基于有限元数值模拟的宽厚板热轧过程宽度控制ANN模型

利用商业有限元分析软件DEFORM-3D,建立宽厚板热轧过程中立辊侧压和随后平轧过程的三维热力耦合刚塑性有限元模型.模拟了不同板坯厚度、板坯宽度、立辊压下量和平辊压下率条件下320种立辊侧压和随后平轧过程,探讨了不同工艺参数对调宽效率的影响规律.模拟结果表明,调宽效率随着板坯宽度和立辊压下量的增加而升高,随着板坯厚度和平辊压下率的增加而降低.基于上述有限元数值模拟结果,借助BP人工神经网络,建立了热轧宽厚板立轧-平轧宽度控制模型,经测试,模型预测的调控效率与有限元数值模拟结果符合很好.将宽度控制模型用于宽厚板实际热轧过程的有限元数值模拟,模拟轧件宽度与实测宽度吻合很好.     

立辊形状对粗轧板坯侧弯的影响

在板坯两侧存在温度差的条件下,采用平立辊和孔型立辊轧边后板坯形成的狗骨坯形状是不同的,在其后的四辊轧机中轧制时产生的侧弯也不同·采用有限元对不同板坯两侧温度差的孔型立辊轧制过程进行了模拟和分析,得到了板坯狗骨形状的数学模型·并以此为基础,采用影响函数法对随后的四辊轧机轧制过程中的侧弯进行了解析计算,得到了不同板厚沿宽度方向的分布规律及在距轧机50m处的侧弯量·结果表明孔型立辊轧制后又经水平辊轧制的板坯侧弯量明显比平立辊时为小·所得结果对板坯粗轧过程侧弯的控制具有一定的指导意义·     

立轧对称-反对称抛物线狗骨模型轧制力的解析

为提高热轧产品质量,必须保证热轧带钢宽度尺寸精度,生产中多采用在粗轧机组处安装立辊轧机来进行控制,但立轧后板坯横断面会产生狗骨形状.首次建立了立轧对称-反对称抛物线狗骨函数模型和运动许可速度场.使用刚塑性第一变分原理,采用变上限积分得到立轧时总功率泛函和轧制力的解析解.将轧制力解析结果与有限元仿真值进行比较,误差在3%以内,与Yun模型比较误差不大于6.3%.采用本文模型预测现场轧制力的精度良好,可以满足现场控制要求.     

热轧立轧小柔度板坯允许轧制压力的研究和应用

为解决板坯调宽立轧过程中常出现弯曲失稳问题,寻求实现稳定轧制的立轧允许轧制压力值,对热轧立轧小柔度板坯稳定轧制的允许轧制压力进行了研究,推导并建立了立轧小柔度板坯允许轧制压力的计算公式. 实验和应用结果表明,对于处在小柔度范围内(10相似文献   

轧制工艺参数对钢板平面形状的影响

利用有限元法计算软件ANSYS/LS DYNA,对不同工艺参数的立辊轧边、展宽轧制及精轧的中厚板生产过程进行了模拟计算·由模拟计算知,随立辊侧压量增大,展宽轧制后板坯前端由凸鼓形向凹鼓形变化,后端始终为凸鼓形,展宽轧制后轧件切头尾长度及宽度波动量先减小后增加,精轧后轧件宽度波动变化与展宽轧制时相似·展宽比大时,立辊轧边对减少宽度波动量效果较好;要得到好的轧后平面形状,应使展宽轧制后的钢板边部保持平直或微凸·模拟计算结果为合理匹配立辊侧压量、展宽比及精轧延伸率,提供了理论参考·     

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.     

中厚板平面形状控制的立轧参数神经网络识别

根据中厚板轧制过程平面形状立辊控制的原理和现场生产数据,采用人工神经网络方法,建立了立轧参数的识别模型,应用效果良好。并用该神经网络模型计算,得到了各影响因素驿立轧量设定值的影响。     

板坯立辊轧边过程的实验研究

板坯经立辊轧制后 ,头、尾将出现鱼尾 ,边部将加厚 ,板坯横断面呈现“狗骨”形。其变形比较复杂 ,变形机理研究未见报道。本文采用试塑性法对板坯轧边过程进行了实验研究 ,获得了大量的实验数据 ,根据实验数据对各种变形参数在变形区的分布和金属流动规律进行了研究与探索。分析了产生“狗骨”的影响因素 ,定量地确定内部的变形参数 ,这对实现金属变形的精确控制 ,提高产品精度与质量 ,具有重要的理论意义。     

热连轧精轧自然宽展RBF网络预报模型

在分析精轧工艺的基础上,提出精轧自然宽展RBF网络模型,并对该模型进行了仿真验证,结果表明该模型提高了带钢成材率和宽度精度,预测精度高,具有应用价值.     

