CN108280272A - 一种冷轧过程毛化工作辊表面粗糙度的预测方法 - Google Patents

一种冷轧过程毛化工作辊表面粗糙度的预测方法 Download PDF

Info

Publication number
CN108280272A
CN108280272A CN201810010679.0A CN201810010679A CN108280272A CN 108280272 A CN108280272 A CN 108280272A CN 201810010679 A CN201810010679 A CN 201810010679A CN 108280272 A CN108280272 A CN 108280272A
Authority
CN
China
Prior art keywords
formula
unit
test
strip
roll
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810010679.0A
Other languages
English (en)
Other versions
CN108280272B (zh
Inventor
李洪波
尤媛
张�杰
孔宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201810010679.0A priority Critical patent/CN108280272B/zh
Publication of CN108280272A publication Critical patent/CN108280272A/zh
Application granted granted Critical
Publication of CN108280272B publication Critical patent/CN108280272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Metal Rolling (AREA)

Abstract

本发明提供一种冷轧过程毛化工作辊表面粗糙度的预测方法,确定了冷轧过程毛化工作辊表面粗糙度的预测方法的数学模型表达式,跟踪测试工业生产现场数据的基础上,通过在不同试样初始粗糙度、试验力、试验里程数条件下进行的模拟冷轧过程的实验室试验,并利用SPSS软件的回归分析模块对试验数据进行回归得到模型参数,进而得到冷轧过程毛化工作辊表面粗糙度的预测模型。该方法考虑的工艺因素更全面,且原理简单,利用试验的方法得到了可靠的数学模型,可方便地预测冷轧轧制过程中毛化工作辊的表面粗糙度。

