加硼SPHD深冲板CSP热轧再结晶研究

采用双道次压缩实验方法,在Gleeble-1500热模拟机上对加硼SPHD钢进行高温热变形道次间奥氏体再结晶软化规律的研究.在实验基础上建立了该钢的静态再结晶动力学模型,并应用该模型到实际生产的计算中.     

中厚板轧制轧件头部弯曲预报模型

分析了中厚板轧制中轧件头部弯曲的产生原因和影响因素;以现场实测数据为基础,采用人工神经网络方法建立了轧件头部弯曲预报模型,为中厚板轧制头部弯曲的自动控制提供了技术基础。     

中厚板轧制力数学模型的研究

建立了两种计算轧制压力的数学模型,并根据实测数据分别进行计算,将所得的轧制压力与实测压力进行了比较。用艾克隆德模型结构回归建立的压力模型的误差较大,一般为10％～20％,而用希姆斯模型结构回归建立的压力模型的误差在10％以内,计算精度较高。后者可用于中厚板轧制压力的预报,指导实际生产。     

BP神经网络在热轧中厚板力学性能预测中的应用

基于神经网络原理，采用BP算法训练网络，建立热轧控制参数(轧制温度、化学成分、变形量等)对描述产品力学性能的参数的映射关系。离线仿真表明，将神经网络模型应用于热轧控制预报，具有现实意义。     

高温低应力下AZ31镁合金的蠕变性能及蠕变机理

研究了AZ31镁合金在高温、低应力下的蠕变性能及蠕变机理.结果表明,AZ31镁合金的高温蠕变具有明显的三阶段蠕变特征;随着温度和应力的增加,稳态蠕变速率增加,稳态蠕变速率区域缩短.温度大于420℃、较低应力时,AZ31镁合金的蠕变为晶界扩散控制的COBLE蠕变;较高应力时,与位错攀移控制的WEETMAN蠕变机制相吻合.当温度为320～420℃时,AZ31镁合金的蠕变为滑移控制的位错蠕变.计算了由COBLE蠕变向WEETMAN蠕变转变的临界应力σcr,该应力与P-N力τp在数值上具有如下关系:σcr≈(2～3)τp     

热轧钢板头部弯曲行为的人工神经网络预报模型

根据单机架2500四辊可逆式轧机钢板轧制的实测数据,采用人工神经网络方法建立了钢板头部弯曲行为预报模型。结果表明,轧制过程钢板头部弯曲的人工神经网络计算值与实测值符合;当轧件上下表面温度相差较大时,上下表面温差、变形区形状特征和变形程度是影响轧件头部弯曲的主要因素。对于厚的成品板,减小道次压下量可减小弯曲;对薄成品板,增加道次压下量可减小弯曲。     

中厚板轧机辊型对钢板凸度的影响

根据武钢２８００ｍｍ中厚板轧机大量的现场数据，着重分析了精轧机使用双锥度支撑辊后各种因素对钢板凸度的影响规律，提出了进一步提高钢板凸度控制水平的措施。     

中厚板平面形状控制途径探讨

本文通过现场工艺参数的相关分析及人工神经网络技术的应用 ,对影响平面形状的因素进行了定量分析 ,从而实现计算机选料和立轧规程优化 ,获得平面形状最佳的效果。