冷连轧轧制力模型预计算精度提升

轧制力预计算是冷连轧轧制模型计算中关键,准确的轧制力计算有利于FGC的稳定。通过介绍日立五机架UCM冷连轧轧机二级系统中轧制模型的计算过程,梳理影响轧制力计算的主要因素,并针对轧制力模型计算常见问题进行分析优化,通过优化模型参数,提高轧制力模型计算的精度。

提高冷轧过程控制轧制力模型的设定精度

选择考虑冷轧带钢轧制过程变形区金属塑性变形和入、出口弹性变形的Bland-Ford-Hill模型作为冷轧过程控制轧制力模型并进行分析,确定出变形抗力和摩擦系数是影响轧制力最主要的两个因素。提出用间接法(变形抗力模型和摩擦系数模型的自适应学习)和直接法(轧制力模型本身的自适应学习)来提高轧制力模型的设定精度。实际应用结果表明,上述两种方法的综合效果使轧制力模型设定精度明显提高且性能稳定,可满足在线控制的需求。

2800mm中厚板轧机轧制力模型研究

在考虑温度场对轧制力能参数影响的条件下，利用ＡＮＳＹＳ软件对热轧板带的塑性 变形过程进行了力能参数的计算，并由此获得 ２８００ ｍｍ轧机轧制压力的计算模型．经在武钢 ２８００ ｍｍ轧机生产现场实测大量数据，进一步完善轧制力模型，使之具有良好的计算精度．

冷连轧第5机架轧制力模型

在冷连轧轧制过程中,综合考虑轧件、轧辊的弹性变形和轧件的塑性变形,将轧件的受力变形区分为:入口弹性变形区、塑性变形区和出口弹性变形区·采用数值积分法,迭代计算入口弹性变形区和塑性变形区的轧制力,用出口区单位压力分布曲线围成的面积和轧件宽度的乘积近似计算出口弹性变形区的轧制力,两者求和即得到第5机架轧制力计算模型·用现场记录的不同钢种和规格的多组数据进行仿真计算,结果表明,该模型满足冷连轧生产轧制力预计算所需的精度要求·

基于目标函数的冷连轧轧制力模型参数自适应

为提高轧制力模型的预报精度,提出了一种基于目标函数的轧制力模型参数寻优方法 .该方法通过建立轧制力模型参数自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,采用Nelder-Mead单纯形算法对目标函数进行求解,从而获得满足轧制力精度的模型自适应系数.本文提出的轧制力模型参数自适应方法已应用于某1 700 mm五机架冷连轧机组.现场应用表明:采用轧制力模型参数自适应后,轧制力模型计算值与实测值的均方差由不采用自适应的12.9%降至3.2%,证明该参数自适应方法能显著提高轧制力模型预报精度,满足在线控制要求.

基于人工神经网络铝箔轧机轧制力模型

采用BP神经网络原理对1350mm铝箔轧机轧制数据重新处理，建立了基于人工神经网络的轧制力模型.结果表明，用人工神经网络轧制力模型的计算值与实测值相比较偏差＜3％.该模型较真实地反映了轧制过程的特征.

基于自适应遗传算法的冷连轧轧制力模型自学习

为提高轧制力模型的设定精度,以包含冷连轧带钢轧制过程变形区金属塑性变形和入口、出口弹性变形的Bland-Ford-Hill模型作为冷连轧轧制力模型,提出利用改进自适应遗传算法对平均变形抗力和摩擦系数进行寻优搜索,得出满足实际轧制力精度的平均变形抗力和摩擦系数,进而通过指数平滑法计算出平均变形抗力和摩擦系数的自学习系数,实验结果表明,该模型自学习后轧制力的设定精度可以满足在线控制的要求。

冷连轧轧制力模型中变形抗力和摩擦系数的分析

在冷连轧的轧制力模型中,通常需要对金属的变形抗力和摩擦系数进行比较精确的计算。本文首先给出一种适用于冷连轧的变形抗力和摩擦系数计算模型,将其应用于Bland-Ford-Hill轧制力模型。同时,讨论了变形抗力和摩擦系数计算模型中参数的优化方法,并根据实测的轧制力数据,利用最小二乘法确定各种模型参数。将基于这种变形抗力和摩擦系数计算模型的轧制力计算结果与现场实测数据进行比较,结果表明,轧制力计算精度与实测值相近,可用于冷连轧生产实践。

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。

双机架可逆冷轧机轧制力模型的改进

分析了济钢双机架可逆冷轧机(CCM)轧制力模型及其影响因素。在原有模型基础上,对相关参数尤其是摩擦系数模型和屈服强度的适应性进行了改进。通过推导与现场实际结合,对改进前后的轧制力模型进行了对比分析。结果显示,改进后模型轧制力差比值比改进前模型小6%。

基于人工神经网络的扁钢轧制力模型

根据BP人工神经网络算法原理，结合某厂型钢轧机轧制扁钢时的轧制力实测数据，对扁钢轧制力进行建模．结果表明，神经网络用于轧制力建模是可行的，所建模型系统误差＜1％，模型计算值与实测值的偏差＜4％，较好地反映了实际轧制过程的特征．

CSP生产线轧制力模型研究

根据Sims公式和Bland-Ford-Hill公式计算了武钢CSP生产线7机架的轧制力,并与实际轧制力对比分析,偏差较大。这是由于CSP线采用了工艺润滑,摩擦状态复杂,现有模型不再适用,为此,针对CSP线建立了新的轧制力数学模型。结果表明,新模型计算值与实测值基本吻合,计算精度较好,预报准确率大幅提高。

