CN112949108B - 热轧高强钢板形缺陷全流程预测方法及图形用户界面装置 - Google Patents
热轧高强钢板形缺陷全流程预测方法及图形用户界面装置 Download PDFInfo
- Publication number
- CN112949108B CN112949108B CN202110097163.6A CN202110097163A CN112949108B CN 112949108 B CN112949108 B CN 112949108B CN 202110097163 A CN202110097163 A CN 202110097163A CN 112949108 B CN112949108 B CN 112949108B
- Authority
- CN
- China
- Prior art keywords
- strip steel
- strip
- distribution
- parameters
- model
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种热轧高强钢板形缺陷全流程预测方法及图形用户界面装置,所述方法包括:检测并统计最近预设时间段内的带钢生产反馈情况,筛选出生产中易产生分条侧弯的带钢的规格型号,并通过所述规格型号获取带钢从精轧出口到分条过程的带钢参数与生产工艺参数;根据所述带钢参数与生产工艺参数建立带钢从精轧出口到分条过程的侧弯度预测模型,获得所述规格型号的带钢分条后的侧弯度预测值;通过抽样检测法对所述规格型号的带钢的实际侧弯值进行测量,验证并修正所述侧弯度预测模型。本发明能够对不同工况下带钢分条侧弯进行预测,并设计了图形用户界面装置,能够清晰展示输入参数与最终侧弯结果。
Description
技术领域
本发明涉及板带轧制和塑性加工理论技术领域,特别涉及一种热轧高强钢板形缺陷全流程预测方法及图形用户界面装置。
背景技术
随着钢铁企业轧制工艺和控制技术的不断发展,在产品的成分、组织、力学性能和形状控制取得巨大进步的前提下,越来越多的热轧产品正逐步代替同规格的冷轧产品,要求用热轧产品来制作的外观结构件也不断增多。然而热轧产品的板形质量,尤其是平坦度、直线度及表面质量等各类带钢缺陷一直困扰着国内外各生产厂家,成为影响热轧钢板后续产品质量,造成用户质量异议的主要因素。板形直线度及平坦度缺陷不仅影响热轧钢板后续产品(如汽车大梁钢等)的外观,而且影响其板形质量,进而对产品的再加工造成困难,而平整卷卷形不良直接导致后续平整矫直困难,影响生产稳定性,甚至导致表面挫伤。热轧后,表观平直的带钢裁切加工后的弯曲变形是由于带钢轧后原有纵向塑性应变沿厚度方向的不均匀分布导致的,裁切加工后切条纵向塑性应变不变,而应力重新分布使切条整体弯曲变形,进而产生侧弯和纵弯等板形直线度缺陷。
某厂热轧通过两条平整线生产的M510L钢带,平直带钢在沿轧制方向裁切分条后发生了翘曲变形,出现了侧弯直线度缺陷,纵切4条,其中边部两条不合格,直线度偏差较大。同时,根据现场人员反应,偶尔伴随有纵弯直线度缺陷的发生。
国内外针对热轧平整卷板形、残余应力及卷形的研究已取得一定进展,然而,关于表观平直带钢裁切加工后侧弯及纵弯变形产生机理和变化规律,以及板形与“潜”板形综合控制技术的研究还较少,针对卷形控制的研究还未形成系统理论与实践经验。
发明内容
有鉴于此,本发明的目的在于提供一种热轧高强钢板形缺陷全流程预测方法及图形用户界面装置,一方面根据带钢从精轧出口到分条之间的带钢参数和工艺参数对带钢分条之后的侧弯值进行预测,另一方面对带钢从精轧出口到分条之间的重要带钢参数和工艺参数进行分析,进而提出控制带钢分条侧弯量的方案。
为解决上述技术问题,本发明的实施例提供如下方案:
一方面,提供了一种热轧高强钢板形缺陷全流程预测方法,包括以下步骤:
S1、检测并统计最近预设时间段内的带钢生产反馈情况,筛选出生产中易产生分条侧弯的带钢的规格型号,并通过所述规格型号获取带钢从精轧出口到分条过程的带钢参数与生产工艺参数;
S2、根据所述带钢参数与生产工艺参数建立带钢从精轧出口到分条过程的侧弯度预测模型,获得所述规格型号的带钢分条后的侧弯度预测值;
