张力对板形影响的实验研究

板形是板带材产品的重要质量指标之一,板形问题是目前轧钢领域研究的一个热点问题。板形质量受许多因素的影响,所以影响板形的因素一直是板形问题研究的重要内容。以往的研究大多是基于数值模拟或离线的方法,实验研究的工作开展得较少。采用实验的方法对张力对板形的影响进行了研究,研究的结论对制定与完善板带轧制规程、提高板形质量具有重要意义。     

贝尔曼动态规划在板形板厚协调控制中的应用

针对板形控制技术在板带材生产过程中所起到的重要意义,介绍了一种用板带工艺的方法来进行板形控制的新思想。通过在新板形控制理论中运用动态规划方法从而实现了板形板厚的协调控制,对提高我国的板形控制水平具有一定的应用价值。     

解析刚度理论在板形控制中的应用

热连轧的板带材是冷轧的主要原料,来料板形波动太大不利于对冷轧进行板形控制。针时这一问题,结合国内某热连轧厂的实际情况,建立了板形调控模型。该模型以解析刚度理论为理论基础．通过调整机械板凸度来控制板形。现场试验数据表明,该模型达到了板形的调控目标,可以使产品的出口板形稳定在一个较小的范围内。     

基于MATLAB的动态规划在热连轧板形板厚协调控制中的应用

针对板形控制技术在板带材生产过程中所起到的重要作用,分析研究了解析板形刚度理论,提出了一种对热连轧轧制规程优化的新思路.在结合新型板形测控模型研究的基础上,给出了可用动态规划进行优化的数学模型,并采用动态规划逆序算法得到了使得目标函数达到最小和最优状态变量的板凸度与平直度.整个优化过程通过调整压下量的大小而实现了对板厚的微调,优化结果也基本达到了板形、板厚协调控制的目的.     

板带轧机板形检测设备系统误差综合补偿技术的开发

充分考虑板带轧机板形检测设备的结构与工艺特点,经过大量的现场试验与理论研究,将经典力学理论与现代计算技术有机结合,首次建立了一套适合于板带轧机板形检测设备系统误差分析模型,给出了相应的误差综合补偿方案,并将其应用到生产实践,对不同张力下检测辊的挠曲、倾斜、磨损等因素进行了综合补偿,大大降低了现场的板形封锁率,给企业取得了较大的经济效益,具有进一步推广应用的价值。     

板宽对板形影响的实验研究

采用实验的方法对板宽对板形的影响进行了较为系统的研究,发现了板凸度随板宽变化的一些规律。该研究结论对制定与完善板带轧制规程、提高板形质量具有重要意义。     

热轧板带横向厚度分布的预测与控制

针对板带热轧过程中终轧板带横向厚度分布的检测、预测方法存在的缺陷,建立自适应粒子群优化算法(PSO)和误差反传递(BP)算法混合训练的神经网络预测模型.该网络模型在BP神经网络的基础上,通过自学习过程对网络结构进行动态优化;借助PSO算法优化网络的权值和阈值,提高网络收敛速度和预测精度.某厂二辊可逆热轧机现场轧制数据验证表明:稳态轧制状态下,该模型预测精度高,平均绝对误差仅为3.6μm,其中87.1%的误差在±4μm范围内;通过对轧后板带横向厚度的统计分析,去除板带头尾部分,板带厚度的绝对误差在30μm以内的频率为90%.该神经网络模型可以代替凸度仪对热轧板带横向厚度分布进行预测,并且能够对板形的调控机构根据预测结果进行精确的控制,适应高精度板形控制的要求.     

板带轧机垂直振动的研究分析

建立了板带轧机座垂直振动的力学模型,提出了振动模态,对板形、板厚影响的指标,并以４２００厚板轧机为例,从动力学观点分析了板形、板厚波动的经及改进方法。     

高档扁平材产品的开发有待加强

扁平材的产量和质量曾是我国钢铁产品中比较落后的一部发；中厚板薄板、带钢及电工钢长期以来资源量在不断增长，但高技术含量的专用钢板带产量比例较低，满足不了市场对板带的需求．扁平材主要包括中厚板、薄带钢及热轧窄带钢等．近年来，板带钢产能增长很快，但与钢材总产能相比，我国板带比还是相对较低的．     

基于板形性能优化目标的支承辊辊形设计

研究了宽板带轧机辊形设计的原理和方法,提出了一种基于板形性能优化目标的支承辊辊形设计理念,并在某冷轧机组应用所设计的辊形,改善了支承辊磨损,提高了轧机的板形控制能力.     

