冷连轧机轧制力在线计算模型

通过将轧制变形区离散化的方法,在考虑变形区内横截面上张应力、摩擦应力等影响因素沿带钢轧制方向分布规律及其与带钢厚度及压下量的关系的基础上,采用数学模型和神经网络相结合的方法计算了金属变形抗力,建立了冷连轧机轧制力在线计算数学模型. 经大型工业轧机生产实践数据检验,该冷连轧机在线轧制力计算模型预报误差控制在6.1%以内,满足模型在线控制要求,可提高在线控制轧制力模型的计算精度.     

模糊小脑模型神经网络在多辊冷连轧机轧制力预报模型中的应用

针对宽带钢多辊冷连轧机组特点,为提高轧制力的预报精度,在结合传统轧制压力模型的基础上把模糊算法和神经网络有机结合,设计出基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型.通过对传统轧制力模型计算值、小脑模型预报计算值与实测值进行对比分析可知,基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型具有较高的计算精度,更适合于多辊轧机在线计算机过程控制的应用,满足现场在线生产的要求,取得良好的板形板厚控制效果.     

冷连轧过程控制变形抗力模型的自适应学习

以考虑冷连轧带钢轧制过程变形区金属塑性变形以及入口、出口弹性变形的变形抗力模型和Bland Ford Hill轧制力模型为基础,将实测轧制力值代入轧制力计算模型建立起以变形抗力后计算值为未知量的非线性方程,求解该方程可以得到变形抗力后计算值,进而通过指数平滑法计算出变形抗力模型中的自适应学习系数·实际应用表明,由该方法得到的变形抗力后计算值的精度和稳定性能满足模型在线控制要求,可以提高在线控制变形抗力模型和轧制力模型的计算精度·     

神经模糊组合预报冷连轧机轧制力

采用Elman动态递归网络方法,以生产实测数据为基础,建立了冷连轧机轧制力预报模型。在此基础上,提出了将基于误差反馈和专家经验的闭环模糊控制引入轧制力预报中,用于修正预报输出、提高预报精度和鲁棒性的设想。仿真结果表明,该方法是有效的,预报精度优于传统方法。预报结果的相对误差限制在±4%以内,实现了冷连轧机轧制力的高精度预报。     

热轧带钢精轧过程考虑相变的轧制力模型

对部分在精轧过程发生相变的热轧钢种,当在双相区轧制时,因奥氏体与铁素体的变形抗力随轧制温度的变化规律不同,使得传统轧制力模型的预报误差很大,影响轧制过程参数控制精度.为此,研发了一种适用于精轧过程发生相变的热轧轧制力模型.首先建立了余弦形式的相变体积分数模型,算出不同轧制温度下奥氏体与铁素体的体积分数;接着,建立加权形式的轧制温度对变形抗力影响项的计算公式,较好地模拟出轧件在双相区轧制的变形特性;最后,把该模型用于宝钢1880热轧轧制力预报在线计算,实际生产表明,该模型显著提高了无取向电工钢等精轧相变带钢的轧制力预报精度,改善了轧制稳定性.     

基于神经网络与线性回归的轧制力预报

通过将SIMS轧制力计算公式进行相应简约化处理,避免了模型软件在该公式计算时的重复迭代求解,缩短了计算时间,因此更适合在线软件计算.利用现场实际生产数据反向回归出变形抗力模型中的系数,提高了模型中系数的准确性.用神经网络对变形抗力与应力状态系数的乘积加以修正,进一步提高了轧制力预报的精度.预测结果与实测数据比较表明,轧制力预报误差基本在±5％以内,满足了轧制力预报的精度要求.     

热轧带钢精轧过程高精度轧制力预测模型

轧制力模型的计算精度直接影响热轧带钢厚度控制精度,目前大多数轧制力模型都把轧制压力分解成应力状态影响系数和变形抗力的乘积.选用与西姆斯公式吻合较好美坂佳助公式作为应力状态影响系数模型,并考虑残余应变的影响,建立了高精度轧制力预测模型.分析了残余应变对普碳钢和合金钢轧制力的影响,给出了带钢热连轧机组残余应变工程计算方法.现场应用结果表明,该轧制力模型具有较高的预测精度,可以满足在线要求.     

