锥辊辊系与平辊辊系下大型锥形筒体轧制辊系优化研究

针对大型锥形筒体轧制成形轧机辊系配置问题, 研究了锥辊辊系与平辊辊系2种配置条件下筒节的轧制成形过程。基于有限元DEFORM软件建立了锥辊与平辊2种辊系配置下2.25Cr1Mo0.25V钢大型锥形筒体的轧制过程模型, 并对模型的可靠性进行了评估;仿真分析了2种辊系配置下辊系参数对轧制过程的影响。结果表明, 2种辊系配置下, 外辊尺寸对锥形筒体塑性变形和温度场分布的影响比芯辊尺寸的影响更明显;2种辊系配置都存在最佳的外辊等效半径和芯辊等效半径使得大型锥形筒体轧制变形最为均匀, 外辊最优等效半径为990 mm, 芯辊最优等效半径为700 mm;锥辊辊系配置下筒体等效塑性应变效率更高、温度分布更均匀, 锥辊辊系轧制效果优于平辊辊系。     

基于Lade-Duncan准则的巷道围岩抗力系数

基于Lade-Duncan屈服准则,合理考虑中主应力、剪胀特性以及塑性区真实弹性应变的综合影响,推导出巷道围岩抗力系数表达式。结果表明：与Mohr-Coulomb强度准则下的围岩抗力系数计算值对比,考虑中主应力影响的Lade-Duncan准则能充分发挥围岩的强度潜能,提高围岩抗力系数;剪胀特性对围岩抗力系数影响不可忽视,不考虑围岩剪胀特性,将高估巷道围岩抗力系数,设计偏危险;另外,假定塑性区的弹性应变为常数将高估围岩抗力系数,在围岩剪胀性较强时误差更明显,实际工程中应考虑围岩塑性区真实弹性应变。     

基于广义回归网络的金属变形抗力预测

金属的变形抗力是表征钢材压力加工性能的一个基本量,正确确定不同变形条件下金属的变形抗力,是制定合理的轧制工艺规程的必要条件。以往许多研究者在建立变形抗力与变形量、变形速度及温度的关系模型时,采用多元非线性回归对实测的数据进行处理,得到相应的变形抗力模型。该方法首先要对变形抗力模型的函数类型做出假设（如通常采用指数型函数）,而实际上变形抗力的变化规律并不能在大范围内与所选择的函数类型完全一致。特别是考虑静态再结晶,应变积累,动态再结晶,相变等因素的影响时,变形抗力的变化很复杂,难以用所选定的函数来描述,因而这种方法势必带来较大的计算误差。人工神经网络是在模拟脑神经对外部环境进行学习过程中建立起来的一种人工智能模式识别方法,具有适应性强和能够处理复杂非线性问题的特点,广泛应用于解决非线性系统以及模型未知系统的预测和控制。     

厚煤层综放开采顶煤分区破坏特征研究

顶煤破坏机理是综放开采的一个基本理论问题,研究顶煤渐进破坏过程可为冒放性准确判别奠定基础。为提高顶煤冒放性预测精度,采用理论分析、数值计算和现场实测等手段对山西新柳煤矿顶煤分区破碎特征进行了研究。将液压支架简化为恒刚度弹簧建立顶煤力学模型,借助Ritz法和最小势能原理得到了工作面前方和控顶区上方顶煤位移场和应力场,分析了考虑初始地应力和开挖卸荷效应的采动应力分布特征;定义顶煤破坏危险性系数为应力圆半径同圆心至强度曲线垂直距离之差,实现顶煤破坏危险程度的定量表征;根据破坏面上正应力大小将剪切破坏划分为压剪和拉剪2种形式,推导出2种剪切破坏模式之间的过渡条件;以顶煤破坏危险性系数k=0等值线、水平应力σh=σts等值线和控顶区上方抛物线形拉剪破坏边界线为界,将顶煤划分为弹性状态→压剪破坏→拉剪破坏→拉伸破坏4个阶段;对综放开采顶煤渐进破坏过程进行了模拟分析,借助FISH语言对顶煤破碎分区进行提取,模拟结果同理论结果较为吻合,但控顶区上方顶煤漏斗形拉剪破坏区同拉伸破坏区之间存在一条狭窄的剪切-拉伸混合破坏带;最后对顶煤裂隙发育特征进行了实测,煤壁前方为闭合型剪切裂隙,煤壁后方为张开型拉伸裂隙...     

