退火炉内罩中气体流动及钢卷传热的数值模拟

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%。     

基于深度学习的热连轧轧制力预测

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%。     

基于深度学习的热连轧轧制力预测

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%。     

轧制过程分析工具—热连轧轧制力模型校正软件

在分析影响轧制力计算精度的诸因素基础上，提出一种模拟方法来校正热连轧精轧机组轧制力数学模型组，并利用实测数据结合操作经验增加了修正因子，提高了模型组的计算精度。采用该模拟软件，可对流动应力模型影响轧制力的程度进行分析，也可对传热模型影响轧制力的程度进行分析。     

热连轧机轧制力和轧制力矩模型研究

研究了一种适用于热连轧机的新型高精度轧制力和轧制力矩模型,建立了一个轧制力功系数和轧制力矩功系数的新型指数公式,将两个系数的表达式统一起来,仅含"压下率"和"压扁半径与出口厚度之比"两个影响因子,形式简洁,物理意义明显.给出了新型指数公式中待定参数的确定方法,求得的待定参数值对不同钢种和不同精轧机架具有通用性.预测实践表明,新型轧制力和轧制力矩模型提高了热连轧过程中轧制力和轧制力矩的预报精度,可用于热轧板带生产线精轧机架的在线控制.     

基于信息融合的带钢厚度预测控制

通过把轧制力方程和厚度控制方程在小范围内线性化、离散化,用递推最小二乘法辨识出系统的状态空间模型.给出了基于Kalman滤波法的最优信息融合算法,并针对热连轧这个复杂的多变量系统设计了异步信息融合估计算法.将模型用于热连轧机带钢厚度预测中,同时也预测带钢塑性系数Q.最后把实时预测出的带钢出口厚度和带钢塑性系数应用于带钢热连轧厚度控制系统,提高了带钢厚度质量.     

热连轧精轧轧制力预报模型研究及优化

针对攀枝花钢钒有限公司1450热连轧生产规格变换频繁、同钢种带钢成分波动较大,导致换规格第1块带钢轧制力预报精度较低的情况,研究了精轧轧制力预报模型和其重要组成部分应力状态系数模型和变形抗力模型,结合现场生产数据,分析出化学成分修正系数和变形抗力自学习系数是影响轧制力预报精度的主要因素,从这两方面对模型进行优化,提高了轧制力预报精度。     

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。     

基于混合核PSO-LSSVM的轧制力预测

为了提高板带热连轧轧制力预测精度,建立了利用粒子群优化的混合核最小二乘支持向量机(PSOLSSVM)的预测模型,并将最小二乘支持向量机模型与传统数学模型进行组合,得到组合模型,以进一步提高预测精度。通过采集现场数据,对模型进行训练并离线仿真。结果表明,PSO-LSSVM有更强的学习能力和泛化能力,预测精度得到很大提高,该方法在实际应用中具有很大潜力。     

热轧精轧轧辊摩擦和磨损研究

针对某厂热连轧机采用定值摩擦系数计算轧制力与实际值相差2 000～3 000kN的情况,采用BP神经元网络与NeuroShell2软件对摩擦系数进行预测与检验,建立了符合现场实际的摩擦系数模型,在实际应用中提高了轧制力的预报精度.并根据POMINI公司磨床的辊型曲线,分析了精轧轧辊磨损的基本规律,提出了减小轧辊磨损的具体措施.     

六辊冷连轧机弯辊力设定模型

 基于影响函数法建立六辊冷轧机辊系弹性变形计算模型,从理论上深入分析了主要因素如单位宽度轧制力、中间辊横移位置等对最佳弯辊力的影响,从而建立了合理的弯辊力设定模型。根据中间辊弯辊力与工作辊弯辊力之间存在的关系,建立了更为简化的中间辊弯辊力设定模型,降低了模型现场调试和维护的难度。现场应用效果表明,弯辊力设定值与实测值之间偏差在±20%以外的仅占总数的5.25%,这说明模型具有较高的设定精度。     

CSP生产线轧制力模型的研究及优化

分析了涟钢CSP生产线7机架精连轧机的板带轧制力模型，并针对其在实际生产过程中遇到的一些问题，提出了改进方案，即基于原轧制力模型进行优化，建立了新模型．同时确立了新的变形抗力模型方程．由优化前后的计算和对比分析可知，新模型的精度更好。在生产实际应用中对轧制力的预报准确率大幅度提高。     

切分轧制时轧制力计算的探讨

作为对切分轧制时轧制力计算方法的探讨,文中以武钢１１５０初轧机切轧钢坯工艺的轧制力计算为例,根据力学和运动学知识,在对轧件的受力及运动情况具体分析的基础上,用近似法确定出轧件与轧辊高向上的相对位置及一系列与轧制力计算有关的参数,并采用分区计算的思想,计算出各区的平均单位压力及接触面积,从而计算出总轧制力。     