冷连轧机组弯辊力自动设定的实现

针对大型宽带钢冷连轧机组广泛采用的液压弯辊技术,深入分析了弯辊力对于板形的调控机理．在分析轧辊辊形、带钢宽度和轧制力等因素对弯辊力设定值影响的基础上,建立弯辊力自动设定模型,并得到了现场实测结果的验证．该模型成功地投入运行,实现了冷连轧机弯辊力的计算机自动设定．     

冷连轧过程控制轧制力模型综合参数自适应

轧制力模型是冷连轧过程控制系统的基本模型,影响其预报精度的主要因素是材料的变形抗力和摩擦因数. 本文采用参数自适应方法来提高轧制力的预报精度. 在对轧制力模型进行自适应过程中,将材料的变形抗力作为轧制过程模型的整体属性,各机架根据累计变形程度确定各自的变形抗力. 在此基础上,将摩擦因数看成是各机架的单体属性,各机架取不同的模型参数. 实践证明,这种综合考虑变形抗力和摩擦因数的参数自适应方法可以对二个参数同时进行修正,能有效提高轧制力模型的预报精度.     

适用于双机架薄板平整机稳态轧制负荷的数学模型

针对极薄板小变形平整机稳态轧制负荷计算困难的问题,基于平板压缩复合变形假设,提出了改进的平整稳态轧制力及轧制力矩的数学模型.轧制力模型包括辊缝区等效变形区长度和压缩变形抗力2个经验模型;在轧制力模型计算的基础上,用输出力矩模型对带钢张力影响因素进行了经验修正;通过轧制负荷模型的理论计算结果和一条生产线的实际参数比较,证明模型具有较高计算精度,平板压缩变形假设合理.将所开发的模型应用于一条新建的极薄板平整生产线的关键设备参数的设计评估,结果表明该模型具有较高的工程应用价值.     

基于目标函数的冷连轧轧制力模型参数自适应

为提高轧制力模型的预报精度,提出了一种基于目标函数的轧制力模型参数寻优方法该方法通过建立轧制力模型参数自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,采用Nelder-Mead单纯形算法对目标函数进行求解,从而获得满足轧制力精度的模型自适应系数本文提出的轧制力模型参数自适应方法已应用于某1700mm五机架冷连轧机组.现场应用表明:采用轧制力模型参数自适应后,轧制力模型计算值与实测值的均方差由不采用自适应的129%降至32%,证明该参数自适应方法能显著提高轧制力模型预报精度,满足在线控制要求.     

基于遗传神经网络的冷连轧机轧制压力模型

对鞍网冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷,把遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ,简称ＧＡ）和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及ＧＡ－ＢＰ算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冷连轧机轧制压力模型,通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网     

四辊可逆冷轧机轧制润滑工艺实验研究

在四辊可逆冷轧机上用A,B,C和D 4种冷轧乳化液对St12带钢进行了轧制润滑工艺实验,分析比较了在相同轧制条件下4种轧制乳化液对轧制力、带钢表面反射率、带钢和轧辊表面温度等的影响规律.分析了轧制力和轧制速度的关系,利用实测轧制力数据和数学模型计算得到了摩擦因数.较好的油品润滑能力顺序为B,C,D和A,冷却能力顺序是A,C,D和B,带钢表面反射率顺序是B,D,C和A.实验研究结果对油品开发与评价,优化轧制润滑工艺参数和提高板面质量具有重要的理论和实际意义.     

基于多神经网络的热连轧轧制力预计算

提出使用BP、RBF混合网络建立的多神经网络来预报热连轧轧制力。工程实例说明，相对于传统数学模型和单神经网络建立的数学模型，多神经网络在预报精度和网络冗余方面占有较大优势。文中建模方法也为．研究多变量复杂工程提出了一条新思路。     

热连轧工作辊三维瞬态温度场数值模拟

考虑水冷、空冷、摩擦热和变形热以及工作辊与轧件接触热传导等动边界条件，采用有限差分法，建立了热连轧工作辊三维瞬态温度场分析计算模型。使用该模型实现了对工作辊温度的动态分析和精确计算，预测工作辊非稳态轧制时的瞬态温度分布、稳态温度场和终轧后空冷时的温度场。     

冷带非稳态轧制弯辊力设定值的研究与应用

为研究非稳态轧制状态下弯辊力对板形的影响,在理论分析和实际应用的基础上,应用力学和控制方法对在非稳态轧制状态下的弯辊力设定值进行了分析.针对在非稳态轧制状态下轧制力、摩擦力和加减速对冷轧弯辊力的影响,提出了冷轧非稳态弯辊力数学模型表达方式.研究表明,弯辊力通过轧制力对弯辊力的影响系数进行动态调整,轧制速度通过摩擦力来影响弯辊力.该模型成功应用于1450冷轧生产线且取得良好的控制效果,为现场调控非稳态弯辊力提供了有力的理论支持.