S3、通过抽样检测法对所述规格型号的带钢的实际侧弯值进行测量,验证并修正所述侧弯度预测模型。
优选地,所述带钢参数与生产工艺参数包括:
带钢在精轧出口的宽度、宽向厚度分布和宽向温度分布;
层冷过程的带钢张力;
夹送过程带钢的前后张力、夹送辊下压力;
卷取过程的卷取温度、带钢宽向温度差;
5辊矫直过程的带钢屈服强度、张力、矫直辊插入深度;
平整过程的带钢延伸率、出入口张力,工作辊辊形、窜辊量、弯辊力,轧制力,摩擦系数;
13辊矫直过程的带钢张力,矫直辊插入深度;
分条过程的带钢长度。
优选地,所述步骤S2包括:
步骤S21、分别建立带钢层冷、夹送、卷取、开卷、5辊矫直、平整、13辊矫直的延伸差应变分布数学模型;
步骤S22、建立带钢厚度分布和延伸差应变分布相互转化的数学模型;
步骤S23、建立由带钢参数和延伸差应变分布所导致的分条侧弯度的数学模型;
步骤S24、分析带钢参数与轧后加工工艺参数数据对带钢分条侧弯最大值的影响;
步骤S25、建立带钢在已知工艺过程下的分条后侧弯度预测模型。
优选地,所述步骤S21包括:
步骤S211、层冷过程基于有限元仿真结果,对数据进行拟合,建立带钢纵向塑性应变分布的预测模型,具体过程为:
考虑初始温度差以及厚度、初始浪高、张力对应变分布的影响,将整体多项式的系数表示为所述影响因素的函数,并根据所述有限元仿真结果进行拟合,其形式为:
M型:a0,a2,a4,a6=f(△T,h,lg,F)
C型:a0,a2=f(△T,h,lg,F)
L型:a0,a1=f(△T,h,lg,F)
其中ΔT表示温度差;h表示厚度;lg表示初始浪高;F表示张力;
步骤S212、夹送过程通过条元法求得带钢经过夹送辊前应张力的横向分布,间接求得带钢经过夹送辊后产生的纵向塑性应变分布,具体过程为:
条元分割模型的各项功率包括塑性变形功率、接触表面摩擦功率、入口速度间断面上的功率、前后张力的功率,综上求得总功率泛函表达式,其形式为:
总功率泛函是节线出口横向位移ui(i=1,2,···,n)的函数,表达式简写为:
N=N(u1,u2,u3,···,un)
其中u1,u2,u3,···,un为条元法的正确解;
步骤S213、卷取及平整开卷过程依据实测数据,输入温度拟合系数和材料参数计算公式,计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
拟合弹性模量E、塑性模量Ep、屈服强度σs与温度的关系,结果表明,上述三个关系式均近似线性,具体表达式为:
E=235297.6-78.1T
Ep=2802-2.22T
σs=950-1.031T
确定出塑性发生与否的临界半径和临界旋转角,得出塑性延伸差分布;
步骤S214、5辊矫直过程基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,计算计算带钢沿厚度方向的塑性延伸差分布,具体过程为:
利用有限元模型进行仿真计算不同工况下,带钢经平整轧制后上下表面延伸差情况,构成数据库;利用最小二乘法多元非线性回归相关知识建立平整轧制过程带钢上下表面延伸差预测模型,寻找一组回归系数fj(j=1,2...,m),使得各组数据的回归值与实验值的残差平方和最小,其形式为:
步骤S215、平整过程分别采用影响函数法和三维差分法建立轧制过程中辊系弹性变形和带钢塑性变形计算,进而建立出口纵向延伸差分布模型;厚向基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,分别计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
建立单个轧辊的弹性压扁方程为:
Ymns=GmnsQmns
式中,m和n分别代表接触对中的不同轧辊;Gmns为相接触辊间的弹性压扁影响函数矩阵;
研究迭代修正算法,兼顾模型的收敛速度及计算的稳定性,在每一次迭代后,通过接触判断直接修正接触压力和整体矩阵,在计算中考虑整体辊系的变形与压扁,每一次迭代中均对所有辊进行调整;
建立三维差分带钢塑性变形力学模型,研究单元体的受力和平衡,应用塑性理论基本方程,建立辊系与轧件一体化模型;
