出板形控制是现代高精度宽带钢冷轧机的关键技术和重要的技术发展方向。本文以人工智能理论为基础,选择具有理论和工程实际意义的宽带钢冷轧机板形在线智能控制为研究课题,进行了深入的理论研究与工业应用研究,取得了新的研究成果。首先,针对基于神经网络的板形模式识别模型和板形预测模型存在的结构难以确定、学习时间长等问题,提出了基于SVM（Support Vector Machine）的RBF（RadialBasis Function）网络板形模式识别模型和板形预测模型的设计方法,建立了结构和性能较优化的板形模式识别RBF网络模型及板形预测RBF网络模型。该方法基于支持向量机SVM与三层前向网络结构的等价性,采用SMO（Sequential MinimalOptimization）算法训练SVM,得到RBF网络较优的初始结构和参数,最后用BP（BackPropagation）算法对网络结构作优化调整,解决了RBF网络模型的结构中核函数与隐层节点参数难以确定的问题,为板形在线模式识别模型和板形在线预测模型的建立提供了新方法。其次,针对传统效应函数法和板形静态影响矩阵的不足,通过对轧机板形调节能力特性的分析,提出了板形控制的动态影响系数矩阵法。该方法指出即使在相同规格、相同工况下,相同的板形调节变化量在不同状态下对各个板形标准模式的影响也是不同的。因此,需要在线计算动态影响矩阵以反映各调节手段对板形变化的影响效果,进而确定新的调节量。为了在线求得不断变化的影响系数,提出了建立基于聚类的模糊神经网络板形动态影响矩阵模型来求解影响矩阵的方法。将模糊聚类引入模糊神经网络的建模中,聚类中心个数确定了模糊神经网络模型的规则隐层节点数,解决了网络结构难以确定的问题,聚类后规则的合并有效减少了规则数和隐层结点数,优化了网络结构,不仅使板形动态影响矩阵模型满足在线实时性要求,而且由于模糊规则可自动生成,总结出各调节量对各板形标准模式的影响规律,帮助指导生产。为验证提出的基于模糊神经网络模型的板形动态影响系数控制方法的正确性和有效性,设计了板形动态影响系数控制方法的系统结构方案,以1220冷连轧机为对象进行了工业实验研究。最后,针对平整过程中影响板形的重要因素——轧制力的预报展开研究,提出双机架平整机轧制力预报的综合神经网络方法。对消除来料板形缺陷所需的最小延伸率进行了研究,设计出双机架平整机延伸率分配系数计算模型。开发出了一套针对双机架平整机的摩擦系数返算数学模型,为现场轧制压力预设定系统的开发奠定了坚实的理论基础。建立了变形抗力神经网络模型,解决了轧制力模型中变形抗力需要通过实验才能获得的问题。在此基础上,将具有延伸率分配计算功能的轧制力机理模型、机理模型自适应自学习与神经网络模型结合,建立了双机架平整机轧制力预报综合神经网络模型。为验证双机架平整机轧制力预报综合神经网络方法的有效性,以1220双机架平整机为对象进行了工业实验研究与应用。为此,在原计算机二级机控制系统中设计了新的系统结构方案,设计并开发了一套1220双机架平整机轧制力预报系统程序,并对实验结果进行了分析。选择具有理论和工程实际意义的宽带钢冷轧机板形在线控制智能模型为研究课题,对板形模式识别、在线预报、控制和预设定等进行了理论、仿真和工业实验研究与应用,不仅对板形模式识别与控制理论的发展有重要意义,而且对于实现板形在线高精度实时控制和推动板形控制技术的发展,具有实用价值。
张殿华,陈树宗,李旭,孙杰,张欣,张浩宇[9]（2015）在《板带冷连轧自动化系统的现状与展望》文中研究表明带钢冷连轧成套控制设备是冷轧生产中系统性极强、技术难度极大、精度要求极高的综合性技术,其中综合自动化控制系统是冷连轧生产控制的核心,是保证冷轧带钢产品质量和生产效率的主要控制手段。本文介绍了国内外冷连轧自动化控制技术的发展历程,分析了冷连轧基础自动化和过程自动化控制系统的重要组成与功能,并对冷连轧控制系统的发展作了展望。
何海楠[10]（2020）在《硅钢热轧轧辊磨损和断面精准控制研究》文中指出硅钢冷轧板带尺寸精度要求较为苛刻,硅钢冷轧同板差（横向厚差）要求通常在7μm以内,高端客户甚至要求至5μm。目前,国内常用1580mm热连轧进行硅钢的生产,而冷轧装备型号较多,硅钢板形控制已发展为由冷轧板形控制扩展到全流程的板形控制。本文依托马钢硅钢热轧及冷轧产线,以硅钢尺寸精度为目标,研究了轧辊磨损机理、边降控制工作辊辊形及窜辊策略以及硅钢同板差预测模型,取得主要成果如下:（1）建立了基于摩擦磨损理论的热轧轧辊磨损预报模型。通过带钢三维变形模型和辊系变形模型结合的轧辊轧件一体化快速计算模型,可计算不同的工况下辊间接触压力分布。针对热轧工作辊磨损特性,建立了基于球状微凸体模型和微凸体分布统计模型的热轧轧辊磨损模型,模型充分考虑不同时期轧辊受力特点和接触面特点。结合快速计算模型和轧辊磨损模型建立热轧轧辊磨损预测模型,可根据轧制工艺参数准确预测轧辊磨损辊形。（2）设计了一种热连轧下游机架使用的边部修形工作辊辊形,可用于轧制硅钢等高精度带钢,与工作辊自由窜辊配合使用,改善硅钢边部轮廓;采用粒子群算法对辊形曲线进行优化,保证对带钢凸度控制的稳定性,能更好的发挥工作辊自由窜辊的优势;通过Abaqus有限元分析了辊形对带钢的板形调控特性,结合工业现场试验证明曲线对硅钢断面尤其是边降改善效果显著。（3）针对热连轧下游自由窜辊的工作辊设计了适用于硅钢控制的窜辊策略,并采用三种群优化算法,分别对单个机架的工作辊窜辊策略和多个机架协同窜辊的策略进行优化,在保证工作辊磨损均匀性的同时保证热连轧出口凸度的稳定控制。（4）建立了结合热轧带钢断面计算模型和基于BP神经元网络的冷轧同板差预测模型的全流程同板差预测模型,并根据可靠区间法验证模型的预测精度,所建立的模型实现了硅钢板带轧制热轧与冷轧工序的贯通,可以对上游热轧工艺参数进行优化指导、评价热轧硅钢板带尺寸等级并根据成品要求灵活调整下游工序工艺。
