论文部分内容阅读
本文以宝钢全浮动芯棒连轧管机组为对象对连轧管的轧制力模型进行了研究。首先对实测数据进行分析,分析了工艺参数(轧制温度、芯棒状态、张力状态)对轧制力的影响规律,进一步说明了实际轧制过程中这几项因素对轧制力的波动有很大的影响。然后,从多个方面考虑来确定轧制力的理论数学模型,首先从变形区计算模型入手,计算轧制变形区的形状尺寸参数,多元非线性回归得到变形抗力模型,建立了两种不同情况(是否考虑变形区的划分)的轧制力数学计算模型,并对两种模型与轧制力实测数据进行比较和分析,3、4机架计算值偏差较大。同时,进一步说明了研究机架间的张力、芯棒的运动及摩擦状态对连轧过程中金属变形规律的影响,是提高轧制力模型的预报精度的一个重要环节。利用Marc模拟仿真的结果,分两种情况对连轧管轧制力模型进行修正,修正系数是对不同轧制规格的轧制模拟数据进行多元线性回归得到的,包括各机架不同轧制阶段的轧制力修正系数,修正后的计算结果能够正确反映轧制力的变化规律。同时,应用了BP神经网络对连轧管轧制力进行预报,并得到如下结论:在所测数据和轧制条件范围内,利用BP神经网络预报出的轧制力偏差小于4﹪,其中很好的反映出随着轧制温度和轧制速度的变化轧制力的变化趋势。而在训练数据范围以外的输入进行预报时,轧制力预报精度较差。表明了,在实际轧制数据条件具备一定覆盖范围的情况下BP神经网络应用到轧制力预报模型中的可行性和优势。