冷连轧轧制力模型中变形抗力和摩擦系数的分析

在冷连轧的轧制力模型中,通常需要对金属的变形抗力和摩擦系数进行比较精确的计算.本文首先给出一种适用于冷连轧的变形抗力和摩擦系数计算模型,将其应用于Bland-Ford-Hill轧制力模型.同时,讨论了变形抗力和摩擦系数计算模型中参数的优化方法,并根据实测的轧制力数据,利用最小二乘法确定各种模型参数.将基于这种变形抗力和摩擦系数计算模型的轧制力计算结果与现场实测数据进行比较,结果表明,轧制力计算精度与实测值相近,可用于冷连轧生产实践.     

攀钢1 220 mm冷连轧机轧制力模型参数自学习分析

在冷连轧过程控制中,影响轧制力模型预报精度的主要因素是材料的屈服应力和摩擦系数。攀钢1 220 mm冷连轧机屈服应力模型通过机架屈服应力自学习、材料等级屈服应力自学习以及材料类别屈服应力补偿来确保屈服应力模型的计算精度。为提高摩擦系数模型的计算精度,除了在模型中充分考虑轧制速度、轧辊粗糙度及轧辊磨损等影响因素外,还引进了低速摩擦系数的自学习形式。另外,攀钢1 220 mm冷连轧机轧制力模型针对特定的轧制条件分别采用调整屈服应力和摩擦系数的自适应学习方法,在实际应用中能够迅速提高轧制力模型的预报精度。     

1580 mm热连轧带钢精轧轧制力模型研究与改进

为了提高首钢京唐1 580 mm产线精轧轧制力预报精度，对精轧轧制力模型进行了研究，结合现场生产的典型问题，即同一钢种族内化学成分波动、薄规格带钢头部大张力引起精轧模型自学习趋势异常及变形抗力自学习层别跳变引起的轧制力设定偏差，对轧制力基础模型和自学习模型进行了改进。修正了钢种族的划分方法、回归整定了化学成分对变形抗力的影响因子、增加了实测张力修正精轧自学习的方法以及建立了基于双线性插值方法来获取变形抗力自学习系数的方法。改进措施实施后，各机架的轧制力预报精度均有不同程度的提高，且带钢通长的厚度标准差由12.22μm降低至10.5μm以内，指标精度得到显著提升。     

基于支持向量回归的二次冷轧轧制力预报模型

为提高二次冷轧兼平整机组在二次冷轧模式下轧制力的预报精度,建立了一种基于摩擦系数自学习的轧制力预报模型。考虑到摩擦系数自学习模型的不足,为进一步提高轧制力的预报精度,提出了一种支持向量回归预测轧制力的计算误差与摩擦系数自学习相结合的轧制力预报方法。结果表明,该模型的计算值与实际值吻合较好,误差控制在±7%以内,满足现场生产要求,具有较高的工程应用价值。     

超高强双相钢DP980冷连轧机组轧制压力模型优化

1000MPa级双相钢DP980的生产是目前各大钢厂冷轧生产线的一大难题。二级设定值的准确性制约着产品酸轧机组轧制稳定性和产品质量。通过结合某2130酸轧机的DP980生产工艺及现场采集数据,采用轧制力离线自适应模型对摩擦因数模型参数及变形抗力模型的参数进行优化。优化前,由于轧制力模型精度不足,导致轧制力偏差最大可达40%,并且由于变形抗力模型存在偏差,使得二级设定过程中,DP980双相钢的轧件塑性刚度系数与实际不符,对AGC控制时的辊缝调整量产生了影响。优化后应用结果表明,消除了二级设定轧制压力偏差40%的严重问题,提高了轧制力模型设定精度,为稳定、高精度生产DP980提供了模型基础。     

过程质量管控技术在冷轧轧制力优化中的应用

大数据技术的快速发展,促使了制造业向数据驱动阶段转型,以工业大数据平台为基础的全流程质量管控系统实现了上下游的数据互联互通,在具体的生产线上,还可通过机理模型的分析和计算,对生产线工艺参数进行优化。在新余钢铁公司的过程质量管控系统中,利用IT与OT技术的深度融合,在冷连轧生产线通过采集实时轧制力、逆计算轧制力模型参数,获取更能反应现场实际情况的变形抗力系数和摩擦因数,将优化后的轧制力模型参数投入现场运行,结果表明带钢头尾轧制力精度明显提高。     

热连轧精轧带钢厚度预报模型优化研究

为了提高某9机架热连轧机组厚度精度,依据轧制基本理论,优化修正了厚控模型.采用指数平滑自学习方法,通过自学习综合冷却系数优化了温度模型:采用变形抗力估计法,利用工艺参数建立了更为准确的变形抗力计算模型;通过对传统Hitchcock轧辊压扁半径与轧制力关系的研究,提出了轧辊压扁半径的显示算法,此方法计算过程不需迭代,计算精度高且响应速度快;在线控制生产结果表明,新模型能提高厚度预测精度3.3％.     

