李立新[1]2003年在《热轧板带的数值模拟、组织预报及工艺优化》文中进行了进一步梳理轧制作为一种成型手段，应对轧件的外部质量和内部质量进行有效的控制，轧件外部质量的控制主要是厚度精度和板形质量的控制，晶粒度是影响轧件内在性能的一个重要指标，细化晶粒可显着提高轧件的综合性能。基于此，本文借助实验研究结果，建立了影响轧件内部性能质量的各相关模型，运用变形有限元法、传热有限元法及晶粒尺寸计算工具对某含硼微合金钢中板的热轧过程进行了计算机数值模拟，预测了轧件热轧后的晶粒尺寸，并根据预测结果对生产工艺进行了优化。本文的研究工作包括：一．材料高温变形时本构关系的实验研究与模型建立以材料在Gleeble－1500热力模拟试验机上进行的单道次等温恒应变速率下的压缩实验结果为基础，系统研究了材料的流动应力与热力参数之间的函数关系，提出了描述加工硬化及动态软化型应力－应变曲线的本构关系模型，数据处理结果表明：模型具有预报精度高，便于对材料加工过程进行数值模拟的优点，从而为准确模拟工件的变形过程奠定了基础。二．轧件内部性能质量主要影响因素的分析及实验研究运用材料在Gleeble－1500热力模拟试验机上进行的单道次和双道次等温恒应变速率下的压缩实验结果及等温条件下的晶粒尺寸测量结果，确立了材料热变形激活能、峰值应变、再结晶开始应变与Z参数的函数关系；建立了材料发生动态再结晶的临界条件以及动态再结晶过程的动力学方程；为确定材料在道次间隙时间里的软化行为，建立了材料静态及亚动态再结晶过程的动力学方程；为预测轧后晶粒尺寸，建立了晶粒尺寸与热加工参数以及描述奥氏体晶粒长大规律的函数关系模型；所有这些模型的建立为预测轧后晶粒尺寸奠定了理论基础。叁．轧件传热、塑性变形仿真模拟系统的建立基于热力耦合刚粘塑性有限元法的数学模型，建立了能够模拟叁维轧制过程的刚粘塑性有限元仿真模拟系统；联合变形、传热有限元仿真模拟系统与材料软化分数及晶粒尺寸计算程序建立了热轧板带产品晶粒尺寸的仿真模拟系统；所有这些程序的编制完成为进行轧制过程的数值模拟、晶粒尺寸预报及生产工艺优化提供了现实计算工具。四．轧制成型质量控制系统的建立、实验验证及生产工艺优化对轧后晶粒尺寸进行了预测计算，与实验结果进行的对比表明，所建立的材料相关模型及仿真模拟系统是正确可靠的；以某中板轧制过程为例，详细分析了轧制变形程度分布、变形速度、变形温度、间隙时间等工艺因素对轧件内部性能<WP=6>质量的影响规律，并利用模拟结果，对实际生产工艺参数进行了优化。上述研究工作对于保证轧件的性能质量、提高轧制生产率、缩短产品试制周期、减少试制费用等都具有十分重要的意义，这种模拟及优化技术理应成为热塑性加工工艺设计的重要工具。
马博[2]2011年在《低合金钢板带热轧过程微宏观多参数耦合建模》文中提出钢铁工业长期以来一直是工业国家的重要产业,其中金属板带材在国民经济和国防现代化建设中更是起着非常重要的作用。板带轧制过程的控制主要包括两方面的内容:其一为满足产品最终形状和尺寸要求的外部质量控制;其二为满足产品性能要求的内部质量控制。这就要求在钢材生产的全过程,特别是热轧板带过程中,在控制板带的几何形状的基础上,还需要对板带的微观组织和结构进行有效的控制。因此在材料科学和现代数学、力学、宏观和微观相结合基础上,根据热加工工艺、组织、性能叁者关系,建立热轧板带多参数(热、力及微观组织演变)耦合仿真系统,已经成为当前研究的前沿课题,是指导生产和提高产品内外部质量的有力工具。随着我国经济建设的不断发展,低合金高强度结构钢的应用越来越广泛。其中Q345B低合金高强度钢具有高强度、高韧性、抗冲击、耐腐蚀等优良特性,成为工程结构设计首选材料之一,被广泛应用于建筑、桥梁、船舶、车辆及其它结构件,市场前景广阔,所以针对该材料进行热轧阶段微观组织演变的研究,为最终获得性能良好的产品提供了理论基础。