粗轧板坯镰刀弯控制模型的研究与应用

针对经常困扰热轧生产的粗轧板坯镰刀弯缺陷,本文结合弹跳方程和解析法,分析了引起板坯镰刀弯的主要因素——轧机两侧纵向刚度偏差、来料楔形及轧件运行走偏,分别计算了其对应的调整量,建立了基于轧机两侧轧制力差的镰刀弯调平控制模型.该模型可反映轧机两侧纵向刚度差、来料楔形及轧件运行走偏等主要因素与镰刀弯的定量关系,进而计算出控制镰刀弯的粗轧机各道次辊缝倾斜调整值.与现场实测值进行离线验证对比,实测值与计算值比值平均为0.977,结果表明镰刀弯调平模型能够预估板坯各道次辊缝倾斜调整值.将模型投入2250 mm热轧机组使用后,板坯镰刀弯弯曲量未达标率从24.88%下降到6.62%,提高了镰刀弯控制效果,使粗轧板坯镰刀弯问题得到了很大缓解.     

变摩擦力下板带轧机辊系垂直-水平耦合振动特性

考虑轧辊振动情况下轧制界面间变摩擦力因素影响,基于Orowan变形区力平衡理论建立了垂直和水平方向的动态轧制力模型.在此基础上考虑轧机结构振动的影响,建立了板带轧机垂直-水平耦合非线性振动动力学模型.运用多尺度法对该系统进行求解,得到了系统的幅频响应方程,并采用1780轧机参数进行仿真,分析了非线性参数对幅频特性的影响.最后采用奇异性理论分析该耦合系统的分岔行为,得到该耦合系统在2参数平面内的6组不同转迁集及分岔图,这为进一步抑制轧机辊系振动提供了理论指导.     

热连轧粗轧水平辊多道次可逆轧制宽展有限元模拟

利用ANSYS/LS-DYNA有限元分析软件,建立了平轧辊系一体化的三维弹塑性有限元模型;利用小型重启动方法对水平辊多道次连续可逆轧制过程进行了模拟计算,分析了不同轧制规程下轧制出相同厚度中间坯的宽展变化以及不同规格的带钢轧制出不同厚度中间坯的宽展变化.不同轧制规程的模拟结果表明,轧制规程对中间坯的宽度变化关系不大,但是不同的轧制规程消耗的能量不同,所产生的轧制力和轧制力矩也不同.利用小型重启动既可以保证轧制过程的连续性,又可避免模型更新法重复建模的复杂性.     

四辊冷轧机轧辊弯曲和压扁变形的有限元分析

借助Marc有限元软件,采用三维弹塑性有限元法对四辊冷轧机冷轧过程进行了模拟,同时对轧辊变形进行了分析·计算模型中将辊系变形与带钢变形统一考虑,并解决了轧件与辊系之间的耦合问题,避免了采用假定或迭代方法确定轧制力分布时产生的误差·采用逐步收敛的求解过程使计算结果精确、可靠·在不同的轧制条件下,得出了带钢宽度、弯辊力等参数对辊系弯曲、工作辊接触弧上的压扁变形、板宽方向的压扁变形和有载辊缝的影响,为板形分析与控制提供了一种新的计算方法和参考数据·     

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.     

轧制过程的显式动力学有限元模拟

分析了显式动力学弹塑性有限元方法的计算过程,并用其对平板轧制问题进行了模拟计算·模拟时轧辊采用刚性材料模型,轧件采用双线性强化材料模型,轧件具有一定的初始速度并向辊缝运动,咬入后靠摩擦完成轧制过程·通过模拟计算,得出咬入、稳定轧制和抛钢阶段整个轧制过程的应力应变场·将板宽对称中心线轧制压力分布的计算结果与实验值进行对比,表明计算结果准确·另外通过对计算结果进行分析还可以得出,在稳定轧制阶段存在弹性预变形区、塑性变形区和弹性恢复区;轧制压力沿接触面的分布在入口和出口的变化梯度较大,中间区域的变化梯度较小·     

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.     

冷轧薄带钢工作辊边部接触研究

为研究工作辊接触对冷轧带钢生产的影响,用影响函数法建立模型,并用现场生产数据模拟计算了四辊轧机的辊系变形.通过计算得到的接触压力、带钢厚度、张应力等分布数据分析了冷轧薄带时发生工作辊接触现象对轧制压力、出口厚度、出口张应力以及板形等的影响.结果表明,工作辊接触使带钢边部轧制压力降低,工作辊与支撑辊间接触压力增大.工作辊接触使带钢凸度和横向厚差减小,对降低边部减薄有利;使出口张应力分布更加均匀,减小了边浪,提高了带钢的平直度.     

基于神经网络的冷连轧机轧制力预报模型

为了提高冷连轧机轧制力预报精度，提出一种解析数学模型结合神经网络校正模型的计算方法，建立冷连轧机轧制力预报模型。采用径向基函数的局部映射和全局线性映射相结合的神经网络校正模型求解带钢变形抗力和轧制变形区的摩擦因数；并采用轧制变形区离散化方法分析轧制变形区内张力、摩擦力及金属变形抗力等在带钢轧制方向上的分布规律，从而建立轧制力在线计算数学模型。现场实测数据离线仿真结果表明，采用此基于神经网络的冷连轧机轧制力预报模型预测轧制力，其预测误差小于8．9％，此模型能用于指导生产实践。     

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·