大型卷板机的力学模型

基于材料弹性和塑性变形规律及材料力学的理论,通过对板材卷制过程中的受力状况的分析与研究,提出了板材在成型过程中的变力状况:挠曲变形力、弹性变形抗力、塑性变形抗力;给出了影响卷制力的主要因素是挠曲变形力;建立了板材变形率与卷制力之间关系的数学模型。     

软岩屈服面流变本构模型及围岩稳定性分析

用先高围压固结再卸载的三轴剪切蠕变试验方法模拟深部矿井软岩巷道开挖过程中应力状态随时间的变化过程,通过大量的试验获得:在试验围压范围内软岩蠕变强度包络线可以用Mogi-Coulomb准则来描述;侧向卸荷条件下软岩具有十分明显的剪胀性,且体积应变占总应变的10%～20%。为了全面反映极软岩在卸载状态下的蠕变变形规律,提出了考虑体积变形的Mogi-Coulomb屈服面型流变本构力学模型。对淮南某深部矿井软岩三轴蠕变试验和巷道开挖支护过程进行了有限元数值模拟,结果表明:提出的蠕变本构模型能够较好地反映软岩的剪胀性和体积应变等蠕变变形规律,数值模拟结果和现场实测吻合良好。     

基于改进遗传算法优化BP网络的轧制力预测研究

为提高铝热连轧轧制力预报精度, 满足现场生产需求, 采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本, 在遗传算法的初始化和变异机制中引入混沌序列, 同时选择最优保存机制、动态调整交叉率和变异率等方法, 提出了改进的遗传算法, 并将其与改进的BP算法相结合, 对多层前馈神经网络权值阈值进行优化, 避免学习中陷入局部最小, 使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内, 该预测精度明显优于传统数学模型, 实现了铝热连轧轧制力的高精度预测。     

基于数据相似性的铝热连轧轧制力模型自学习

针对铝热连轧中轧制力预报精度低、模型自适应能力差的问题, 提出了基于数据相似性的自学习方法, 该方法首先计算第i卷和第i+1卷轧制初始数据的相似程度, 然后以第i卷的实测轧制力为自学习目标, 将两卷带材的相似程度作为自学习系数的修正因子来对轧制力模型进行自学习运算。以河南某1+4铝热连轧机为实验对象, 通过对现场实测数据的分析表明: 本方法能有效提高轧制力预报精度, 满足在线控制要求。     

基于布谷鸟算法的铝热连轧轧制规程优化

根据轧制原理, 提出了支持向量机建立轧制力预报模型, 并通过布谷鸟算法优化支持向量机参数, 达到提高预报精度的目的。提出了支持向量机网络与数学模型结合的方法, 对某“1+4”铝热连轧厂现场采集的5052铝合金轧制数据进行离线仿真, 进一步提高了轧制力预报精度。在轧制规程设定中, 建立了以预防打滑为主的电机功率剩余程度相近目标函数, 并用布谷鸟算法对压下率进行优化, 结果表明, 该规程有很好的预防打滑效果, 并能保证各机架电机的功率剩余程度相近。     