二、冷连轧机板形控制因素的实测及计算（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、冷连轧机板形控制因素的实测及计算（论文提纲范文）
（1）六辊冷连轧机板形控制模型优化的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 板形控制的发展现状 |
| 1.2.1 板形理论研究的发展 |
| 1.2.2 板形控制方法的发展 |
| 1.2.3 板形检测技术的发展 |
| 1.3 六辊冷连轧机板形预设定控制的发展现状 |
| 1.3.1 轧辊横移量预设定控制的研究现状 |
| 1.3.2 弯辊力预设定控制的研究现状 |
| 1.3.3 板形预设定控制模型建模方法 |
| 1.4 板形前馈控制的发展现状 |
| 1.4.1 板形前馈控制原理 |
| 1.4.2 板形前馈控制的研究发展 |
| 1.5 板形闭环反馈控制的发展 |
| 1.5.1 初始阶段 |
| 1.5.2 发展阶段 |
| 1.5.3 继续发展与完善阶段 |
| 1.6 本文的主要研究内容 |
| 第2章 六辊冷连轧机板形控制系统 |
| 2.1 涟钢1720mm冷连轧机板形控制系统 |
| 2.1.1 工艺布置及设备参数 |
| 2.1.2 计算机控制系统概况 |
| 2.1.3 板形控制系统功能分析 |
| 2.1.4 板形控制系统存在的不足 |
| 2.2 唐钢1800mm冷连轧机板形控制系统 |
| 2.2.1 工艺布置及设备参数 |
| 2.2.2 计算机控制系统概况 |
| 2.2.3 板形控制系统分析 |
| 2.2.4 板形控制系统存在的不足 |
| 2.3 六辊冷连轧机板形控制系统构成 |
| 2.4 本章小结 |
| 第3章 薄带钢冷连轧板形预设定控制模型研究 |
| 3.1 六辊轧机辊系变形计算模型 |
| 3.1.1 辊系弹性变形计算模型 |
| 3.1.2 工作辊热凸度计算模型 |
| 3.1.3 辊系变形整体计算模型的建立 |
| 3.1.4 辊系变形整体模型计算结果及分析 |
| 3.2 中间辊横移位置预设定模型 |
| 3.2.1 六辊轧机中间辊横移特性 |
| 3.2.2 影响最佳中间辊横移位置因素分析 |
| 3.2.3 中间辊横移位置预设定模型的建立 |
| 3.3 弯辊力预设定模型 |
| 3.3.1 弯辊力对板形的影响 |
| 3.3.2 最佳弯辊力计算流程图 |
| 3.3.3 影响最佳弯辊力因素分析 |
| 3.3.4 弯辊力预设定模型的建立 |
| 3.4 本章小结 |
| 第4章 板形前馈控制研究 |
| 4.1 板形前馈控制的必要性 |
| 4.1.1 轧制力变化及其对板形的影响 |
| 4.1.2 板形前馈控制的提出 |
| 4.2 整体补偿板形前馈控制模型 |
| 4.2.1 单位宽度轧制力对带钢凸度的影响 |
| 4.2.2 工作辊弯辊力对带钢凸度的影响 |
| 4.2.3 板形前馈补偿系数的求解 |
| 4.3 最优综合补偿板形前馈控制模型 |
| 4.3.1 最优综合补偿原理 |
| 4.3.2 轧制压力分布系数 |
| 4.3.3 轧辊弯辊调控系数 |
| 4.4 板形前馈控制的实现 |
| 4.5 本章小结 |
| 第5章 基于最优化原理板形反馈控制系统研究 |
| 5.1 板形测量值预处理 |
| 5.1.1 带钢边部测量段补偿 |
| 5.1.2 板形测量值有效性校验 |
| 5.2 板形目标曲线的设定 |
| 5.2.1 板形目标曲线概念 |
| 5.2.2 板形目标曲线设定原则 |
| 5.2.3 板形目标曲线对附加应力的补偿 |
| 5.3 基于多变量最优化的板形反馈控制模型 |
| 5.3.1 板形反馈控制模型原理 |
| 5.3.2 板形误差转换系数 |
| 5.3.3 调控系数 |
| 5.3.4 约束问题求解 |
| 5.3.5 反馈修正量处理 |
| 5.3.6 基于多变量最优化板形反馈控制模型的特点 |
| 5.4 乳化液分段冷却控制模型 |
| 5.4.1 板形测量值平滑与滤波处理 |
| 5.4.2 残余板形误差的计算与排序 |
| 5.4.3 冷却喷嘴状态值的确定 |
| 5.5 板形闭环反馈控制的计算流程图 |
| 5.6 本章小结 |
| 第6章 工业实验研究 |
| 6.1 实验概况 |
| 6.1.1 轧机概况 |
| 6.1.2 测量仪器 |
| 6.1.3 衡量指标 |
| 6.2 薄带钢冷连轧板形预设定模型控制效果 |
| 6.2.1 中间辊横移位置预设定模型控制效果 |
| 6.2.2 弯辊力预设定模型的控制效果 |
| 6.3 板形前馈控制模型控制效果 |
| 6.3.1 整体补偿模型控制效果 |
| 6.3.2 最优综合补偿模型控制效果 |
| 6.3.3 板形前馈控制模型控制效果对比评价 |
| 6.4 板形反馈控制模型应用效果 |
| 6.4.1 板形闭环反馈控制效果 |
| 6.4.2 乳化液分段冷却控制效果 |
| 6.5 本章小结 |
| 第7章 结论 |
| 参考文献 |
| 攻读博士学位期间完成的工作 |
| 致谢 |
| 作者简介 |
