中厚板生产的轧制力长短期自适应

采用厚度族划分及指数平滑处理的方法对根据实际生产数据回归出的轧件变形抗力参数进行处理,从而实现了轧制力短期自适应。最后以轧制力短期自适应为基础,建立了轧制力长期自适应模型。将上述模型实际应用于3500 mm精轧机过程控制系统中,获得了良好的效果。     

中厚板轧机轧制力自学习模型的应用

 介绍预计算轧制规程中所使用的轧制力模型,在此基础上根据轧制过程中的仪表反馈数据开发出一种新的轧制力自学习模型。并对轧制力自学习系数层别划分的方法,依据和效果做了系统的分析。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,末道次轧制力预测误差可以控制在3%以内,其他道次可以控制在5%以内。     

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。     

人工神经网络在中厚板轧机轧制力预报中的应用

在实际生产过程中 ,传统轧制力模型在计算中板轧机轧制力时存在着较大的误差 ,为了提高中厚板轧机轧制力的预报精度 ,提出了一种将人工神经元网络用于轧制力预报数学模型中 ,进行轧制力预设定。离线仿真表明 ,采用本文所述的方法 ,预报精度要优于传统的数学模型 ,预报精度的相对误差可以控制在± 4 %以内     

中厚板轧机轧制力测量传感器原理分析

本文介绍了几种中厚板轧机测力传感器的工作原理及安装位置,并对其进行分析,这对于中厚板轧机测力传感器的选择具有一定的指导意义。     

中厚板轧制过程中轧制力参数的动态修正

分析了一种中厚板的轧制力在线动态修正算法,该算法以实测轧制力为基础,通过道次实测轧制力和模型计算轧制力的值决定轧制力模型参数修正量的大小,真正做到以实测轧制力数据动态校正中厚板轧制力模型,大大提高了轧制力模型的预报精度并使其具有良好的自学习功能.该算法已经在现场获得应用,并具有良好的应用效果.     

结合模型自适应的神经元网络在中厚板轧机轧制力预报中的运用

在中厚板生产过程中,用传统轧制力模型预报中厚板轧机轧制力时存在着较大的误差.为了提高中厚板轧机轧制力的预报精度,采用轧制力模型自适应与人工神经元网络相结合的方法进行中厚板轧制力的在线预报.应用结果表明,采用本方法预报轧制力时精度优于传统的数学模型,相对误差可以控制在±3%以内.     

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。     

2800mm中厚板轧机轧制力模型研究

在考虑温度场对轧制力能参数影响的条件下,利用ANSYS软件对热轧板带的塑性变形过程进行了力能参数的计算,并由此获得2800 mm轧机轧制压力的计算模型.经在武钢2800 mm轧机生产现场实测大量数据,进一步完善轧制力模型,使之具有良好的计算精度.     

基于神经网络的中厚板轧机轧制力模型

 以4200轧机大规模测试得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了该轧机轧制力的预测模型。通过对该网络隐层神经元个数的调整,提高了收敛速度,使轧制力的预测精度大为提高。     

厚度控制技术在中厚板轧制生产中的应用

本文探讨了影响中厚板厚度波动的因素，结合安钢中板厂2800mm轧机按合同轧制一批交货重量不大于理论重量船板的生产实践，总结了实际生产中实现高精度厚度控制的有效方法。     

中厚板轧机工作辊磨损预报模型的研究

本文分析中厚板轧机工作辊磨损的特点，提出一套针对于中厚板轧制工艺的轧辊磨损预报模型及其参数解析方法．通过仿真试验与实测数据的对比证实该模型具有一定的精度，可以用于生产实践．     

中厚板轧制过程中力能参数的预报模型

根据给定的热力耦合热边界条件的计算结果 ,建立了轧制中厚板的二维和三维有限元模型并模拟计算了 (2 30 0～ 2 6 30 )mm× (9～ 72 )mm板坯压下量 7～ 19mm ,轧制速度 3 16～ 4 37m/s ,轧制温度 92 9～10 33℃的轧制力 (2 6 6 0 0～ 5 0 0 0 0kN)和轧制力矩 (780～ 32 0 0kN·m)。结果表明 ,轧制力计算值和测量值的相对偏差为 1 30 %～ 9 37% ,轧制力矩的相对偏差为 3 6 9%～ 9 75 %。二维模拟和三维模拟的结果基本一致。     

中板轧机轧制压力人工神经网络预报

基于人工神经网络软件Matlab，采用改进的BP(Back Propagation)网络Levenberg-Marquardt训练规则，根据中板轧件入口厚度、出口厚度和宽度、轧辊直径、轧制速度和温度、轧件主要成分等输入参数，优化计算2350中板轧机的轧制压力和力矩。通过该网络的μ参数的自适应调整，提高收敛速度，使2350中板轧机轧制力和力矩的预报精度显著提高。轧制压力的BP网络预报值相对误差小于3％，轧制力矩的BP网络预报值相对误差小于4％。     

控轧控冷工艺在2500mm中厚板生产线上的应用

本文介绍了控轧控冷工艺在韶钢二轧厂2500mm中厚板生产线上的应用情况和主要特点。     

浅谈中厚板车间的平面布置设计

本文叙述中厚板车间平面布置的重要性、应明确的条件、布置的特点与基本的要求,为中厚板设计和改造提供参考。