冷轧变形抗力模型研究

冷轧轧制力计算模型是过程控制的核心和基础,而轧制力计算的基础为变形抗力,因此提高变形抗力计算精度是提高轧制力计算精度的一条有效途径。为此,笔者首先通过实际轧制力数据反算变形抗力,然后使用数据分析软件对变形抗力进行曲线拟合。由于根据曲线拟合公式计算出的轧制力与实际轧制力存在差距,因此为了提高轧制力的设定精度,根据带钢压下率对轧制力进行了补偿。现场实际应用证明,这种方法能有效提高轧制力设定精度。     

基于热轧工艺参数的冷轧变形抗力预报建模研究

变形抗力作为冷轧工艺设定中重要的材料和控制参数,计算精度直接影响到轧制力设定精度,继而影响带钢平坦度等质量指标的控制精度。针对变形抗力机制模型设定精度低、无法考虑热轧过程参数遗传影响等问题,采用鲸鱼优化算法(WOA)优化BP神经网络建立预测模型(WOA-BP),并通过现场收集的热、冷轧历史过程工艺参数对模型进行训练。WOA-BP模型预测结果表明,平均绝对值误差为10.42,平均绝对百分比误差为1.22,平均均方根误差为13.13,均优于BP神经网络模型,弥补了BP神经网络处理复杂的非线性问题训练时间长、预测精度低等缺点。与传统依托冷轧单工序建立的机制模型相比,考虑热轧工艺参数后,变形抗力预测误差由±15%降低至±6%,应用于L2级系统模型设定后,轧制力精度平均提高了2.09%。     

冷轧薄板的变形抗力

为了提高板材冷轧过程数学模型的精度,使其在严格调整和操作薄板轧机与极薄板轧机中选择最佳压下规程,以便在确定电力参数与动力参数时使用,黑色冶金研究院研究出计算低碳钢屈服极限在变形区中变化     

基于复合神经网络的热轧变形抗力模型研究

为反映材料化学成分波动对变形抗力的影响效果,基于自适应线性神经网络和径向基神经网络技术,建立了以典型化学成分和机架入口温度作为输入,变形抗力修正系数作为输出的热轧带钢变形抗力修正网络.利用实际生产数据,对奥氏体变形抗力修正网络进行了训练、验证和测试,并与在线模型的自适应值、独立的BP网络和RBF网络的预报值进行了对比....     

基于广义可加模型的热轧变形抗力预报

基于热连轧生产过程实测数据,建立一种具有广义可加形式的热轧带钢变形抗力模型。首先,提出基于广义可加模型框架的热轧带钢变形抗力建模方法,包括变量预分析、模型设定、模型估计与结果分析等步骤;给出了估计模型各自变量平滑函数的back-fitting算法。接着,针对宝钢1880精轧机组进行建模实验,通过收集覆盖多钢种的带钢样本数据,建立了热轧带钢变形抗力的广义可加模型,采用三次光滑样条来估计各个模型自变量的单变量函数,获得了变形温度、变形程度、变形速率等因素对变形抗力的影响规律。实际建模实践表明,新模型的结构优于宝钢1880在线模型,具有计算精度高、适应钢种范围广等优点,可用于热连轧生产在线过程控制。     

基于实测数据的热轧带钢变形抗力模型

采用热连轧生产过程实测数据,建立一种新型结构的精轧带钢变形抗力模型。首先,提出热轧带钢变形抗力广义相加模型的建立方法,包括清洗数据、建立子模型、验证子模型、修正子模型等建模步骤,给出了求解广义相加模型的局部积分算法。接着,针对某热连轧生产线进行变形抗力建模实验,基于收集到的大量热连轧带钢生产历史数据,根据轧制机理和先验知识对各模型自变量进行函数变换预处理,再采用参数估计方法并指定变形抗力模型的基本形式,通过局部积分算法迭代计算确定各自变量的单变量光滑函数。预测实践表明,新模型计算精度高于该热连轧机组在线模型,具有计算精度高、适应性强等优点。     