Description

一种冷轧过程毛化工作辊表面粗糙度的预测方法
技术领域
本发明属于板带轧制技术领域,具体涉及一种冷轧过程毛化工作辊表面粗糙度的预测方法。
背景技术
近年来,随着汽车、家电等行业的迅猛发展,具有特定表面微观形貌的优质毛化钢板需求量剧增。带钢表面形貌对钢板的冲压性能、漆膜涂装附着性能和涂漆后表面映像清晰度等方面有着直接的影响。因此,需要获得合适的表面形貌,使冷轧带钢既满足冲压成形要求,又能获得良好的喷涂质量。而带钢的表面形貌是通过毛化工作辊在轧制中反向复印形成的,因此毛化工作辊在服役期内的表面形貌对带钢表面形貌的生成至关重要。
在轧制过程中,在摩擦、磨损的共同作用下,工作辊表面粗糙度逐渐衰减,影响带钢表面形貌的生成,导致工作辊服役后期轧制的钢板表面质量达不到要求。而实际生产中不能通过停机对工作辊表面形貌进行测量,因此有必要建立能准确预测冷轧工作辊表面粗糙度的数学模型,从而对工作辊表面形貌变化过程进行有效监控,进而控制带钢的表面质量。
文献1(Bolt P H,Batazzi D,Belfiore N P.Damage resistance and roughnessretention of work rolls in cold rolling mills[J].Revue de Métallurgie,2010(107):245-255)通过现场和试验补充数据研究了工作辊粗糙度的演变情况,分析了毛化工作辊的摩擦性能。文献2(吴越,张清东,刘军,等.带钢冷轧机工作辊表面粗糙度实测研究[J].机械工程学报,2003,39(11):90-94)运用逐步回归分析法建立了冷轧带钢表面粗糙度预测模型以及转印率预测模型,并在此基础上,建立了工作辊表面粗糙度衰减规律模型。文献3(张雍,张清东,李瑞,等.带钢冷轧机工作辊表面轧制磨损形貌的模拟仿真[J].中国表面工程,2015,28(03):114-121)建立元胞自动机磨损模型,模拟了工作辊表面微观形貌的轧制磨损行为及其动态变化过程。以上研究主要集中在建立基于现场测试与数理统计的半理论半经验模型方面,对具体影响因素的影响效果缺少针对性的试验研究,所建立的数学模型缺少理论基础,不能很好地应用于工业现场。
本发明在跟踪测试工业生产现场数据的基础上,通过实验室试验并利用SPSS软件对试验数据进行回归得到模型参数,得到了与生产实际更为接近的冷轧过程毛化工作辊表面粗糙度的预测模型。
发明内容
为了解决上述问题,本发明提供一种冷轧过程毛化工作辊表面粗糙度的预测方法,所述方法在确定了冷轧过程毛化工作辊表面粗糙度的预测方法的数学模型表达式,跟踪测试工业生产现场数据的基础上,通过在不同试样初始粗糙度、试验力、试验里程数条件下进行的模拟冷轧过程的实验室试验,并利用SPSS软件的回归分析模块对试验数据进行回归得到模型参数,进而得到冷轧过程毛化工作辊表面粗糙度的预测模型;
进一步地,所述方法包括以下步骤:
1):在工业生产现场获得生产过程中的15个实测数据,包括轧辊上机时的初始粗糙度Ra0,单位μm;总轧制力Fh,单位N;带钢平均宽度W,单位mm;带钢入口厚度h0,单位mm;压下率ε,无量纲;带钢的泊松比ν,无量纲;带钢的弹性模量E,单位MPa;带钢的屈服极限σs,单位MPa;带钢的平均变形抗力km,单位MPa;出口前张应力σ0,单位MPa;入口后张应力σ1,单位MPa;工作辊半径R,单位mm;前滑率Sh,无量纲;轧制里程数Lh,单位m;纵向摩擦系数μ,无量纲;
2):利用步骤1)中15个实测数据计算试验力;
3):利用步骤1)中15个实测数据计算试验里程数;
4):用如下的数学模型进行预测:
式1中,Ra为轧辊服役过程中的粗糙度预测值,单位μm;F为试验力,单位N;L为试验里程数,单位m;参数a1,a2,a3,a4,a5,a6是通过实验室试验并利用SPSS软件回归得到;
