小型20辊轧机最小可轧厚度的实验研究

轧机的最小可轧厚度是说明轧机极限轧制条件的一个参数。本文是在小型20辊轧机上实测最小可轧厚度,并与理论公式计算结果进行比较的实验结果。其目的是为轧机设计、轧辊直径的选择等提供依据。 本文的实验方法是选择不同直径和不同弹性模量的轧辊及不同加工硬化的试验材料,按常规轧制法以最大的轧制压力反复轧制,假定道次压下率r<2％时达到了极限轧制条件,此时的厚度即为最小可轧厚度。其结果,完全符合轧制变化的规律。当轧辊直径比较大时(大于φ16mm),实测值与理论计算值相接近。     

1235铝合金热粗轧轧制力模型的研究

以经典轧制理论为依据,对1235铝合金热粗轧过程的轧制力模型进行研究。详细分析了轧辊的弹性压扁半径、应力状态系数和轧件变形抗力三个因素对轧制力的影响。用MATLAB建立的粗轧过程轧制力数学模型,使轧制力预测误差控制在5%~7%之间,基本可以满足现场实际生产的要求。     

AA5052铝合金热粗轧轧制力模型的研究

以经典轧制理论为依据,对AA5052铝合金热粗轧过程的轧制力模型进行研究。详细分析了轧辊的弹性压扁半径、应力状态系数和轧件变形抗力三个因素对轧制力的影响。用MATLAB建立的粗轧过程轧制力数学模型,使轧制力预测误差控制在5%～7%之间,基本可以满足现场实际生产的要求。     

热轧板带横向厚度分布神经网络预测分析

将BP神经网络相结合引入到热轧板带横向厚度分布的预测与控制中,并依据板带轧制的实际数据对网络进行训练,通过比较二辊可送轧机板带横向厚度分布的预测值与实测数据,验证该热轧板带横向厚度分布的神经网络预测模型的准确性。验证表明,该模型的应用不仅能够提高板带轧制质量,而且能够降低设备成本。     

82B钢4道次预精轧过程的计算机模拟和分析

采用非线性有限元分析软件ABAQUS,通过建立的线材与轧辊的3维热机耦合模型,对钢厂82B钢(/%:0.79～0.86C、0.15～0.35Si、0.60～0.90Mn、≤0.030S、≤0.030P)φ20mm至φ16.5mm 4道次预精轧过程中轧件的温度场、应力-应变场和轧制力进行数值模拟和分析。结果表明,数值模拟结果与实测结果相符;预精轧过程轧件心部温度和表面温度的差值为～130℃;运用该模型对现场轧制过程中的前滑进行了分析,得出了影响前滑的因素主要有延伸系数、轧制孔型尺寸、轧制速度以及辊径与轧件厚度比值。     

高韧性热轧管线用钢轧制压力模型

在热模拟机上进行高温压缩试验，测定了热轧管线用钢在单道次，多道次等不同条件下的变形抗力，并研制了相应的变形抗力模型及残余应变模型，综合测定了此种钢在１７００ｍｍ热连轧机上试轧时的轧制力及有关数据，利用实测压力逆算应力状态影响系数，建立了精轧各机架应力状态影响系经验模型。     

热连轧粗轧区立轧轧制力在线模型研究

  针对热连轧粗轧区立轧轧制力在线模型预报精度低的问题,采用有限元软件DEFORM模拟了板坯热连轧粗轧区立轧过程,分析了板坯立轧过程轧制力预报精度低的原因。通过对有限元模拟结果的分析,给出了板坯立辊轧边时计算变形程度的新方法,并通过回归得到了适合板坯立轧轧制力计算的外端应力状态影响系数公式,进而得到了新的轧制力计算公式。经与现场实测数据比较,明显提高了立轧轧制力的预报精度。     

基于改进径向基神经网络的中厚板厚度预测

针对中厚板轧制过程中厚度计模型预测轧机出口实时厚度精度不高的问题，提出一种麻雀搜索算法(sparrow search algorithm, SSA)优化径向基(radial basis function, RBF)神经网络的中厚板厚度预测模型。通过SSA对RBF神经网络的参数进行优化，提高模型的预测精度。根据现场实际采集的数据，结合产线的工艺布局，对数据进行时空坐标转换后代入模型进行训练。通过多种规格中厚板厚度数据仿真验证，SSA-RBF模型预测精度可以控制在0.075 mm以内，预测效果好于反向传播(back-propagation, BP)神经网络和广义回归神经网络(generalized regression neural network, GRNN),模型预测精度可以满足实际轧制的精度要求。     