步骤S216、13辊矫直过程基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
根据辊式矫直理论,计算带钢变形和应力应变情况和挠度;
按照大变形线性递减原则制定压弯方案,确定入口处压弯量及出口处压弯量,设原始曲率,计算入口压弯量和出口压弯量;
由已知参数计算带钢纵向延伸差分布。
优选地,所述步骤S22包括:
步骤S221、基于加工前后各条的体积不变原则建立带钢厚度分布和延伸应变相互转化的数学模型,其形式为:
其中ε为带钢延伸应变;l0和h0分别为某道工序加工前的任意一条长度和厚度,l和h分别为该道工序加工后的同一条长度和厚度。
优选地,所述步骤S23包括:
步骤S231、通过得到的带钢板宽以及板厚方向的纵向延伸差进行数据拟合,得出钢板纵向的初应变分布,其形式为:
优选地,所述步骤S221建立的带钢厚度分布和纵向延伸应变分布相互转化的数学模型得到分条前的带钢纵向延伸差分布与上下表面延伸差分布,具体为:
已知带钢轧制出口厚度分布参数,通过带钢厚度分布和纵向延伸分布相互转化的数学模型转化为纵向延伸差分布;
将每道工序的输出应变转化为厚度分布作为下一道工序的输入;
根据叠加法,将带钢参数和生产工艺参数按顺序输入各工序延伸差应变的数学模型并得到各个工序的应变后进行叠加,得到最终的带钢纵向延伸差分布和上下表面延伸差分布。
优选地,将得到的带钢纵向延伸差分布和上下表面延伸差分布,通过步骤S231所提出的带钢分条侧弯度的数学模型得出最终的分条侧弯度预测值,具体步骤为:
根据已知的带钢参数和轧后过程加工工艺参数,通过步骤S21所述的方法计算带钢分条前纵向延伸差与上下表面延伸差;
结合带钢参数,输入到步骤S231的带钢分条侧弯度预测数学模型得出最终的分条侧弯度预测值。
优选地,所述步骤S3包括:
步骤S31、根据所述易产生分条侧弯的带钢的规格型号在现场成卷中抽样抽取预设卷数进行分条实际侧弯值的测量;
步骤S32、利用所述侧弯度预测模型对所述带钢分条侧弯度进行预测,将侧弯度预测值与现场实际测量的侧弯值进行对比验证,并对模型中的影响系数进行修正。
一方面,提供了一种基于上述热轧高强钢板形缺陷全流程预测方法的图形用户界面装置,所述图形用户界面装置连接检测获取模块、模型建立模块和验证模块;
其中,所述检测获取模块用于检测并统计最近预设时间段内的带钢生产反馈情况,筛选出生产中易产生分条侧弯的带钢的规格型号,并通过所述规格型号获取带钢从精轧出口到分条过程的带钢参数与生产工艺参数;
所述模型建立模块用于根据所述带钢参数与生产工艺参数建立带钢从精轧出口到分条过程的侧弯度预测模型,获得所述规格型号的带钢分条后的侧弯度预测值;
所述验证模块用于通过抽样检测法对所述规格型号的带钢的实际侧弯值进行测量,验证并修正所述侧弯度预测模型;
所述图形用户界面装置包括:
分工序计算模块,用于按照工序在每个子界面依次输入参数,运行后每个子界面分别输出进行该工序之前的带钢纵向延伸差和上下表面延伸差分布、该工序所得到的应变、完成该工序后的带钢纵向延伸差和上下表面延伸差分布;分条侧弯界面输出侧弯最大值和带钢侧弯翘曲后的可视化图形;
热轧段计算模块,从精轧出口开始,用于初始参数的读入和层冷、夹送、卷取工序依次输入参数,运行后得到热轧段结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形;
平整段计算模块,用于初始参数的读入和开卷、5辊矫直、平整工序依次输入参数,运行后得到平整段结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形;
全流程计算模块,用于从精轧出口开始到分条的所有工序依次输入参数,运行后得到从精轧出口到分条结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形。
本发明实施例提供的技术方案带来的有益效果至少包括:
