共查询到19条相似文献,搜索用时 125 毫秒
1.
2.
3.
板带热连轧温度的预报计算及应用 总被引:10,自引:2,他引:8
采用有限差分法,建立了板带热连轧生产过程中温度变化的二维预报模型。用此模型对本钢现场轧制工艺进行了温度变化的解析计算,其结果与实测值相符。在此基础上经过模拟计算,通过回归得到卷取温度的简单预报公式,其预报值与现场实测值吻合甚好。 相似文献
4.
5.
6.
7.
8.
9.
10.
11.
采用计算机对高速线材生产过程进行模拟,开发出具有较高准确度同时具有对不同轧制工艺有较好通用性的高线生产仿真系统。利用有限元方法计算了线材在待轧、轧制、水冷及风冷过程的温度场;通过对再结晶动力学模型的解析,得到了静态再结晶、动态再结晶的分数以及奥氏体晶粒在轧制过程中的变化情况;通过组织演变模型和温度模型的耦合计算,模拟出斯太尔摩风冷线上线材的组织变化过程;建立了利用初始化学成分和组织组成预测高线产品力学性能的BP神经网络模型,通过生产过程数据的训练,实现了对线材力学性能的预测。仿真计算的结果对线材控轧、控冷工艺的改进有一定的指导意义。 相似文献
12.
基于现场生产冷轧极薄不锈钢带材表面硬度极难控制的问题,针对301S不锈钢的冷轧生产工艺进行了研究,分析了不锈钢冷轧生产过程中影响表面硬度的相关工艺参数,得出材料的抗拉强度、轧制速度、轧制油温度和压下率是影响轧后材料表面硬度的关键因素。利用BP神经网络建立了预测表面硬度的非线性映射模型,并根据此模型得出了预测数据的趋势图谱。研究结果表明,压下率的变化对冷轧不锈钢表面硬度的调节能力最强,而其他参数对硬度的影响为10HV左右。经检验,模型的预测值和实测值的相对误差为-2.63%~2.76%,预测结果准确率高,可以用于产品质量的现场在线控制。 相似文献
13.
建立轧钢生产过程各工序的高精度数学模型是集成控制技术在轧钢自动化生产中能够取得良好控制效果的基础,为此详细分析了中厚规格钢坯轧前及粗轧阶段的温度变化机理,并针对轧前及粗轧过程分别建立了二维非稳态传热的温降差分数学模型。对实际生产过程的计算机模拟结果表明,解析计算的精度较高,能够满足实际需要,可用于指导实际生产过程。 相似文献
14.
15.
16.
17.
摘要:带钢头部终轧温度(finishing delivery temperature,FDT)的预计算是精轧设定中的一项重要内容。它不仅是带钢全长终轧温度控制的基础,而且关系到轧制速度、轧制力以及辊缝等模型参数的预设定,对成品带钢的质量控制起着关键性的作用。在实际生产中,带钢头部终轧温度主要是通过结合了统计经验和自适应修正的半机理模型来计算,但是由于带钢换热过程的复杂性难以用关系式精确表达,导致了带钢头部终轧温度的预计算精度不高。针对此问题,从数据驱动的角度出发,利用BP神经网络和改进粒子群优化算法(improved particle swarm optimization, IPSO),以半机理模型为主,IPSO-P网络模型为辅,建立了一种混合优化模型。通过仿真实验和实际生产对比,结果表明:相比于单纯的神经网络模型或者半机理模型,混合优化模型的预计算精度和收敛速度均有了很大的提高,达到9667%,具有良好的应用前景。 相似文献
18.
Pre-alculation optimization of finishing delivery temperature of hot strip head based on data driven
The pre-alculation of finishing delivery temperature of strip head is an important content in finishing rolling setting. It is not only the basis of temperature control for the whole length of the strip, but also related to the preset parameters of rolling speed, rolling force and roll gap. It plays a key role in the quality control of finished strip steel. In practical production, the finishing delivery temperature of strip head mainly depends on semi mechanism model which combines statistical experience and adaptive correction. However, due to the complexity of the strip heat transfer process, the temperature cannot be calculated accurately by the semi mechanism model, which leads to the low accuracy of the pre calculation of finishing delivery temperature at the head of the strip. In order to solve this problem, a hybrid optimization model from a data driven point of view which based on the semi mechanism models and supplemented by BP neural network and improved particle swarm optimization (IPSO) algorithm was established. Through simulation experiment, the results show that: compared with a pure neural network model or mechanism model, the pre calculation accuracy and convergence speed of the hybrid optimization model have been greatly improved up to 9667%, and it has a good application prospect. 相似文献
19.
以4200 mm轧机轧制71块钢板的实测数据为基础,利用Matlab神经网络工具箱,分别建立了轧制变形区的应力状态系数与轧前厚度、轧后厚度及轧辊直径对应关系的Elman神经网络预测模型和RBF神经网络预测模型。结果表明,所建立的两种网络模型均建立了金属应力状态系数输入和输出关系,RBF神经网络模型比Elman网络模型数据稳定,性能更优,实现了与实测结果的高度拟合。并得出不同轧辊直径对神经网络模型精度的影响规律,对轧制工艺规程的制定提出了合理建议。 相似文献