轧制力预报问题中动态网络模型的实现

为提高轧制过程轧制力预报精度,建立了将轧制接触面积由几何关系确定,将影响因素复杂的轧制单位压力通过RBF神经网络预测模型.为适应工况的改变,提出了一种在线动态调整算法,利用新的测试数据对网络进行重新训练,使模型能够调整结构及网络参数,从而使最终设计的网络具有最佳结构.试验研究证明,所设计模型具有良好的适应能力,提高了轧制力的预报精度.     

合金钢棒材轧制的平均轧辊半径计算模型

 在合金钢棒材生产中,轧制过程中椭圆与圆孔型对棒材成品的尺寸精度及质量缺陷起决定性作用,在计算轧制工艺规程时一般用平均轧辊半径等效代替轧槽轮廓变化的轧辊半径,因此,平均轧辊半径计算模型的可靠程度对轧制工艺(轧制速度、压下量、轧制力等)的合理选取和产品几何尺寸精度的提升具有重要作用。在现有平均轧辊半径模型基础上,考虑不同合金钢种宽展影响,利用孔型轧制表面轮廓预测模型推导得出变形轧件断面形状与轧制临界点的求解公式,提出了用出口轧件断面面积与临界平均宽度来计算等效矩形平均高度的方法,得到了椭圆与圆孔型平均轧辊半径的新计算模型,并进行了轧制试验验证。试验结果表明,与现有模型相比,新计算模型在一定程度上提高了平均轧辊半径的计算精度。同时,基于合金成分影响系数探究了不同合金钢种轧制变形后的临界点分布对应关系。考虑到孔型侧壁直线的存在,对圆孔型轧制接触状态进行了阶段划分,当合金成分系数较小(碳结钢与珠光体-马氏体钢)时,轧制临界点落于圆弧轧槽上,所有计算模型均有效;当合金成分系数超过1.33(奥氏体钢与铁素体钢)时,轧制临界点扩展至侧壁直线上,原有计算模型失效,轧制工艺参数由新计算模型求解。基于新模型的合金钢种轧制临界分布对棒材轧制钢种变换工艺参数的快速制定具有重要指导意义。     

基于RBF的轴承钢变形抗力的预测

以凸轮式高速形变试验机得到的试验数据为基础,利用Matlab人工神经网络工具箱,建立了轴承钢的变形抗力与其化学成分、变形温度、变形速率及变形程度对应关系的RBF神经网络预测模型.分析了变形温度和变形速率对轧制压力网络模型精度的影响.得出随着变形温度的增加,网络的预测误差逐渐增大;随着变形速率的增大,网络的预测误差逐渐减...     

轧制力预测中RBF神经网络的组合应用

 传统的数学模型无法达到冷连轧控制的尺寸精度要求。针对传统轧制力模型的固有缺陷,为提高冷连轧机组轧制力计算精度,合理选择、更新和预处理训练样本,采用RBF神经网络预测冷轧带钢屈服应力并把它用于传统轧制力计算模型,获得较高的轧制力预测精度。而后使用RBF长期数据修正网络和RBF短期数据修正网络得到长期数据修正网络和短期数据修正网络的修正系数,对轧制力计算值进一步修正,从而进一步提高轧制力预报精度。上述方法直接用于某冷连轧机组,轧制力预测误差在±6%之内。这充分证明RBF网络可以成功用于轧制过程控制并满足实际生产的需要。     

基于Elman神经网络的炉卷轧机的轧制力预报

为了改善国内某钢铁厂炉卷轧机的轧制力模型的预报精度,提出将结合热模拟实验建立的传统轧制力模型计算值作为Elman神经网络的一个输入项,将传统数学模型预报的轧制力与实测轧制力的相对误差作为此神经网络输出项的方式构建网络模型,通过大量的在线数据分析,这种将神经网络与传统数学模型相结合的方法明显地改善了轧制力的预报精度。该神经网络模型可为以轧制力为主要控制目标的炉卷轧机的过程自动化系统提供可靠的模型参数。     