本发明所述预测方法将轧后带钢参数及生产工艺参数与延伸应变建立了解析关系,通过设计不同工况得到带钢轧后加工过程中带钢参数与生产工艺参数对分条侧弯的影响,进而对不同工况下带钢分条侧弯进行预测,实现了已知带钢厚度、宽度等参数及生产工艺参数而获得分条后带钢侧弯的最大值,并设计了基于所述方法的图形用户界面装置,能够清晰展示输入参数与最终侧弯结果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种热轧高强钢板形缺陷全流程预测方法的流程图;
图2是本发明实施例提供的直线度预测模型软件框架图;
图3是本发明实施例提供的层冷程序计算流程框图;
图4是本发明实施例提供的带钢夹送程序计算流程框图;
图5是本发明实施例提供的带钢卷取程序计算流程框图;
图6是本发明实施例提供的带钢开卷程序计算流程框图;
图7是本发明实施例提供的带钢平整轧件-辊系一体化模型流程图;
图8是本发明实施例提供的带钢侧弯计算流程框图;
图9是本发明实施例提供的带钢厚度对分条侧弯的影响图;
图10是本发明实施例提供的直线度预测模型主页界面示意图;
图11是本发明实施例提供的直线度预测模型平整(工作辊)界面示意图;
图12是本发明实施例提供的直线度预测模型全流程分条侧弯界面示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明的实施例首先提供了一种热轧高强钢板形缺陷全流程预测方法,如图1所示,该方法包括以下步骤:
S1、检测并统计最近预设时间段内的带钢生产反馈情况,筛选出生产中易产生分条侧弯的带钢的规格型号,并通过所述规格型号获取带钢从精轧出口到分条过程的带钢参数与生产工艺参数;
S2、根据所述带钢参数与生产工艺参数建立带钢从精轧出口到分条过程的侧弯度预测模型,获得所述规格型号的带钢分条后的侧弯度预测值;
S3、通过抽样检测法对所述规格型号的带钢的实际侧弯值进行测量,验证并修正所述侧弯度预测模型。
本发明所述预测方法将轧后带钢参数及生产工艺参数与延伸应变建立了解析关系,通过设计不同工况得到带钢轧后加工过程中带钢参数与生产工艺参数对分条侧弯的影响,进而对不同工况下带钢分条侧弯进行预测,实现了已知带钢厚度、宽度等参数及生产工艺参数而获得分条后带钢侧弯的最大值,提高了预测精确度。
进一步地,所述步骤S1中,通过检测统计近几个月的带钢成卷用户反馈情况,筛选出典型的带钢规格型号,通过上述带钢规格型号追溯带钢从精轧出口到分条之间的带钢参数与生产工艺参数。
进一步地,所述带钢参数与生产工艺参数包括:
带钢在精轧出口的宽度、宽向厚度分布和宽向温度分布;
层冷过程的带钢张力;
夹送过程带钢的前后张力、夹送辊下压力;
卷取过程的卷取温度、带钢宽向温度差;
5辊矫直过程的带钢屈服强度、张力、矫直辊插入深度;
平整过程的带钢延伸率、出入口张力,工作辊辊形、窜辊量、弯辊力,轧制力,摩擦系数;
13辊矫直过程的带钢张力,矫直辊插入深度;
分条过程的带钢长度。
进一步地,所述步骤S2具体包括:
步骤S21、分别建立带钢层冷、夹送、卷取、开卷、5辊矫直、平整、13辊矫直的延伸差应变分布数学模型;
步骤S22、建立带钢厚度分布和延伸差应变分布相互转化的数学模型;
步骤S23、建立由带钢参数和延伸差应变分布所导致的分条侧弯度的数学模型;
步骤S24、分析带钢参数与轧后加工工艺参数数据对带钢分条侧弯最大值的影响;
步骤S25、建立带钢在已知工艺过程下的分条后侧弯度预测模型。
进一步地,所述步骤S21具体包括:
步骤S211、层冷过程基于有限元仿真结果,对数据进行拟合,建立带钢纵向塑性应变分布的预测模型,具体过程为:
考虑初始温度差以及厚度、初始浪高、张力对应变分布的影响,将整体多项式的系数表示为所述影响因素的函数,并根据所述有限元仿真结果进行拟合,其形式为:
M型:a0,a2,a4,a6=f(△T,h,lg,F)
C型:a0,a2=f(△T,h,lg,F)
L型:a0,a1=f(△T,h,lg,F)
其中ΔT表示温度差;h表示厚度;lg表示初始浪高;F表示张力;
步骤S212、夹送过程通过条元法求得带钢经过夹送辊前应张力的横向分布,间接求得带钢经过夹送辊后产生的纵向塑性应变分布,具体过程为:
条元分割模型的各项功率包括塑性变形功率、接触表面摩擦功率、入口速度间断面上的功率、前后张力的功率,综上求得总功率泛函表达式,其形式为:
总功率泛函是节线出口横向位移ui(i=1,2,···,n)的函数,表达式简写为:
