斜轧无缝钢管生产工艺是无缝钢管生产的重要手段。经过100多年的发展,斜轧已经成为各种无缝钢管生产的基础,它是无缝钢管生产的关键。但是,由于斜轧过程的复杂性,人们在实际工作中,往往很难应用经典的力学方法建立起精确的数学模型。应用数值模拟的有限元法,对斜轧过程的计算精度较高,但是模拟过程时间太长,不可能作为在线控制的数学模型。所以,人工神经网数学模型开发研究势在必行。本课题以无缝钢管生产中的斜轧延伸轧管过程为对象,对斜轧过程的力学状态和钢管质量等参数进行计算,得到工艺参数与质量参数之间的映射关系,并建立了斜轧过程的模糊神经网络,及其输入参数的隶属函数。训练数据通过有限元建模和实验数据得到。因此,主要工作包括以下几个方面:(1)在深入了解斜轧无缝钢管生产工艺和理解斜轧理论的基础上,运用ANSYS有限元软件对其进行了建模仿真,采集到了模糊神经网络所需的样本数据;(2)建立无缝钢管斜轧过程的模糊神经网络,选取了隶属函数,将样本数据分成两组:训练数据和检验数据。(3)利用有限元模拟得到的数据对模糊神经网络进行训练。(4)通过用铝管代替钢管进行斜轧规律研究,搭建了实验平台,验证了有限元模拟斜轧的准确性和可靠性。通过基于模糊神经网络斜轧建模研究,建立了工艺参数与质量参数的关系,对斜轧工艺具有指导意义。同时,得到的模糊神经网络的数学模型,为实现斜轧过程自动控制奠定基础。