共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
针对马鞍山钢铁股份有限公司CSP生产线7机架连轧机轧制MGW1300电工钢产品时出现的轧制力设定值与实测轧制力误差较大的问题,对影响轧制力的主要因素--变形抗力进行了研究,提出通过保证良好的板凸度指标来间接修正变形抗力理论计算值的新方法.首先根据实测轧制力采用西姆斯公式计算变形抗力初始值,然后利用三维有限元模型对变形抗力初始值进行迭代修正,使板凸度误差达到5%以内.现场应用表明,在MGW1300产品轧制过程中,用该方法得到的变形抗力修正值,提高了在线轧制力预设定模型的预设定精度,减小了厚度波动,改善了板形质量,为电工钢稳定生产提供了保证. 相似文献
3.
4.
采用现场生产4J36稳定轧制时的实际数据,基于最小二乘原理,利用SPSS软件回归得到了4J36热轧板带变形抗力模型中的各个参变量。将回归的变形抗力模型带入西姆斯轧制力计算公式进行计算,通过比较与实际轧制力的误差,认定变形抗力回归结果适用于现场工艺设定与调整。 相似文献
5.
热轧相变过程变形抗力模型研究与开发 总被引:1,自引:0,他引:1
对精轧阶段存在相变的热轧钢种,因变形抗力随轧制温度的变化规律与常规的奥氏体轧制钢种显著不同,使得传统变形抗力模型的预报误差较大,严重影响这类钢种的轧制稳定性。为此,研发了一种热轧相变过程变形抗力模型,通过在原变形抗力模型基础上添加一个新的相变趋势项,该修正项为轧制温度的二次多项式函数,并根据钢种分类来精细优化适应不同钢种轧制的多项式待定参数。该模型目前已成功应用于涟钢CSP热连轧生产线变形抗力在线计算,实际生产应用表明,新模型上线后,变形抗力与轧制力的预报精度显著提高,轧制力模型预报误差12%以内的比例从83.3%提高到96.7%,满足了热连轧精轧相变带钢的稳定生产要求。 相似文献
6.
采用原始静态变形抗力模型,并考虑入口、出口弹性变形轧制力对模型的道次影响系数,进行计算优化,建立了1个优化的变形抗力模型。2种模型的对比表明,优化的模型精度更高,提高了轧制力的计算精度。 相似文献
7.
8.
9.
10.
11.
12.
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。 相似文献
13.
利用MMS-200热力模拟试验机对510 MPa级含钒低合金钢在850~1 100℃温度区间变形抗力进行研究,分析试验中变形温度、变形速率和变形程度对变形抗力的影响规律,并根据试验研究结果优化和完善热连轧变形抗力数学模型,该品种轧制力预报误差由8%~10%降低到5%以下,有效提高了过程控制数学模型的预报精度。 相似文献
14.
轧制力的计算受变形抗力、摩擦系数、轧辊压扁等多种轧制因素影响,是一个非线性关系.对冷连轧轧制力模型进行了研究,考虑轧制变形区内金属塑性变形和入、出口弹性变形,采用将变形区离散化的方法,建立冷连轧机轧制力数学模型.经实践数据检验,该轧制力模型的计算结果误差小,能较好的满足生产需要. 相似文献
15.
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。 相似文献
16.
冷连轧的主要工艺参数为轧制力和前滑,而轧制力和前滑设定计算的精度取决于轧件的变形抗力和摩擦因数的精度,变形程度是影响变形抗力的一个重要因素,将所选变形抗力回归模型经过取对数等变换成线性函数,以鞍钢生产的St14钢为例,利用现场实际数据通过最小二乘来逐次拟合变形抗力回归模型中的系数。在同一轧制条件下,摩擦因数用3种不同的获得方法,其中前2种是由实测前滑值反算得到的,以使所得模型能够很好地与实际生产的数据相吻合。用回归出的3种不同变形抗力模型,分别带入轧制力迭代公式进行计算,所得轧制力基本与实测轧制力相符,其中由斯通公式拟合出的变形抗力回归模型计算出的轧制力平均误差很小,由此可以选出最优的变形抗力模型来应用于实际生产中轧制力和前滑的预设定。 相似文献
17.
摘要:轧制力是影响中厚板厚度精度和板型的关键因素。兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力,精度较低。为提高轧制力预报精度,首先基于大量历史生产数据,通过主成分分析法对影响轧制力的因素进行处理和分析,选出权重较大的影响因子;其次选取现场代表钢种进行热模拟压缩实验,在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型,即先通过化学成分计算出基准变形抗力,再将其作为轧制力神经网络输入变量进行轧制力预报。建模采用10折10次交叉验证确定最佳网络隐层节点数,并用现场实际生产过程数据对网络进行训练与测试。综合神经网络模型投入现场生产,轧制力预报相对误差±10%以内占比提高15.61%,钢板头部厚度命中率提高1.9%。 相似文献
18.
19.
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。并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南钢3 500 mm精轧机过程控制系统中,获得了良好的效果。 相似文献
20.
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。 相似文献