基于神经网络和自适应预报模型参数的平整轧制力模型

冷轧带钢平整过程存在带材较薄,压下率较小等特点,应力状况较为复杂,采用传统模型对轧制力预报误差较大。采用神经网络模型对应力状态系数进行预报,可提高轧制力的预报精度。针对轧制过程中轧件特性发生缓慢变化的特点,采用符合平整轧制过程特点的变形抗力自适应模型,并与神经网络模型结合,预报平整轧制力。计算结果表明,该模型计算值与实际值吻合精度较高,90%的预报结果相对误差控制在5%以内。     

热镀锌机组平整机轧制力预设定模型研究

针对现阶段平整机生产中存在的横型计算成功率低、预设定精度差等问题,在分析平整机原有轧制力模型的基础上,采用理论分析与现场实际数据统计相结合的办法,设计出适合平整机预设定机理模型。采用预设定表格和机理模型结合的方法优化设定平整工艺参数,并通过分析大量生产实际数据不断优化单位张力,以及摩擦系数、变形抗力、张力影响因子等模型参数,提高模型的预设定精度,实现减少手动设定,进而提高产品质量的目标。从模型上线跟踪情况可知,预设定模型的精度较高,对实际生产具有很好的指导效果。     

中厚板残余应变的工程计算方法

针对合金元素含量较多的中厚板在轧制过程中其残余应变对轧制力的影响无法通过自学习来克服的问题,在常规变形抗力模型的基础上,分析了残余应变对中厚板变形抗力的影响,并由此提出了残余应变的工程计算模型。应用表明,该模型能使变形抗力的计算误差控制在7%以内。     

钨板轧制的轧制力模型研究

为了使钨板轧制过程中的各项轧制参数得到有效控制，对钨板轧制数学模型进行了研究。首先在Gleeble热模拟机上进行热压缩试验，研究了变形抗力与各种变形条件的关系，确定了变形抗力模型：通过550mm轧机轧制钨板时采集到的有关数据，建立了应力状态影响系数数学模型、变形区长度等模型：最终建立了550mm钨板轧机轧制力模型。利用模型计算值与实际测量参数进行了对比，结果比较满意。     

带钢热连轧精轧过程轧制力模型研究

在精轧过程中变形区不仅存在粘着区,而且存在着滑动区,但是大多数轧制力计算模型都从变形区全粘着出发,采用以西姆斯公式为基础的简化回归公式。本文将轧辊与带钢接触表面分为粘着区和滑动区;考虑了摩擦力在轧制过程不断变化,得出了不同轧制道次下摩擦力影响系数的回归公式;并且考虑了不同钢种轧制时残余应变对变形抗力的影响,建立了精轧轧制力预测模型。通过与某钢厂实测数据对比,该预测模型具有较高的计算精度。     

基于改进自适应遗传算法的轧制规程优化设计

综合考虑影响冷连轧轧制规程的多种因素,以等功率裕量和预防打滑为目标函数,建立了轧制规程多目标优化模型,并采用改进的自适应遗传算法对轧制规程进行优化设计。该算法解决了标准遗传算法早熟收敛、收敛速度缓慢等问题。在某钢厂1270mm冷连轧机的生产实践证明,优化后的规程实现了各机架功率相对均衡分配,降低了打滑发生的概率,提高了产品质量。     

无缝钢管斜轧单位轧制压力计算

基于斜轧工艺变形特点及斜轧轧制空间关系,采用工程塑性力学方法,建立斜轧轧制单位压力的解析计算方法。分析斜轧空间结构和变形特点及斜轧变形区内变形特征断面的几何关系、变形特征断面内变形单元切块的应力状态,建立变形单元切块的应力微分方程,并求解出斜轧变形区轧制单位压力的计算公式,最后用实例验证轧制单位压力的计算公式。该解析计算方法可用于一般斜轧轧制力能参数的计算,并对斜轧变形进行应力、应变分析。     

铝板冷轧润滑模型及应用

提出一种建立于流体动力学及塑性变形原理基础上的铝板冷轧润滑模型。可用于预测分析轧制变形区内油膜厚度、前滑、轧制压力及摩擦力分布等。该模型首先求解板材入口速度，然后得到油膜厚度，进行了高粘度矿物油铝板轧制试验，实测了不同压下率下入口油膜厚度，结果表明：实测值与计算值相当吻合，该模型为进一步研究板材冷轧及其润滑过程，优化生产工艺提供了依据。     

基于GA-PELM的板材热连轧轧制力预测

在板材热连轧过程中,轧制力的计算精度直接影响板带钢的实际厚度,也是实现精准在线控制的前提.然而,由于实际的轧制过程受多种因素影响,使用传统模型进行预测的精度往往比较低.为了提高轧制力的预测精度,提出了并行异构极限学习机(PELM)的轧制力预测模型,该模型学习速度快且泛化能力强,同时为了保证模型的稳定性,采用遗传算法(G...     

Analysis of Mechanical Parameters during Hot Continuous Rolling Process of Titanium Alloy TC11 Rod

将Ф25 mm 的 TC11 钛合金棒材在四机架 Y 型轧机上连轧至Ф17 mm,孔型系统选为平三角-圆-平三角-圆。试验测试了轧件入口温度为 950 ℃时在四机架连轧过程中的温降,以及轧件温度为 750, 850, 950, 1050 ℃时不同压下量对应的轧制力、轧制力矩值;分析了轧件在不同孔型中轧制时的变形区几何形状;修正了轧制力数学模型;计算值与试验值偏差较小。因此,该数学模型计算的轧制力可以为 Y 型三辊轧制钛合金棒材提供理论研究和工程实践基础。