冷轧轧制力数学模型的研究

在冷轧薄板时轧辊会产生弹性压扁,对轧制力影响较大。本文作者以卡尔曼单位压力微分方程与采利柯夫解为基础,并考虑轧辊弹性压扁,将实际接触区划分不同的区域,根据不同区域的边界条件,建立了更准确的单位轧制压力的数学模型。该模型对实际生产具有一定理论意义和实用价值。     

轧辊弹性压扁下冷轧轧制力数学模型的研究

在冷轧轧制中,轧辊会发生严重的弹性压扁,对轧制力计算产生影响。考虑轧辊弹性压扁,建立平均单位轧制力数学模型,有重要意义。以卡尔曼单位压力平衡微分方程与采利柯夫解为基础,建立平均单位轧制力数学模型。     

串列式冷连轧机轧制力模型研究

在分析冷连轧机轧制力模型各种影响因素的基础上，通过理论推导结合现场试验建立了新的轧制力模型。该模型于2004年9月份在攀钢冷轧厂进行了现场检验，表明精度高，应用效果良好，对冷轧薄板板型控制和轧制规程的优化有重要作用。     

基于神经网络的轧制力模型参数辨识

为了提高热连轧轧制力预设定值的精度,提出卫种新的轧制力模型参数辨识方法。利用人工神经网络对以往的大量生产数据进行了训练、预测、将预测结果结合轧制力模型,对思制力模型中的温度相关关系数ｍ１、变形速度相关系数ｍ３进行只。现场生产实践表明,采用辨识后的模型进行轧制力预设定,带钢头部厚度精度有明显提高。对于象本钢热连轧厂这样的老企业,这种新方法更具有在线应用的可行性。     

中厚板轧制过程中高精度的轧制力预测模型

结合首钢3500mm轧机改造项目，根据中厚板轧制工艺的特点，对影响轧制力的因素进行了详细的解析，包括变形区影响函数、变形率函数和变形速率影响函数等，给出了中厚板轧制过程中高精度的轧制力计算数学模型。分析了残余应变对轧制力计算的影响，得到了不同钢种的残余应变计算模型和轧制力在线计算时的修正策略。现场在线应用结果表明：给出的轧制力模型具有良好的预测精度，预测误差可以控制在5％以内。     

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。     

X-H轧制法轧制H型钢轧制力模型的研究

对采用X-H轧制法轧制H型钢的轧制力进行分析,以西姆斯公式为基础,采用多元线性回归的方法建立万能轧机轧制H型钢的轧制力数学模型.用编程的方法对数学模型的系数进行求解,给出几种规格的H型钢回归模型的系数,并将计算结果与实测的数据进行对比分析,得到的结果与实测值的误差在6%以内,表明模型具有较高的应用价值.     

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。     

热轧带钢轧制力模型自学习算法优化

根据轧制数量、测量数据质量和轧制力预报误差的影响,建立了轧制力自学习速度因子优化模型.在长期自学习的判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量,减少了换规格的次数.长期自学习系数计算时利用了从前一块钢数据中分离出的设备状态信息,从而改善了模型自学习的连续性.离线仿真分析结果表明,轧制力计算精度相对于自学习算法优化前有较大的提高.     

中厚板轧制过程中的轧制力和轧制力矩数学模型

本文提出了两个新的无量纲参数轧制力功系数和轧制力矩功系数,并通过对这两个参数的回归分析,建立了高精度的轧制压力和轧制力矩数学模型。     

基于实测值置信度的冷连轧轧制力模型自适应

 采用数值积分方法建立了冷连轧在线轧制力模型,确定了轧制力模型自适应的执行条件和计算流程。针对轧制力模型自适应指数平滑算法中难以用固定增益系数适应轧制状况变化的问题,提出了一种根据实测数据动态调整增益系数的方法,建立了增益系数与测量值等效置信度之间的数学关系式。该轧制力模型自适应算法已应用在某1450mm 5机架冷连轧机组上,通过比较自适应前后的计算值与实测值的均方差可知,采用模型自适应后,轧制力模型的计算精度显著提高。     

基于人工神经网络铝箔轧机轧制力模型

采用BP神经网络原理对1350mm铝箔轧机轧制数据重新处理,建立了基于人工神经网络的轧制力模型.结果表明,用人工神经网络轧制力模型的计算值与实测值相比较偏差<3%.该模型较真实地反映了轧制过程的特征.     

双辊铸轧薄带钢过程铸轧力计算的数学模型

 在双辊铸轧薄带钢过程中,铸轧力的控制是铸轧过程稳定进行和提高薄带质量的关键。为了控制铸轧力,必须建立铸轧力控制数学模型。基于经典轧制理论,采用工程法推导出铸轧过程中熔池区域微元体静力平衡微分方程,根据凝固终点位置即可给出铸轧过程中单位压力分布,进而给出铸轧力计算的数学模型,为铸轧力的在线控制奠定了基础。     

PC轧机轧制宽带钢过程轧制力与轴向力分布规律研究

针对PC轧机带钢热轧过程的工艺特点和存在问题,利用ANSYS/LS-DYNA建立轧辊和带钢耦合的三维轧制过程的有限元模型,模拟计算不同工艺条件下的带钢变形。重点分析了PC轧机轧制过程中的轧制力和轴向力变化规律。     

H型钢连轧过程轧制力模型的研究

 通过实验手段获取Q235在高温下的应力 应变曲线,同时对Q235变形抗力经验模型进行了相关修正,采用多元回归的方法建立了H型钢连轧过程中万能轧机以及轧边机的轧制力数学模型,并给出了3种规格对H型钢连轧轧制力模型的回归系数。通过与实际轧制力对比验证后表明：模型的误差控制在5%以内,计算精度能够满足工程设计需要,可为轧制工艺参数的制定提供一定的参考。     

基于多因素影响的铝箔轧制力计算研究

介绍了铝合金箔材轧制压力的综合计算方法,推导出基于多因素影响的轧制力模型计算公式,并通过实例对其应用性进行了验证。     

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。     

基于遗传神经网络的不锈钢带冷轧轧制力模型

 为了提高工厂从国外引进的以Bland Ford公式为基础的冷轧不锈钢带轧制力模型的计算精度,将基于遗传算法的BP神经网络与现有变形阻力和轧制压力解析数学模型相结合,建立了变形阻力和轧制压力修正模型。将在生产现场采集的部分过程记录数据,进行分类和预处理后作为训练样本用于训练遗传神经网络模型。将其他现场实测数据用于验证所建的轧制力模型,计算结果表明所建的轧制力模型具有较高的计算精度。