（2）超宽冷连轧机带钢复杂板形的特征分析与控制（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 2 文献综述 |
| 2.1 板形缺陷的分类与评价 |
| 2.1.1 冷轧板形缺陷的分类 |
| 2.1.2 冷轧板形缺陷的描述 |
| 2.1.3 板形缺陷评价 |
| 2.2 冷轧带钢板形控制技术 |
| 2.2.1 板形检测技术 |
| 2.2.2 板形控制模型 |
| 2.3 轧机板形控制能力评价方法 |
| 2.3.1 凸度调节域法 |
| 2.3.2 效应函数法 |
| 2.4 大数据理论在工业中的应用 |
| 2.5 课题背景与研究内容 |
| 2.5.1 课题背景 |
| 2.5.2 研究内容 |
| 3 超宽轧机板形检测准确性与板形目标曲线研究 |
| 3.1 用于超宽轧机非接触式板形仪测量准确性研究 |
| 3.1.1 超宽轧机非接触式板形仪检测原理分析 |
| 3.1.2 激振力横向分布规律研究 |
| 3.1.3 带钢受迫振动过程仿真分析 |
| 3.1.4 板形检测结果的插值与修正 |
| 3.2 超宽冷连轧机板形控制目标确定方法研究 |
| 3.2.1 温度附加应力的检测与补偿方法 |
| 3.2.2 激振力分布不均的补偿方法 |
| 3.2.3 超宽轧机板形目标曲线的确定方法 |
| 3.3 超宽冷连轧机板形质量跟踪与分析 |
| 3.3.1 轧后带钢实物板形跟踪方法 |
| 3.3.2 轧后带钢实物板形缺陷统计 |
| 3.3.3 板形仪检测结果与实物板形对比 |
| 3.4 本章小结 |
| 4 基于测量数据的超宽轧机带钢板形特征研究 |
| 4.1 综合平坦度计算方法研究 |
| 4.1.1 综合平坦度计算方法分析 |
| 4.1.2 横向延伸率均匀分布模型的构造 |
| 4.1.3 横向延伸率分布加权系数的选择 |
| 4.1.4 超宽冷连轧机板形质量分析 |
| 4.2 超宽轧机板形模式识别方法研究 |
| 4.2.1 板形基模式的确定 |
| 4.2.2 板形模式识别算法 |
| 4.2.3 模式识别算法的验证与应用 |
| 4.2.4 模式识别方法的局限性 |
| 4.3 板形特征的聚类分析与表征方法研究 |
| 4.3.1 冷轧带钢板形特征提取原则 |
| 4.3.2 聚类分析网格空间的确定 |
| 4.3.3 基于网格和密度的板形聚类算法 |
| 4.3.4 板形特征分类与求取 |
| 4.3.5 带钢板形特征分析与表征 |
| 4.4 本章小节 |
| 5 超宽冷连轧机板形控制能力分析 |
| 5.1 基于工艺数据的轧机工作状态分析 |
| 5.1.1 工作辊弯辊与带钢宽度关系 |
| 5.1.2 中间辊弯辊与带钢宽度关系 |
| 5.1.3 中间辊窜辊与带钢宽度关系 |
| 5.1.4 中间辊窜辊与弯辊关系 |
| 5.2 轧辊与轧件一体化有限元分析模型的建立 |
| 5.2.1 几何模型的建立 |
| 5.2.2 约束条件的确定 |
| 5.2.3 模型参数设置 |
| 5.2.4 有限元模型验证 |
| 5.3 基于凸度概念的超宽轧机板形控制能力分析 |
| 5.3.1 带钢板廓变化情况分析 |
| 5.3.2 超宽轧机凸度调节域分析 |
| 5.4 基于效应函数的超宽轧机板形控制能力分析 |
| 5.4.1 典型宽度下各板形控制手段效应函数 |
| 5.4.2 不同手段间效应函数的对比分析 |
| 5.4.3 同一板形控制手段效应函数对比分析 |
| 5.4.4 超宽冷连轧机带钢板形可调性分析 |
| 5.5 本章小结 |
| 6 针对超宽冷连轧机复杂板形缺陷的辊形设计与工业试验 |
| 6.1 基于板形特征的辊形设计方法 |
| 6.2 2180mm冷连轧机辊形参数的确定 |
| 6.2.1 原有辊形参数分析 |
| 6.2.2 分段连续变凸度辊形设计 |
| 6.3 中间辊新辊形工业试验 |
| 6.3.1 中间辊新辊形工业试验准备 |
| 6.3.2 中间辊新辊形工业试验过程 |
| 6.3.3 工业试验效果分析 |
| 6.4 本章小节 |
| 7 结论 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（4）六辊轧机冷轧无取向硅钢边降数学模型研究与应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写和符号清单 |
| 1 引言 |
| 2 绪论 |
| 2.1 研究背景与意义 |
| 2.2 边降与边降调控方程综述 |
| 2.2.1 边降研究进展 |
| 2.2.2 边降控制研究进展 |
| 2.3 冷轧边降数学模型综述 |
| 2.3.1 通用有限元方法研究进展 |
| 2.3.2 轧件变形模型研究进展 |
| 2.3.3 辊系变形模型研究进展 |
| 2.4 六辊轧机冷轧无取向硅钢边降控制综述 |
| 2.4.1 六辊轧机边降控制技术研究进展 |
| 2.4.2 工作辊辊形设计研究进展 |
| 2.4.3 边降自动控制系统研究进展 |
| 2.5 课题研究内容 |
| 3 分割矩阵影响函数法计算六辊轧机辊系弹性变形 |
| 3.1 六辊轧机辊系弹性变形控制手段 |
| 3.2 网格划分与形函数 |
| 3.2.1 工作辊辊面离散 |
| 3.2.2 辊间接触 |
| 3.3 影响函数计算 |
| 3.3.1 弯曲影响函数 |
| 3.3.2 压扁影响函数 |
| 3.3.3 影响函数数学表达式 |