进一步地,所述步骤2)中试验力的计算方法如下:
按照工作辊与带钢弹性区的单位压力对应计算试验力F,根据Bland-Ford轧制力计算公式:
Fh=FP+Fe (2)
FP=QF(km-ξ)Wl (3)
式(2)~(4)中,FP为塑性区轧制力,单位N;Fe为弹性区轧制力,单位N;QF为轧制力外摩擦影响系数,由公式(5)计算得到,无量纲;ξ为张力影响系数,由公式(7)计算得到,无量纲,
式(5)中,h1为带钢出口厚度,单位mm,由公式(6)计算得到,
h1=(1-ε)h0 (6)
Bland-Ford轧制力计算公式分别给出了塑性区和弹性区的轧制力计算式,因此在已知总轧制力Fh的条件下,可由公式(2)~(7)求得弹性区轧制力Fe;再由入口弹性区长度计算公式(8)~(12)迭代计算求得入口弹性区长度Δx1,单位mm;由出口弹性区长度计算公式(13)~(17)迭代计算求得出口弹性区长度Δx0,单位mm;进而由公式(18)计算得到工作辊与带钢之间弹性区的单位压力数值p0,单位MPa,
式(8)中,l为轧制变形区接触弧长的水平投影,由公式(9)计算得到,单位mm;ξ0、ψ0为中间变量,无量纲,其计算公式如公式(10)~(11)所示,
式(9)计算公式(10)中,k0为带钢的屈服极限σs的1.15倍,即k0=1.15σs,其单位为MPa;
式(11)中,B0为中间变量,由公式(12)计算得到,无量纲,
式(12)~(13)中,ξ1、ν1、ψ为中间变量,无量纲,其计算公式如公式(14)~(16)所示,
式(14)中,k1为带钢的屈服极限σs的1.15倍,即k1=1.15σs,其单位为MPa,
式(15)~(16)中,B为中间变量,由公式(17)计算得到,无量纲,
对应试验中,环套试样模拟工作辊,方块试样模拟带钢,两者接触区单位压力可按照赫兹接触公式计算,因此可推导出试验力F的计算公式:
式(19)中,r为环套半径,单位mm;b为环块摩擦副的接触宽度,单位mm;
进一步地,所述步骤3)中试验里程数的计算方法如下:
试验里程数按照工作辊与带钢之间的相对位移来计算,工作辊入口处工作辊线位移与带钢位移之差为:
式(20)中,V为工作辊圆周速度的线速度,单位m/s;VH为工作辊入口处带钢的速度,单位m/s;t为轧制时间,单位s;LH为工作辊的线位移,由公式(21)计算得到,单位m;λ为延伸系数,由公式(22)计算得到,无量纲,
将公式(21)、(22)代入公式(20),得到入口处工作辊与带钢之间的相对位移的计算公式:
进一步地,所述步骤4)中参数a1,a2,a3,a4,a5,a6通过如下过程的实验室试验并利用SPSS软件回归得到:
试样制备:利用轧辊钢加工成环套试样模拟工作辊,并进行环套试样的热处理,然后按照实际生产中轧辊上机时的初始粗糙度范围对试样外侧柱面进行电火花毛化;利用钢板加工成的方块试样模拟带钢,
完成试验:以试样初始粗糙度、试验力、试验里程数,试样初始粗糙度为试验因素,以步骤2)中的试验力,和步骤3)中所述的试验里程数作为试验水平的制定依据,采用正交试验的方法,按照正交表格安排并进行试验,利用环块磨损试验机加载试验力,加入乳化液,环套在一定速度下做圆周运动,模拟冷轧带钢的轧制过程;在试验过程中,使用便携式表面形貌仪测量环套表面粗糙度,
参数回归:利用SPSS软件对试验获得的环套表面粗糙度数据进行非线性回归,得到参数a1,a2,a3,a4,a5,a6的值;
进一步地,所述环套试样的热处理的方式如下:采用双液淬火的方式,加热到890摄氏度,放入水中快速冷却,防止过冷奥氏体在较高温度分解,冷至马氏体转变温度后放入油中进行马氏体转变;
本发明的有益效果如下:
