基于软测量模型的粗轧厚度预测方法

为提高热连轧粗轧过程各道次厚度控制精度,满足道次动态修正的要求,提出了一种简单有效的厚度软测量模型.基于典型粗轧区的仪表配置,模型从轧件跟踪、数据处理等方面进行了针对性的研究,提出了偶数道次立辊辊缝渐变的策略用于可逆轧制过程中的宽度测量,并通过模型预测得到了轧制过程中各道次的出口厚度.现场实际应用表明,通过软测量模型预报的各道次厚度与实际测量结果吻合较好,各道次的厚度预报偏差在±0.10 mm范围内达到95.2%,满足了现场生产需求.     

中厚板多道次热轧过程有限元连续模拟

基于有限元软件Marc,建立了中厚板多道次轧制过程的三维热力耦合弹塑性有限元模拟模型.以等效空心辊替代实心辊,既考虑了轧辊压扁及弯曲变形对其轧件变形的影响,又减少了单元数目并缩短了计算时间,构建了能够将多道次轧制过程连续模拟的有限元输入数据生成系统.通过其网格重划分模块和参数传递模块,使得前一道次的变形与温度的计算结果可用于后一道次模型的初始形状和初始参数,避免了网格畸变引起的计算困难,实现了多道次热轧过程的连续模拟.以某厂实际生产中的7道次连轧参数为例,进行了7道次热轧的连续模拟,所得各道次轧制力及温度结果与实测值吻合,轧辊压扁及轧件厚度分布符合实际规律.     

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.     

20辊森吉米尔轧机轧制过程中的辊系受力分析

基于20辊森吉米尔轧机辊系结构,建立了辊系工作辊、第一中间辊、第二中间驱动辊和第二中间从动辊的力学模型.依据某硅钢厂ZR-22BS-42型森吉米尔轧机轧辊参数和轧制计划,利用C++编程,计算了轧制过程中辊系各轧辊间接触力及各轧辊所受合力.结果表明:工作辊S与第一中间辊O接触力最大,最大值发生在轧制第2道次;第二中间驱动辊Ⅰ与支撑辊B接触力最小,最小值发生在轧制第1道次;轧制第1道次的辊系支撑辊B和C所受合力较小,相对于静压时辊系支撑辊受力降低70％以上.     

四辊轧机轧制工艺参数对工作辊有载辊缝凸度的影响

利用在ABAQUS下建立的二维变厚度等效模型,分析静态下轧制力、弯辊力、工作辊窜辊量对有载辊缝凸度的影响.结果显示,轧制力对辊缝凸度的影响大于弯辊力对辊缝凸度的影响,轧制力、弯辊力波动对辊缝凸度的影响是显著的,窜辊量波动对辊缝凸度的影响是微小的.     

非稳态下带钢头部厚度补偿控制模型

在不干扰冷轧AGC控制系统工作状态的情况下,研究了冷连轧焊缝过机架时的辊缝进行自适应控制的方法,建立焊缝过机架时各个机架的辊缝调节自适应模型以及单个机架的辊缝自适应调节模型.现场使用效果表明该模型改进了非稳定状态下轧制过程的稳定性和控制精度,减小了各机架在带头通过时出口厚度的波动,从而减少产品的超差长度,提高成材率.     

带材周期变厚度轧制控制系统开发

对单机架四辊冷轧机控制系统软件进行改造,在原有基础上增加周期变厚度轧制功能.为了适应带材轧制过程中辊缝的周期性变化,控制系统对机械设备参数、检测仪表设置提出特殊要求,开发了轧件微跟踪、周期变厚度监控AGC、变张力、变速度周期轧制等重要控制功能.利用改造后的控制系统进行轧制实验,实现对周期变厚度带材的轧制,获得了很好的轧...     

1780热连轧机轧辊的动力学分析

以1780热连轧机机组第五架轧机在轧制过程中发生振动为背景,建立轧辊三维模型,利用ANSYS软件对其进行动力学分析,计算出工作辊和支承辊的各阶模态参数.工作辊的第3阶和第11阶振型纵向变形较大,造成较大辊缝,对轧制厚度影响最大;支承辊的第1阶和第7阶振型轧辊纵向位移明显,五倍频振动是带材或轧辊表面产生明暗条件原因.     

热轧窄带钢辊缝预设及头尾厚差预报

在实测的基础上得到了适于窄带热轧生产线的辊缝预报模型.经生产性试验表明,本研究给出的辊缝预设值与现场实测非常接近,将其作为控制窄带精度的手段,可取代目前对人工经验"试调"的依赖,具有重要的实际应用价值;对轧件头尾厚度差的计算不但考虑了奥氏体再结晶软化程度对轧机负荷的影响,还考虑了轧辊弹性压扁与轧制压力的耦合对压力及辊缝的综合影响,从而显著提高了带钢头尾厚差的预报效果.这对控制带钢的通条尺寸、提高产品精度具有重要意义.     

三维曲面柔性轧制辊形计算方法

分析了利用曲面柔性轧制方法实现三维曲面件成形过程中板料厚度变化与轧制变形之间的关系,推导出当工作辊弯曲形状为圆弧时,凸曲面柔性轧制不均匀辊缝的辊缝分布以及工作辊排布函数公式.根据该公式对凸曲面柔性轧制进行数值模拟研究,并通过计算将离散辊全局压下量转化为局部压下分量,得到较好的模拟结果.研制了小型实验装置并进行成形实验,得到典型实验件.数值模拟与实验结果表明,曲面柔性轧制用于成形三维曲面零件具有可行性和实用性.     