首先,由于金属材料的本构关系(变形抗力)是热轧过程中理论计算、工艺优化、设备力能参数计算等最基本的参数之一,因此根据变形条件(变形温度、变形速度及变形程度)与其的关系,应用Gleeble-3500热模拟实验机对低合金钢Q345B进行不同变形条件下的单道次热压缩实验,分别分析各种变形条件对材料变形抗力的影响,建立动态再结晶型和动态回复型变形抗力模型。通过与实验进行对比,表明了模型的准确性,为后序的轧制过程数值模拟提供了可靠的数据信息。其次,金属材料热轧过程中会发生动态软化(主要为动态再结晶)和静态软化(主要为静态再结晶和亚动态再结晶),并伴随着组织结构的变化及晶粒长大行为的发生,这些微观组织(奥氏体)演变过程对板带的最终性能有很大的影响。因此通过变形条件对奥氏体组织演变的影响,应用Gleeble-3500热模拟实验机对低合金钢Q345B进行不同变形条件下的单、双道次热压缩实验,并对道次间隙时间内静态软化机制进行深入研究,建立奥氏体演变(动态再结晶、静态再结晶、亚动态再结晶和间隙时间混合再结晶)动力学模型、晶粒尺寸模型以及晶粒长大模型。通过热轧过程的仿真计算和分析,讨论和研究奥氏体组织在间隙时间内的静态软化机制,考虑混合再结晶的发生,准确的揭示了变形条件和物理冶金现象间的复杂关系,加深对组织演变规律的认识,为轧制工艺的设计与改善,产品机械性能的提高提供理论基础。再次,分别基于流面条元法和有限差分法建立金属变形模型和温度场模型,为热轧阶段微观组织演变过程的预测提供必要的计算前提,为最终开发热轧板带多参数耦合仿真系统奠定了理论基础。最后,将金属变形模型、温度场模型、变形抗力模型和微观组织演变模型集成,利用Visual C++6.0编译软件结合计算机图形技术中的标准语言OpenGL对基于条元法热轧板带多参数耦合仿真系统进行可视化软件开发。对1750 mm六机架热连轧过程进行仿真模拟,计算了变形区应变、应变速率和整个热轧过程中温度等场量的分布情况,预报了热轧阶段奥氏体晶粒尺寸及其再结晶体积分数的变化情况,结果表明了仿真系统具有较高的精确性,并且可以大大地缩短实验时间,降低实验费用和工业实验的风险,为科学的制定轧制工艺,更准确地控制轧制过程等方面提供了良好的基础。
胡于华[3]2006年在《基于人工神经网络的CSP热轧板带力学性能预报》文中进行了进一步梳理人工神经网络模型具有很强的容错性、自适应性和非线性的映射能力,特别适于解决因果关系复杂的非确定性推理、判断、识别和分类等问题。人工神经网络从实验数据中通过自学习自动获取数学模型方面具有独特的优越性,它无需人们预先给定公式的形式,而是以实验数据为基础,经过有限次的迭代计算,就可获得一个反映实验数据内在规律的数学模型,神经网络尤其适用于处理规律不明确、成分工艺变量多的问题,因此,可以利用人工神经网络实现板带化学成分、轧制工艺参数与力学性能的直接映射,进而达到较好的对板带力学性能的预报。本文通过对神经网络模型的理论依据和建模方法的研究,在利用涟钢CSP热轧Q345B钢种的化学成分和工艺参数与力学性能检验数据的基础上,建立了BP神经网络力学性能预报模型。此模型是一个典型的叁层网络结构,即输入层、隐层和输出层。输入层有11个神经元,分别为碳、硅、锰、磷、硫、铝、钙含量及F1机架入口速度、终轧温度、卷取温度和成品厚度,输出层有3个神经元,分别为屈服强度、抗拉强度和延伸率。神经网络模型经过训练,得到的预报结果与实际测量的数据相比较表明:BP神经网络预报产品的力学性能精度较高,该方法具有良好的推广价值。同时,利用训练好的神经网络预报模型,可以分析化学成分和工艺参数与产品力学性能之间的关系,便于发现规律,为产品力学性能的在线预测和产品的轧制工艺优化与调整等有重要的指导意义和参考价值。