| 3.3.4 压扁影响函数的修正及对边降计算的影响 |
| 3.4 分割矩阵影响函数法 |
| 3.4.1 影响函数的矩阵形式 |
| 3.4.2 矩阵分析与分割矩阵迭代法 |
| 3.4.3 结果论证 |
| 3.5 六辊UCMW轧机边降调控能力分析 |
| 3.5.1 中间辊与工作辊窜辊对边降调控功效分析 |
| 3.5.2 中间辊与工作辊弯辊力对边降调控功效分析 |
| 3.6 本章小结 |
| 4 无取向硅钢冷轧三维塑性变形模型的建立 |
| 4.1 薄带塑性变形平面应变模型的建立 |
| 4.1.1 无取向硅钢弹塑性平面应变模型 |
| 4.1.2 无取向硅钢弹粘塑性平面应变模型 |
| 4.2 无取向硅钢冷轧三维变形模型 |
| 4.2.1 六辊轧机冷轧无取向硅钢有限元模型的建立 |
| 4.2.2 力平衡方程 |
| 4.2.3 几何方程 |
| 4.2.4 物理方程 |
| 4.2.5 横向流动因子 |
| 4.2.6 轧后三维塑性变形模型的建立 |
| 4.3 轧辊-带钢耦合边降数学模型的建立与验证 |
| 4.3.1 边降数学模型的建立 |
| 4.3.2 边降数学模型的验证与讨论 |
| 4.4 带钢三维塑性变形对边降控制作用机理的研究 |
| 4.4.1 带钢三维塑性变形对边降生成的作用机制 |
| 4.4.2 金属三维塑性变形对边降调控功效的作用机制 |
| 4.5 本章小结 |
| 5 六辊轧机冷轧无取向硅钢边降调控功效系数研究 |
| 5.1 边降调控功效系数矩阵的提出 |
| 5.2 工作辊辊形边降调控功效的研究及辊形优化 |
| 5.2.1 MEVC工作辊辊形设计方法 |
| 5.2.2 辊形设计变量对边降调控功效影响分析 |
| 5.2.3 基于响应面法的UCMW工作辊辊形优化 |
| 5.3 工作辊窜辊边降调控功效及自动控制策略研究 |
| 5.3.1 工作辊窜辊边降调控功效系数研究 |
| 5.3.2 边降自动控制策略设计 |
| 5.4 辊径变化对边降调控影响分析 |
| 5.4.1 工作辊辊径变化对窜辊边降调控系数的影响 |
| 5.4.2 辊径变化对边降传递系数的影响 |
| 5.5 本章小结 |
| 6 六辊轧机冷轧无取向硅钢工业试验与应用 |
| 6.1 无取向硅钢冷轧工业生产情况概述 |
| 6.1.1 酸洗冷连轧生产情况简介 |
| 6.1.2 六辊可逆轧机产线 |
| 6.2 无取向硅钢边降控制问题 |
| 6.2.1 冷连轧机工作辊窜辊改造 |
| 6.2.2 可逆轧机边降控制问题 |
| 6.3 六辊轧机冷轧无取向硅钢边降控制工业试验效果 |
| 6.3.1 MEVC工作辊辊形边降控制工业试验效果 |
| 6.3.2 五机架UCMW冷连轧边降自动控制系统工业试验效果 |
| 6.3.3 热-冷轧全流程边降控制工业试验效果 |
| 6.4 本章小结 |
| 7 结论 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（5）高精度宽带钢冷轧机板形模糊神经控制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 人工智能在轧制中的导入 |
| 1.2.1 需求驱动 |
| 1.2.2 传统轧制过程分析方法的缺陷 |
| 1.2.3 现代轧制技术的特点 |
| 1.3 人工智能在轧制领域的作用 |
| 1.4 人工智能在轧制中的应用状况 |
| 1.4.1 国外发展概况 |
| 1.4.2 国内发展概况 |
| 1.4.3 最新进展 |
| 1.5 模糊神经技术的结合与发展 |
| 1.5.1 模糊技术与神经网络的概述 |
| 1.5.2 模糊技术与神经网络的结合 |
| 1.5.3 模糊神经技术的发展动态 |
| 1.6 板形模式识别模型的研究进展 |
| 1.7 板形建模的研究进展 |
| 1.7.1 板形传统建模方法的缺陷 |
| 1.7.2 基于人工智能板形建模方法的先进性 |
| 1.7.3 基于人工智能板形控制策略的先进性 |
| 1.8 课题来源与主要研究内容 |
| 1.8.1 课题来源 |
| 1.8.2 主要研究内容 |
| 第2章 板形模式识别的模糊神经方法 |
| 2.1 概述 |
| 2.2 自调整模糊神经网络的特点 |
| 2.3 自调整模糊神经网络的理论模型 |
| 2.3.1 遗传算法简介 |
| 2.3.2 模糊系统的标准模型描述 |
| 2.3.3 模糊神经网络的结构 |
| 2.3.4 模糊神经网络的遗传-BP算法混合优化 |
| 2.3.5 仿真实例 |
| 2.4 自调整模糊神经网络板形模式识别模型的建立 |
| 2.4.1 板形标准模式曲线的选择 |
| 2.4.2 板形模式识别网络结构 |
| 2.4.3 板形模式识别步骤 |
| 2.5 自调整模糊神经网络板形模式识别效果分析 |
| 2.6 本章小结 |
| 第3章 液压弯辊系统的模糊神经控制 |
| 3.1 概述 |
| 3.2 液压弯辊力控制系统的数学模型 |
| 3.3 液压弯辊力的控制算法 |
| 3.4 PID控制算法 |
| 3.4.1 PID控制原理 |
| 3.4.2 数字PID控制算法 |
| 3.5 模糊控制算法 |
| 3.6 自适应模糊控制算法 |
| 3.6.1 自适应模糊控制器的结构 |
| 3.6.2 模糊控制查询表的在线自调整 |
| 3.6.3 遗传单神经元混合学习算法 |
| 3.7 液压弯辊控制系统的仿真 |
| 3.8 液压弯辊控制系统的实验研究 |