N=N(u1,u2,u3,···,un)
其中u1,u2,u3,···,un为条元法的正确解;
步骤S213、卷取及平整开卷过程依据实测数据,输入温度拟合系数和材料参数计算公式,计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
拟合弹性模量E、塑性模量Ep、屈服强度σs与温度的关系,结果表明,上述三个关系式均近似线性,具体表达式为:
E=235297.6-78.1T
Ep=2802-2.22T
σs=950-1.031T
确定出塑性发生与否的临界半径和临界旋转角,得出塑性延伸差分布;
步骤S214、5辊矫直过程基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,计算计算带钢沿厚度方向的塑性延伸差分布,具体过程为:
利用有限元模型进行仿真计算不同工况下,带钢经平整轧制后上下表面延伸差情况,构成数据库;利用最小二乘法多元非线性回归相关知识建立平整轧制过程带钢上下表面延伸差预测模型,寻找一组回归系数fj(j=1,2...,m),使得各组数据的回归值与实验值的残差平方和最小,其形式为:
步骤S215、平整过程分别采用影响函数法和三维差分法建立轧制过程中辊系弹性变形和带钢塑性变形计算,进而建立出口纵向延伸差分布模型;厚向基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,分别计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
建立单个轧辊的弹性压扁方程为:
Ymns=GmnsQmns
式中,m和n分别代表接触对中的不同轧辊;Gmns为相接触辊间的弹性压扁影响函数矩阵;
研究迭代修正算法,兼顾模型的收敛速度及计算的稳定性,在每一次迭代后,通过接触判断直接修正接触压力和整体矩阵,在计算中考虑整体辊系的变形与压扁,每一次迭代中均对所有辊进行调整;
建立三维差分带钢塑性变形力学模型,研究单元体的受力和平衡,应用塑性理论基本方程,建立辊系与轧件一体化模型;
步骤S216、13辊矫直过程基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
根据辊式矫直理论,计算带钢变形和应力应变情况和挠度;
按照大变形线性递减原则制定压弯方案,确定入口处压弯量及出口处压弯量,设原始曲率,计算入口压弯量和出口压弯量;
由已知参数计算带钢纵向延伸差分布。
进一步地,所述步骤S22具体包括:
步骤S221、基于加工前后各条的体积不变原则建立带钢厚度分布和延伸应变相互转化的数学模型,其形式为:
其中ε为带钢延伸应变;l0和h0分别为某道工序加工前的任意一条长度和厚度,l和h分别为该道工序加工后的同一条长度和厚度。
进一步地,所述步骤S23具体包括:
步骤S231、通过得到的带钢板宽以及板厚方向的纵向延伸差进行数据拟合,得出钢板纵向的初应变分布,其形式为:
进一步地,所述步骤S221建立的带钢厚度分布和纵向延伸应变分布相互转化的数学模型得到分条前的带钢纵向延伸差分布与上下表面延伸差分布,具体为:
已知带钢轧制出口厚度分布参数,通过带钢厚度分布和纵向延伸分布相互转化的数学模型转化为纵向延伸差分布;
将每道工序的输出应变转化为厚度分布作为下一道工序的输入;
根据叠加法,将带钢参数和生产工艺参数按顺序输入各工序延伸差应变的数学模型并得到各个工序的应变后进行叠加,得到最终的带钢纵向延伸差分布和上下表面延伸差分布。
进一步地,将得到的带钢纵向延伸差分布和上下表面延伸差分布,通过步骤S231所提出的带钢分条侧弯度的数学模型得出最终的分条侧弯度预测值,具体步骤为:
根据已知的带钢参数和轧后过程加工工艺参数,通过步骤S21所述的方法计算带钢分条前纵向延伸差与上下表面延伸差;
结合带钢参数,输入到步骤S231的带钢分条侧弯度预测数学模型得出最终的分条侧弯度预测值。
进一步地,所述步骤S3具体包括:
步骤S31、根据所述易产生分条侧弯的带钢的规格型号在现场成卷中抽样抽取预设卷数进行分条实际侧弯值的测量;