马占福[4]2011年在《热连轧板形控制模型优化与应用研究》文中指出热轧带钢的板形控制是板带材生产领域的重点和核心,本论文依托1750热连轧机,以提高热轧薄板的板形质量为目标,深入地分析了板形控制基础理论和模型仿真,通过现场试验和模型仿真程序的开发,结合生产现场控制系统对板形控制的工艺和设备进行了研究,主要研究内容及结果如下:从模型结构和算法方面对板形控制理论进行了研究,结合生产现场系统地分析和阐明了影响板形控制的工艺和设备,通过对上下辊热凸度啮合对比试验,分析了在轧制过程中热凸度的变化过程,提出并实施了对部分冷却设备的改造,工作辊冷却水系统的改造,成功解决了改造前精轧F1～F3机架消凸过大的问题,保持了轧制稳定性,减少了中浪的出现,较为良好地控制了热轧带钢板凸度;提出了精轧支撑辊也使用CVC辊形技术的思路,使之与工作辊辊形配合,降低了轧辊的辊耗和剥落事故,在轧制相同吨位的条件下,换下辊后支撑辊CVC辊形比平辊形的磨损量降低了32.7%,延长了支撑辊的使用寿命,改善了板形质量,使板形控制有了显着提高。以Matlab软件为编程平台,利用人工神经网络技术,分别开发出弯辊力预报仿真模型和轧制力预报仿真模型,通过程序设计及模型计算,结果表明,利用人工神经网络模型进行仿真预报,其精度比生产现场的传统预报方式预报的精度有较大幅度的提高,弯辊力模拟预报值精度比传统的预报值提高了78.04%,轧制力预报的精度比传统的精度提高了36.71%,所建模型高精度地模拟逼近了实际值。CVC辊型曲线是影响板形控制的重要因素之一,结合生产现场的轧辊曲线,利用Matlab强大的数学分析功能进行了CVC辊型曲线数学模型的拟合求解,得到了更为合理的辊型曲线数学模型:y = 4.0326×10~(-2)-2.045×10~(-3)x+1.4522×10~(-6)x~2-3.8045×10~(-10)x~3此辊型曲线数学模型的建立进一步改进和优化了现场实际应用的辊型,使生产过程中的带钢板形控制有了显着提高。通过生产现场大量数据的收集及统计,分析了工作辊、支撑辊的磨损对板凸度控制产生的影响,通过轧辊磨损试验,分析出了在一个轧制周期内工作辊的磨损程度及规律,上工作辊磨损量大于相应下工作辊磨损量,下支撑辊磨损量大于相应上支撑辊磨损量;工作辊部分实际的磨损曲线基本与实测数据较相似,所获得的实测数据与轧辊磨损一般规律相一致,磨损量的大小与轧辊的使用期内所轧带钢长度、温度、钢种以及金属前滑、后滑、横向流动等因素有关,在热轧带钢轧机中,各机架的轧辊研磨和疲劳磨损幅度的总体趋势与轧制工艺参数相对应,使现场辊耗的控制、合理用运轧辊策略及优化轧辊磨削等技术得到了有效提升。板形控制中轧制规程的优化设计及实践应用,用动态规划的方法对热轧现有的轧制规程进行负荷分配优化计算,对轧制规程中的工艺参数进行了优化计算,由试验结果表明用动态规划的方法进行轧制规程的优化,对于良好板形的控制显示出了较强的优势,当来料出现厚度波动或其他扰动时可以对轧制规程进行适当调整,确立最佳的轧制规程,以此提高凸度与平直度的命中率。通过负荷分配的优化计算,合理分配轧机的道次压下量,使优化负荷分配的总功率比原现场使用的负荷分配的总功率平均降低了3.37%,进一步降低了生产负荷,由于轧制负荷的降低,减轻了轧辊凸度的磨损程度,辊凸度磨损变化幅度的降低使生产过程中带钢的板形质量得到了有效改善。由此本方案的实施优化了热轧厂原轧制规程,降低了轧机的负荷,改善了板形。
张国民[5]2005年在《板带热轧过程多参数耦合数值模拟》文中提出热轧板带材是重要的钢铁产品,广泛应用于众多领域。近半个世纪以来,热轧板带生产得到了迅猛发展。板凸度和板形精度是板带产品的重要质量指标,一直是板带生产和研究中关注的重点。近些年来,人们越来越重视板带产品的组织与性能,尤其是随着各种用途钢种的开发,如HSLA(High Strength Low Alloy)钢、双相(Dual-phase)钢、IF(Interstitial-free)钢等,要求有更准确和均匀的机械性能,产品组织和机械性能的控制与改善变得日益重要。为了满足社会需求和适应市场竞争,钢铁企业必须不断地改善产品的形状尺寸和组织性能。同时降低产品开发与生产成本,缩短开发周期。这就需要改变以往依赖于昂贵而耗时的经验性试错方法,而要借助于先进的开发工具对产品及其制造过程进行快速的设计和分析。