带钢热镀锌镀层单位面积质量神经网络预测模型

发布时间：2022-12-24 12:54

　　为了解决带钢连续热镀锌镀层单位面积质量偏差大、调节时间长、锌原料浪费等问题,利用生产过程历史数据建立了气刀压力预设定模型和镀层单位面积质量预测模型。根据带钢热镀锌生产实践,分析了镀层单位面积质量的影响因素和控制策略。收集系统稳态样本数据并进行多变量偏相关分析,证明镀层单位面积质量与气刀压力、气刀距离、带钢速度相关。根据样本数据,以镀层单位面积质量、气刀距离、带钢速度为输入变量,采用BP神经网络建立气刀压力预设定模型,预设定精度达到3 000Pa。收集热镀锌过程时间序列样本数据,采用NARX动态神经网络建立镀层单位面积质量预测模型,预测精度达到6g/m~2,为实现带钢热镀锌镀层单位面积质量闭环控制奠定了基础。 

【文章页数】：6 页

【文章目录】：
1 镀层单位面积质量影响因素和控制策略
2 镀层单位面积质量与主要影响因素的偏相关分析
3 气刀压力预设定模型
4 镀层单位面积质量预测模型
5 结论


【参考文献】：
期刊论文
[1]镀锌板光整过程表面粗糙度控制技术[J]. 马兵智,齐春雨,娄德诚,张煜东.  钢铁. 2019(10)
[2]加热速率对镀锌热成形钢镀层组织的影响[J]. 李学涛,张杰,江社明,张启富,徐德超,滕华湘.  钢铁. 2018(11)
[3]带钢连续热镀锌镀层厚度控制[J]. 秦大伟,刘宏民,王军生,张岩,费静,张栋.  钢铁. 2018(08)
[4]冲压“积瘤”对汽车外板涂装影响及对策分析[J]. 胡华东.  中国冶金. 2018(08)
[5]Development and application of a neural network based coating weight control system for a hot-dip galvanizing line[J]. Zai-sheng PAN,Xuan-hao ZHOU,Peng CHEN.  Frontiers of Information Technology ＆ Electronic Engineering. 2018(07)
[6]基于PCA和SPC-动态神经网络的风电机组齿轮箱油温趋势预测[J]. 黄忠山,田凌,向东,韦尧中.  清华大学学报(自然科学版). 2018(06)
[7]镀锌DP780漏镀缺陷的成因分析与预防措施[J]. 巫雪松,崔秋艳,郑晓飞,张丹,李研,李冠雄.  中国冶金. 2018(02)
[8]宝钢热镀锌钢板的开发与展望[J]. 谢英秀,金鑫焱,王利.  宝钢技术. 2017(01)
[9]钢卷镀层厚度控制系统的开发与应用[J]. 冯力力,张乐,吴剑胜,周玄昊,张莹.  中国仪器仪表. 2016(09)
[10]热镀锌线镀层厚度自动控制系统研究[J]. 秦大伟,张岩,王军生,费静,侯永刚,宋君,刘宝权.  鞍钢技术. 2014(05)



本文编号：3726182