Skip to main content
SUPERVISOR
Jafar Ghaisari,Yadollah Zakeri hoseinabadi
جعفر قیصری (استاد راهنما) یداله ذاکری حسین ابادی (استاد مشاور)
 
STUDENT
Mohammad Moravejolahkami
محمد مروج الاحکامی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1390

TITLE

Modification of Mathematical Models of Force Control Systems in the Level Two of Tandem Cold Rolling Mill Line using Artificial Neural Network
Modification of Mathematical Models of Force Control Systems in the Level Two of Tandem Cold Rolling Mill Line Using Artificial Neural Network
صنعت فولاد دارای دو نوع نورد سرد و گرم می باشد. انجام نورد برای ارائه محصولی با کیفیت بالا و ضخامت پایین و همچنین با صرف نیرو و توان کمتر، هدفی است که همیشه مورد توجه قرار گرفته و ایده های جدیدی در این زمینه مطرح شده است. تاندم میل پنج قفسه ای یک واحد اصلی در فرآیند نورد سرد می باشد که با اعمال نیروی مناسب در قفسه ها، ضخامت ورق فولادی را کاهش می دهد. این نیرو که به عنوان مقدار مرجع به سطح اول اتوماسیون فرستاده می شود توسط مدل هایی در سطح دوم اتوماسیون فرآیند نورد سرد تعیین می گردد. عوامل مختلفی نیز نظیر لغزش به جلو، لغزش به عقب و تخت شوندگی غلتک در فرآیند نورد رخ می دهد که پژوهشگران سعی دارند آن ها را برای بهبود محاسبات در مدل سازی دخیل کنند. در برخی از مدل ها از تقریب هایی جهت مدل سازی استفاده شده وهمچنین عواملی مانند فرسایش غلتک ها، عدم دقت در اندازه گیری و تغییرات ذاتی فرآیند، نظیر تخت شوندگی غلتک و استفاده از مایع روان کننده میان غلتک و ورق فولادی، باعث افزایش خطا، در سیستم تخمین نیروی نورد می شود. به عبارت دیگر، سیستم، فرآیند و پارامترهای آن، به مرور زمان تغییر می کنند که این امر منجر به ایجاد خطا در تعیین مقدار مرجع می گردد. برای جبران این خطاها به یک ضریب اصلاح نیاز است که با تغییرات سیستم و شرایط جدید نورد، تخمین بهتری از نیروی نورد ارائه دهد. در نتیجه هم از طریق بهبود مدل سازی و کاهش خطای تخمین نیرو، با استفاده از مدل های دقیق تر و با ساده سازی های کمتر و همچنین استفاده از شبکه عصبی یا هر نوع کنترل دیگر، می توان مقدار نیروی اعمالی را تا حد خوبی به مقدار مرجع نزدیک نمود. در این پایان نامه، برای کاهش خطای مدل سازی و جبران تغییرات سیستم، از هر دو روش استفاده شده است.هم مدل سیستم کنترل نیرو بهبود یافته است. و همچنین از شبکه عصبی به دوصورت، با خروجی نیرو و خروجی ضریب اصلاحی استفاده شده است. داده های مورد نیاز از مجتمع فولاد مبارکه جمع آوری و در زمانی حدود سیزده ماه پردازش بر روی داده ها و مدل ها، اطلاعات لازم جمع آوری گردید. مقادیر اندازه گیری شده توسط حسگرها از سطح اول اتوماسیون به سطح دوم آن ارسال می گردد و در سطح دوم با محاسبه مقدار نیرو، این مقدار به عنوان set point به سطح اول ارسال می گردد. برای بررسی صحت ضریب اصلاح پیشنهادی و تخمین نیروی نورد، از اطلاعات ثبت شده در سطح اول اتوماسیون استفاده شده است. در این پایان نامه شبکه عصبی در حالات مختلف، چه ساختاری و چه از لحاظ ورودی و خروجی بررسی و نتایج مقایسه گردیده است. نتایج شبکه عصبی در حالات مختلف از جمله تک لایه، دو لایه، با توابع عملکرد tan و log، روی یک grade خاص و یا انواع ورق ها، بصورت آنلاین و آفلاین، با تعداد ورودیهای متفاوت و مقدار مرجع نیرو و ضریب اصلاحی مقایسه می گردد. گسترش شبکه عصبی روی چهار قفسه دیگر و بررسی نتایج آن از دیگر کارهایی است که انجام گرفته است. در تمامی حالات بیان شده معیارهای مختلفی از جمله خطای نسبی بررسی و نتایج آن مقایسه گردیده اند. کلمات کلیدی: سیستم کنترل تاندم میل پنج قفسه ای ، سطح دوم فرآیند نورد سرد ، شبکه عصبی، تخمین نیروی نورد در سطح دوم، مقدار مرجع نیروی نورد

ارتقاء امنیت وب با وف بومی