论在自动式轧管机组上轧制钢管的壁厚不均匀性

钢管的壁厚不均匀值是钢管生产中的重要质量指标之一。 在轧制中所出现的无缝钢管的壁厚不均匀性,使降低钢管的壁厚公差造成困难,因而使大量金属流于浪费,加重了机器制造工业的金属车削负担。尤其是作为冷轧、冷拔钢管坯料的热轧无缝钢管,它们的壁厚不均匀值更具有重大的影响。这是因为在钢管冷轧冷拔的过程中,原始的壁厚不均匀性很难加以全部除去。相反的,在冷轧冷拔钢管生产中由于管壁减薄甚多,因此在某些情况下在成品钢管中壁厚不均匀的相对值反而有所增高。这就对于特薄钢管的轧制,以及对于要求有高度精确性的特种钢管的轧制造成极大困难。     

P91厚壁钢管混晶组织分析

P91厚壁钢管经金相检验时出现混晶现象，导致钢管的高温性能降低.对钢管热处理工艺、坯料种类和热轧过程中组织变化进行分析，结果表明:P91锻坯和连铸坯的种类不同并不会导致组织差异；钢管热轧后出现明显的混晶组织，仅通过传统正火+回火热处理工艺不能得到最优组织形态.将钢管的非平衡组织先转变为平衡组织，然后进行合理的热处理可有效优化组织均匀性;在同样的热轧工艺参数下，毛管中未出现混晶，而荒管中晶粒却发生了异常长大，则皮尔格轧制阶段为混晶的萌生阶段和改善组织均匀性的重要阶段.     

无缝钢管壁厚控制的核心技术HCCS

热轧无缝钢管壁厚精度是衡量钢管在轧制过程中管材质量好坏的重要指标之一,提高轧制管材的壁厚精度对提高经济效益具有重大意义。实际生产过程中,影响管材精度的因素虽然很多,但轧制辊缝的精确性和稳定性是最重要的因素。HCCS就是控制这一重要因素的核心技术。     

热轧工艺对钢管壁厚差的影响

阐述了穿孔毛管产生同管壁厚差的原因,研究了穿孔和轧管工艺对钢管同管壁厚差的影响。     

三辊轧管机的调整特性分析

从提高钢管壁厚精度为出发点,推导了三辊轧管机调整参数的计算方法,分析了三辊轧管机的调整特性。应用效果表明,该算法简洁可靠,可以提高三辊轧管机的调整效率和钢管的壁厚精度。     

方钢管再生混凝土长柱轴心受压试验研究

以再生骨料取代率、长细比和钢管壁厚为变化参数,制作了7个方钢管再生混凝土柱试件进行轴心受压试验,分组分析了各参数对试件受压性能的影响.试验研究表明:方钢管再生混凝土长柱轴压承载力,随再生骨料取代率、长细比的增加而降低,随钢管壁厚的增加而增加;方钢管再生混凝土轴压长柱的轴向平均应变,随再生骨料取代率、长细比的增加呈增长趋势,随着钢管壁厚的增加而增加;方钢管再生混凝土长柱的弹性轴压刚度,随再生骨料取代率的增加而降低;随钢管长细比、壁厚的增加而增加.     

基于ANSYS的压力钢管的应力变形分析及其壁厚选择

压力钢管作为水利水电工程中重要的输水建筑物之一,运行中需承受较高的水头.有必要对其进行应力、变形分析.压力钢管选材一般用高强度钢.而高强度钢一般价格昂贵,因此从节约实际工程造价的角度,又满足实际运行要求,需要对压力钢管壁厚慎重选择.用ANSYS分析了压力钢管应力、变形.使用得到的主应力结果,根据弹塑性力学强度理论公式计算不同壁厚钢管的应力值,可以优化壁厚,有重要的工程指导意义.     

全浮动芯棒连轧管过程三维热力耦合有限元模拟

应用三维热力耦合弹塑性有限元模拟仿真及其接触分析技术,建立了全浮动芯棒连轧管过程有限元模型及其摩擦、传热和接触等重要边界条件.针对八机架椭圆-圆型孔系全浮动芯棒连轧管过程,实现了全三维热力耦合弹塑性有限元模拟仿真.获得了连轧管过程的应力场、应变场、温度场及轧制力学参数的变化特点.揭示了钢管连轧过程中浮动芯棒速度变化及荒管外径和壁厚分布变化的规律.     

