适用于双机架薄板平整机稳态轧制负荷的数学模型

针对极薄板小变形平整机稳态轧制负荷计算困难的问题,基于平板压缩复合变形假设,提出了改进的平整稳态轧制力及轧制力矩的数学模型.轧制力模型包括辊缝区等效变形区长度和压缩变形抗力2个经验模型;在轧制力模型计算的基础上,用输出力矩模型对带钢张力影响因素进行了经验修正;通过轧制负荷模型的理论计算结果和一条生产线的实际参数比较,证明模型具有较高计算精度,平板压缩变形假设合理.将所开发的模型应用于一条新建的极薄板平整生产线的关键设备参数的设计评估,结果表明该模型具有较高的工程应用价值.     

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.     

基于神经网络与线性回归的轧制力预报

通过将SIMS轧制力计算公式进行相应简约化处理,避免了模型软件在该公式计算时的重复迭代求解,缩短了计算时间,因此更适合在线软件计算.利用现场实际生产数据反向回归出变形抗力模型中的系数,提高了模型中系数的准确性.用神经网络对变形抗力与应力状态系数的乘积加以修正,进一步提高了轧制力预报的精度.预测结果与实测数据比较表明,轧制力预报误差基本在±5％以内,满足了轧制力预报的精度要求.     

基于自适应模糊神经系统的热轧精轧机组动态设定系统

应用自适应模糊神经网络控制技术,建立了热带精轧机组动态设定系统,该系统根据前两个机架实测的轧制力和设定计算的轧制力间误差预测带钢可能出现的厚度偏差,根据模糊神经网络的预测结果修正后续机架的辊缝值,提高带钢头部厚度精度.并以实际数据对系统进行了校验,取得了良好的效果     

张力控制数学模型应用研究

基于直流电机拖动的基本原理,结合冷轧薄板轧制过程中影响带钢张力波动的因素,分析了带钢张力转矩、摩擦风阻转矩、动态转矩与张力的关系,提出了一种张力控制数学模型,通过计算卷径、卷重、加速度等参数,调节电机电流的大小来保持带钢张力的恒定.设计了张力控制系统程序,经过两年多在某厂冷轧机组和平整机组张力控制中的应用实践,其控制误差保证在1%以内,能够完全满足工艺对张力精度的要求,具有实际应用价值.     

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。     

基于多神经网络的热连轧轧制力预计算

提出使用BP、RBF混合网络建立的多神经网络来预报热连轧轧制力。工程实例说明,相对于传统数学模型和单神经网络建立的数学模型,多神经网络在预报精度和网络冗余方面占有较大优势。文中建模方法也为．研究多变量复杂工程提出了一条新思路。     

修正遗传神经网络预测中厚板轧机轧制力

在实际生产过程中,传统轧制力数学模型存在较大误差,影响计算精度.提出将BP网络与修正遗传算法相结合,利用BP网络的指导性搜索思想和遗传算法的全局搜索能力预测中厚板轧机轧制力,并建立预测模型.同时,根据模型编制相应的程序及界面.以邯钢中板厂、普阳中板厂现场数据为基础,通过数据优选,选择较优数据进行离线轧制力预测,预测精度优于传统的数学模型,预报精度的相对误差可以控制在4%以内,能够满足生产需要.     

轧制力预报中的神经网络和数学模型

采用ＢＰ神经网络方法预报热连轧精轧机组轧制力·通过训练数据预处理、利用遗传算法优化网络结构和参数、按钢种划分训练样本等方法,提高了网络的预报精度,优于传统的数学模型方法·ＢＰ神经网络与数学模型相结合的综合神经网络方法,进一步提高了轧制力的预报精度·预测结果与实测数据比较表明,相对误差基本在±７％以内,实现了精轧机组轧制力的高精度预报     

基于自适应模糊神经系统的热轧精轧机组动态设定系统

应用自适应模糊神经网络控制技术,建立了热带精轧机组动态设定系统,该系统根据前两个机架实测的轧制力和设定计算的轧制力间误差预测带钢可能出现的厚度偏差,根据模糊神经网络的预测结果修正后续机架的辊缝值,提高带钢头部厚度精度·文中以实际数据对系统进行了校验,取得了良好的效果·基于自适应模糊神经系统的热轧精轧机组动态设定系统@张晓峰@王哲@王国栋@刘相华     

干平整中工作辊与带钢表面粗糙度对摩擦系数影响的研究

针对干平整轧制过程中工作辊与带钢表面粗糙度对摩擦系数的影响仅能定性分析、不能满足生产需要的问题,经过大量的现场试验与理论研究,充分结合平整机组的设备与工艺特点,基于粗糙度的基本理论,根据干平整轧制过程中摩擦特点构造了反映工作辊及带钢表面粗糙度与摩擦系数之间一一对应关系的数学模型,提出了相应的模型计算策略,并将其应用到宝钢冷轧薄板厂1 220平整机组的生产实践,定量分析了工作辊及带钢表面粗糙度对摩擦系数的影响,有效地提高了轧制压力的预报精度与产品质量,取得了良好的使用效果,具有进一步推广应用价值。     