铁素体热轧轧制力模型的改进

为了实现IF钢铁素体区热轧 ,通过对宝钢 2 0 5 0mm热连轧机轧制力预测模型的分析 ,并结合实验结果 ,对精轧轧制力模型进行了改进。改进后的模型对温度影响采用了分段处理的方法 ,并引进了静态软化影响参数 ,使铁素体区轧制力预测精度显著提高。

冷轧铜板带斯通轧制力模型研究

对冷轧铜板带轧制力模型进行研究,通过算例比较得到斯通公式更适合铜板带冷轧情况。分析了布兰德-福特公式和斯通公式两种轧制力计算公式。采用不同的摩擦系数模型计算摩擦系数,使用实测数据对变形抗力模型通过最小二乘法进行拟合,将拟合所得数据代入斯通轧制力公式中计算,并将计算值与实际测量值进行比较,结果表明:采用多项式的变形抗力模型,利用斯通公式和前滑值获得摩擦系数,代入斯通轧制力公式中计算出的轧制力与实际轧制力吻合较好。

SMS轧制力模型在冷轧机上的适应性优化与应用

在济钢双机架可逆式冷轧机生产过程中,SMS轧制力模型中的设定轧制力与实际轧制力有较大偏差,在分析原有模型的基础上,改进相关参数,特别对压扁半径、咬入角和中性角做了适应性的改进,通过推导和现场生产相结合,运用改进的轧制力模型,对比分析改进前后数据可知,改进后的模型精度优于改进前,轧制稳定,效果良好。

融合工业大数据的热轧厚板轧制力模型研究

目的针对传统解法建立的轧制力模型精度不足的问题,建立一个轧制力整合模型。方法对工业大数据进行归一化处理,系统优化了神经网络模型的结构形式,建立了一个神经网络模型。在此基础之上,利用误差间距补偿的方法实现神经网络模型与已有理论模型的有机融合,从而最终获得了轧制力的整合模型。结果通过与已有的轧制力模型进行对比,表明所提出整合模型预测结果与实测值吻合更好,其中轧制力误差为?4.09%,轧制力矩误差为?4.01%。结论该模型整合方法能够实现理论模型与神经网络模型的优势互补,从而给出物理概念与预测精度均可靠的计算结果。

双金属复合管固-液铸轧复合轧制力模型研究

以传统双辊铸轧技术为基础,提出一种双金属复合管固-液铸轧复合近终成形工艺,利用专门的环形布流器,将液态覆层组元金属均匀地注入铸轧辊圆孔型与芯管基材所构成的环形结晶器内,利用快速凝固与轧制复合技术,将覆层金属均匀包覆于芯管基材表面。为揭示铸轧区内铸轧辊-覆层金属-芯管基材间的相互作用力学行为,利用Fluent软件对环形结晶器内覆层金属凝固过程进行热-流耦合分析,确定固相轧制复合变形计算区域。假设芯管基材为刚性体,可将固相轧制复合变形阶段视为纯减壁的带芯棒轧管过程,并依此推导固-液铸轧复合过程的轧制力工程计算公式,给出各参数的取值方法。在实验室条件下成功制备了外径38 mm、基层与覆层厚度均为4 mm的不锈钢/铝复合管,轧制力实测值与模型计算结果基本吻合,验证了工程计算公式的可靠性。研究成果对复合管固-液铸轧复合装备及工艺设计提供了理论依据。

CSP生产线轧制力模型的研究及优化

分析了涟钢CSP生产线7机架精连轧机的板带轧制力模型,并针对其在实际生产过程中遇到的一些问题,提出了改进方案,即基于原轧制力模型进行优化,建立了新模型。同时确立了新的变形抗力模型方程。由优化前后的计算和对比分析可知,新模型的精度更好,在生产实际应用中对轧制力的预报准确率大幅度提高。

锆合金管材两辊冷轧的轧制力模型建立和应用

管材皮尔格两辊冷轧过程中的轧制力影响成品管材的尺寸精度、轧制模具寿命以及轧制过程的稳定性。本研究基于Neumann-Siebel轧制力计算方法,考虑了轧辊弹性变形和空减径对轧制力的影响,依据Hitchcook方程对其进行了修正,利用Matlab软件建立了皮尔格两辊冷轧过程中的轧制力计算模型,并以KPW25轧机轧制Zr-4合金管材的轧制过程为研究对象,通过实验验证了该模型的可靠性。以R6072锆合金管材轧制为例,通过该轧制力计算模型分析了孔型曲线、管坯壁厚、送进量和摩擦对轧制力的影响。结果表明:轧制力在空减径段缓慢增加,进入减径减壁段后迅速增加至峰值,之后缓慢降低;孔型曲线对轧制力的分布有显著影响,当孔型指数等于2.0时,轧制力分布最为合理;轧制力随管坯壁厚、送进量和摩擦力的增大而增加。

平整机轧制力模型在锡板连退中的研究与应用

轧制力是影响带钢平整质量的关键因素。通过分析平整机轧制力模型,充分考虑该平整机的设备工艺特点和实际工况,建立锡板连退平整机合适的轧制力模型。基于目标函数最小值,采用粒子群优化算法,通过调整模型参数提高轧制力模型预报精度。实际应用结果表明:该轧制力模型具有较高的预报精度,对实际现场具有较好的指导作用。