基于沈珠江双屈服面模型理论的土体弹塑性模型

由于常用的邓肯E-μ、E-B模型的经验公式不能同时很好地反映粗粒土三轴剪切试验结果低围压剪胀、高围压剪缩变形特点,邓肯E-μ、E-B模型基于的广义虎克定律不能反映土体剪胀剪缩特性,所以笔者应用笔者发现的三轴剪切体变规律和沈珠江双屈服面模型理论相结合建立了基于沈珠江双屈服面模型理论的弹塑性模型,该模型能够很好地反映土体的剪胀剪缩特性,能够准确地拟合等围压剪切试验结果,能够很好地预测等应力比路径,等平均主应力路径,等大主应力,小主应力减小路径,小主应力和剪应力同等减小的应力路径的试验结果。     

镗滚压φ250油缸

根据该厂在加工大孔径油缸过程中暴露出的一些问题,设计φ250滚压头,采用滚压头对油缸进行镗滚压,使加工油缸更简单,质量更可靠,提高了生产效率。     

双轴平动椭圆振动筛设计中的两个问题

介绍了一种双轴平动椭圆振动筛设计时力心的确定法,分析了激振器轴的变形及其对振动筛的运动参数、抛掷指数、筛箱强度及激振器滚动轴承寿命影响。设计实践表明：力心的确定方法简单易行、准确可靠;激振器轴刚度较小时,设计中应当考虑其变形对振动筛产生的影响,特别应考虑对激振器滚动轴承寿命的影响。     

A class of vortex flows in granular medium

The authors study numerically a problem on vortex flows in bounded domain in granular material using discrete element method. The granular material is composed of spherical particles with the assigned distribution of radii. Dry friction and rolling resistance at particle interfaces are taken into account. The kinematic patterns of granular material specimen deformation are described, and the trajectories of some particles are shown. The article gives values of normal and shear stresses acting at the study domain boundaries from the side of the material.     

基于DBN算法的热轧高强钢薄板轧机振动预报研究

针对热轧高强钢薄板生产过程中轧机出现剧烈振动、造成产品质量不高和设备损坏等问题,深度挖掘钢铁工业积累的轧制实时监测数据(PDA数据),提出采用DBN算法和GA-BP算法建立轧机振动预报模型,从而对轧机振动进行预报。首先通过建立轧机垂直振动数学模型,分析轧机振动机理,然后建立振动预报模型,并利用现场实测数据训练其精度,结果表明,本预报模型预测结果的误差在3.94%以内,可以用于轧机振动的预报。建立了轧制工艺参数和轧机振动强度的定量关系,为轧制制度的改进以及在轧制过程中实现快速减弱甚至消除轧机振动提供参考。     

PCA降维技术在弯辊力预设定中的研究与应用

为了提高冷连轧带钢弯辊力预设定模型的计算效率, 在原有基于GA-BP神经网络的弯辊力预设定模型基础上, 引入主成分分析(PCA)数据降维技术, 通过PCA将原有10个轧制参数变量转换为3个主成分变量, 降维后的主成分变量包含了原始实测轧制参数93.55%的信息, 实现了轧制参数特征的有效提取; 将其作为神经网络的输入, 建立PCA-GA-BP新形态弯辊力预设定模型, 简化了模型结构。以某1 450 mm冷连轧生产线数据作为样本比较了2种模型的计算性能, 结果表明, 2种模型均具有较好的泛化能力, 在保证带钢头部板形精度的基础上, PCA-GA-BP模型与原模型相比迭代次数减少86次, 计算时间缩短73 ms, 预报效率显著提高。     

基于Φ函数的铝热连轧防打滑轧制规程优化

针对铝材轧制过程中的打滑现象提出了预防热轧打滑的判断条件, 并提出了预防打滑为主的综合电机功率剩余程度相近的目标函数, 建立了轧制规程多目标优化的数学模型, 并应用果蝇优化算法对压下率进行了优化。在河南某铝热连轧厂对5052铝合金加工进行轧制规程优化, 将Φ函数负荷分配法应用到轧制规程中, 结果表明: 合理的负荷分配能较好地实现各电机在功率上的剩余程度相近, 并有很好的预防打滑效果, 证明Φ函数负荷分配法制定轧制规程是合理有效的。