排序方式： 共有6条查询结果，搜索用时 109 毫秒
1
1.
2.
摘要：轧制力预报一直是热连轧过程控制模型的核心，浅层神经网络对复杂函数的表示能力有限，而深度学习模型通过学习一种深层非线性网络结构，实现复杂函数逼近。利用深度学习框架TensorFlow，构建了一种深度前馈神经网络轧制力模型，采用BP算法计算网络损失函数的梯度，运用融入Mini batch策略的Adam优化算法进行参数寻优，采用Early stopping、参数惩罚和Dropout正则化策略提高模型的泛化能力。基于上述建模策略，针对宝钢1880热连轧精轧机组的大量轧制历史数据进行了建模实验，对比分析了4种不同结构的前馈网络预测精度。结果表明，相比于传统SIMS轧制力模型，深度神经网络可实现轧制力的高精度预测，针对所有机架的预测精度平均提升21.11%。 相似文献
3.
取向硅钢硅酸镁底层是产品结构的重要组成部分,低温取向硅钢底层的控制是难点,也是限制产品性能提升的瓶颈。以往对取向硅钢硅酸镁底层的形成研究较少,高磁感取向硅钢薄规格化高性能产品开发及品质提升缺乏理论支撑。为此,采用高温退火中断试验法对低温取向硅钢硅酸镁底层的形成过程进行了模拟,研究了底层的微观结构、成分特征的演变规律,明确了硅酸镁底层在高温退火过程中的反应形成过程。温度约为900 ℃时,样品表面开始发生Mg2SiO4颗粒的形核,随着温度继续升高,Mg2SiO4晶核不断长大;温度约为1 050 ℃时,样品表面的Mg2SiO4开始致密化,温度约为1 100 ℃时,表层硅酸镁的致密化基本完成,硅酸镁底层形成的关键温度为900～1 100 ℃。另外,研究中发现,在硅酸镁底层的下方生成的Al2O3·MgO尖晶石颗粒连结基体和Mg2SiO4,形成了“钉扎”结合层。硅酸镁底层形成过程MgO中的Mg2+由表面向氧化膜内扩散并与SiO2反应,同时氧化膜内SiO2发生熟化,1 000 ℃以上基板中的AlN分解释放出的铝则向氧化膜交界及通过氧化膜向表面扩散与Mg2SiO4等反应形成尖晶石。优良的底层结构形成是由原脱碳退火氧化膜表层1 μm左右形成致密的Mg2SiO4,其余2～3 μm厚度转化成一定数量的椭球Al2O3·MgO的尖晶石“钉扎”结合层,其主要控制方向为提高氧化膜活性、选用高活性MgO、添加低熔点反应助剂等。 相似文献
4.
目的改善涂层张应力状态,进而提升取向硅钢的电磁性能。方法用扫描电镜、辉光光谱仪分析了添加磷酸盐的胶体二氧化硅绝缘涂层的厚度和微观结构,采用静态拉伸试验得到了取向硅钢沿不同位向的力学特性。在此基础上,根据取向硅钢各向异性的特点和绝缘涂层的实际状态,用Stoney公式对取向硅钢涂层应力的适用性进行了讨论。结果取向硅钢的各向异性不满足Stoney公式的适用条件,实际测试的取向硅钢的力学性能结果表明,取向硅钢符合正交对称各向异性材料的一般规律,据此给出了涂层对取向硅钢产生的张应力的计算公式,利用该公式对不同涂覆工艺条件下的胶体二氧化硅绝缘涂层的张应力进行了计算,涂层厚度在1～2μm范围内,双面张应力的计算值为4～11 MPa。结论文中张应力的计算公式不仅适用于取向硅钢,同样适用于其他基体为各向异性的类似情况。通过张应力的计算可知,涂层厚度与张应力呈正相关,张应力的增大将会促使取向硅钢的铁损降低。因此,开发大张力的绝缘涂层,是进一步改善取向硅钢磁性能的有效途径之一。 相似文献
5.
高温退火是取向硅钢生产的关键工序,了解高温退火过程中钢卷温度场分布规律对制备磁性均匀的取向硅钢具有重要意义。建立了环形炉金属内罩中气体流动及钢卷传热的二维轴对称模型,基于流-固-热耦合的数值模拟方法,描述了钢卷在退火过程中的气体流动及钢卷的温度变化。采用DO(Discrete Ordinates)模型描述金属内罩与钢卷之间的辐射,多孔介质模型模拟罩内气体通过硅砂区域的溢出,并考虑了钢卷各向异性的导热行为及氧化镁涂层的分解热动力学的吸热行为。结果表明,金属罩内气氛和温度的变化影响罩内流场的分布模式;钢卷升温过程中冷点位于钢卷高度的约1/3处;通过优化不同阶段的升温速率能够改进钢卷温度分布的均匀性。计算结果可为取向硅钢高温退火工艺的优化提供理论参考。 相似文献
6.
1