H型钢多道次粗轧工艺过程的数值分析

为了分析现有型钢轧制工艺的合理性,必须综合考虑轧件的微观组织演化、轧制力等多方面因素.为此,文中提出了针对H型钢多道次轧制过程的综合数值分析流程,通过热模拟实验和金相观测,建立轧件材料的高温屈服应力模型及奥氏体再结晶预报模型,并构建基于网格重构的多道次仿真分析方法.对某11道次H型钢多道次粗轧过程的仿真计算表明:轧制力的计算结果和现场实测数据吻合较好,现有多道次粗轧工艺对轧件腹板的晶粒细化作用较为明显.     

扩展卡尔曼滤波在中厚板轧制道次修正中的应用

大量中厚板轧制的现场实践表明,高精度的厚度尺寸必须通过稳定的在线道次辊缝修正获得.扩展卡尔曼滤波在轧制道次修正中的应用,不但解决了仪表反馈数据的处理问题,并为道次状态的更新提供了一个更为精确的预报模型.对轧制过程中主要模型进行线性化的推导,使得该预报模型可以准确地预报轧制过程中的关键参数,并可通过这些关键参数计算出后续道次的辊缝修正值.研究结果应用于安钢中板厂后,厚度控制命中率提高了14.2%     

H型钢粗轧道次工艺过程数值分析

以中型H型钢粗轧道次工艺过程为研究对象,通过热模拟实验建立了Q235流变应力模型,并选择某11道次典型规格H型钢的粗轧过程进行仿真研究,对轧制过程中轧制力及奥氏体晶粒尺寸变化进行了分析,结果表明：粗轧轧制力仿真结果和现场实测数据具有较高的吻合度;此外,粗轧过程能够有效细化腹板处晶粒,但芯部及翼缘晶粒细化不明显,因此其晶粒的细化必须依靠后续精轧过程实现。     

基于神经网络的热轧带钢宽度预报与设定

研究带钢热连轧生产线中成品带钢的宽度预报与设定.由于精轧道次带钢宽度变化与板坯化学成分、立辊侧压量、厚度压缩比、钢板温度、速度及张力等因素有关,所以在宽度预报中,按照轧制顺序将整个轧制过程分为两部分:狗骨轧制和随后的精轧道次,前者用数学机理模型建模,后者引入主成分分析-径向基函数(PCA-RBF)神经网络建模.应用效果表明,经过训练的神经网络模型能够有效提高带钢宽度的预报精度,减小成品带钢的宽度波动.     

GCr15棒线材连轧过程有限元模拟

借助商业有限元软件MSC.Marc,建立了棒线材连轧过程的三维弹塑性模型,将φ8 mm GCr15棒线材从出炉到精轧结束共26道次的轧制过程分为6段进行了模拟.前3个模型采用了静态分析,模型道次间刚性体以实际速度推动轧件进入下一道次.由于中轧道次后的轧制过程速度较高,后3个模型的模拟使用动态有限元法,在方程中引入了惯性力.用该组模型分析了连轧过程中轧件的变形以及温度演化规律,计算结果与测量结果吻合较好,证明了该模型模拟棒线材轧制过程的有效性.     

热连轧粗轧区FES宽展模型及其优化

为了满足某厂1580热连轧机宽度控制精度需求,提高宽展模型的广泛适用性,利用ANSYS/LS-DYNA有限元软件,对热轧粗轧区立轧--平轧过程进行了模拟.根据模拟数据,系统地分析了轧件宽度、厚度、轧辊直径、立辊侧压量和厚度压下量对"狗骨"宽展、自然宽展和绝对宽展的影响规律.利用模拟数据并结合现场数据构造了FES(finite element simulation)"狗骨"宽展模型和自然宽展模型,并建立了PSO-BP神经网络(粒子群BP神经网络).最后,FES宽展模型与PSO--BP神经网络相结合预报第1、3和5道次的宽展,其预报值与实测值误差在1mm以内的均达到了99%以上,达到了宽度控制的精度要求.     

高速线材热连轧时组织结构的计算机模拟

针对唐钢高速线材厂的生产实际 ,借助于理论与实验模型 ,通过计算机模拟研究了高速线材在承受变形时其内部因奥氏体再结晶导致的组织结构的变化。结果表明 ,除粗轧阶段中的强迫咬入道次以动态再结晶为主以外 ,其它道次以亚动态再结晶为主。个别道次仅发生少量的静态再结晶 ,这对组织性能及轧制负荷均有不利影响 ;此外发现 ,对高速线材轧制 ,Z因子对动态、亚动态再结晶的发生与否影响不大 ,主要影响因素是变形程度的大小。作为将理论与实验的研究应用于高速线材生产现场的初步尝试 ,为在实际中控制与预报高速线材的组织性能以及提高轧制负荷的计算精度提供了奥氏体再结晶规律的理论基础     

高速线材热连轧时组织结构的计算机模拟

针对唐钢高速线材厂的生产实际,借助于理论与实验模型,通过计算机模拟研究了高速线材在承受变形时其内部因奥氏体再结晶导致的组织结构的变化。结果表明,除粗轧阶段中的强迫咬入道次以动态再结晶为主以外,其它道次以亚动态再结晶为主。个别道次仅发生少量的静态再结晶,这对组织性能及轧制负荷均有不利影响;此外发现,对高速线材轧制,Z因子对动态、亚动态再结晶的发生与否影响不大,主要影响因素是变形程度的大小。作为将理论与实验的研究应用于高速线材生产现场的初步尝试,为在实际中控制与预报高速线材的组织性能以及提高轧制负荷的计算精度提供了奥氏体再结晶规律的理论基础。     

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.     