热轧相变过程变形抗力模型研究与开发

 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。     

热轧温度对冷轧带钢板形的影响及控制措施

通过对安钢1780热轧生产线热轧温度及产品性能的跟踪研究,分析热轧温度的分布和控制范围对冷轧带钢的板型的影响,结果表明,控制终轧温度在Ar3以上、改进中间保温罩的控制形式及层流冷却系统等措施,可有效降低带钢强度的波动,提高板型质量。     

TSCR流程生产无取向电工钢的冷轧变形抗力模型

利用MTS880、WE-300拉伸试验机对采用TSCR流程生产的3种不同Si+Al含量的无取向电工钢冷轧变形抗力进行了研究,分析了可逆轧制和连轧过程生产方法对变形抗力的影响,并通过试验数据建立了变形抗力数学模型,并对模型判定系数分析和回归计算结果与实际测试结果进行比较,结果表明此模型具有良好的曲线拟合特性。     

热轧参数对粗奥氏体晶粒铌钢变形抗力的影响

通过Thermecmastor-Z热模拟试验机,在900-1 050℃以变形速率1-20 s-1、真应变0-0．7研究了晶粒尺寸800μm的铌钢(％:0．05C、1．44Mn、0．13Nb)奥氏体控轧过程的变形抗力,并建立了变形抗力的回归方程。试验结果表明,随温度增高,铌钢在奥氏体区变形抗力递减;在同一温度下,随变形程度增加,钢的变形抗力增加;同时在给定变形程度下,变形抗力随变形速率增大而增大;变形抗力回归方程计算值与实测值相差≤5 MPa。     

基于人工神经网络的热轧碳钢变形抗力预报

以恒应变速率凸轮压缩试验机得到的实验数据为基础,采用人工神经网络的方法建立了碳钢变形抗力与应变、应变速率及温度对应关系的预测模型,与多元非线性回归模型比较,神经网络模型具有较高的预测精度.     

热轧DP600双相钢变形抗力的研究

本文通过Gleeble-1500热模拟机进行单道次压缩试验研究了热轧DP600双相钢低温点和高温点的变形抗力规律,分析了变形温度、变形速率、变形量对变形抗力的影响。结果表明,温度是最主要的影响因素,变形抗力随温度的升高而降低;随变形速率和变形量的增加而增大。对实验数据进行了回归计算,得到了精确度较高的低温点(500~700 ℃)和高温点(700~1200 ℃)周纪华-管克智变形抗力数学模型。该模型可以为实际生产提供指导。     

温度、变形程度、变形速度对3.0％硅钢高温变形抗力的影响

本文是在实验室条件下,对柱状晶发达的3.0％硅钢连铸坯进行的热塑性变形抗力模拟试验。试验结果表明,在800～1250℃温度范围内,变形程度为8～80％、变形速度为12～120/秒时,3.0％硅钢的热塑性变形抗力(σ_p)随试验温度的升高而减小,随变形程度(ε)和变形速度(?)的增加而增大。与普碳钢BY1比较,在同等条件下,BY1的变形抗力比3.0％硅钢大3～5Skg/mm~2。     

冷轧IF钢变形抗力及机械性能的研究

采用轧制-拉伸法建立了典型IF钢(DT0132、DT0143)冷轧变形抗力的数学模型,并且将IF钢的机械性能和普碳钢作了比较分析.研究结果为制定合理工艺流程提供了依据.     

平均纯变形抗力模型

本文提供了一种用单位纯变形能建立平均纯变形抗力模型的方法.     

变形抗力温度修正系数的优化

针对开轧温度变化大时，出现厚度头部命中率低的情况，根据金属塑性变形理论，从温度对变形抗力的影响分析入手，对变形抗力温度修正系数进行优化，达到了提高头部命中率的目的，提高了产品质量。     

LY12合金热轧变形抗力模型和多道次热轧压下规程计算机程序设计

采用FORTRAN程序建立了LY12合金热轧变形抗力模型，在此基础上用QBASIC语言编制了该合金多道次热轧压下规程电算程序。计算表明，与手工计算相比，程序运行速度快，可机上优化力能参数，极大地提高了设计效率。