1):利用实验室试验的方法模拟了冷轧过程,便于得到冷轧过程毛化工作辊表面粗糙度的预测模型所需数据;
2):原理简单,利用SPSS软件中的回归分析模块分析试验数据即可得到冷轧过程毛化工作辊表面粗糙度的预测的数学模型;
3):模型简单,可应用于生产现场。
附图说明
图1为本发明中所述淬火工艺路线图;
图2为本发明中所述冷轧过程毛化工作辊表面粗糙度的预测方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
下面结合附图和具体实施例对本发明作进一步说明,但不作为对本发明的限定。下面为本发明的举出最佳实施例:
如图1~图2所示,本发明提供一种冷轧过程毛化工作辊表面粗糙度的预测方法,具体流程如图2所示。步骤如下:
1)首先获得工业生产现场生产过程中的实测数据共计15个,包括:轧辊上机时的初始粗糙度Ra0,单位μm;总轧制力Fh,单位N;带钢平均宽度W,单位mm;带钢入口厚度h0,单位mm;压下率ε,无量纲;带钢的泊松比ν,无量纲;带钢的弹性模量E,单位MPa;带钢的屈服极限σs,单位MPa;带钢的平均变形抗力km,单位MPa;出口前张应力σ0,单位MPa;入口后张应力σ1,单位MPa;工作辊半径R,单位mm;前滑率Sh,无量纲;轧制里程数Lh,单位m;纵向摩擦系数μ,无量纲。具体数据如表1所示。
表1工业生产现场生产过程中的实测数据
然后利用15个实测数据计算试验力和试验里程数,并用如下的数学模型进行预测:
式(1)中,Ra为轧辊服役过程中的粗糙度预测值,单位μm;F为试验力,单位N;L为试验里程数,单位m;参数a1,a2,a3,a4,a5,a6是通过实验室试验并利用SPSS软件回归得到。
2)步骤1)中试验力的计算方法如下:
按照工作辊与带钢弹性区的单位压力对应计算试验力F,根据Bland-Ford轧制力计算公式:
Fh=FP+Fe (2)
FP=QF(km-ξ)Wl (3)
式(2)~式(4)中,FP为塑性区轧制力,单位N;Fe为弹性区轧制力,单位N;QF为轧制力外摩擦影响系数,由公式(5)计算得到,无量纲;ξ为张力影响系数,由公式(7)计算得到,无量纲,
式(5)中,h1为带钢出口厚度,单位mm,由公式(6)计算得到,
h1=(1-ε)h0 (6)
Bland-Ford轧制力计算公式分别给出了塑性区和弹性区的轧制力计算式,因此在已知总轧制力Fh的条件下,可由公式(2)~(7)求得弹性区轧制力Fe;再由入口弹性区长度计算公式(8)~(12)迭代计算求得入口弹性区长度Δx1,单位mm;由出口弹性区长度计算公式(13)~(17)迭代计算求得出口弹性区长度Δx0,单位mm;进而由公式(18)计算得到工作辊与带钢之间弹性区的单位压力数值p0,单位MPa,
式(8)中,l为轧制变形区接触弧长的水平投影,由公式(9)计算得到,单位mm;ξ0、ψ0为中间变量,无量纲,其计算公式如公式(10)~(11)所示,
式(9)~(10)中,k0为带钢的屈服极限σs的1.15倍,即k0=1.15σs,其单位为MPa;
式(11)中,B0为中间变量,由公式(12)计算得到,无量纲,
式(12)~(13)中,ξ1、ν1、ψ为中间变量,无量纲,其计算公式如公式(14)~(16)所示,
式(14)中,k1为带钢的屈服极限σs的1.15倍,即k1=1.15σs,其单位为MPa,
式(15)~(16)中,B为中间变量,由公式(17)计算得到,无量纲,
对应试验中,环套试样模拟工作辊,方块试样模拟带钢,两者接触区单位压力可按照赫兹接触公式计算,因此可推导出试验力F的计算公式:
