学位论文 > 优秀研究生学位论文题录展示
中厚板轧制过程高精度侧弯控制的研究与应用
作 者: 何纯玉
导 师: 吴迪;赵宪明
学 校: 东北大学
专 业: 材料加工工程
关键词: 中厚板轧机 温度预测 变形抗力 遗传算法 过程控制 侧弯 影响函数 塑性系数 机器视觉 亚像系
分类号: TG335.51
类 型: 博士论文
年 份: 2009年
下 载: 118次
引 用: 0次
阅 读: 论文下载
内容摘要
本文针对中厚板生产过程中由于不对称因素所引起的侧弯问题,提出了侧弯预测与控制模型,研究了温度预测的在线修正方法、变形抗力自学习方法和影响函数方法,并基于机器视觉技术,开发出集侧弯检测、侧弯预测与侧弯控制的应用软件,在生产现场进行了在线应用,取得良好的效果。研究内容和取得的主要进展如下:(1)实现了中厚板生产过程中温度的高精度预测。基于隐式差分方法和有限元方法建立了中厚板轧制过程温度演变模型,确定了在不同传热条件下的换热系数;根据中厚板的生产特点,提出了根据模型预测温度和实测温度的互相检验,获得接近于真实的轧件温度的测量方法,该方法在测量轧件温度的同时,不断的对模型参数进行学习,保证了测量的准确性。(2)开发出基于遗传算法的变形抗力自学习系统。中厚板生产过程中,变形抗力模型参数的取值决定了轧制力模型的预测精度,通过对轧制力计算误差的影响因素分析,将遗传算法引入到变形抗力自学习方法中,充分利用遗传算法的空间搜索和优化能力,在实际生产数据中寻找变形抗力参数的最优值。在变形抗力自学习系统的开发过程中,实现了决策变量的选择,编码与解码、适应度评价及终止条件的处理。计算结果表明,这种方法的优化速度和精度能够满足生产要求。(3)提出中厚板轧制过程的侧弯预测方法。根据轧制过程中发生侧弯时轧件的运动特点,推导出预测轧件侧弯曲率的理论公式。利用修正后的适应轧件宽度变化的影响函数方法,结合温度模型和轧制力模型,计算轧件断面厚度分布。将影响函数方法与侧弯理论公式相耦合组成侧弯预测模型,可以分析不对称因素对轧件侧弯的影响。(4)提出一种轧件塑性系数的在线计算方法。针对塑性系数计算不准确或不稳定的问题,基于轧制理论模型,利用二次曲线拟合生产过程中的塑性曲线,在拟合曲线上求解压下量点处的切线斜率就得到了实际的塑性系数。这种处理方法使塑性系数的计算不依赖于过程计算机,可直接嵌入基础自动化中进行计算,根据轧制力的变化和辊缝的变化,不断的对塑性系数进行修正,提高系统的厚度补偿精度。(5)开发出过程控制支撑平台,并实现了在线应用。通过对过程控制系统结构的研究,在分析系统功能需求的基础上,开发出基于通讯进程和模型进程相分离的过程控制支撑平台,该平台封装了过程控制软件中的通讯环节,建立了一个基于事件调度、适合模型的编程、维护和调试的系统架构。该平台已经在多个中厚板的生产线实现了成功应用,极大的提高了过程控制系统的开发效率。(6)提出中厚板轧件平面尺寸测量方法。根据中厚板轧件平面尺寸的测量特点,提出测量方案,基于机器视觉技术,以灰度直方图均衡、快速中值滤波、Sobel算子边缘检测、Hough直线检测、采用空间矩方法进行亚像素定位以及8点标定方法为基础,建立了轧件侧弯测量系统,测量结果表明,测量精度可以满足工程要求。(7)提出等效轧件的概念,并应用于轧件的侧弯控制。在轧制过程中,轧件本身产生的不对称影响因素可以近似用一个位于轧制中心,带有一定楔形量的等效轧件来代替,对等效轧件实施侧弯控制与对实际轧件的侧弯控制是等效的,这种处理方法统一了不对称影响因素,便于进行计算和控制。(8)结合侧弯模型、轧件断面形状计算模型和轧件平面尺寸检测模型,开发出侧弯检测和控制应用软件。实现了轧件侧弯控制的在线应用,将生产过程中的轧件侧弯曲率限制在一定范围内,提高了产品的成材率。本文结合我国的中厚板生产过程,对中厚板轧制中的轧件侧弯现象进行了深入研究,开发出具有自主知识产权的侧弯检测与控制软件,对提高我国中厚板生产水平具有重要的意义。
