辊速对AZ61B镁合金管材纵连轧成形性的影响

基于Abaqus软件建立了AZ61B镁合金管材连轧有限元模型,模拟和分析了辊速对管材成形性的影响,通过试验验证了模型可靠性。结果表明:在稳定轧制阶段,管材周向壁厚随辊速增加而减薄,且平均壁厚均匀性改善,纵向伸长率与辊速呈正相关,辊速由2.46 r/s增加到2.90 r/s时,周向平均壁厚由5.762 mm减小到5.224 mm,耳子由6.453 mm减小到5.856 mm,纵向伸长率由41.33%增加到51.86%。

钛合金无缝管热连轧温度场模拟

采用有限元法分析了钛合金无缝管多机架连轧下的温度状态。模拟结果表明:随轧制道次的增加,辊底下的外表面温度以逐渐减缓的速率降低,中心温度整体上以逐渐减缓的速率上升,而辊缝下外表面温度持续升高。中心温度的周向不均匀性在奇数道次时减小,在偶数道次时增大,而外表面温度分布的不均匀性与此相反。前一机架压下量与后机架辊缝处温升呈负相关,降低前一机架压下量可显著提升后机架周向温度不均匀性。温度测量和晶粒形貌分析的结果表明,模拟结果与实验结果吻合度较高。

基于改进的BP神经网络无缝钢管连轧轧制力的预测

无缝钢管连轧过程具有多变量、强耦合、非线性等特点,传统的数学模型无法对一些参数进行精确地预测。为了提高连轧过程中轧制力预测的精度,采用改进初始值选取方法来优化BP神经网络,建立改进的BP神经网络的轧制力预测模型。首先,采集某钢厂历史生产数据,进行预处理,通过灰色关联度确定影响轧制力的主要因素;然后,对初始值进行设置,利用MATLAB编写仿真程序对连轧机组轧制力进行预测。结果表明:基于改进的BP神经网络的轧制力预测模型具有很强的学习能力和表达能力,轧制力预测精度得到了很大的提高,对实际的生产具有重要意义。