基于有限元分析的中间坯温度预报策略

在辊道运输过程中,中间坯上、下表面的换热边界条件不同,使表面温降过程存在差异,影响到精轧入口温度的预报,对厚度设定模型的精度也会产生影响。为提高模型精度,采用有限元法对传热过程进行系统分析,基于分析获得轧件辊道停留时间、粗轧出口温度及轧件厚度对表面温度的影响规律,进一步通过拟合得到轧件到达精轧入口时表面温度,并对轧件平均温度预报模型进行优化。研究结果表明:优化模型的预测精度能够有效满足实际控制要求。     

带钢热连轧换规格轧制力自学习优化

热连轧带钢生产过程中,轧制力预报精度直接影响到带钢厚度的精度,而轧制力预报精度很大程度上依赖于轧制力自学习.针对换规格时轧制力预报精度偏低的问题,通过对产生轧制力偏差的原因分析,引入基于钢种变形抗力的抛物线偏差曲线的概念、机架设备自学习系数和机架设备状态影响系数.现场实际应用效果表明:换规格后的首块钢的轧制力预报精度与传统方法相比,带钢头部的轧制力预报相对误差减小4%,满足自动厚度控制系统的控制要求,提高了带钢的产品质量,取得了良好的经济价值,适于工业推广.     

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.     

异径轧制对AZ31镁合金薄带微观组织的影响

考虑到轧制镁合金薄带板形的控制精度要求,采用小辊径同径轧制和异径轧制工艺分别制备了0.5,1.0 mm的AZ31镁合金薄带,研究不同工艺过程中板材内部晶粒微观组织的变化规律以及同径轧制与异径轧制在轧制过程中的对称性问题.结果表明:0.5 mm异径轧制和同径轧制板带的晶粒尺寸分别为8.8和10.1μm,1.0 mm的分别为13.6和16.7μm.0.5 mm的异径轧制与同径轧制的单元等效塑性应变最大值分别为0.42和0.29,1.0 mm的分别为0.75和0.66,与实验结果相符.0.5 mm同径轧制的特征节点在板带上中下部的等效米塞斯应力和剪切应力分布对称,异径轧制的分布非对称.0.5 mm板带经过250,300,350℃退火1 h后,异径轧制的晶粒长大较缓慢,同径轧制的晶粒长大较快.350℃下,异径轧制的晶粒尺寸为9.8μm,同径轧制的为24.9μm.     

基于数值积分与功率损耗测试的冷轧电机功率模型

为提高冷轧电机功率的计算精度,提出了一种新型的电机功率在线计算模型,模型中将电机功率分为轧制功率和机械功率损耗.其中,轧制功率采用基于简易有限元的数值积分方法计算获得,而电机机械功率损耗采用实验测试回归方法获得.基于本文设计的测试方案和模型结构,通过对某1 450 mm五机架冷连轧机组的现场测试,回归得到了功率损耗模型中的系数,并将其应用到了该机组中.现场实际应用表明该电机功率模型的计算偏差可控制在±5%以内,证明该模型具有较高的计算精度,符合现场控制要求,具有广泛的应用前景.     

综合等负荷函数法在双机架粗轧负荷分配中的应用

针对带钢热连轧双机架粗轧机组的特点,应用综合等负荷函数法进行负荷分配.分配时兼顾水平辊和立辊轧制的影响,在宽度和厚度两个方向进行等负荷函数的交替迭代计算,逐步优化规程,并在外层迭代中设置了机组轧制负荷超限情况下的道次数自动修正.根据上述方法设计规程设定系统软件并结合实例进行计算,随后对计算结果和计算速度进行了分析和校验,同时也对其应用于现场实时过程控制的一些问题提出了解决方案.     

热轧带钢短行程控制自适应策略

热连轧生产过程中,短行程是控制轧件头尾宽度的重要手段.为提高短行程的控制精度,提出了一种短行程自适应策略,以短行程关键坐标位置为优化变量并建立目标函数,使用单纯形替换法对目标函数求解,得到了最优宽度补偿曲线,进一步对短行程关键参数进行平滑处理,实现了对短行程曲线关键参数的优化过程,提高了轧件头尾的宽度控制精度.本优化策略已成功应用于某热连轧生产线,实际生产数据表明,采用自适应优化策略之后轧件头尾与中部稳定段的宽度偏差控制在2.0 mm之内达到了90%左右,提高了宽度控制精度,具有良好的实际应用效果.     

基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.     

热带终轧温度计算的逐步回归分析模型

基于大量现场工程记录数据,考虑轧制速度、精轧入出口厚度、机架间水量等影响热带终轧温度的主要因素,采用逐步回归分析法进行热带终轧温度计算模型的多元线性回归建模,在模型系数未进行学习时采用线性模型进行模拟计算,将计算结果与工程记录数据进行比较,模型计算结果与记录数据之差小于15℃范围内的达70.1%,表明该模型计算效果能够满足终轧温度控制精度要求.针对线性回归模型的局限性,对该模型系数自学习方法进行了讨论.