| 3.8.1 弯辊力控制系统的组成 |
| 3.8.2 弯辊力控制系统原理图 |
| 3.8.3 弯辊力控制系统实时控制软件 |
| 3.9 本章小结 |
| 第4章 1220冷连轧机板形预报的模糊神经方法 |
| 4.1 概述 |
| 4.2 系统结构 |
| 4.3 自适应Elman动态递归网络建模 |
| 4.3.1 网络结构 |
| 4.3.2 学习算法 |
| 4.3.3 隐节点数的设计 |
| 4.3.4 学习速率的模糊自适应控制 |
| 4.3.5 自适应动态网络实现方法 |
| 4.4 自适应Elman动态递归网络主预报模型的仿真验证 |
| 4.5 1220冷连轧机板形主预报模型的建立 |
| 4.6 模糊控制修正子预报模型的建立 |
| 4.7 1220冷连轧机板形在线预报的工业生产验证 |
| 4.7.1 模糊控制修正力度及闭环反馈结构的设置 |
| 4.7.2 板形预报网络训练样本的构成 |
| 4.7.3 板形预报效果 |
| 4.7.4 预报效果分析 |
| 4.8 本章小结 |
| 第5章 1220冷连轧机板形模糊神经控制策略与仿真 |
| 5.1 概述 |
| 5.2 板形控制思想 |
| 5.3 板形调节手段 |
| 5.4 板形自调整模糊控制模型 |
| 5.4.1 板形模糊控制系统的结构 |
| 5.4.2 应用模糊推理合成法建立模糊模型 |
| 5.4.3 建立模糊控制查询表 |
| 5.4.4 模糊控制器参数在线自调整 |
| 5.5 板形自适应单神经元网络控制模型 |
| 5.5.1 自适应单神经元模型 |
| 5.5.2 自适应单神经元网络控制器的设计与训练 |
| 5.6 模糊切换方案的设计 |
| 5.7 冷连轧机综合板形控制系统 |
| 5.8 板形控制策略的仿真研究 |
| 5.9 本章小结 |
| 第6章 1220冷连轧机板形模糊神经控制的工业实验研究 |
| 6.1 概述 |
| 6.2 实验条件 |
| 6.3 在线过程控制系统概况 |
| 6.3.1 计算机控制系统的组成 |
| 6.3.2 板形控制系统的组成 |
| 6.4 板形控制系统的程序设计 |
| 6.5 智能控制的应用实践 |
| 6.6 实验结果分析 |
| 6.7 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 |
| 作者简介 |
（6）板带轧机板形计算理论及其在宽带轧制中应用研究（论文提纲范文）
| 摘 要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 板带轧机辊系弹性变形理论研究现状 |
| 1.2.1 整体模型解析法 |
| 1.2.2 分割模型影响函数 |
| 1.2.3 数值计算方法 |
| 1.3 板带轧机轧辊热变形理论的研究现状 |
| 1.3.1 经验公式法 |
| 1.3.2 解析法 |
| 1.3.3 数值计算方法 |
| 1.4 金属三维塑性变形理论的研究现状 |
| 1.4.1 变分法 |
| 1.4.2 三维差分法 |
| 1.4.3 有限元法 |
| 1.4.4 边界元法 |
| 1.4.5 条元法 |
| 1.5 本文研究内容及意义 |
| 1.5.1 本文选题的意义 |
| 1.5.2 本文的主要研究内容 |
| 第2章 板带轧机辊系弹性变形数值计算法的研究 |
| 2.1 引言 |
| 2.2 板带轧机辊系弹性变形轴向分布规律 |
| 2.2.1 有限单元法简介 |
| 2.2.2 辊系弹性变形有限元模型的建立 |
| 2.2.3 支承辊弹性压扁的轴向分布 |
| 2.2.4 工作辊弹性压扁的轴向分布 |
| 2.2.5 辊间接触压力和负载辊缝的轴向分布 |
| 2.3 板带轧机辊系弹性变形计算的有限条方法 |
| 2.3.1 辊系弹性变形有限条法的提出 |
| 2.3.2 板带轧机轧辊有限条单元的划分 |
| 2.3.3 “鼓形”有限条单元的位移函数 |
| 2.3.4 单元应变 |
| 2.3.5 单元应力 |
| 2.3.6 离散体系特征方程的建立 |
| 2.3.7 “鼓形”有限条单元刚度矩阵 |
| 2.3.8 等效结点载荷的计算 |
| 2.3.9 工作辊轧制载荷的处理和有限条单元划分 |
| 2.3.10 接触部位有限条单元等效长度的确定 |
| 2.4 有限条法的计算结果 |
| 2.4.1 支承辊和工作辊弹性变形的轴向分布 |
| 2.4.2 有限条计算方法的级数收敛速度 |
| 2.4.3 辊间接触压力的轴向分布 |
| 2.5 本章小结 |
| 第3章 板带轧机工作辊热凸度计算模型 |
| 3.1 引言 |
| 3.2 板带轧机工作辊温度场和热凸度的计算 |
| 3.2.1 工作辊横截面内温度场的计算 |
| 3.2.2 样条有限条法计算工作辊轴对称平面温度场 |
| 3.2.3 样条有限条法计算工作辊热凸度 |
| 3.3 工作辊热凸度计算模型在实际中的应用 |
| 3.3.1 工作辊横截面内温度场的模拟计算 |
| 3.3.2 工作辊轴对称平面温度场计算并与实测值的对比 |
| 3.3.3 工作辊热凸度的模拟计算 |
| 3.4 热带钢连轧机工作辊热凸度在线计算模型 |
| 3.5 热带钢连轧机工作辊冷却水系统优化设计 |
| 3.5.1 工作辊圆周方向的水量优化配置 |
| 3.5.2 工作辊冷却水量及其沿轴向分布优化计算 |
| 3.6 本章小结 |
| 第4章 冷连轧机轧后断面形状及板形的综合模拟与 实验研究 |