随着计算机技术的发展,数值模拟在板带轧制领域得到了越来越广泛的应用。建立基于连续力学、传热学及物理冶金原理的板带热轧过程数学模型能够为轧制工艺设计、产品形状尺寸及组织性能控制提供更为科学有效的方法。热轧过程中同时发生着金属变形、传热及物理冶金变化等多种现象,各种现象间相互作用、相互影响。对板带热轧过程进行准确的数值模拟需要将变形、传热和物理冶金变化严格耦合起来,这在以前的大多数研究中考虑是不够的。本文在系统调研板带热轧理论,包括变形、传热及物理冶金变化各方面研究进展的基础上,考虑钢材热轧问题的多物理过程间的相互作用及叁维特征,将变形,传热与物理冶金变化计算完全耦合,开发了一个多参数耦合的板带热轧过程叁维计算机模拟系统。模拟系统主要包括叁个模型,即变形模型、传热模型和组织演变模型。刚塑性有限元法已成为金属塑性变形分析的有力工具,为了建立精确的叁维变形分析模型,研究采用基于Lagrange乘数法的刚塑性有限元法模拟轧件变形,同时采用影响函数法计算辊系弯曲,弹性有限元法计算辊缝中工作辊的接触压扁,并采用迭代方案将轧件塑性变形计算与辊系弹性变形计算耦合在一起。所建立的变形分析模型得到了计算验证;温度是热轧中一个极为重要的工艺参数,影响变形过程和组织演变。研究采用二维有限元法,建立了分析板带热轧过程轧件横断面温度变化的拟叁维数学模型;为了便于和变形及传热分析的有限元模型相耦合,热轧中的物理冶金变化分
郑杨元[6]2009年在《数据挖掘在热轧板带质量预测中的应用》文中研究表明钢铁企业在长期的生产过程中积累了大量的热轧产品质量数据,这些质量数据蕴涵了丰富的知识。利用这些数据来建立热轧产品的力学性能和化学成分以及轧制工艺参数间的相互关系,建立力学性能的预测模型,从而达到离线预测和在线控制的目的,对于指导热轧产品的生产,提高产品质量和生产效率有着积极的作用。本文结合钢铁企业的背景,以昆钢为例,对热轧板带的质量预测进行研究。由于热轧产品质量数据来源分散、复杂,本文首先进行数据的抽取、转换等过程,将化学数据、轧制数据、力学性能数据整合到一起。并运用数据仓库和数据集市理论,建立起热轧产品数据集市。在热轧产品数据集市的基础上,本文利用多元线性回归算法和神经网络理论分别建立以化学成分、轧制参数为输入,以力学性能为输出的叁种质量预测模型：多元线性回归热轧板带质量模型、BP热轧板带质量模型和RBF热轧板带质量模型。经分析得出,BP模型90%的预测误差控制在5%以内,100%的预测误差控制在10%以内。BP模型的预测误差要比另外两种模型的预测误差小,其预测效果要比另外两种模型的预测效果好,达到了预测目的,具有一定的推广价值。最后,本文利用训练好的BP神经网络质量模型,研究化学成分和轧制工艺参数对产品力学性能的影响,对产品力学性能的在线预测和产品的轧制工艺优化与调整等有一定的参考价值。
秦建春[7]2017年在《基于BP神经网络优化的热轧板带力学性能预测》文中研究指明现如今,人们对钢铁产品的质量要求越来越严格,尤其是在力学性能方面,追求更高的稳定型和高精度。在长期的生产过程中,钢铁厂累积了很多生产相关资料,有了这些生产数据就可为以后生产提供可靠的参考。基于这些研究数据,以热轧产品的力学性能(分别为屈服强度、抗拉强度和伸长率)、化学的组成含量和钢铁生产中轧制参数间的相互关系,建立一个高质量的预测模型来研究热轧板带力学性能,对于热轧产品生产的指导、生产效率的提高和工艺的优化有着很大的促进作用。BP神经网络算法已经比较成熟、应用也相当广泛。本文以BP神经网络为基础对热轧板带力学性能进行预测分析,然而BP神经网络存在不足之处,如:收敛的速度慢、易陷入局部极小点值等问题。针对这些问题,引入LM(Levenberg-Marquardta)算法提高其收敛速度、遗传算法对其权值和阈值进行优化,以达到满意的预测结果。本文将以某钢厂双机架炉卷轧机的生产工艺为背景,对热轧板带的力学性能(以抗拉强度为代表)预测问题进行分析研究。