基于CF-PSO-SVM的冷连轧非稳态工作辊弯辊模型优化

摘要：

板形质量是冷轧带钢重要的技术质量指标,同时工作辊弯辊是改善冷轧带钢板形质量的最有效的控制手段之一.冷连轧机组在高速稳定的轧制过程中板形控制精度能够达到较高的水平,但在升降速非稳态的轧制过程中板形控制效果非常不理想,这也成为制约冷轧带钢产品质量的不利因素.为了提高冷连轧机在升降速非稳态轧制过程中带钢板形的控制精度,在深入研究了冷连轧弯辊力设定原理的基础上,利用智能算法和包括出入口带钢厚度、机架间口张力、轧制速度、中间辊窜辊、带钢宽度、轧辊倾斜以及轧制力等现场实际轧制大数据样本,提出了一种基于粒子群算法优化支持向量机的工作辊弯辊力预测模型.同时阐明了粒子群优化算法和支持向量机的基本原理,引入压缩因子的概念,提升了粒子群算法参数寻优的效率,选取冷连轧机组五机架为研究对象,利用拉依达准则对轧制数据样本进行处理,通过平均绝对误差、均方差误差和平均绝对误差百分比等评价指标对比预测模型的性能.结果表明,改进的预测模型具有良好的模型预测性能和泛化能力,同时根据实际生产数据样本,回归出基于轧制速度和辊间弹性系数的弯辊力缝补偿模型,并验证了模型的有效性,模型的投入降低了板形控制系统的负荷,改善了非稳态轧制过程中的板形控制精度,产品头尾部的质量合格率提高了 5.1％.

关键词：冷连轧;板形控制;弯辊力模型;粒子群算法;支持向量机

所属期刊栏目：56

资助基金：国家重点研发计划资助项目2017YFB0304100

在线出版日期：2021-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：78-86