| 4.1 引言 |
| 4.2 冷连轧机轧后断面形状及板形综合计算模型的建立 |
| 4.2.1 1220HC冷连轧机简介 |
| 4.2.2 HC轧机辊系弹性变形计算模型 |
| 4.2.3 工作辊热凸度计算模型 |
| 4.2.4 1220HC冷连轧机轧后断面形状及板形综合计算模型 |
| 4.3 理论计算与试验结果的对比与分析 |
| 4.3.1 阶梯板试验 |
| 4.3.2 理论计算与试验结果的对比 |
| 4.3.3 计算结果分析 |
| 4.4 1220HC冷连轧机板形仿真计算 |
| 4.4.1 原中间辊位置和工作辊弯辊力设定值简介 |
| 4.4.2 板形仿真计算流程 |
| 4.4.3 仿真计算结果及分析 |
| 4.5 本章小结 |
| 第5章 热轧来料局部特性对冷轧带钢影响的研究 |
| 5.1 引言 |
| 5.2 变分法求解横向位移函数及前后张应力公式简介 |
| 5.2.1 前后张应力横向分布公式 |
| 5.2.2 变分法求解辊缝中横向位移函数 |
| 5.3 B3样条函数拟合带材厚度横向分布 |
| 5.3.1 带材厚度横向分布的拟合 |
| 5.3.2 横向位移函数的确定 |
| 5.4 轧制压力计算模型和变形抗力的确定 |
| 5.4.1 轧制压力计算模型 |
| 5.4.2 变形抗力的确定 |
| 5.5 理论计算和试验结果的对比与分析 |
| 5.5.1 带材厚度横向分布拟合 |
| 5.5.2 典型产品计算值与实测值的对比 |
| 5.5.3 计算结果分析 |
| 5.6 热轧来料单因素局部特性对冷轧带钢的影响 |
| 5.6.1 热轧来料局部高点对冷轧带钢的影响 |
| 5.6.2 热轧来料局部硬度对冷轧带钢的影响 |
| 5.7 本章小结 |
| 结 论 |
| 附录1 冷轧带钢辊缝金属发热计算与热边界条件确定 |
| 附录2 冷轧薄板轧制压力分布的精确求解 |
| 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 |
| 作者简介 |
（7）宝钢新建板带轧机轧制规程及机型选择的研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第1章 绪论 |
| 1.1 国内外板带轧机发展状况 |
| 1.1.1 国内外宽厚板轧机的发展状况 |
| 1.1.2 国内外热带钢轧机的发展状况 |
| 1.1.3 国内外冷带钢轧机发展状况 |
| 1.2 板凸度与板形控制技术发展概况 |
| 1.2.1 板形理论发展概况 |
| 1.2.2 板凸度与板形控制技术发展概况 |
| 1.3 轧制规程、机型选择与辊系参数设计研究现状 |
| 1.4 本课题研究目的、意义及主要内容 |
| 1.4.1 本文选题的意义 |
| 1.4.2 主要内容 |
| 第2章 冷连轧机轧制规程优化 |
| 2.1 轧制力能参数计算 |
| 2.1.1 考虑轧件弹性变形时冷轧薄板轧制压力分布的精确求解 |
| 2.1.2 轧制力矩、工作辊驱动力矩、电机功率的计算 |
| 2.1.3 摩擦系数 |
| 2.2 轧制规程优化 |
| 2.2.1 初定压下量分配 |
| 2.2.2 张力制度 |
| 2.2.3 速度制度 |
| 2.2.4 数学模型的建立 |
| 2.2.5 优化方法 |
| 2.3 各架轧机最佳弯辊力的设定 |
| 2.4 宝钢2030五机架冷连轧机轧制规程优化 |
| 2.5 宝钢新建1800五机架冷连轧机轧制规程计算 |
| 2.6 本章小结 |
| 第3章 宝钢新建1800冷连轧机机型选择及辊系参数优化 |
| 3.1 考虑板形控制能力的冷带轧机机型选择新理论的建立 |
| 3.2 冷轧机机型比较及选择 |
| 3.2.1 四辊冷轧机机型比较及选择 |
| 3.2.2 四辊冷轧机板形模拟 |
| 3.2.3 六辊冷轧机机型比较及选择 |
| 3.2.4 六辊轧机板形模拟 |
| 3.2.5 1800五机架冷连轧机机型选择方案的研究 |
| 3.3 辊系参数计算理论及优化计算 |
| 3.3.1 辊系参数计算一般理论（见附录1） |
| 3.3.2 工作辊直径的确定 |
| 3.3.3 轧辊温升的理论计算模型 |
| 3.3.4 辊系、机架参数优化计算模型 |
| 3.3.5 1800冷轧机辊系优化设计 |
| 3.4 本章小结 |
| 第4章 宽厚板轧机轧制规程设计 |
| 4.1 速度制度、逐道温度降、基本轧制参数计算（见附录2） |
| 4.2 压下规程设计 |
| 4.3 宝钢5000mm宽厚板典型规格产品轧制规程计算 |
| 4.4 本章小结 |
| 第5章 新建5000宽厚板轧机机型选择计算 |
| 5.1 宝钢新建5000mm宽厚板轧机机型选择计算 |
| 5.1.1 板廓形状改变系数λ |
| 5.1.2 轧机对轧制压力而言的横向刚度K_（HP） |
| 5.1.3 工作辊弯辊力横向刚度K_（HFW） |
| 5.1.4 工作辊与支承辊辊间压力系数及最大辊间单位压力 |
| 5.2 PC轧机不同交叉角下轴向力计算 |
| 5.3 板形模拟 |
| 5.4 PC轧机板侧边形状的有限元模拟计算 |
| 5.4.1 轧件咬入条件的建立 |
| 5.4.2 有限元几何模型 |
| 5.4.3 模拟结果分析 |
| 5.5 机型选择计算结果分析 |
| 5.6 本章小结 |
| 结论 |
| 附录1 |
| 附录2 |
| 参考文献 |
| 攻读博士学位期间发表的论文及完成的科研项目 |