2030冷轧平整机轧制力模型研究

在研究冷轧平整控制模型的过程中发现 ,带钢延伸率变化与其轧制力密切相关。L2级计算机的轧制力预设值对保持延伸率稳定是一个主要因素。通过研究找出了用轧制力控制延伸率的规律。     

模糊神经网络融合建模方法及其在轧制力控制中的应用

针对目前热轧中神经网络控制模型不能满足一些特殊轧制规律钢种精度要求的问题,在深入研究现有热轧模型建立与优化的基础上,结合模糊控制技术,提出在神经网络的基础上建立基于模糊规则补偿模型的融合建模方法.针对两类特殊钢种的特性,详细阐述了基于模糊规则补偿模型的建立及实际应用过程,并根据实际生产经验给出建模中规则库的建立过程.实...     

Theoretical and Experimental Research on the Rolling Force in Rail Hot Rolling by Universal Mill

 In rail rolling by universal mill, a simplified 3-dimention theoretical model has been built firstly. The kinematically admissible velocity field of the web, head and base of rail have been determined respectively, moreover the corresponding strain rate field and the strength of shear strain rate have been also obtained. Then the plastic deformation power of corresponding deformation zone, the powers consumed on the velocity discontinuity surface and the powers generated for backward slip and forward slip have been proposed. According to the upper-bound method, the roll force of horizontal roll and two vertical rolls can be obtained. Moreover, The process of 18kg/m light rail and 60kg/m heavy rail universal rolling have been simulated by rigid-plastic FEM(finite element method) for verifying the theoretical model. And the universal rolling experiments of 18kg/m light rail has been accomplished in Yanshan University Rolling Laboratory. Compared the results of numerical simulation and the experimental data, the roll force from upper-bound method is somewhat greater than experimental data but in general do not exceed them by 20 percent. So, it is reliable and feasible to preset and optimize the parameter of rolling technology according to the upper-bound method.     

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。     

薄带材轧制的最小可轧厚度理论及数值模拟

 智能制造、电子通信等行业向微型化、集成化方向发展要求不断提升精密轧制带材产品质量,提高厚度精度控制是其中关键组成部分,因此,精密带材轧制过程接触变形区理论研究有着极其重要的意义。以Stone轧制力模型为代表的传统薄带材冷轧理论假设轧辊在接触变形区内保持圆弧状轮廓,利用Hitchcock公式求解接触弧长进而求得平均单位压力,并在此基础上建立了Stone最小可轧厚度理论。在试验及实际生产中很多学者发现有时Stone轧制力计算值与实际值相差甚远,这是由于某些轧制工况下接触变形区内存在中性区,轧辊圆弧状假设不再适用。中性区的存在使轧制力剧烈增大而带材金属延伸变形增加甚微,即轧制难度增大、轧制效率降低。通过对不同厚度薄带材轧制过程进行有限元分析,得到了不同道次压下率下接触变形区轮廓与接触压力分布的变化规律,带材初始厚度越小或道次压下率越大,接触变形区内中性区所占比例越大,接触压力分布趋于椭圆形分布;基于Stone轧制力公式建立了考虑轧制效率的薄带材最小可轧厚度模型,对于一定初始厚度与Stone最小可轧厚度比值,根据轧制工艺参数可计算接触变形区内恰好不存在中性区时的临界道次压下率,以此临界道次压下率为依据可确定高效轧制厚度范围及Stone轧制力模型的适用条件,为精密薄带材轧制生产过程提供理论指导。     

基于流函数的H型钢轧制力能参数模型

通过合理的假设对H型钢变形区进行分区.基于流函数方法确定了各个变形区的速度场,建立了H型钢万能轧制力学模型.在此基础上,使用Powell多参数优化算法优化变形区参数以使变形区的总功率达到最小并最终求得H型钢轧制力能参数.计算中采用高斯积分的方法,使得计算结果更加准确.计算结果表明,腹板和翼缘的延伸率相同时,本文模型计算结果与经过实验数据验证的有限元结果的误差不超过1.53%,当偏离标准工况较大时,通过适当修正,亦可保证本文方法的计算精度.在腿腰延伸比λ=1附近时,模型计算的轧制力与有限元结果变化趋势相同.在合理的力臂系数情况下,两者结果吻合较好.     

应用BP神经网络提高冷轧机弯辊力预设定值精确性

简述了人工神经网络的原理，主要介绍了应用BP神经网络提高弯辊力预设定值精确性的过程和结果，解决了热轧板原料材质相同但因性能和板形不同而使弯辊力预设定值和实际值相差较大的问题。