|
全文目录
摘要 5-7 Abstract 7-14 第1章 绪论 14-33 1.1 研究背景和意义 14 1.2 中厚板生产技术的发展 14-24 1.2.1 中厚板生产概况 14-16 1.2.2 中厚板生产发展趋势 16 1.2.3 中厚板生产过程 16-17 1.2.4 提高成材率方法 17-23 1.2.5 轧制过程的影响函数方法 23 1.2.6 模型自学习方法 23-24 1.3 中厚板自动化控制的发展 24-27 1.3.1 计算机控制系统 24-26 1.3.2 过程控制的软硬件平台 26-27 1.4 基于机器视觉检测技术 27-31 1.4.1 机器视觉的发展 27-29 1.4.2 图像处理技术的发展 29-31 1.5 本文的主要研究内容 31-33 第2章 中厚板轧制过程温度预测研究 33-50 2.1 传热的基本理论 33-35 2.1.1 含内热源的基本方程 33-34 2.1.2 初始条件和边界条件 34-35 2.2 有限差分方法求解温度场 35-39 2.2.1 有限差分数学基础 36-37 2.2.2 差分温降模型 37-39 2.3 有限元方法求解温度场 39-42 2.3.1 传热问题的泛函和变分原理 39-40 2.3.2 有限元求解公式 40-42 2.4 温度求解过程的关键参数处理 42-45 2.4.1 比热系数的选取 42-43 2.4.2 热导率的选取 43-44 2.4.3 轧制过程的生成热 44 2.4.4 轧制过程断面尺寸处理 44-45 2.4.5 与轧辊接触的热传导 45 2.5 温度修正方法 45-46 2.6 温度模型实际应用效果 46-48 2.7 本章小结 48-50 第3章 变形抗力的自学习研究 50-76 3.1 轧制力计算影响因素分析 50 3.2 遗传算法原理 50-62 3.2.1 遗传算法的优点 50-51 3.2.2 遗传算法的生物学基础 51-53 3.2.3 遗传算法的概要 53-55 3.2.4 遗传算法的数学基础 55-57 3.2.5 遗传算法的实现技术 57-61 3.2.6 遗传算法的构造过程 61-62 3.3 中厚板轧制力模型 62-67 3.3.1 变形抗力的影响 62-64 3.3.2 变形区形状影响函数 64 3.3.3 轧辊压扁半径的影响 64-65 3.3.4 轧件宽度影响 65-66 3.3.5 轧件出口厚度软测量方法 66-67 3.4 变形抗力自学习系统的设计 67-71 3.4.1 数据准备 67-69 3.4.2 遗传算法的自学习步骤 69-70 3.4.3 自学习过程关键问题处理 70-71 3.5 变形抗力自学习应用效果 71-75 3.6 本章小结 75-76 第4章 中厚板轧件侧弯的计算方法 76-99 4.1 侧弯的影响因素分析 76-77 4.2 侧弯计算理论公式 77-83 4.3 轧件断面形状的计算方法 83-88 4.3.1 模型建立 83-85 4.3.2 轧辊轴线位移影响函数 85-86 4.3.3 计算过程 86-88 4.4 提高模型精度的关键参数 88-94 4.4.1 轧机弹跳模型处理方法 88-89 4.4.2 轧件塑性系数在线计算方法 89-93 4.4.3 适应轧件宽度变化的影响函数方法 93-94 4.5 模型应用效果 94-98 4.6 本章小结 98-99 第5章 多进程过程控制支撑平台开发 99-111 5.1 过程控制系统的功能分析 99-100 5.2 架构的特点 100-102 5.2.1 系统平台的发展与选型 100 5.2.2 过程控制软件的特点 100-101 5.2.3 过程控制支撑平台的设计原则 101-102 5.3 