| 致谢 |
（8）宽带钢冷轧机板形在线控制智能模型的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 轧制过程中智能化方法的综合运用状况 |
| 1.2.1 国外发展概况 |
| 1.2.2 国内发展概况 |
| 1.3 板形模式识别模型的研究进展 |
| 1.3.1 传统板形模式识别模型的研究概况 |
| 1.3.2 基于人工智能方法的板形模式识别模型的研究进展 |
| 1.4 板形智能控制研究现状 |
| 1.5 模糊神经智能控制方法的研究概况 |
| 1.5.1 基于聚类的模糊神经控制的研究背景 |
| 1.5.2 聚类与模糊规则学习的研究现状 |
| 1.6 平整过程板形控制技术的研究现状 |
| 1.6.1 平整轧制力模型概述 |
| 1.6.2 平整机的延伸率控制研究现状 |
| 1.7 课题来源与主要研究内容 |
| 1.7.1 课题来源 |
| 1.7.2 主要研究内容 |
| 第2章 基于SVM的RBF网络板形模式识别模型与预测模型的研究 |
| 2.1 概述 |
| 2.2 RBF神经网络及其特点 |
| 2.3 RBF网络板形模式识别模型 |
| 2.3.1 板形的基本模式及数学表达式 |
| 2.3.2 基于传统输入的板形智能模式识别方法及局限性 |
| 2.3.3 基于模糊距离差的网络输入及输出 |
| 2.4 基于SVM的RBF网络结构模型的构造 |
| 2.4.1 SVM与RBF网络结构等价性 |
| 2.4.2 RBF网络的中心及权值的确定 |
| 2.4.3 RBF网络的BP算法优化 |
| 2.5 基于SVM-RBF网络模型的板形模式识别算法 |
| 2.5.1 板形模式识别模型的构造算法 |
| 2.5.2 基于生产数据的板形模式识别模型的构造算法 |
| 2.5.3 基于SVM的RBF网络板形模式识别算法 |
| 2.6 1220冷连轧机板形预测模型的建立 |
| 2.7 仿真实验 |
| 2.7.1 SVM-RBF板形模式识别效果分析 |
| 2.7.2 不同板形模式识别方法比较 |
| 2.7.3 基于SVM-RBF的板形预测模型仿真效果 |
| 2.8 本章小结 |
| 第3章 基于动态影响矩阵的冷连轧机板形控制方法 |
| 3.1 概述 |
| 3.2 板形控制的影响矩阵法 |
| 3.2.1 板形控制智能方法的先进性 |
| 3.2.2 板形控制的静态影响矩阵法及其局限性 |
| 3.3 板形控制的动态影响矩阵法 |
| 3.3.1 影响系数的特性分析 |
| 3.3.2 板形控制的动态矩阵法方案设计 |
| 3.4 影响系数矩阵模型的设计 |
| 3.4.1 求解动态影响系数矩阵问题的特点 |
| 3.4.2 模糊系统标准模型描述 |
| 3.4.3 板形动态影响矩阵网络模型的构造 |
| 3.5 影响系数矩阵模型的优化 |
| 3.5.1 模糊神经网络存在的问题 |
| 3.5.2 基于聚类的模糊神经网络模型 |
| 3.5.3 模糊规则的形式描述 |
| 3.5.4 样本数据预处理 |
| 3.5.5 模糊规则的自动生成 |
| 3.5.6 模糊规则的在线自学习 |
| 3.6 板形控制调节量的确定 |
| 3.7 仿真实验 |
| 3.7.1 聚类构造过程仿真 |
| 3.7.2 基于聚类的模糊神经网络仿真实例 |
| 3.8 本章小结 |
| 第4章 1220冷连轧机板形动态影响矩阵控制方法的工业实验研究 |
| 4.1 概述 |
| 4.2 实验条件 |
| 4.3 1220冷连轧机在线过程控制系统概况 |
| 4.3.1 计算机控制系统的组成 |
| 4.3.2 板形控制系统的组成 |
| 4.4 影响系数矩阵控制方法的仿真结果分析 |
| 4.5 影响系数矩阵控制方法的工业实验结果 |
| 4.6 本章小结 |
| 第5章 双机架平整机轧制力预报的综合神经网络方法 |
| 5.1 概述 |
| 5.2 双机架平整机摩擦系数与变形抗力返算模型研究 |
| 5.2.1 摩擦系数与变形抗力返算模型 |
| 5.2.2 摩擦系数与变形抗力返算模型算法 |
| 5.3 摩擦系数与变形抗力神经网络预报方法 |
| 5.4 消除来料板形缺陷所需的最小延伸率研究 |
| 5.5 双机架平整机张力设定与延伸率自动分配模型的研究 |
| 5.6 轧制压力模型自学习与自适应 |
| 5.6.1 轧制力模型总体方案设计 |
| 5.6.2 模型系数自适应自学习实现过程 |
| 5.7 本章小结 |
| 第6章 1220平整机轧制力预报综合神经网络方法的应用研究 |
| 6.1 概述 |
| 6.2 实验条件 |
| 6.3 总体方案设计 |
| 6.3.1 基本方案概述 |
| 6.3.2 平整机轧制力预报系统功能总体设计 |
| 6.4 摩擦系数神经网络模型的实验结果 |
| 6.4.1 返算模型的实验结果 |
| 6.4.2 神经网络模型的应用 |
| 6.5 延伸率分配系数计算模型的实验结果 |
| 6.6 双机架平整机综合神经网络模型的应用及统计结果 |
| 6.7 轧制力模型自学习的统计结果 |
| 6.8 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 |
| 作者简介 |
（9）板带冷连轧自动化系统的现状与展望（论文提纲范文）
| 1 引言 |
| 2 带钢冷连轧计算机控制技术的发展 |
| 2.1 国外冷连轧机控制技术的发展 |