步骤S32、利用所述侧弯度预测模型对所述带钢分条侧弯度进行预测,将侧弯度预测值与现场实际测量的侧弯值进行对比验证,并对模型中的影响系数进行修正。
相应地,本发明的实施例还提供了一种基于所述热轧高强钢板形缺陷全流程预测方法的图形用户界面装置,所述图形用户界面装置连接检测获取模块、模型建立模块和验证模块;
其中,所述检测获取模块用于检测并统计最近预设时间段内的带钢生产反馈情况,筛选出生产中易产生分条侧弯的带钢的规格型号,并通过所述规格型号获取带钢从精轧出口到分条过程的带钢参数与生产工艺参数;
所述模型建立模块用于根据所述带钢参数与生产工艺参数建立带钢从精轧出口到分条过程的侧弯度预测模型,获得所述规格型号的带钢分条后的侧弯度预测值;
所述验证模块用于通过抽样检测法对所述规格型号的带钢的实际侧弯值进行测量,验证并修正所述侧弯度预测模型;
所述图形用户界面装置包括:
分工序计算模块,用于按照工序在每个子界面依次输入参数,运行后每个子界面分别输出进行该工序之前的带钢纵向延伸差和上下表面延伸差分布、该工序所得到的应变、完成该工序后的带钢纵向延伸差和上下表面延伸差分布;分条侧弯界面输出侧弯最大值和带钢侧弯翘曲后的可视化图形;
热轧段计算模块,从精轧出口开始,用于初始参数的读入和层冷、夹送、卷取工序依次输入参数,运行后得到热轧段结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形;
平整段计算模块,用于初始参数的读入和开卷、5辊矫直、平整工序依次输入参数,运行后得到平整段结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形;
全流程计算模块,用于从精轧出口开始到分条的所有工序依次输入参数,运行后得到从精轧出口到分条结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形。
本发明设计的基于所述预测方法的图形用户界面装置,能够清晰展示输入参数与最终侧弯结果,提升操作的交互体验。
下面结合附图,对本发明提供的热轧高强钢板形缺陷全流程预测方法作进一步详细说明。
如图2所示,图2为本发明对于带钢直线度预测的整体运行框架。需要说明的是本发明的终端设备可以是便携式笔记本计算机或者PC等终端设备。
具体地,通过调用带钢直线度预测程序,执行如下操作:
检测并获得生产中容易产生分条侧弯的钢板种类及卷号(即规格型号),获得上述卷号的带钢参数及生产工艺参数;
将所述带钢参数及层冷工艺参数作为输入参数导入到层冷程序中,所述参数如表1所示。
表1各种影响因素对层冷后应变分布影响的工况设计
如图3所示为层冷输入文件的读取、参数的判别、系数的计算以及数据输出的整体流程。
具体地,处理器通过调用延伸差应变与板厚的相互转化程序,并将所述参数输入到夹送辊程序,执行如下操作:
应用延伸差应变与板厚的相互转化程序将所述带钢延伸差应变分布转化为厚度分布作为带钢参数输入;
将所述带钢参数及夹送辊工艺参数作为输入参数导入到夹送程序中。
如图4所示为夹送程序的执行流程框图。
具体地,处理器通过调用延伸差应变与板厚的相互转化程序,并将所述参数输入到卷取程序,执行如下操作:
输入卷取带钢的基本参数,包括卷筒的直径,带钢的厚度、宽度、长度和卷取温度,带钢在宽度方向和厚度方向的分条数;
依据实测数据,输入温度拟合系数和材料参数计算公式;
计算温度分布,进而得到各条的材料参数;
计算各条的临界半径、临界旋转角;
计算各条的累积塑性变形量,进而得到带钢沿宽度方向和厚度方向的塑性延伸差分布。
如图5所示为卷取程序的执行流程框图。
具体地,处理器通过调用延伸差应变与板厚的相互转化程序,并将所述参数输入到开卷程序,执行如下操作:
输入开卷带钢的基本参数,包括带钢卷取状态下的最内层半径、厚度、宽度、长度,带钢在宽度方向和厚度方向的分条数;
输入带钢的材料参数;
计算各条的临界半径、临界旋转角;
计算各条的累积塑性变形量,进而得到带钢沿宽度方向和厚度方向的塑性延伸差分布。
如图6所示为开卷程序的执行流程框图。
具体地,处理器通过调用延伸差应变与板厚的相互转化程序,并将所述参数输入到5辊矫直程序,执行如下操作:
有限元模型进行仿真计算不同工况下,带钢经5辊矫直后上下表面延伸差情况,构成数据库,所述部分样本数据库如表2所示;
