二次曲线模型求解中厚板轧制过程中的温度场

针对中厚板轧制过程中温度场不易精确模拟,普通温度模型计算存在误差较大的问题,通过建立二次曲线模型来计算中厚板轧制过程中的温度场,即对中厚板的轧制过程进行一定的简化,用二次曲线逼近中厚板轧制时沿厚度方向上的温度场,并在该曲线的基础上得出二次曲线模型和其计算方法．利用该二次曲线模型对Q235轧制过程中的温度场进行解析．结果表明,二次曲线模型预报精度的相对误差可以控制在3％以内,完全能够满足中厚板在线实际生产的需求．二次曲线模型同时也为其他热轧的温度场解析控制提供了范例．     

二次曲线模型求解中厚板轧制过程中的湿度场

针对中厚板轧制过程中温度场不易精确模拟,普通温度模型计算存在误差较大的问题,通过建立二次曲线模型来计算中厚板轧制过程中的温度场,即对中厚板的轧制过程进行一定的简化,用二次曲线逼近中厚板轧制时沿厚度方向上的温度场,并在该曲线的基础上得出二次曲线模型和其计算方法.利用该二次曲线模型对Q235轧制过程中的温度场进行解析.结果表明,二次曲线模型预报精度的相对误差可以控制在3%以内,完全能够满足中厚板在线实际生产的需求.二次曲线模型同时也为其他热轧的温度场解析控制提供了范例.     

基于遗传规划的中厚板轧制力矩的非线性回归

研究热轧中厚板轧制力矩的计算方法. 运用遗传规划法分析中厚板轧制过程的现场数据,找出与轧制力矩密切相关的因素,将其作为自变量生成函数表达式,体现轧制力矩的变化规律,得出轧制力矩非线性回归计算模型和相关参数, 并完成了算法设计和编程实验. 实验结果表明,计算值与实测值的平均相对误差为6.23%. 该模型已应用于临汾钢铁公司2800mm中厚板的轧制生产中.     

修正遗传神经网络预测中厚板轧机轧制力

在实际生产过程中,传统轧制力数学模型存在较大误差,影响计算精度.提出将BP网络与修正遗传算法相结合,利用BP网络的指导性搜索思想和遗传算法的全局搜索能力预测中厚板轧机轧制力,并建立预测模型.同时,根据模型编制相应的程序及界面.以邯钢中板厂、普阳中板厂现场数据为基础,通过数据优选,选择较优数据进行离线轧制力预测,预测精度优于传统的数学模型,预报精度的相对误差可以控制在4%以内,能够满足生产需要.     

中厚板轧制过程中轧件头部翘曲的影响因素与控制方法

对中厚板轧制生产过程中，影响连续生产效率的轧件头部弯曲的影响因素：轧件温度分布、压下量、轧制线不同高度与辊径等进行分析，并对各因素控制对比进行分析，确定对轧机上、下轧辊的转速差进行控制的方法，实现对轧件头部弯曲的在线调整。     

河上有桥，为什么要游戏过河

王国栋院士是我国的压力加工专家，长期从事钢铁材料轧制的理论、工艺、自动化方面的研究，在新一代钢铁材料、中厚板核心生产技术开发、轧制过程人工智能优化等方面做出创新成果。曾获国家技术发明奖1项、国家科技进步奖4项。     

中厚板热轧过程中的温度场模拟

针对中厚板轧制过程中温度场不易精确确定,普通温度计算模型计算误差较大或计算较为繁琐的问题,以传热学基本理论为基础,建立了热平衡方程,采用完全隐式差分法对首钢中厚板轧制及冷却过程中的板坯中心温度和表面温度变化进行了模拟.可以得到以下结论:①在轧制过程中,中厚板上表面温度急剧下降,道次间歇期间又有回升的趋势;在层冷过程中,板坯上表面温度迅速下降;②计算的板坯表面温度与实测的表面温度吻合较好,表明该模型可以用来模拟中厚板轧制过程中的温度变化.     

中厚板边部折叠模拟实验及机理研究

通过对中厚板边部折叠试样的检测分析,对其产生机理和影响因素进行研究. 结果显示,中厚板边部折叠现象是板材横轧宽展过程中侧面材料在轧制中受轧辊作用而翻转到板材表面的结果. 折叠缺陷处所观察到的微观组织结构,是轧制前板材表面在高温下形成的氧化铁及脱碳层形成的. 建立了轧制有限元数值模型,证实折叠缺陷是在轧制过程中由侧面的折叠翻转所造成的. 通过实验室实验,得到铸坯边部质量、轧制制度、宽展道次及轧制压下量对中厚板折叠缺陷的影响. 实验结果表明横轧宽展导致折叠缺陷的出现,铸坯边部质量对其没有影响,轧制过程中铸坯侧边的折叠经翻平形成表面折叠缺陷,随着横轧展宽的道次及压下量增加,折叠缺陷距边部距离变大.     

广东省韶关钢铁集团有限公司：2500四辊中厚板轧机主传动控制技术研究与应用

广东省韶关钢铁集团有限公司第二轧钢厂2500mm四辊可逆中厚板轧机建成投产以来，通过挖掘潜能，进行技术改造，以及通过优化生产管理，优化操作，加大坯重，加大轧制压下量等管理和工艺技术手段，中厚板产量不断增长，产能由年产25万吨提高到80万吨以上，但由于生产负荷提高以后，轧机主传动控制系统问题不断暴露出来，故障率也不断增加，严重影响和制约了经济效益的增长。     

控制轧制节奏的优化

针对单机架中厚板轧制过程中,不同轧制及控制轧制方式下轧机的利用率等问题进行分析.在一组组板坯轧制生产方式的基础上,提出了板坯交替轧制的生产方式,并在此基础上,进一步研究了根据不同的轧制时间、待温时间等条件优化控制轧制节奏的方法.该方法可以有效地提高中厚板轧机的利用率.     