式(19)中,r为环套半径,单位mm,b为环块摩擦副的接触宽度,单位mm。试验中环块接触宽度b=12mm;环套半径r=24.62mm,工业生产现场生产过程中的实测数据如步骤1)中表1所示,将各数据代入(2)~(19)式,计算得到该工艺条件所对应的试验力F=96.107N。
3)步骤1)中试验里程数的计算方法如下:
试验里程数按照工作辊与带钢之间的相对位移来计算,工作辊入口处工作辊线位移与带钢位移之差为:
式(20)中,V为工作辊圆周速度的线速度,单位m/s;VH为工作辊入口处带钢的速度,单位m/s;t为轧制时间,单位s;LH为工作辊的线位移,由公式(21)计算得到,单位m;λ为延伸系数,由公式(22)计算得到,无量纲,
将公式(21)、(22)代入公式(20),得到入口处工作辊与带钢之间的相对位移的计算公式:
工业生产现场生产过程中的实测数据如步骤1)中表1所示,将各数据代入计算公式(20)~(23)得到入口处工作辊与带钢之间的相对位移为2818m。
4)制备实验室试验所需试样:
(1)利用9Cr2Mo轧辊钢加工成环套试样模拟工作辊,并进行环套试样的热处理,热处理的方式如图1所示:采用双液淬火的方式,加热到890摄氏度,放入水中快速冷却,防止过冷奥氏体在较高温度分解,冷至马氏体转变温度后放入油中进行马氏体转变,保证辊身硬度,减小淬火变形,有效防止开裂。
然后按照实际生产中轧辊上机时的初始粗糙度范围对试样外侧柱面进行电火花毛化:冷轧第五机架工作辊粗糙度一般在2.5μm~3.5μm,考虑到电火花毛化设备的能力和正交试验的设计,试验中的初始粗糙度取2.5μm、3.0μm、3.5μm、4.0μm四个水平。利用电火花毛化设备对环套外侧柱面进行毛化,由于电火花毛化得到的表面形貌难以精确控制,实际得到粗糙度为2.39μm,3.10μm,4.01μm,4.74μm的四组表面。
(2)选取冷轧之前酸洗之后的Q345热轧中厚板,机加工切割及磨削后得到方块试样,用于模拟带钢。
5)完成试验:以试样初始粗糙度、试验力、试验里程数为试验因素,以步骤2)计算得到的试验力,和步骤3)计算得到的试验里程数作为试验水平的制定依据,将试验力水平确定为80N、120N、160N、200N,试验里程数的水平设定为1500m、2000m、2500m、3000m。采用正交试验的方法,按照正交表格安排并进行试验,利用MRH-3高速环块磨损试验机加载试验力,加入乳化液,环套在一定速度下做圆周运动,模拟冷轧带钢的轧制过程;在试验过程中,使用便携式表面形貌仪测量环套表面粗糙度,得到环套表面粗糙度的衰减量数据,如表2所示。
表2环套表面粗糙度的衰减量
6)参数回归:利用SPSS软件对步骤5)中试验获得的环套表面粗糙度数据进行非线性回归,得到参数a1,a2,a3,a4,a5,a6的值,如表3所示。
表3各回归参数的数值
将各参数代入公式(1),得到冷轧过程毛化工作辊表面粗糙度的预测模型:
Ra=(145.892Ra0-0.237F+65.721)×e[0.007L(L-11.233)-5.044] (23)
7)利用步骤6)得到的冷轧过程毛化工作辊表面粗糙度的预测模型,根据实际生产过程中的轧辊上机时的初始粗糙度Ra0、总轧制力Fh、带钢平均宽度W、带钢入口厚度h0、带钢的泊松比ν、带钢的弹性模量E、压下率ε、带钢的屈服极限σs、出口前张应力σ0、入口后张应力σ1、工作辊半径R、前滑率Sh、轧制里程数Lh、纵向摩擦系数μ、带钢的平均变形抗力km,计算得到轧辊服役过程中的粗糙度预测值Ra。粗糙度预测值Ra与实测数据的对比如表4所示,误差在5%以内,模型可较准确地预测工作辊表面粗糙度。
表4轧辊服役过程中的粗糙度预测值Ra与实测数据对比
以上所述的实施例,只是本发明较优选的具体实施方式的一种,本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (6)