数据挖掘在热轧平整机轧制力计算偏差补偿模型中的应用

分析了数据库技术及数据挖掘常用算法,以热轧平整机轧制力计算偏差补偿为例,建立了数据挖掘的热轧平整机轧制力补偿模型．经实际检验,模型在生产应用中完全满足生产实际要求,对现有的基于二级数学模型计算的薄规格板带后期工艺再处理生产的进一步优化具有深远的意义．     

冷连轧过程控制轧制力模型综合参数自适应

轧制力模型是冷连轧过程控制系统的基本模型,影响其预报精度的主要因素是材料的变形抗力和摩擦因数. 本文采用参数自适应方法来提高轧制力的预报精度. 在对轧制力模型进行自适应过程中,将材料的变形抗力作为轧制过程模型的整体属性,各机架根据累计变形程度确定各自的变形抗力. 在此基础上,将摩擦因数看成是各机架的单体属性,各机架取不同的模型参数. 实践证明,这种综合考虑变形抗力和摩擦因数的参数自适应方法可以对二个参数同时进行修正,能有效提高轧制力模型的预报精度.     

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.     

热轧管线用钢轧制工艺及数学模型

介绍高韧性管线钢技术开发中的轧制工艺及数学模型。在综合测定的基础上，对轧制工艺及力能参数进行了全面的分析；采用热加工模拟机，对轧制规程和控冷制度进行了试验研究，对热轧工艺提出改进；在研制材料变形抗力模型时，考虑了残余应变的影响；利用生产数据，建立起轧制压力模型和能耗模型     

基于小波多分辨分析的新型多RBF网络轧制力设定模型

带钢热连轧生产过程中,影响因素多、关联复杂,轧制过程控制的精确模型难以建立,其中轧制力的预设定是重要问题之一,各种影响因素都会在轧制力的波动中有所体现.本文应用小波多分辨分析方法,将轧制力分解重构为对应于不同影响因素的不同频率成分子信号,并建立了一个多RBF网络模型,模型中每个子网络分别对一个信号成分进行建模,最后子网络输出被综合为轧制力设定信号.因为各个子信号影响因素不同,所以每个子模型输入参数不同，输出参数也不同,能真实地反映轧制力变化内在机理,具有明确的物理意义.仿真实验表明,这种建模方法降低了系统维数,能有效提高网络学习能力,轧制力预设定误差率从BP网络的10％降低到了5％.     

基于小波分析的多RBF神经网络轧制力设定模型

带钢热连轧生产过程中,轧制力预设定时的轧制力信号影响因素多、关联复杂,难以建立精确的机理模型.为此,文中应用小波多分辨分析方法,将轧制力分解重构为对应于不同影响因素的子信号,并建立了一个多RBF神经网络模型.模型中每个子网络分别对一个子信号进行建模,最后将各子网络输出综合为轧制力设定信号.各个子信号的影响因素不同,每个子模型输入参数和输出参数亦不同,从而能真实地反映轧制力变化的内在机理,具有明确的物理意义.仿真实验表明,这种建模方法降低了系统维数,能有效提高网络学习能力,轧制力预设定误差率从BP神经网络的10%降低到了5%.     

一种新型实用热轧工艺参数模型的开发

介绍了一套自主开发的热轧工艺参数模型. 该模型内耦合了不同钢种的变形抗力曲线,这些变形抗力方程中耦合了钢的化学成分、温度、应变、应变速率及奥氏体晶粒尺寸等因素. 根据输入的工艺参数用西姆斯方程计算每道次的应变速率及应变量,并得到相应道次的变形抗力、热轧轧制力、力矩及功率等参数. 模型可根据实测的结果自学习,并修正相应的结果. 与攀钢热轧厂的实测结果相比,模型的输出结果吻合较好,预测误差在10%以内.     

轧制参数对轧机主传动系统自激振动的影响

根据轧制打滑状态下轧机系统特点,建立打滑状态下轧制系统的非线性力学和数学模型,并用Ｋｒｉｌｏｖ－ｂｏｇｏｌｕｂｏｖ方法对非线性力学模型求解,确定了主传动系统产生稳定自激振动时的轧制速度和轧制力之间的关系,给出了计算不同轧制速度下要产生稳定自激振动的最小轧制力的方法;推出了在同一个轧制速度下由于自激振动导致的扭矩放大系数（ＴＡＦ）与轧制力间的关系。