| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 板厚控制技术的发展 | 第12-14页 |
| 1.2.1 板厚控制技术及理论发展历程 | 第12-13页 |
| 1.2.2 AGC控制技术的发展历程及趋势 | 第13-14页 |
| 1.3 电动压下AGC和液压AGC | 第14-17页 |
| 1.3.1 电动AGC | 第14-15页 |
| 1.3.2 液压AGC | 第15-16页 |
| 1.3.3 液压AGC与电动AGC对比 | 第16-17页 |
| 1.4 我国板带钢厚度自动控制系统概况 | 第17-19页 |
| 1.5 研究的目的及意义 | 第19-21页 |
| 1.6 论文的主要内容 | 第21-23页 |
| 第二章 AGC基本理论 | 第23-35页 |
| 2.1 厚度误差产生的原因 | 第23页 |
| 2.2 AGC控制原理 | 第23-25页 |
| 2.3 AGC系统的补偿功能 | 第25-26页 |
| 2.4 AGC分类 | 第26-28页 |
| 2.4.1 前馈式AGC | 第26-27页 |
| 2.4.2 反馈式AGC | 第27-28页 |
| 2.5 各种压力AGC的分析和评价 | 第28-35页 |
| 2.5.1 BISRA AGC | 第29-30页 |
| 2.5.2 厚度计型AGC | 第30页 |
| 2.5.3 动态设定型AGC | 第30-31页 |
| 2.5.4 绝对值AGC | 第31-32页 |
| 2.5.5 AEGAGC | 第32-33页 |
| 2.5.6 RALAGC | 第33页 |
| 2.5.7 综合分析研究 | 第33-35页 |
| 第三章 首钢2160精轧机AGC系统 | 第35-51页 |
| 3.1 迁钢2160轧线概况 | 第35页 |
| 3.2 项目背景 | 第35-36页 |
| 3.3 首钢2160热连轧机组AGC系统 | 第36-37页 |
| 3.4 首钢2160精轧机AGC控制方式 | 第37-39页 |
| 3.5 首钢2160精轧机AGC控制原理 | 第39-47页 |
| 3.5.1 精轧机组工艺和设备主要参数 | 第39页 |
| 3.5.2 精轧机组AGC液压辊缝控制 | 第39-43页 |
| 3.5.3 精轧机组AGC控制原理 | 第43页 |
| 3.5.4 首钢2160热连轧AGC主要功能 | 第43-44页 |
| 3.5.5 首钢2160精轧AGC系统结构控制 | 第44-47页 |
| 3.6 实际应用价值 | 第47-51页 |
| 3.6.1 伺服阀泄漏监控与主从阀定期切换 | 第47-48页 |
| 3.6.2 轧机刚度分析 | 第48-49页 |
| 3.6.3 压头与油压测量监控和分析 | 第49页 |
| 3.6.4 轧辊偏心监控 | 第49-51页 |
| 第四章 AGC厚度控制参数优化 | 第51-65页 |
| 4.1 迁钢2160热轧厚度控制优化背景 | 第51-53页 |
| 4.1.1 厚度偏差有恶化趋势 | 第51-52页 |
| 4.1.2 厚度负偏差多于正偏差 | 第52-53页 |
| 4.1.3 换辊后首块钢超差几率大 | 第53页 |
| 4.2 绝对AGC判断条件优化 | 第53-54页 |
| 4.3 AGC响应速度优化 | 第54-56页 |
| 4.3.1 面临的技术难题 | 第54-55页 |
| 4.3.2 更改AGC限制条件 | 第55-56页 |
| 4.4 AGC压尾动作优化 | 第56-58页 |
| 4.4.1 厚度仪返回值丢失造成厚度超差 | 第56页 |
| 4.4.2 轧制薄规格带钢时常发生甩尾 | 第56-58页 |
| 4.4.3 修改原则 | 第58页 |
| 4.4.4 修改方案 | 第58页 |
| 4.5. AGC的优化效果 | 第58-62页 |
| 4.5.1 厚度控制精度上升 | 第58-60页 |
| 4.5.2 换辊后首块钢命中率仍然很低 | 第60-62页 |
| 4.6 绝对AGC判断条件的进一步优化 | 第62-64页 |
| 4.7 EC模块选择性投入技术 | 第64-65页 |
| 4.7.1 EC模块投入产生的问题 | 第64页 |
| 4.7.2 选择性投入的EC模块 | 第64页 |
| 4.7.3 EC模块优化效果 | 第64-65页 |
| 第五章 模型自学习策略优化 | 第65-75页 |
| 5.1 轧制力模型自学习基本算法 | 第65-66页 |
| 5.2 现场轧制数据的采集与处理 | 第66-69页 |
| 5.2.1 现场通讯及信号处理系统 | 第66-67页 |
| 5.2.2 基础自动化级和过程控制级 | 第67页 |
| 5.2.3 基础自动化级主要应用 | 第67-68页 |
| 5.2.4 现场数据的采集与存储 | 第68-69页 |
| 5.3 短自学习与长自学习 | 第69页 |
| 5.4 轧制力模型自学习算法的优化 | 第69-72页 |
| 5.4.1 自学习速度因子的选取 | 第69-71页 |
| 5.4.2 判定长期自学习的方法 | 第71-72页 |
| 5.5 长期自学习系数的确定 | 第72-73页 |
| 5.6 首钢2160热轧自学习而临的技术难题及解决 | 第73-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 6.1 结论 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 作者在攻读硕士学位期间的研究成果 | 第80-81页 |
| 致谢 | 第81页 |