1.一种冷轧过程毛化工作辊表面粗糙度的预测方法,其特征在于,所述方法在确定了冷轧过程毛化工作辊表面粗糙度的预测方法的数学模型表达式,跟踪测试工业生产现场数据的基础上,通过在不同试样初始粗糙度、试验力、试验里程数条件下进行的模拟冷轧过程的实验室试验,并利用SPSS软件的回归分析模块对试验数据进行回归得到模型参数,进而得到冷轧过程毛化工作辊表面粗糙度的预测模型。
2.根据权利要求1所述的方法,其特征在于,所述方法包括以下步骤:
1):在工业生产现场获得生产过程中的15个实测数据,包括轧辊上机时的初始粗糙度Ra0,单位μm;总轧制力Fh,单位N;带钢平均宽度W,单位mm;带钢入口厚度h0,单位mm;压下率ε,无量纲;带钢的泊松比ν,无量纲;带钢的弹性模量E,单位MPa;带钢的屈服极限σs,单位MPa;带钢的平均变形抗力km,单位MPa;出口前张应力σ0,单位MPa;入口后张应力σ1,单位MPa;工作辊半径R,单位mm;前滑率Sh,无量纲;轧制里程数Lh,单位m;纵向摩擦系数μ,无量纲;
2):利用步骤1)中15个实测数据计算试验力;
3):利用步骤1)中15个实测数据计算试验里程数;
4):用如下的数学模型进行预测:
式(1)中,Ra为轧辊服役过程中的粗糙度预测值,单位μm;F为试验力,单位N;L为试验里程数,单位m;参数a1,a2,a3,a4,a5,a6是通过实验室试验并利用SPSS软件回归得到。
3.根据权利要求1所述的方法,其特征在于,所述步骤2)中试验力的计算方法如下:
按照工作辊与带钢弹性区的单位压力对应计算试验力F,根据Bland-Ford轧制力计算公式:
Fh=FP+Fe (2)
FP=QF(km-ξ)Wl (3)
式(2)~(4)中,FP为塑性区轧制力,单位N;Fe为弹性区轧制力,单位N;QF为轧制力外摩擦影响系数,由公式(5)计算得到,无量纲;ξ为张力影响系数,由公式(7)计算得到,无量纲,
式(5)中,h1为带钢出口厚度,单位mm,由公式(6)计算得到,
h1=(1-ε)h0 (6)
Bland-Ford轧制力计算公式分别给出了塑性区和弹性区的轧制力计算式,因此在已知总轧制力Fh的条件下,可由公式(2)~(7)求得弹性区轧制力Fe;再由入口弹性区长度计算公式(8)~(12)迭代计算求得入口弹性区长度Δx1,单位mm;由出口弹性区长度计算公式(13)~(17)迭代计算求得出口弹性区长度Δx0,单位mm;进而由公式(18)计算得到工作辊与带钢之间弹性区的单位压力数值p0,单位MPa,
式(8)中,l为轧制变形区接触弧长的水平投影,由公式(9)计算得到,单位mm;ξ0、ψ0为中间变量,无量纲,其计算公式如公式(10)~(11)所示,
式(9)~(10)中,k0为带钢的屈服极限σs的1.15倍,即k0=1.15σs,其单位为MPa;
式(11)中,B0为中间变量,由公式(12)计算得到,无量纲,
式(12)~(13)中,ξ1、ν1、ψ为中间变量,无量纲,其计算公式如公式(14)~(16)所示,
式(14)中,k1为带钢的屈服极限σs的1.15倍,即k1=1.15σs,其单位为MPa,
式(15)~(16)中,B为中间变量,由公式(17)计算得到,无量纲,
对应试验中,环套试样模拟工作辊,方块试样模拟带钢,两者接触区单位压力可按照赫兹接触公式计算,因此可推导出试验力F的计算公式:
式(19)中,r为环套半径,单位mm;b为环块摩擦副的接触宽度,单位mm。
4.根据权利要求3所述的方法,其特征在于,所述步骤3)中试验里程数的计算方法如下:
试验里程数按照工作辊与带钢之间的相对位移来计算,工作辊入口处工作辊线位移与带钢位移之差为:
式(20)中,V为工作辊圆周速度的线速度,单位m/s;VH为工作辊入口处带钢的速度,单位m/s;t为轧制时间,单位s;LH为工作辊的线位移,由公式(21)计算得到,单位m;λ为延伸系数,由公式(22)计算得到,无量纲,
将公式(21)、(22)代入公式(20),得到入口处工作辊与带钢之间的相对位移的计算公式:
5.根据权利要求4所述的方法,其特征在于,所述步骤4)中参数a1,a2,a3,a4,a5,a6通过如下过程的实验室试验并利用SPSS软件回归得到:
试样制备:利用轧辊钢加工成环套试样模拟工作辊,并进行环套试样的热处理,然后按照实际生产中轧辊上机时的初始粗糙度范围对试样外侧柱面进行电火花毛化;利用钢板加工成的方块试样模拟带钢,
完成试验:以试样初始粗糙度、试验力、试验里程数,试样初始粗糙度为试验因素,以步骤2)中的试验力,和步骤3)中所述的试验里程数作为试验水平的制定依据,采用正交试验的方法,按照正交表格安排并进行试验,利用环块磨损试验机加载试验力,加入乳化液,环套在一定速度下做圆周运动,模拟冷轧带钢的轧制过程;在试验过程中,使用便携式表面形貌仪测量环套表面粗糙度,
参数回归:利用SPSS软件对试验获得的环套表面粗糙度数据进行非线性回归,得到参数a1,a2,a3,a4,a5,a6的值。
6.根据权利要求5所述的方法,其特征在于,所述环套试样的热处理的方式如下:采用双液淬火的方式,加热到890摄氏度,放入水中快速冷却,防止过冷奥氏体在较高温度分解,冷至马氏体转变温度后放入油中进行马氏体转变。
CN201810010679.0A 2018-01-05 2018-01-05 一种冷轧过程毛化工作辊表面粗糙度的预测方法 Active CN108280272B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810010679.0A CN108280272B (zh) 2018-01-05 2018-01-05 一种冷轧过程毛化工作辊表面粗糙度的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810010679.0A CN108280272B (zh) 2018-01-05 2018-01-05 一种冷轧过程毛化工作辊表面粗糙度的预测方法