中厚板精轧机轧制力预报综合模型研究

为提高中厚板精轧机轧制力的预报精度,建立了Sims公式简化式与人工神经网络相结合的轧制力预报综合模型.以3 000 mm中厚板精轧机实测数据为基础,用Sims公式简化式计算轧制力主值,利用MATLAB人工神经网络工具箱,建立BP神经网络模型预报轧制力的偏差值,用提前结束的方法来训练网络.模型的综合采用加法和乘法两种方式.结果表明,与单独采用Sims公式简化式相比,综合模型的预报精度提高很多,而且加法网络算法的预报效果比乘法网络算法更好.     

双机架热轧中厚板轧机负荷分配的工艺优化研究

介绍了一种适用于中厚板双机架轧机负荷分配的优化方法，并采用Visual Basic 6．0软件编制成应用程序。该方法以轧制力和轧制周期为目标函数，采用一维搜索法进行迭代计算，可以得到实用的轧制规程。其优化轧制规程在生产上应用效果良好，提高了生产能力。     

一种板形预报和控制方法的应用研究

研究中厚板产生中板形预报与板形控制,以本城轧辊弹性变形理论为基础,通过模型简化和离散化建立了板凸度预报模型、板形预测模型及板形控制反馈修正模型,仿真结果表明,预测模型仿真数据较接近于实测数据,通过改变轧制过程中压下量的分配,间接实现板形控制的方法,在一定程度上,弥补了中厚板生产中无板形控制装置的缺陷。     

中厚板轧线的坯料出炉时间控制

针对中厚板轧线,研究了在实行控制轧制工艺时,如何对坯料的出炉时间进行合理控制,以满足多坯交叉轧制过程轧制节奏控制的需要.介绍了典型单机架中厚板轧线的设备布置情况,并根据不同交叉轧制情况下的轧制节奏控制状态确定坯料之间的轧制间隔时间;根据具体轧线布局计算坯料的出炉运输时间,并确定坯料的出炉剩余时间.考虑其他非理想状况的影响因素,设置坯料出炉剩余时间极限值,实际控制中通过调整该值,保证坯料出炉时间控制的最佳效果.     

凸度板形矢量法在中厚板中的应用

为了有效控制中厚板板形和发挥轧机生产能力,将凸度 板形矢量分析法应用于中厚板轧制规程的计算·首先分析板凸度计算模型并给出相应的在线数学模型,然后分析了凸度 板形矢量法的机理·并基于该方法分析中厚板伸长阶段的轧制特点,将伸长阶段的规程计算分解成三步:伸长阶段前几个道次在轧机能力允许范围内采用大压下量,减少轧制道次;伸长阶段的后3,4个轧制道次,采用凸度 板形矢量法,控制轧件凸度和板形;通过调节总轧制道次数或最大轧制力限制系数,使得最后道次的出口厚度等于目标厚度·通过长期在线应用,表明该方法对板形有较强的控制能力,适合于中厚板的在线计算机过程控制·     

基于GRNN的中厚板轧机压力预测模型

为了实现中厚板轧机在轧制过程中的压力变化自动预测和控制,分析了轧制过程中压力变化的影响因素,在神经网络技术和现场实测数据的基础上,利用Matlab人工神经网络工具箱,应用广义回归神经网络建立压力变化预测模型来提高轧制压力变化预测的精度.经过对现场实测数据的处理,分析了工作辊直径和初始板坯宽度对轧制压力网络模型精度的影响.指出随着工作辊直径的增大,网络的精度逐渐降低;随着选用初始板坯宽度的增大,网络模型的精度逐渐增高.结果表明:该方法建立的模型可以实现对压力变化的预测,且预测精度有较大提高.     

中厚板轧制过程中轧件头部翘曲的影响因素与控制方法

对中厚板轧制生产过程中,影响连续生产效率的轧件头部弯曲的影响因素:轧件温度分布、压下量、轧制线不同高度与辊径等进行分析,并对各因素控制对比进行分析,确定对轧机上、下轧辊的转速差进行控制的方法,实现对轧件头部弯曲的在线调整.     

基于人工神经网络的中厚板精轧机轧制力预报

采用人工神经网络方法,以生产实测数据为基础,建立了高精度的中厚板精轧机轧制力预报模型。     

基于实测值的自适应算法在中厚板轧制中的应用

提出了一种应用于中厚板轧制的道次间自适应算法，该算法以实测数据为基础，通过实测轧制力与实际计算轧制力的比值决定轧制力模型学习量的大小，做到了真正意义上的以实测数据来校正模型，从而使设定的模型有较好的自学习功能，并在实际应用中表现出较好的学习效果。     

基于改进PSO的中厚板轧制规程能量优化设计

基于中厚板轧制规程优化是多个连续决策变量的复杂非线性优化问题,以最小化轧制能耗为目标,建立轧制规程的能量优化设计模型;基于粒子群优化算法(particle swarm optimization,PSO)进行轧制规程优化设计,通过规划最佳道次板厚分配实现轧制能耗目标最优;针对中厚板轧制生产特点及其对算法全局搜索能力和收敛速度的要求,提出一种改进PSO,通过构造新的惯性权重和加速系数非线性调整策略,平衡算法不同阶段的粒子全局搜索和精确搜索能力,引入局部平均值的同时构造非线性局部加速系数,以减小对收敛速度的影响。研究结果表明:改进PSO应用于轧制规程优化,能耗明显降低,全局搜索能力强且收敛速度快,综合性能比遗传算法、标准PSO及几种常用改进算法的优。