基于模糊数学的STS管幕结构的连接参数优化

依托STS管幕结构纵向抗弯性能试验，建立了STS管幕构件纵向抗弯性能有限元分析模型并验证了模型的可行性.采用正交试验研究了钢管壁厚、钢管直径、螺栓直径、钢管间距、翼缘板厚度对构件纵向抗弯承载力、跨中位移和经济性指标的影响，结合模糊数学理论优化了连接参数.结果表明:对构件达到屈服荷载时跨中位移影响最大的参数为钢管直径，对构件纵向抗弯承载力和每延米构件材料平均价格影响最大的参数为钢管壁厚.为兼顾安全性和经济性，连接参数比值应为钢管直径∶钢管壁厚∶螺栓直径∶钢管间距∶翼缘板厚度 =1∶ 0.03∶0.05∶1.15∶0.02.     

离心钢管混凝土直杆抗弯承载能力参数分析

参考正交试验设计和极差分析的方法,运用ABAQUS有限元分析软件对离心钢管混凝土直杆进行抗弯性能有限元分析,以钢管壁厚、混凝土壁厚和外径3个因素作为分析参数,以抗弯屈服弯矩为抗弯承载能力分析对象,分析认为,外径是影响构件抗弯承载能力的主要影响因素,且随着钢管壁厚和外径的递增,构件抗弯屈服弯矩呈递增趋势,随着混凝土壁厚的递增则呈递减趋势.选择合适的构件尺寸,对生产良好抗弯性能的离心钢管混凝土构件具有借鉴作用.     

Prediction of the Charpy V-notch impact energy of low carbon steel using a shallow neural network and deep learning

The impact energy prediction model of low carbon steel was investigated based on industrial data. A three-layer neural network, extreme learning machine, and deep neural network were compared with different activation functions, structure parameters, and training functions. Bayesian optimization was used to determine the optimal hyper-parameters of the deep neural network. The model with the best performance was applied to investigate the importance of process parameter variables on the impact energy of low carbon steel. The results show that the deep neural network obtains better prediction results than those of a shallow neural network because of the multiple hidden layers improving the learning ability of the model. Among the models, the Bayesian optimization deep neural network achieves the highest correlation coefficient of 0.9536, the lowest mean absolute relative error of 0.0843, and the lowest root mean square error of 17.34 J for predicting the impact energy of low carbon steel. Among the variables, the main factors affecting the impact energy of low carbon steel with a final thickness of7.5 mm are the thickness of the original slab, the thickness of intermediate slab, and the rough rolling exit temperature from the specific hot rolling production line.     

遗传算法优化神经网络的热轧带钢弯辊力预报模型

针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点，利用某钢铁公司1580mm热轧线生产数据，对精轧机组末机架进行了基于遗传算法优化神经网络的弯辊力预报模型研究.以大量实际数据作为神经网络训练输入，充分考虑了输入参数之间的影响作用，模型结构简单、容易实现，其整体性能用平均绝对百分误差、均方根误差和相关系数R评价.通过将预测结果与实测结果比较，验证了模型的精度.研究发现，提出的弯辊力预测模型相比于传统模型可实现高度非线性拟合，适用于提高热轧带钢头部板形控制精度，为实际弯辊力设定提供指导和试验基础.     

坠物撞击海底管道损伤的BP神经网络预测模型

为预测坠物撞击饱和黏土海床上海底管道的损伤，建立了坠物撞击下饱和黏土海床与海底管道相互作用的动力有限元模型，结合海底管道实际工作条件的变化范围，分析坠物撞击能量、管道直径、壁厚、钢材等级、内压、海床土不排水抗剪强度6个参数对海底管道损伤的影响规律，将6个参数作为输入层参数，以管道损伤作为输出参数，将数值模拟结果作为训练样本，通过学习和训练构建形成了海底管道损伤预测的BP神经网络模型。研究结果表明：坠物撞击能量越大，管道损伤越大，管道损伤增长速率随坠物撞击能量的增大而趋缓；管道直径、壁厚、内压、管道屈服强度增加，管道损伤减小；饱和黏土海床不排水抗剪强度越大，管道损伤越大。建立的海底管道损伤BP神经网络预测模型，仅需要坠物撞击能量、管道直径、壁厚、钢材等级、内压和海床土不排水抗剪强度6个参数，模型简单、便捷，能够较好地预测饱和黏土海床海底管道受坠物撞击的损伤，数值算例涵盖了常见饱和黏土海床海底管道的工作条件，具有很好的适用性，为海底管道损伤预测提供了新思路。     