系统的组成和功能 102-103 5.3.1 基础自动化组成 102-103 5.3.2 过程自动化组成 103 5.4 通讯接口规划 103-107 5.4.1 OPC通讯技术 104-106 5.4.2 计算机之间通讯技术 106-107 5.5 过程控制支撑平台的开发 107-109 5.6 本章小结 109-111 第6章 轧件平面尺寸检测方法 111-138 6.1 轧件平面尺寸测量硬件系统 111-115 6.1.1 系统组成 111-113 6.1.2 系统硬件的选用 113-115 6.1.3 系统软件的选用 115 6.2 摄像机模型 115-117 6.2.1 图像坐标系 115-116 6.2.2 摄像机坐标系 116 6.2.3 世界坐标系 116-117 6.3 机器视觉测量系统的标定 117-121 6.3.1 标定的概念 117 6.3.2 常用标定方法 117-119 6.3.3 本文的标定方法 119-121 6.4 通用图像采集模块开发 121 6.5 边缘检测与定位 121-133 6.5.1 图像预处理 121-124 6.5.2 图像阀值分割 124-125 6.5.3 边缘检测 125-128 6.5.4 霍夫变换与直线检测 128-129 6.5.5 亚像素边缘定位 129-133 6.6 轧件平面尺寸测量系统方案 133-137 6.6.1 测量特点 133-134 6.6.2 测量过程 134-135 6.6.3 结果分析 135-137 6.7 本章小结 137-138 第7章 侧弯控制模型的应用 138-153 7.1 侧弯控制方法 138-143 7.1.1 反馈控制 138-140 7.1.2 前馈控制 140-143 7.2 侧弯控制系统开发 143-148 7.2.1 生产设备概况 143-145 7.2.2 应用软件开发 145-148 7.3 在线应用效果 148-152 7.4 本章小结 152-153 第8章 结论 153-155 参考文献 155-163 攻读博士学位期间完成的工作 163-165 致谢 165-166 作者简介 166
|
相似论文
- FPGA/DSP图像协处理技术及以太网数据传输,TP391.41
- 基于COCM的除草机视觉定位研究,TP391.41
- 基于直线电机的机器视觉高速定位系统,TM33
- 基于机器视觉的织物外观数字化分析方法及系统设计,TP391.41
- 面向飞机蒙皮接缝的线结构光检测技术研究,TP391.41
- 基于机器视觉的跨座式单轨轨道梁晃动检测系统,TP274
- 微小零件尺寸及表面缺陷的机器视觉检测技术研究,TP391.41
- 基于机器视觉的水稻育秧播种质量检测系统的研究,TP391.41
- 视觉系统在贴片机贴片头定位与片状元件检测纠偏中的应用研究,TP391.41
- 视觉伺服控制系统在焊接机器人中的应用研究,TP242
- 带钢表面缺陷视觉检测与算法实现,TP274
- 基于机器视觉的螺纹缺陷检测技术研究和系统开发,TP274
- 基于机器视觉的马铃薯自动检测分级研究,TP274
- 基于机器视觉的排种器性能检测技术研究,TP391.41
- 基于DSP的液位检测系统关键技术研究,TP274
- 农田除草机器人组合导航技术研究,TN967.2
- 曲线轨迹的机器人视觉跟踪系统研究,TP242.62
- 仿人机器人视觉系统及射门运动规划系统研究,TP242
- 一种三维视觉传感系统信息处理方法的软硬件实现,TP242.2
- 基于机器视觉的电信插线测试机器人设计,TP242
中图分类: > 工业技术 > 金属学与金属工艺 > 金属压力加工 > 轧制 > 轧制工艺 > 板材、带材、箔材轧制 > 厚板轧制
© 2012 www.xueweilunwen.com
|