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.     

基于人工神经网络铝箔轧机轧制力模型

彩用ＢＰ神经网络原理对１３５０ｍｍ铝箔轧机轧制数据重新处理，建立了基于人工神经网络的轧制务模型。结果表明，用人工神经网络轧制力模型的计算值与实测值相比偏差〈３％该模型较真实地反映了轧制过程的特征。     

数据挖掘在热轧平整机轧制力计算偏差补偿模型中的应用

分析了数据库技术及数据挖掘常用算法,以热轧平整机轧制力计算偏差补偿为例,建立了数据挖掘的热轧平整机轧制力补偿模型．经实际检验,模型在生产应用中完全满足生产实际要求,对现有的基于二级数学模型计算的薄规格板带后期工艺再处理生产的进一步优化具有深远的意义．     

2800 mm中厚板轧机轧制力模型研究

在考虑温度场对轧制力能参数影响的条件下,利用ANsYs软件对热轧板带的塑性变形过程进行了力能参数的计算,并由此获得2800mm轧机轧制压力的计算模型.经在武钢2800mm轧机生产现场实测大量数据,进-步完善轧制力模型,使之具有良好的计算精度.     

提高轧制力模型预报精度的研究与应用

过程控制模型的控制精度的高低直接决定着产品质量的高低,济钢热轧厂通过自己的生产实践从轧制力模型的机理出发,对轧制力学习系数超限、学习系数波动幅度大等问题进行了分析研究,确定了扩大综合影响系数、引入碳含量影响项等措施,对轧制力模型进行了改进优化。通过项目的实施,提高了轧制力模型的预报精度。     

基于人工神经网络的扁钢轧制力模型

根据ＢＰ人工神经网络算法原理,结合某厂型钢轧机轧制扁钢时的轧制力实测数据,对扁钢轧制力进行建模,结果表明,神经网络用于轧制力建模是可行的,所建模型系统误差〈１％,模型计算值与实测值的偏差,４％,较好地反映了实际轧制过程的特征。     

自学习在冷轧中的应用

冷轧工艺中确定轧制规程涉及到各种各样的复杂因素,特别是不能正确掌握轧机各机架的状态,模型精度受到自身限制,现在世界上各大轧机控制厂商都选用专家系统对轧制规程的公式化方法进行定量。本文主要介绍了邯钢冷轧厂酸轧线二级模型中子学习系统的应用,主要分为在线学习和离线学习。     

热连轧机轧制力和轧制力矩模型研究

研究了一种适用于热连轧机的新型高精度轧制力和轧制力矩模型,建立了一个轧制力功系数和轧制力矩功系数的新型指数公式,将两个系数的表达式统一起来,仅含"压下率"和"压扁半径与出口厚度之比"两个影响因子,形式简洁,物理意义明显.给出了新型指数公式中待定参数的确定方法,求得的待定参数值对不同钢种和不同精轧机架具有通用性.预测实践表明,新型轧制力和轧制力矩模型提高了热连轧过程中轧制力和轧制力矩的预报精度,可用于热轧板带生产线精轧机架的在线控制.     

铝箔轧制力的计算

从铝箔轧制过程的实际出发,提出一个能够反映铝箔轧制过程物理变化规律的计算铝箔轧制力公式。本公式考虑铝箔入口和出口弹性变形和轧制铝箔两侧轧辊辊身端部弹性接触压力对轧制力的影响。本公式计算精确而且简便。     

Assel轧管机轧制力矩的计算

轧制力、轧制力矩是设计Assel轧管机最为基本的参数,但是目前关于其工艺计算的理论还很不成熟,只能借助于近似工程计算方法求得,结果往往偏差较大.德国的J·kazanecki和国内的一些学者提出了利用金属塑性变形场的上界法求解上述参数,具有一定的参考价值,但其数学计算相当繁杂.作者从轧制工艺实际出发,遵循塑性力学的基本原理,给出了简便易行的计算方法,具有重要的实际意义.     

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.     

板带轧制的边界单元法分析

本文在计算板带轧制中的参数时应用了初始应力的弹塑性边界单元方法。计算结果与实验值相等。该研究表明,弹塑性边界单元法用来分析板带轧制是满意的。     

中板轧制过程板坯弯曲生成与抑制之五--轧制线高度及轧辊偏移距对板坯弯曲的影响

研究了在中板轧制过程中抑制板坯弯曲的措施之一。从理论上剖析了轧制线高度和轧辊偏移量大小与板坯弯曲的关系,给出了实用的轧制线高度的确定原则。实践已证明合理的轧制线高度是一种抑制板坯弯曲很有效的措施。     

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.     

中厚板生产的高精度轧制力短期自学习

针对国内大多数企业没有安装测厚仪的现状,提出了中厚板生产中无测厚仪下的高精度轧制力自学习模型.模型通过自然对数法进行厚度族的划分,并将用于轧制力自学习的变形抗力参数按照不同的厚度族进行区分,最后模型采用了指数平滑法对各个厚度族内的变形抗力参数进行处理.以高精度弹跳模型为基础,提出将末道次实际出口厚度锁定为目标值的思想进行了各道次变形抗力参数的回归.将该模型实际应用于国内某3 000 mm轧机的过程控制系统中,获得了良好的效果.     

多道次中厚板热轧过程的综合数值解析法模拟

采用微分方程的解析解法和数值解法相结合的思路建立了中厚板热轧过程温度场、变形场和轧制力的综合求解模型.在该模型中,考虑到轧件厚度方向的温度梯度远大于沿宽度和长度方向的温度梯度,因而将热传导方程简化为一维微分方程,基于拉格朗日坐标建立了温度场的级数解法.针对中厚板轧制的速度场特点设定了速度场函数,基于欧拉坐标架建立了应变速率和应变的数值解法,从而解决了多道次轧制过程的温度场与变形场连续计算问题.利用该模型模拟了中厚板12道次热轧的成形过程,给出了轧件温度随时间的连续变化曲线以及各道次的轧制力、应变和应变速率的分布和大小.模拟结果与工业现场实测数据吻合较好.     

CVC轧机的应用及技术问题分析

文章主要分析了CVC轧机的板形控制原理,应用中轴向力、磨损、轧辊热凸度及设备结构等技术问题。     

中厚板精轧过程的高精度温度预测模型

从设定模型角度结合中厚板精轧过程的工艺特点,分析了热辐射和对流、高压水除鳞、轧辊的热传导和塑性功对钢板温度变化的影响,得出如下结果:①钢板热辐射和对流过程可以简化成一维热传导方程,钢板的黑度可考虑成钢板厚度的函数;②高压水除鳞过程可以简化成半无限体平板的瞬态热传导模型;③轧辊的热传导过程可简化成两个半无限体之间的热传导过程,接触热阻的影响通过修正系数进行调节;④塑性功造成的温度变化必须考虑热功转化效率的影响·通过与实际数据的比较可以看出该模型具有很好的预测精度·     

中厚板轧制过程头部弯曲成因分析及其控制

针对国内中厚板轧机普遍存在的头部弯曲问题,通过对轧制过程进行分析,得出轧件上下表面温差和上下辊辊径比对轧件头部弯曲的影响规律,建立轧件头部弯曲曲率、轧机上下辊辊径比和轧件上下表面温差之间的关系模型.利用该模型可以根据轧制参数预测轧件弯曲曲率,为现场配辊提供理论依据.提出一种采用CCD摄像机测量轧件弯曲曲率的测量方法.