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。     

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。     

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%.     

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.     

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。     

中厚板轧制过程中的温度修正模型

针对中厚板轧制过程中钢板温度场不易精确模拟,传统温度计算模型存在较大计算误差的问题,提出了道次间的钢板温度修正模型。该模型利用上道次的实测数据,如测温仪温度、轧制力等,对钢板的温度场进行修正。并将修正后的钢板温度场应用到后续未轧道次的辊缝修正计算中。实际应用表明,该温度修正模型投入使用后,轧制力预报精度和成品厚度精度有了很大提高。     

铝合金钎焊复合板冷轧工艺分析及轧制力计算

文章针对4343/3003/4343铝合金钎焊复合板,介绍了其冷轧复合的工艺方法及冷轧过程中的影响因素。并介绍了本公司与某铝业公司合作开发的Φ850×1500mm铝合金钎焊复合板冷复合机组的轧制力参数计算。     

末道次轧制力锁定法在中厚板规程计算中的应用

  在中厚板轧机无液压弯辊条件下,为防止传统轧制规程计算方法造成的板形问题,提出了一种末道次轧制力锁定的轧制规程计算方法。该方法将操作工提前给定的末道次轧制力作为轧制规程计算的约束条件之一,通过控制道次规程末道次的轧制力达到控制板形的目的。实际应用结果表明,该方法使操作工能够根据经验对板形进行有效控制,明显减少中浪、边浪等板形问题,具有良好的使用价值。     

用弹塑性有限元模拟双金属复合板轧制

应用大型有限元软件ANSYS/LS-DYNA对双金属复合板的轧制过程进行了数值模拟，获得了单位轧制压力的分布情况，并由此计算出双金属复合板的轧制力，模拟结果证实了应用显式动力学弹塑性有限元法模拟双金属复合板轧制的可行性，且计算所得轧制力与实验结果吻合较好。     

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     

Long-and Short-Term Self-Learning Models of Rolling Force in Rolling Process Without Gaugemeter of Plate

.Owing to a lack of gaugemeter and the variety of steel grades and standards in some plate mills,the longand short-term self-learning models of rolling force based on gauge soft-measuring with high precision were brought up.The soft-measuring method and target value locked method were used in these models to confirm the actual exit gauge of passes,and thick layer division and exponential smoothing method were used to dispose the deformation resistance parameter,which could be calculated from the actual data of the rolling process.The correlative mathematical methods can also be adapted to self-learning with gaugemeter.The models were applied to the process control system of AGC (automatic gauge control) reconstruction on 2 800 mm finishing mill of Anyang steel and favorable effect was obtained.     

双金属复合板轧制力的工程法计算

将轧制复合变形区分为三个亚区域,并依据双金属复合轧制时软、硬金属变形规律确定界面摩擦力的方向,应用工程法推导出双金属复合板轧制力计算公式,其预报结果与实测结果吻合得较好,从而为计算双金属复合板思制力提供了一种有效的方法。     

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。     

基于实测值的自适应算法在中厚板轧制中的应用

提出了一种应用于中厚板轧制的道次间自适应算法.该算法以实测数据为基础,通过实测轧制力与实际计算轧制力的比值决定轧制力模型学习量的大小,做到了真正意义上的以实测数据来校正模型,从而使设定的模型有较好的自学习功能,并在实际应用中表现出较好的学习效果.     

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。     

异步单机连轧机轧制压力公式推导

从异步单机连轧塑性变形区的特点出发，推导异步单机连轧机轧制压力公式，用此公式计算的结果与实测值较为符合。这对研究异步轧制的最佳工艺条件，制定合理的轧制规程等具有重要意义。