成功解决冷轧带钢表面"锈斑"的冷轧带钢平整线

分析了冷轧带钢表面"锈斑"产生的原因,并设计了一种新型的冷轧带钢平整生产线,通过在机组中设置新型挤干机及挤干辊,在不破坏带钢表面质量的同时清除带钢表面残留的平整液,避免了带钢表面因沾染水分而生锈的情况,提高了带钢表面的外观质量.     

中厚板轧机的板形控制

国内普通四辊中板轧机板形控制手段较少,控制质量精度不高。针对某中板改造项目,分析各种板形控制手段,建立适用于中厚板在线应用的板形和板凸度控制模型。根据这些模型,在考虑弯辊等多种板形控制手段的情况下,给出了适合现场应用的负荷分配流程图。应用结果表明：合理的规程分配、适当的弯辊力设定、良好的辊形和辊凸度配合,能使中厚板的板形得到最佳控制。     

1420 mm轧机板形预设定计算仿真系统设计

为了提高板形预设定计算的精确度,针对某厂1420 mm冷连轧机板形控制系统的预设定计算模型进行仿真计算.将板形预设定模块从原Solaris系统移植到Windows模拟机上,建立数据信号输入和输出接口,实现板形预设定离线模拟计算,为板形设定计算提供研究和开发平台.其预计算结果的精确度与实际测量值十分相近,直接影响到基础自动化层(L1)的控制,最终提高了带钢板形的质量.     

弯辊和串辊对带钢板形影响

基于有限元软件ANSYS建立了冷轧六辊轧机的三维弹塑性有限元参数化模型。将轧机实体模型转换成有限元模型,根据轧机的工作方式提炼出边界条件和载荷条件,施加在有限元模型上。参数化模型采用ANSYS参数化设计语言APDL编写。通过修改程序中的参数,计算分析了弯辊力、中间辊的串辊量以及带钢宽度等参数对带钢形状和辊缝的影响。计算结果表明:当带钢宽度小于1 300 mm时,调整弯辊力对带钢板形的改变较为明显;当带钢宽度大于1 700 mm时,调整弯辊力对改变带钢板形的作用变得非常小,此时通过连续可变凸度轧辊（CVC）的串辊来调节板形更有效。该结论与冷轧厂实践结论一致。     

X射线衍射法测量冷轧带钢残余应力

残余应力的不均匀分布是影响板形的根本原因。为了深入了解冷轧带钢残余应力的分布情况,文章采用X射线衍射法对在不同轧制条件下冷轧后带钢的残余应力进行了测量分析,研究了残余应力沿板厚方向的变化、张力对残余应力分布的影响以及残余应力与板形的关系。研究的结论对制定与完善板带轧制规程、提高板形质量具有重要意义。     

Strip shape control capability of hot wide strip rolling mills

The elasticity deformation of rolls was analyzed by means of two-dimensional finite element method （FEM） with variable thickness. Three typical mills were used as objects for analysis. A thorough study was done on the control capabilities of these mills on the strip shape. Then the strip shape control capabilities of the three mills was compared synthetically. 2008 University of Science and Technology Beijing. All rights reserved.     

Industrial shape detecting system of cold rolling strip

A high-precision shape detecting system of cold rolling strip is developed to meet industrial application, which mainly consists of the shape detecting roller, the collecting ring, the digital signal processing (DSP) shape signal processing board and the shape control model. Based on the shape detecting principle, the shape detecting roller is designed with a new integral structure for improving the precision of shape detecting and avoiding scratching strip surface. Based on the DSP technology, the DSP shape signal processing circuit board is designed and embedded in the shape detecting system for the reliability and stability of shape signal processing. The shape detecting system was successfully used in Angang 1 250 mm HC 6-high reversible cold rolling mill. The precision of shape detecting is 0.2 I and the shape deviation is controlled within 6 I after the close loop shape control is input.