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.     

热连轧机AGC系统的优化

针对传统AGC系统中弹跳方程受轧机刚度系数精度和弹跳曲线线性条件的影响而无法得到精确的机架轧出厚度的问题,提出以轧机弹跳特性曲线为基础的机架轧出厚度计算方法,并以此为基础得到新的前馈AGC、厚度计AGC及其与监控AGC的相关性模型.将优化后的AGC系统应用于某热连轧现场,实际应用表明,对于厚度规格35mm的带钢,允许厚度偏差±20μm时,厚度精度命中率可达962%以上,远优于现场控制要求.     

热轧带钢自适应穿带策略的优化

热轧带钢生产过程中,为保证穿带自适应正常投用,需要准确区分影响轧制力预报的各个因素.本文通过计算影响系数的方式分析了轧制力的各个影响因素,以此为基础建立了线性方程组,并使用最小二乘法求解得到了准确的预报偏差量.最后通过校核机架对自适应规程进行校核,保证了自适应规程的准确性.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,采用穿带自适应优化策略之后轧件的头部厚度控制精度得到了显著提高.     

基于目标函数的冷连轧轧制力模型参数自适应

为提高轧制力模型的预报精度,提出了一种基于目标函数的轧制力模型参数寻优方法该方法通过建立轧制力模型参数自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,采用Nelder-Mead单纯形算法对目标函数进行求解,从而获得满足轧制力精度的模型自适应系数本文提出的轧制力模型参数自适应方法已应用于某1700mm五机架冷连轧机组.现场应用表明:采用轧制力模型参数自适应后,轧制力模型计算值与实测值的均方差由不采用自适应的129%降至32%,证明该参数自适应方法能显著提高轧制力模型预报精度,满足在线控制要求.     

2205双相不锈钢变厚度轧制过程仿真分析

针对不锈钢在轧制过程中易出现边裂,影响产品质量问题,基于变厚度轧制及塑性变形理论,结合Gleeble-3800热压缩模拟实验数据,构建2205双相不锈钢的热变形本构方程及不同轧制区域的轧制力学模型.基于变厚度交叉轧制工艺实现板带边部和中部区域的不同压下率控制,采用DEFORM软件对轧制过程进行模拟仿真,并对比分析变厚度交叉轧制与普通平轧的边部损伤情况以及不同厚度区域的金属流动规律.仿真结果表明,变厚度交叉轧制的边部损伤因子相对于普通平轧减小了22%,同时通过改变边部变厚度曲线能够改善边部损伤问题,有效提高不锈钢板带成材率及产品质量.