基于改进遗传算法优化Elman网络的板形识别方法

针对目前的板形缺陷识别方法精度不高、识别速度慢的问题,根据Elman神经网络模型可以反映系统动态特性,而且可以逼近任意非线性函数的特点,提出了一种利用改进的遗传算法优化Elman神经网络,使其泛化能力强、学习速度快、识别精度高,并建立板形缺陷模式识别模型的方法。为了验证该方法的识别能力,在隐层节点数与学习次数相同的条件下,分别与遗传算法优化的Elman网络和BP网络模型进行板形识别仿真对比分析。试验结果表明,改进遗传算法优化的Elman神经网络模型对板形缺陷识别精度高于BP网络等模型,并且具有收敛速度快的优点。     

The PQF pass parametric design system of heavy calibre seamless tube

According to the characteristics of PQF continuous rolling pass,the relationship between spread coefficient,wall thickness coefficient and elongation are analyzed.The section shape of tube in each stand outlet,the efficient working radius and the rotational speed of each roll are obtained,therefore,the pass parametric design is completed.A thermal-mechanical coupled model of continuous rolling tube’ s forming process is established by the three-dimensional elasto-plastic finite element method,the section shape and area of tube in each stand outlet are forecasted,which is used to modify the pass.The rolling force of each roller is predict too,which provides a guidance for pass design.In addition,a visual software of PQF pass parametric design system on heavy calibre seamless tube is generated with Visual Basic.The forming dimension of tube and the rolling force of each roller are successfully obtained,by simulating the forming process of a certain series heavy calibre seamless tube.This system posses practical utilization value.By using this system,the development cycle of new product can be shortened,the reliability of pass design can be improved,and the energy consumption of rolling mill and production cost can be decreased.     

基于RBF神经网络的中厚板轧机的温降模型

 基于Matlab神经网络工具箱,采用改进的径向基函数(RBF)网络优化计算4200中厚板轧机的轧制温度。通过径向基层散布常数的人工调整以及神经元的自适应调整,提高了收敛速度,确定了最佳的网络结构形式。网络预测结果与在4200中厚板轧机上实测的轧件温度进行了对比,预测精度很高,表明了该网络模型的优越性。该模型可为以温度参数为主要控制对象实行自动化生产的4200轧机提供可靠的参数,也可为人工神经网络在其它自动控制方面的应用提供参考。     

轧机主传动减速机轴承的应力分析

以某轧机主传动减速机的调心滚子轴承为研究对象,建立轴承的有限元模型;滚子与内外圈滚道之间通过建立三维实体面—面接触对来传递力和位移,可较真实地模拟轴承的受力状态。通过有限元方法对轴承元件进行接触应力分析计算,得到轴承各元件的变形和应力分布,找出轴承滚子破裂的原因。     

A novel approach to improve the computing accuracy of rolling force and forward slip

In cold strip rolling control system, rolling force and forward slip are the prerequisites for the model setting calculation, and the deformation resistance and friction coefficient are the main parameters that affect their predictions. A new method based on objective function is first proposed in this paper to improve the calculation accuracy of rolling force and forward slip, and the deformation resistance and friction coefficient are taken as optimisation variables. Using the multi-population co-evolutionary algorithm to solve the objective function, the required rolling force and forward slip are obtained. The pre-set values of rolling force and roller line speed are compared with the actual measured ones in a 1450?mm five-stand tandem cold mill and other researcher’s method. Results show that the calculated values are in fair agreements with the on-line measured ones, and the thickness and flatness accuracy of the final product are improved.     

极限学习机在中厚板轧制力预报中的应用

摘要：轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力，精度较低。为提高轧制力预报精度，首先基于大量历史生产数据，通过主成分分析法对影响轧制力的因素进行处理和分析，选出权重较大的影响因子；其次选取现场代表钢种进行热模拟压缩实验，在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型，即先通过化学成分计算出基准变形抗力，再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数，并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产，轧制力预报相对误差±10%以内占比提高15.61%，钢板头部厚度命中率提高1.9%。