Publications (2)

Publication Number Publication Date
CN108280272A true CN108280272A (zh) 2018-07-13
CN108280272B CN108280272B (zh) 2020-07-31

Family

ID=62803152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810010679.0A Active CN108280272B (zh) 2018-01-05 2018-01-05 一种冷轧过程毛化工作辊表面粗糙度的预测方法

Country Status (1)

Country Link
CN (1) CN108280272B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109604709A (zh) * 2018-10-24 2019-04-12 首钢京唐钢铁联合有限责任公司 一种连续热镀锌生产线切边剪磨损状态判断方法和装置
CN113434994A (zh) * 2020-03-23 2021-09-24 上海梅山钢铁股份有限公司 一种基于热轧原板热轧工艺参数预测冷轧变形抗力的方法
CN116984386A (zh) * 2023-09-26 2023-11-03 太原理工大学 Trb趋薄轧制过程中力能参数的确定方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09253727A (ja) * 1996-03-19 1997-09-30 Nkk Corp 金属帯の冷間圧延方法
US6948346B2 (en) * 2001-03-03 2005-09-27 Sms Demag Ag Method for specifically adjusting the surface structure of rolling stock during cold rolling in skin pass mills
CN1804739A (zh) * 2005-12-12 2006-07-19 燕山大学 平整机成品板面粗糙度预报与控制技术
CN104624669A (zh) * 2015-02-10 2015-05-20 北京科技大学 一种电火花毛化工作辊生产带钢的粗糙度预测和控制方法
CN106825068A (zh) * 2017-01-13 2017-06-13 北京科技大学 一种轧制过程带钢表面粗糙度的预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09253727A (ja) * 1996-03-19 1997-09-30 Nkk Corp 金属帯の冷間圧延方法
US6948346B2 (en) * 2001-03-03 2005-09-27 Sms Demag Ag Method for specifically adjusting the surface structure of rolling stock during cold rolling in skin pass mills
CN1804739A (zh) * 2005-12-12 2006-07-19 燕山大学 平整机成品板面粗糙度预报与控制技术
CN104624669A (zh) * 2015-02-10 2015-05-20 北京科技大学 一种电火花毛化工作辊生产带钢的粗糙度预测和控制方法
CN106825068A (zh) * 2017-01-13 2017-06-13 北京科技大学 一种轧制过程带钢表面粗糙度的预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈金山 等: "不锈钢冷连轧板带的表面粗糙度建模", 《东北大学学报(自然科学版)》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109604709A (zh) * 2018-10-24 2019-04-12 首钢京唐钢铁联合有限责任公司 一种连续热镀锌生产线切边剪磨损状态判断方法和装置
CN113434994A (zh) * 2020-03-23 2021-09-24 上海梅山钢铁股份有限公司 一种基于热轧原板热轧工艺参数预测冷轧变形抗力的方法
CN113434994B (zh) * 2020-03-23 2023-10-10 上海梅山钢铁股份有限公司 一种基于热轧原板热轧工艺参数预测冷轧变形抗力的方法
CN116984386A (zh) * 2023-09-26 2023-11-03 太原理工大学 Trb趋薄轧制过程中力能参数的确定方法及装置
CN116984386B (zh) * 2023-09-26 2023-12-08 太原理工大学 Trb趋薄轧制过程中力能参数的确定方法及装置

Also Published As

Publication number Publication date
CN108280272B (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
Figueiredo et al. Experimental study of friction in sheet metal forming
Wu et al. Effect of shot peening coverage on residual stress and surface roughness of 18CrNiMo7-6 steel
Lee et al. Modeling of the friction caused by lubrication and surface roughness in sheet metal forming
CN108280272A (zh) 一种冷轧过程毛化工作辊表面粗糙度的预测方法
Groche et al. Evaluation of the potential of tool materials for the cold forming of advanced high strength steels
Xia et al. Using feed-forward perceptron Artificial Neural Network (ANN) model to determine the rolling force, power and slip of the tandem cold rolling
Campos et al. Theorical and experimental determination of the forming limit diagram for the AISI 304 stainless steel
CN106391725B (zh) 一种适用于冷轧过程轧制压力随轧制速度变化预报方法
CN105987853A (zh) 一种轧辊环块摩擦磨损性能的测试方法及装置
Han The influence of tool geometry on friction behavior in sheet metal forming
Li et al. The effects of lubrication on profile and flatness control during ASR hot strip rolling
Xu et al. Capillary penetration mechanism and machining characteristics of lubricant droplets in electrostatic minimum quantity lubrication (EMQL) grinding
Hao et al. Friction measurement apparatus for sheet metal forming
Sun et al. Estimation for normal contact stiffness of joint surfaces by considering the variation of critical deformation
CN102161054B (zh) 基于影响矩阵自学习的板形闭环控制方法
Guan et al. Stress-inheriting behavior of H-beam during roller straightening process
Chandrasekharan et al. Evaluation of stamping lubricants at various temperature levels using the ironing test
BR112019020402A2 (pt) método para avaliação continuamente de propriedades mecânicas e microestruturais de um material metálico, em particular de um aço, em um processo de deformação a frio e aparelho relacionado
He et al. Identification and adjustment of guide rail geometric errors based on BP neural network
Markowski et al. Theoretical analysis of the asymmetric rolling of sheets on leader and finishing stands
Jiang et al. Mechanics of roll edge contact in cold rolling of thin strip
Hunter Ultrasonic measurements of the strip thickness, lubricant film thickness, roll deflection and roll stress in the roll bite in the cold rolling of steel
CN104338755A (zh) 一种冷轧轧机刚度的动态计算方法
CN102366760B (zh) 冷轧带钢板形控制执行器调控功效系数在线解耦方法
Wu et al. Research on dynamic characteristics and identification method of local defect on the roll surface

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant