基于小波和小波分形的冷连轧机振动识别方法

针对2180 mm冷连轧机振纹现象的随机性和隐蔽性的特点,基于小波分析和分形理论,系统地研究了能够准确地识别轧机振动的方法.对典型工况下轧机振动信号的分析结果显示,两种方法均能有效地识别轧机振动的现象,为在复杂振动环境下识别振纹振动提供了有效途径,这对于实时监测轧机的运行状况,避免恶性生产事故的发生,进而实现预知轧机振动具有积极的现实意义.     

冷连轧机SmartCrown轧辊磨损辊形对板形调控能力影响

针对宽带钢冷连轧机首次应用的SmartCrown板形控制技术,通过对SmartCrown轧辊大量实测得到了轧辊磨损辊形,采用遗传算法建立了轧辊磨损预报模型,并利用ANSYS软件建立了三维辊系有限元分析模型,研究了磨损辊形对SmartCrown板形控制技术在服役过程中板形调控能力的影响,提出了新辊形使用工艺策略.     

EDT毛化轧辊表面凹坑形成过程

针对轧辊表面电火花毛化过程中放电中心温度的变化、凹坑形状与电参数的关系等问题进行了研究.通过分析放电通道形成过程和热流密度分布函数,采用解析法建立了单个脉冲放电通道的热传导模型,并运用积分变换法和有限差分相结合的方法进行了温度场求解.讨论了轧辊表面在不同峰值电流下放电区域中心位置的瞬态温度变化,确立了峰值电流和脉冲宽度与熔化凹坑形状的关系.结果表明,理论计算值与实验结果相吻合,所建模型与采用的方法正确,可用于轧辊表面形貌形成过程的仿真.     

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。     

单机平整机轧辊的磨损及其对板形的影响

分析了单机架平整机轧辊的实际辊形、磨损状况,并通过运用有限元模型计算辊缝曲线的2次和4次分量研究了辊形对板形的影响.结果表明,工作辊磨损较轻,对辊形影响不大,但原始辊形与目标辊形差别较大,是产生l/4浪板形缺陷的因素之一;支持辊局部磨损较严重,但这种不均匀磨损对板形影响较小,在整个服役期内对板形的作用基本不变.     

SmartCrown四辊冷连轧机工作辊辊形

针对宽带钢冷连轧机首次应用的SmartCrown板形控制新技术,通过对SmartCrown辊形的函数结构和特征参数进行研究,推导出了SmartCrown辊形设计式,分析了辊形特征参数对辊缝形状的影响.该研究可用于SmartCrown工作辊的磨削及板形控制.     

超宽带钢典型板形缺陷向量提取方法

提出了从带钢板形数据中提取典型板形缺陷向量的方法,即先对带钢板形缺陷进行初级分类,再根据带钢应力之间的相似度提取出单位典型板形向量,最后采用k均值聚类算法求解出典型比值系数.针对提取出的带钢单位典型板形向量而设计出的单侧倒角工作辊,经过大规模的轧制试验,所轧宽带钢板形质量较好,综合平坦度均小于5 IU(1 IU=10-5),基本消除边中复合浪为主的复杂浪形缺陷.     

SI-FLAT板形仪检测原理的流固耦合振动分析

为从力学本质上揭示SI-FLAT非接触式板形仪的检测原理,基于薄板流固耦合振动理论,建立了薄板振幅与残余应力关系的数学模型.在非协调F?ppl-von Kármán方程组的平衡方程中引入惯性项与流体压强项,利用气动载荷在时间上的周期性将流体速度函数、流体压强函数、薄板挠度函数和薄板应力势函数的时间变量分离出来,得到描述SI-FLAT板形仪稳定工作状态的偏微分方程组.进一步利用分离变量法求解该方程组,最终建立起薄板振幅与残余应力的数学关系.同时结合实测残余应力数据,利用Siemens提出的振幅-残余应力模型反算得到实际薄板振幅分布,并将其与流固耦合振动模型计算的振幅进行对比,验证了提出的数学模型的可靠性.进一步利用流固耦合振动模型分析了气泵进风口流体速度、检测距离和激振频率对振幅的影响,为SI-FLAT板形仪科学合理的利用提供了理论依据.     

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.     

超宽冷轧机带钢板形特征聚类分析

为准确掌握超宽冷轧机不同宽度带钢的板形特征,以某2180 mm超宽冷轧机1900 mm宽度带钢实测板形数据为研究对象,借鉴“大数据”的思想,结合数据挖掘领域中聚类分析方法,提出基于网格和密度的板形特征聚类方法,并以此方法对几种典型带钢宽度的大量板形实测数据进行分析,得到不同宽度带钢的板形特征。以分段函数对板形特征进行多项式表达,得到不同宽度带钢的板形特征参数化分析结果。提出的基于网格和密度的板形特征聚类与分析方法,能够快速准确地对大量板形实测数据进行分析,提取出长期生产过程中板形缺陷特征并得到参数化表达,从而为冷连轧机,特别是超宽带钢冷连轧机的辊形改进和控制策略优化提供数据基础。