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。     

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.     

中厚板轧制过程中轧制力变化有限元模拟

采用动态显式有限元法对中厚板轧制过程进行了分析.分析了轧制过程稳定阶段接触区中厚板单元数、轧辊单元尺寸以及中厚板初始速度选择对有限元分析计算结果的影响,得出了合理的轧制过程有限元模拟参数,并对某中厚板厂15道次轧制过程轧制力变化规律进行了分析,稳定阶段轧制力计算结果与实测结果非常接近.该结果对中厚板轧制过程模拟具有一定的参考意义.     

基于模糊理论的中厚板轧制力学习算法

由于传统的中厚板轧制力计算模型结构简单,并且要测量模型中的一些参数较困难,即使采用一定自适应技术,也难以适应不断提高的中厚板尺寸精度的要求。为了提高中厚板轧机的轧制力预设定精度,笔者采用基于模糊理论计算轧制力参数算法,利用现场采集的数据进行了计算。结果表明,该方法的预测精度优于传统数学模型,预测结果的相对误差基本限制在±6%范围内。     

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。     

3500中厚板轧机轧制力数学模型的研究

以邯钢3500中厚板轧机为研究对象,根据中厚板轧制工艺的特点,对影响轧制力的因素进行了分析.建立了计算中厚板轧制压力的数学模型,并根据实测数据分别进行计算,将所得的轧制压力与实测压力进行了比较,计算值与实测值之间的误差在9%以内.这个轧制力数学模型可用于邯钢3500中厚板轧制压力的预报,指导实际生产.     

中厚板轧制过程中的辊缝设定模型及其应用

结合首钢3500mm轧机改造项目，根据中厚板轧制工艺的特点，详细分析了中厚板轧制过程中辊缝设定模型的各种影响因素，并给出了相应的高精度补偿模型，如轧机的自然刚度、油膜厚度变化等。分析了轧件入口厚度偏差对辊缝设定的影响及其在线消除。现场的在线应用结果表明：运用给出的辊缝设定模型，可以大幅提高中厚板轧机的辊缝设定精度，为厚度精度的提高和AGC控制打下了良好的基础。     

中厚板轧机轧制力自适应模型设计浅析

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。     

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     

采用混合摩擦模型预报冷轧薄板轧制力

作采用包括粘着摩擦和滑动摩擦在内的混合摩擦模型,研究了冷轧薄板轧制力预报问题,建立了轧制力预报新模型。用新模型对实际生产数据进行了计算,并将理论预报值与实测值和ＭＤＳｔｏｎｅ公式计算结果进行对比,验证了新模型的正确性。     

纯钛板材冷轧的轧制力数学模型研究

为有效控制钛板冷轧过程中的各项工艺参数,对其轧制力数学模型进行了研究.通过Maple软件拟合、钛板冷轧试验、多元非线性回归分析等方法,确定了钛板平均轧制压力模型,进而建立轧制力模型.该模型钛板轧制力计算值与实测值的平均相对误差为8.0%.     

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。     

Dynamic Correction Algorithm of Rolling Force in Plate Rolling

Based on the Shougang plat mill project, an on-line dynamic correction algorithm was analyzed. This algorithm can adjust model coefficients better because the reasonable correction is based on the measured and calculated rolling force. The results of application on site show that this on-line dynamic correction algorithm is effecrive.     

中厚板轧制过程智能化温度预报模型

 采用有限元(FEM)程序模拟计算了中厚板轧制过程中的温度变化,得到与实测温度符合甚好的模拟结果。以模拟计算结果为基础,建立了BP神经网络和回归温度预报模型。采用两种模型对中厚板热轧过程中轧件表面温度变化情况进行了预报。结果表明,神经元网络模型的预报值较回归模型更接近FEM模拟计算值和实测值,可将神经元网络模型应用于中厚板轧制过程中轧件表面温度变化的在线预报。     

冷轧平整机轧制力预报模型精度的探讨

以宝钢冷轧平整机组为例，简要分析了轧制力计算模型的基本形式和影响轧制力预报精度的因素，并提出改善和提高平整机轧制力预报精度的措施。     

考虑轧辊弹性压扁的冷轧轧制力数学模型研究

在冷轧轧制中轧辊会产生弹性压扁,对轧制力影响较大.本文以卡尔曼单位压力微分方程与采利柯夫解为基础,并考虑轧辊弹性压扁建立的单位轧制压力数学模型,具有一定理论意义和实用价值.     

轧制力预报问题中动态网络模型的实现

为提高轧制过程轧制力预报精度,建立了将轧制接触面积由几何关系确定,将影响因素复杂的轧制单位压力通过RBF神经网络预测模型.为适应工况的改变,提出了一种在线动态调整算法,利用新的测试数据对网络进行重新训练,使模型能够调整结构及网络参数,从而使最终设计的网络具有最佳结构.试验研究证明,所设计模型具有良好的适应能力,提高了轧制力的预报精度.