| 2.2 国内冷连轧机控制技术的发展 |
| 3 过程自动化控制系统 |
| 3.1 带钢跟踪 |
| 3.2 模型设定系统 |
| 3.2.1 在线数学模型 |
| 3.2.2 轧制规程制定 |
| 3.2.3 模型自适应自学习 |
| 4 基础自动化控制系统 |
| 4.1 主令控制技术 |
| 4.2 张力控制技术 |
| 4.3 厚度控制技术 |
| 4.4 板形控制技术 |
| 4.4.1 板形理论的发展 |
| 4.4.2 板形检测技术的发展 |
| 4.4.3 板形控制方法的发展 |
| 5 展望 |
（10）硅钢热轧轧辊磨损和断面精准控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写和符号清单 |
| 1 引言 |
| 2 文献综述 |
| 2.1 研究背景及意义 |
| 2.2 带钢板形控制文献综述 |
| 2.3 硅钢板形控制技术研究现状 |
| 2.4 热轧工作辊磨损研究现状 |
| 2.5 轧制过程数值建模及数据统计模型综述 |
| 2.6 研究内容 |
| 3 热轧轧辊磨损预测模型 |
| 3.1 热连轧四辊轧机轧辊轧件一体化快速计算模型 |
| 3.1.1 基于有限体积法的轧件三维变形模型 |
| 3.1.2 热轧四辊轧机辊系变形模型 |
| 3.1.3 轧辊-轧件一体化快速计算模型的建立与应用 |
| 3.2 热轧轧辊辊磨损原理分析 |
| 3.3 轧辊表面基本单元磨损模型的建立 |
| 3.3.1 基本磨损方程 |
| 3.3.2 弹性接触情况下的磨损计算 |
| 3.3.3 基于摩擦磨损理论的磨损模型参数计算 |
| 3.3.4 热轧工作辊磨损模型 |
| 3.3.5 热轧支承辊磨损模型 |
| 3.4 轧辊磨损预测模型建立及应用 |
| 3.4.1 轧辊磨损预测模型建立 |
| 3.4.2 轧辊磨损预测模型应用 |
| 3.5 本章小结 |
| 4 边部修形工作辊辊形设计及优化 |
| 4.1 工作辊辊形设计 |
| 4.1.1 工作辊曲线设计思想 |
| 4.1.2 曲线的方程 |
| 4.1.3 辊形的设计步骤 |
| 4.1.4 工作辊辊形曲线特性分析 |
| 4.2 基于粒子群算法的ESO工作辊的辊形优化 |
| 4.2.1 粒子群算法概述 |
| 4.2.2 优化目标的建立 |
| 4.2.3 优化的约束条件 |
| 4.2.4 工作辊辊形曲线优化结果 |
| 4.3 边部修形工作辊对板形的调控功效分析 |
| 4.3.1 仿真模型的建立及模型参数 |
| 4.3.2 工作辊对板形调控功效计算 |
| 4.4 边部修形工作辊的工业应用 |
| 4.5 本章小结 |
| 5 下游多机架工作辊窜辊策略优化 |
| 5.1 工作辊窜辊参数的定义 |
| 5.2 工作辊窜辊策略的设计原则 |
| 5.2.1 窜辊位置均匀度定义 |
| 5.2.2 已有窜辊策略分析 |
| 5.3 轧辊弯窜辊对轧辊受力分布的影响 |
| 5.3.1 工作辊轮廓曲线的变化 |
| 5.3.2 工作辊窜辊的影响 |
| 5.3.3 工作辊弯辊的影响 |
| 5.4 单机架窜辊策略优化 |
| 5.4.1 窜辊策略优化的意义 |
| 5.4.2 三种群粒子群优化算法 |
| 5.4.3 优化目标函数的建立和约束条件 |
| 5.4.4 基于三种群粒子群差分进化算法的窜辊策略优化 |
| 5.5 多机架协同窜辊策略优化 |
| 5.5.1 精轧机组出口凸度模型 |
| 5.5.2 多机架窜辊优化目标和约束条件的建立 |
| 5.5.3 多机架窜辊优化结果 |
| 5.6 窜辊策略的工业现场应用 |
| 5.7 本章小结 |
| 6 全流程硅钢同板差预测模型 |
| 6.1 热轧硅钢断面数学模型 |
| 6.2 基于BP神经元网络的冷轧硅钢同板差预测模型 |
| 6.2.1 BP神经网络模型参数 |
| 6.2.2 BP神经网络训练及分析 |
| 6.3 冷轧硅钢带钢同板差影响因素 |
| 6.4 冷轧硅钢带钢同板差模型预测结果 |
| 6.5 全流程硅钢带钢同板差预测模型应用 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
四、冷连轧机板形控制因素的实测及计算（论文参考文献）
- [1]六辊冷连轧机板形控制模型优化的研究[D]. 梁勋国. 东北大学, 2009(06)
- [2]超宽冷连轧机带钢复杂板形的特征分析与控制[D]. 包仁人. 北京科技大学, 2015(09)
- [3]板带轧机板形控制性能评价方法综述[J]. 彭艳,牛山. 机械工程学报, 2017(06)
- [4]六辊轧机冷轧无取向硅钢边降数学模型研究与应用[D]. 冯夏维. 北京科技大学, 2020(06)
- [5]高精度宽带钢冷轧机板形模糊神经控制的研究[D]. 贾春玉. 燕山大学, 2006(08)
- [6]板带轧机板形计算理论及其在宽带轧制中应用研究[D]. 李俊洪. 燕山大学, 2003(04)
- [7]宝钢新建板带轧机轧制规程及机型选择的研究[D]. 戚向东. 燕山大学, 2002(02)
- [8]宽带钢冷轧机板形在线控制智能模型的研究与应用[D]. 何海涛. 燕山大学, 2005(04)
- [9]板带冷连轧自动化系统的现状与展望[J]. 张殿华,陈树宗,李旭,孙杰,张欣,张浩宇. 轧钢, 2015(03)
- [10]硅钢热轧轧辊磨损和断面精准控制研究[D]. 何海楠. 北京科技大学, 2020(01)