基于建立的力学性能研究模型,文章首先单独运用BP算法进行预测研究。预测效果大体上良好,但对目前生产者对钢材高精度的要求来说,该模型的精度和收敛速度还需进一步优化。然后文中就引入了 Levenberg-Marquardta算法(简称LM算法)和GA遗传算法对BP模型进行优化。这两种算法的引入,通过数据的对比明显发现:LM算法在不改变精度的情况下,对BP算法的收敛速度做出了很大提高;GA遗传算法不仅提高了 BP算法的预测精度,还对其收敛性性也做出了一定的改进。综上表明,BP算法在基于双机架炉卷轧机工艺上,对板带力学性能预测有很好效果,证实了在双机架炉卷轧机上的创新运用是可行性的。
周原, 玉保全, 王邦文[8]2007年在《1500热连轧精轧带钢温度场的数值模拟》文中研究指明采用有限差分方法建立数学模型,对莱钢1500热连轧精轧带钢温度场进行数值模拟,根据模型在VC编程平台编制计算程序,计算带钢在精轧7个道次任意时刻的温度场分布,并得到每道次出口处带钢的温降曲线。计算过程考虑了大部分热流量与内热源,并权衡计算精度与计算时间的矛盾,优化了网格细分与时间步长的取值。最后计算结果与实测值比较的误差为2~30℃,真实可靠。
冯桂起[9]2003年在《热轧粗轧过程金属变形规律的有限元模拟研究》文中进行了进一步梳理板带材在国民经济发展中起着重要的作用，它在工业、农业、国防以及民用产品中的应用极其广泛。尤其是热轧带钢，它不仅作为薄板和中板可以直接使用，而且还作为冷轧板、焊管和冷弯型钢的原材料。本文选择板带材热轧粗轧过程的计算机模拟作为研究课题。利用MARC有限元软件研究了在整个粗轧过程中，轧件的温度变化情况。考虑了轧件与空气中的对流、辐射、轧件与轧辊的换热、轧件与高压水之间的换热等边界条件对轧件的温度影响的规律。其次，通过MARC有限元软件研究了热轧粗轧水平辊轧制过程中轧件的自然宽展规律，以及轧辊的压下量和轧件来料厚度、宽度对轧件宽展的影响的规律。最后，研究了热轧粗轧过程中在立辊压下时，轧件的变形，以及在随后的水平辊轧制时，轧件的变形规律。通过以上的模拟过程，得到了热轧粗轧过程中，轧件的位移场、应变场、应力场、温度场的分布，分析结果可以为优化轧制工艺，提高产品质量提供理论根据。最后通过在实验轧机上轧制铅试件，研究试件在立辊与水平辊轧制中的变形规律。将实验轧机上得到的数据与计算机模拟的结果进行了全面的对比，二者吻合良好，进一步验证了本文工作的正确性
张树堂, 刘立文[10]1998年在《面向21世纪轧钢理论研究的展望》文中研究说明从轧制力学分析、组织模拟和系统仿真等几个方面分析了轧钢理论的发展状况及特点，并提出了对轧钢理论研究方向的几点看法。
参考文献：
[1]. 热轧板带的数值模拟、组织预报及工艺优化[D]. 李立新. 重庆大学. 2003
[2]. 低合金钢板带热轧过程微宏观多参数耦合建模[D]. 马博. 燕山大学. 2011
[3]. 基于人工神经网络的CSP热轧板带力学性能预报[D]. 胡于华. 武汉科技大学. 2006
[4]. 热连轧板形控制模型优化与应用研究[D]. 马占福. 西安建筑科技大学. 2011
[5]. 板带热轧过程多参数耦合数值模拟[D]. 张国民. 燕山大学. 2005
[6]. 数据挖掘在热轧板带质量预测中的应用[D]. 郑杨元. 昆明理工大学. 2009
[7]. 基于BP神经网络优化的热轧板带力学性能预测[D]. 秦建春. 昆明理工大学. 2017
[8]. 1500热连轧精轧带钢温度场的数值模拟[J]. 周原, 玉保全, 王邦文. 冶金设备. 2007
[9]. 热轧粗轧过程金属变形规律的有限元模拟研究[D]. 冯桂起. 燕山大学. 2003
[10]. 面向21世纪轧钢理论研究的展望[J]. 张树堂, 刘立文. 钢铁研究学报. 1998
标签：金属学及金属工艺论文; 热轧板论文; 预测模型论文; 预测控制论文; 数值模拟论文;