基于混沌优化支持向量机的板形预测与优化

针对带钢热连轧中板形控制问题, 提出了一种基于最小二乘支持向量机模型的预测和优化算法. 在分析最小二乘支持向量机数学预测模型的基础上, 提出了一种改进的变尺度混沌优化方法, 结合实数编码遗传算法, 进行最优模型参数的搜索. 利用在线实测数据对模型进行训练并进行带钢平直度指数的预测, 并对模型输入参数中的控制参数进行优化以实现板形控制的优化. 仿真结果表明, 与BP神经网络相比, 板形预测精度得到提高, 平直度指数优化约40%, 为进一步提高热连轧板形控制精度提供了一种新的有效方法.     

神经网络在钢管孔型设计中的应用

文章将人工神经网络与有限元嵌合技术用于钢管孔型参数的预测，运用BP网络建立孔型参数与钢管尺寸精度之间的非线性关系，实现了对孔型参数的优化。解决了长期以来靠经验试凑的问题，为实际生产提供了理论依据，并给钢管生产带来了很大的便利。     

钢管-纤维增强水泥基符合材料混凝土叠合柱轴压性能

为了研究构造参数对钢管-超高延性纤维增强水泥基材料(engineered cementitious composites,ECC)混凝土叠合柱的轴压力学性能的影响规律,采用数值模拟方法对比分析了长细比、截面形式、钢管壁厚、纵筋直径以及配箍率对极限承载力、破坏模式和荷载-位移曲线的影响,研究不同参数的影响规律.研究结果表明:通常采用ECC混凝土替代外包普通混凝土能有效提高叠合柱的承载能力,同时能极大改善试件的延性;相同截面含钢率条件下,采用圆截面钢管的构件约束效应较好;钢管厚度与构件长细比是影响钢管-ECC混凝土叠合柱承载能力的重要参数;外包纵筋直径与箍筋间距变化对试件承载力具有提高作用;随着钢管厚度、纵筋直径的增加及构件长细比的减小,单轴荷载作用下叠合柱的承载力得到提高.     

基于大数据的C-Mn钢数据预处理及神经网络模型

在神经网络建模时,如果原始数据不加处理或经过简单剔除异常值后用于建模,则可能建立出错误的模型,即其规律并不符合物理冶金原理.因此建模前需要对原始数据进行处理,使其呈现出显著的规律性.针对钢铁生产采集的大量C-Mn钢数据进行了钢种归并,提出了数据预处理的一套方法,并采用LMBP神经网络建立了满足一定精度(94.21%)的多牌号C-Mn钢屈服强度预测模型.通过平均影响值(mean impact value,MIV)分析了成分及工艺参数对屈服强度的影响规律.结果表明,随着碳含量的增加,屈服强度增大;随着终轧厚度和卷取温度的降低,屈服强度增大.     

基于SARIMA-GA-Elman组合模型的短时交通流预测方法

针对单一模型无法深入挖掘交通流复杂的线性和非线性特征方面的局限性以及神经网络模型在训练时收敛速度缓慢等问题,提出了一种基于SARIMA-GA-Elman的组合预测模型.该组合模型有效地融合了季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型良好的线性拟合能力和Elman递归神经网络强大的非线性映射能力;在预测过程中首先基于SARIMA滚动预测时间序列的线性分量,然后使用SARIMA模型的预测误差序列建立Elman-RNN构建非线性误差模型;此外在训练非线性误差模型的过程中使用经过二进制编码的遗传算法(genetic algorithm,GA)优化Elman-RNN,旨在提升Elman-RNN的训练效率,最后把两个模型的预测结果加权组合得到最终的预测值.实验结果表明,该组合模型在预测精度和鲁棒性方面相比单一模型都有较为明显的提升.     

基于LSTM的短波频率参数预测

针对现有短波通信频率参数预测方法操作繁琐、预测精度不足的缺点,首次提出一种基于长短期记忆型循环神经网络（LSTM RNN）的预测方法。通过对电离层参数f0F2数据的分析,利用LSTM在处理时序相关数据时可以长期记忆网络历史数据的优势,对f0F2值进行预测。对比反向传播神经网络（BPNN）,LSTM将误差降低了7%,并将均方误差控制在2%以下。研究结果表明：基于LSTM搭建的提前预报5天的f0F2值的模型是可行的且比BP神经网络更适合预测电离层的f0F2值。