神经网络辨识方法及其在轧钢控制中的应用

利用人工神经网络的辨识理论和方法,进行轧制过程数学模型参数的在线辨识与修正.首先对轧制压力模型和温度模型进行分析,得到适于应用神经网络进行辨识和修正的轧制模型函数形式,选择并比较最速下降、递推最小二乘及共轭梯度训练算法,实现了离线的和在线的仿真与应用.仿真结果表明,将人工神经网络应用于轧钢过程的轧制模型辨识可以大大提高模型预报精度.     

棒线材连轧过程数学模型

在筱开发出的孔型轧制中金属变形特性、力学性能等模型基础上,通过补充孔型尺寸计算、咬入条件验算等模型,构造出棒线材连轧过程工艺参数计算系统模型。该模型具有数学上的连续性,可描述连轧过程中各道次轧制参数的变化规律及其相互关系,并可用于建立轧制工艺优化系统。     

铝热连轧粗轧区轧件温度场的数值模拟

利用通用有限元软件Marc/Mentat,采用二维弹塑性大变形有限元法,对粗轧过程中各道次温度场进行了数值模拟,分析了轧制过程中轧件温度场的分布和变化规律,并与实际结果进行比较,从而验证了计算结果的准确性.研究表明,轧件变形中,接触热传导和变形传热是影响温度变化的两个主要因素,二者的综合作用决定了轧件各点的温度变化规律,可以为指导实际工作提供相应的理论依据.图3,表1,参11.     

孔型设计对棒材连轧稳定性的影响

针对目前钛合金棒材生产现状,提出了一种新的棒材连轧孔型系统,即正三角平孔型+二辊圆孔型+正三角平孔型+二辊圆孔型系统。分析了失稳轧件在孔型中的受力情况,以及导卫装置对连轧稳定性的影响,获得了改善连轧过程轧件失稳的主要因素,优化了轧机孔型系统。用弹塑性有限元方法模拟了棒材的四道次连轧过程,并与其它孔型系统进行比较。结果表明,提出的孔型系统综合了二辊孔型与三辊孔型的特点,连轧稳定性相对较好,从而解决了Y型轧机棒材连轧过程稳定性问题。     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.     

中厚板角轧过程的形状预测模型研究

大单重或小展宽比的中厚钢板,可以采用角轧技术进行生产,以解决因设备限制无法生产或由于多次转钢导致生产效率低的问题.基于体积不变原理和三角函数关系,推导了中厚板角轧过程的轧件形状尺寸变化公式,获得角轧实现矩形化的转角和压下量关系,建立了角轧过程转角、压下量与宽展之间的预测模型.设计了中厚板角轧过程形状预测计算程序流程,简化角轧过程的宽展计算,进行角轧形状预测程序的开发.利用角轧实验对形状预测模型进行验证,模型计算尺寸数据与实际轧制尺寸数据的最大误差为6.22%,表明角轧形状预测模型具有较高精度.     

ESP工艺下低碳钢奥氏体演变行为

通过楔形铸坯直接轧制和带有中间坯补热工序的大道次变形量热轧实验,研究了铸坯直接轧制、大道次变形量以及中间坯补热工序对奥氏体组织演变的影响,并与常规热轧工艺进行了对比.结果表明:随铸坯压下率增加,变形后奥氏体晶粒尺寸逐渐细化.与铸坯再加热轧制工艺相比,当压下率为48%,53.6%和66.7%时,铸坯直接轧制工艺的奥氏体晶粒较为粗大,压下率为72.3%时,其变形组织更为细小均匀.与常规工艺相比,粗轧阶段大道次变形量促进奥氏体再结晶;中间坯补热工序提高了奥氏体晶粒尺寸均匀化程度.     

轧制条件对消除特厚钢板中心偏析和中心疏松的影响

为了确定特厚板心部质量改善的轧制工艺,制定了传统方法和新型方法生产100mm厚钢板的轧制工艺规程,通过分析低倍、显微组织和夹杂物成分,研究了粗轧、精轧、轧制速度对中心偏析和中心疏松的影响。结果表明：探伤不合的特厚钢板中心存在P和S的偏析,间有氧化铝、硅酸盐和MnS夹杂物;粗轧阶段新型轧制方法对应变积累奥氏体有叠加效应,该叠加效应对消除中心偏析和中心疏松更加有利;精轧阶段的多道次、长时间轧制有利于中心偏析和中心疏松的消除;形状比在0.5~1.0时,采用低速率轧制有利于消除中心偏析和中心疏松;消除中心偏析和中心疏松的临界条件为形状比大于0.518,采用形状比制定轧制规程,比采用道次压下率对消除中心偏析和中心疏松更有效。     

头部增厚法在中厚板轧制过程中的应用

分析扭振在道次轧制中的变化特点,得知头部咬入阶段的峰值扭矩是制约道次压下量的关键因素.结合整个轧制过程的稳态轧制扭矩的变化规律,提出在展宽阶段和伸长阶段前几个道次采用头部增厚法,即在咬入阶段后的稳态轧制过程适当增加道次压下量.并推导出轧制扭矩和压下量的关系式,得到道次压下量的放大范围.该方法能在不改动轧机设备的前提下提高轧机能力,适合在中厚板轧机上进行推广使用.