整辊式板形辊挠曲影响信号的快速识别和消除

整辊式板形仪是冷轧带材接触式板形仪的发展趋势。整辊式板形仪在自重和外载作用下的挠曲变形会使内部安装的传感器预紧力发生变化,产生类似正弦波形的干扰信号,和有效信号叠加在一起,影响板形检测精度。本文研究这种影响信号的产生机理和识别消除方法。首先,根据试验标定和工业测试结果,发现并分析了板形信号与干扰信号的波形特征,即沿包角分布的板形波形位于沿圆周分布的干扰波形的波峰和波谷。其次,应用弹性力学理论计算分析了板形辊挠曲产生的应力变形,揭示了传感器预紧力的周期性变化是产生干扰正弦波形的原因。最后,根据包角范围以外的检测信号数据,采用曲线拟合最小误差优化方法,建立了精确快速识别和消除干扰信号波形的数学模型。工业应用表明,本文方法可有效的消除挠曲影响信号,提高板形检测和控制效果1～2 I。     

非均布载荷下板材失稳判别试验装置

 失稳屈曲是板材失效的一种特殊方式,判断板材在不同分布载荷下是否失稳具有重要意义。目前虽然已对均布与非均布载荷下板材失稳屈曲问题进行了大量理论研究,但是缺少专门研究非均布载荷下板材失稳判别的试验设备。为此,专门设计了一套为板材施加非均布载荷的试验方案,当给定分布载荷的具体形式后,可由推导的公式计算压头与板材之间压块的高度分布,由此可以实现任意形式分布载荷的施加,具有结构简单及容易实现的优点,为板材失稳屈曲理论研究提供了一种简单易行的验证手段。     

基于板厚标准曲线的平直度预设定控制方法

在分析各种平直度预设定控制算法优缺点的基础上,提出一种基于板厚标准曲线的平直度预设定控制算法。首先,建立了基于分步优化的平直度和板厚标准曲线制定方法,该方法将平直度判别和平直度预报分开独立计算,通过分步优化得到平直度标准曲线和板厚标准曲线,计算快速、稳定。其次,采用横断面预报模型优化计算平直度预设定值,使计算的带钢出口厚度横向分布逼近板厚标准曲线,得到基于板厚标准曲线的平直度预设定控制方法,该方法计算快速、稳定,完成一次在线设定计算时间约为1.781 s,满足工业在线应用实时性的要求。最后,以某1 800 mm五机架冷连轧机为例验证了上述算法的计算精度,满足工程需要。     

冷轧带钢来料断面对张应力与出口断面的影响

为了降低冷轧带钢的横向同板差,通常需要采用紧边轧制工艺,带钢边部处于大拉伸应力状态,很容易引起边裂或断带。提出一种冷轧带钢来料横断面形状的简单描述方法,以热轧来料横断面参数作为输入参数,采用板形模拟软件分析了来料断面形状的两个关键参数对带钢出口张应力与出口断面形状的影响规律。模拟结果表明,减小热轧来料边部15和40mm处凸度值C_(15)和C_(40),改善热轧带钢边部减薄,不仅有利于减小冷轧带钢横向同板差,而且可以改善带钢边部残余拉应力,从而减小冷轧带钢边部张应力,有利于避免第一道次带钢发生边裂与断带事故。     

基于非圆弧理论的平整机轧制力简化模型

针对目前带钢平整机轧制力模型的缺点,综合考虑带材的弹性变形与塑性变形,基于非圆弧轧辊理论的大量计算结果,回归得到一套冷带钢平整机轧制力简化模型。该模型可用于干平整或湿平整轧机设计、轧制规程制定。4个典型算例的计算结果表明,简化模型与非圆弧轧辊理论计算结果一致。最终通过2套平整轧机的实测轧制力验证了简化模型的正确性。     

热轧辊瞬态温度场快速仿真模型

利用等效温度法和变步长差分法建立了轧辊瞬态温度场快速仿真模型。综合考虑水冷、空冷、轧辊与轧件接触热传导等动边界条件,利用等效温度模拟轧辊表面的瞬态温度变化;对轧辊内部单元划分不等距网格,沿轧辊高向(从表层到中心)以及沿轧辊横向(从中部到两端),逐渐增加单元步长,提高模型的计算精度和计算速度;基于台劳展开式推导瞬态热传导方程的变步长差分式,模拟非稳态轧制及停轧空冷时的轧辊瞬态温度变化情况。工业实际数据验证了仿真模型的正确性和可行性,实验结果与仿真结果吻合较好,适合工程在线快速计算,预报精度在±5℃以内。     

基于神经网络和自适应预报模型参数的平整轧制力模型

冷轧带钢平整过程存在带材较薄,压下率较小等特点,应力状况较为复杂,采用传统模型对轧制力预报误差较大。采用神经网络模型对应力状态系数进行预报,可提高轧制力的预报精度。针对轧制过程中轧件特性发生缓慢变化的特点,采用符合平整轧制过程特点的变形抗力自适应模型,并与神经网络模型结合,预报平整轧制力。计算结果表明,该模型计算值与实际值吻合精度较高,90%的预报结果相对误差控制在5%以内。     

SnO_2薄膜结构

利用X射线衍射技术研究了用喷涂法生长的SnO_2膜的晶体结构,计算了晶格常数,讨论了成膜温度与SnO_2膜晶粒大小的关系,分析了SnO_2膜生长的择优取向,并用扫描电镜观察了SnO_2膜断面和表面形貌。     

冷轧带钢板形测控技术的发展状况和关键问题

 冷轧带钢属于高端精品钢材,板形在线检测与控制是冷轧带钢的高端核心关键技术。自主创新研制板形测控系统是实现中国钢铁工业发展升级、建设钢铁强国的重大需求。目前,板形测控技术市场国外占据优势,国产系统正在代替进口,扩大应用规模,推进技术完善。研制先进的板形测控系统需要解决的关键技术有高精度高质量的板形仪、功能完备强大的控制手段和方法、高精度高速度的数学模型。板形仪主要有接触式和非接触式两大类,接触式板形仪通过测量带钢张力的横向分布反映板形,非接触式板形仪通过测量带钢浪形反映板形。接触式板形仪可靠耐用精度高,应用广泛,发展趋势为整辊式板形检测辊、无线式信号传输装置、板形数据的精确处理。板形控制数学模型的主要类型,按建模的原理和方法可分为机理模型和智能模型;按模型的性质和作用可分为分析模型和控制模型;按板形的表示方法可分为多点控制模型和分量控制模型。板形控制模型的发展趋势为机理与智能协同建模、动态模拟预报和动态解耦控制、多种手段和方法的协同优化。进一步提高板形测控技术水平需要突破3项关键问题,即整辊式板形仪通道耦合与解耦的机理模型、板形控制的动态模拟和动态解耦模型、板形控制的高精度智能建模方法。     

数据驱动的热轧带钢边部线状缺陷智能预报模型

 边部线状缺陷是热轧带钢易发缺陷,不仅严重影响成材率,还可能对热轧下游工序生产过程造成影响。边部线状缺陷的影响因素复杂多变,建立精确的机理预报模型十分困难。为此,首先分析边部线状缺陷的主要影响因素;然后以智能方法为基础,分别建立了基于逻辑回归与神经网络的边部线状缺陷智能预报模型,并分析了2个模型的精度与泛化能力;最后,以神经网络智能预报模型为基础,对加热工艺参数进行优化,使缺陷发生率与封闭率均大幅降低。研究结果对提高热轧带钢表面质量具有实践意义,可推广应用于同类轧线。