基于深度森林的热轧带钢凸度预测模型

在热轧现场轧制规格切换或工况异常的情况下板凸度控制模型偏差较大,为了提高模型精度,提出了一种基于深度森林的热轧带钢凸度预测模型。深度森林模型融合了集成学习和深度学习的思想,采用了多粒度扫描增加数据特征多样性,采用级联森林逐层处理,使得模型具备强大数据拟合能力。将热轧数据经前期预处理导入模型,并对模型参数进行了网格搜索寻优,对比随机森林模型,深度森林模型的效果更优。基于深度森林的热轧带钢凸度预测模型得到了MSE值为6.537,MAE值为1.587,MAPE值为2.903%和R值为0.985的预测性能。     

基于有限元法的拉伸弯曲矫直过程板形控制分析

 板形是带钢质量的重要判定指标,常见的板形缺陷有边浪、中浪、1/4浪等,其实质是残余应力在带宽上的分布不均。拉伸弯曲矫直机通过张力辊组、弯曲辊组和较真辊组的共同作用,使带钢在低于屈服强度的张力作用下发生塑性延伸,从而有效消除浪形缺陷,改善板形,提高带钢质量。然而在拉伸弯曲矫直机的设计和使用过程中,对拉伸弯曲矫直机参数的调整多基于经验,缺少理论指导。为了定量分析拉伸弯曲矫直机参数对浪形缺陷的改善效果,使拉伸弯曲矫直机在实际生产中发挥更好的作用,以某1 450 mm带钢酸洗冷轧生产线上的拉伸弯曲矫直机为研究对象,使用有限元软件ANSYS/LS-DYNA基于三维弹塑性有限元法建立了拉伸弯曲矫直机模型,对拉伸弯曲矫直机矫直过程进行了模拟,分析了张力和插入深度对初始浪形分别为边浪和中浪的带钢矫直后板形的影响规律。结果表明,经过拉伸弯曲矫直的带钢浪形缺陷得到显著改善;插入深度和张力对初始浪形缺陷分别为边浪和中浪的带钢板形的影响规律一致;3个辊组中矫直辊组的插入深度是影响带钢板形的主要因素,随着矫直辊组插入深度增大,带钢矫直后板形由边浪转变为平直,且随着矫直辊插入深度进一步增大,板形又由平直转变为边浪;随着入口张力增大,带钢矫直后板形由边浪转变为中浪。     

轧制过程多工序指标建模及优化的研究现状与发展趋势

板带材轧制过程的各工序都已达到较高控制水平，工序耦合和工况复杂性限制了产品质量及生产效率提升，难以再从单独工序取得进一步突破。多工序过程具有难以建立准确模型、运行状态不可测、非线性动态耦合等特征，如何实现以轧制过程关键运行指标感知为基础的多工序综合协调优化，是本领域面临的挑战性问题。以多工序综合协调实现资源和工序过程能力的优化配置，提高轧制过程对于复杂多变工况的适应能力，优化各工序生产过程与终端产品的匹配度，实现产品质量和生产效率的提升，将成为重要发展趋势。     

提高中职数控技能教学有效性的策略探究

数控专业是中职学校开设较早的专业之一,学校每年培养相当数量的中职数控专业毕业生,但最近几年对学校数控专业往届生的就业情况抽样调查的结果显示,学生就业对口率并不太理想。调查显示,大部分学生进企业只能做数控机床操作工,无法胜任编程及调机等技术要求较高的岗位,只有少数的毕业生,特别是参加过数控比赛训练的学生经过几年的培养后能提升去编程等重要岗位。基于此,本文就提高中职数控技能教学有效性的策略进行分析和探究。