根据有限元计算结果,利用最小二乘法进行多元非线性回归,进而建立多辊矫直过程带钢上下表面延伸差预测模型。
所述输入参数通过预测模型得出最终上下表面延伸差应变结果。
表2 5辊矫直部分样本数据库
具体地,处理器通过调用延伸差应变与板厚的相互转化程序,并将所述参数输入到平整程序(厚向),执行如下操作:
利用上述有限元模型进行仿真计算不同工况下,带钢经平整轧制后上下表面延伸差情况,构成数据库,所述部分样本数据如表3所示;
根据有限元计算结果,利用最小二乘法进行多元非线性回归,进而建立平整过程带钢上下表面延伸差预测模型。
所述输入参数通过预测模型得出最终上下表面延伸差应变结果。
表3平整(厚向)部分样本数据库
具体地,处理器通过调用延伸差应变与板厚的相互转化程序,并将所述参数输入到平整程序(宽向),执行如下操作:
开始计算前,假设轧制力的横向分布,根据辊系的弹性变形计算,得到带钢出口横截面形状,进入轧件三维塑性变形计算;
根据压下率及出口厚度分布计算出轧制力的横向分布,将其与假设值比较,如果不满足精度允许范围,则修正带钢轧制力的横向分布,进行下一轮的计算,直至满足误差条件为止。
如图7所示为平整(宽向)程序的执行流程框图。
具体地,处理器通过调用延伸差应变与板厚的相互转化程序,并将所述参数输入到13辊矫直程序,执行如下操作:
根据辊式矫直理论,计算带钢变形和应力应变情况和挠度;
按照大变形线性递减原则制定压弯方案,需确定入口处压弯量及出口处压弯量,设原始曲率,计算入口压弯量和出口压弯量;
所述输入参数通过预测模型得出最终上下表面延伸差应变结果。
具体地,处理器通过调用延伸差应变与板厚的相互转化程序,并将所述参数输入到分条侧弯程序,执行如下操作:
输入带钢基本参数,包括带钢的总宽度、分条长度、厚度;
根据实测数据输入带钢沿宽度方向的纵向延伸差以及厚度方向上的上下表面延伸差;
对上一步输入的实测数据进行采样拟合,获得带钢初应变分布;
计算分条带钢翘曲值;
计算分条带钢侧弯值;
绘制带钢分条侧弯形势图。
如图8所示为分条侧弯程序的执行流程框图。
获得不同参数变量对分条侧弯的影响,如图9所示为改变厚度变量时,带钢分条侧弯的变化情况。
此外,本发明实施例还提出了一种带钢直线度预测图形用户界面装置,参照图10、图11、图12,本发明提供的所述图形用户界面装置包括:
分工序计算模块:按照工序在每个子界面依次输入参数,运行后每个子界面分别输出进行该工序之前的带钢纵向延伸差和上下表面延伸差分布、该工序所得到的应变、完成该工序后的带钢纵向延伸差和上下表面延伸差分布;分条侧弯界面输出侧弯最大值和带钢侧弯翘曲后的可视化图形;
热轧段计算模块:从精轧出口开始,包括初始参数的读入和层冷、夹送、卷取几道工序,依次输入参数,运行后可以得到热轧段结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形;
平整段计算模块:包括开卷、5辊矫直、平整几道工序,依次输入参数,运行后可以得到平整段结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形;
全流程计算模块:包括从精轧出口开始到分条的所有工序,依次输入参数,运行后可以得到从精轧出口到分条结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形。
具体实施时,将带钢在宽度方向上分为41条,每条的延伸差应变各自叠加组成最终的延伸差分布,根据所述延伸差分布计算分条侧弯值。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种热轧高强钢板形缺陷全流程预测方法,其特征在于,包括以下步骤:
S1、检测并统计最近预设时间段内的带钢生产反馈情况,筛选出生产中易产生分条侧弯的带钢的规格型号,并通过所述规格型号获取带钢从精轧出口到分条过程的带钢参数与生产工艺参数;
所述带钢参数与生产工艺参数包括:
带钢在精轧出口的宽度、宽向厚度分布和宽向温度分布;
层冷过程的带钢张力;
夹送过程带钢的前后张力、夹送辊下压力;
卷取过程的卷取温度、带钢宽向温度差;
5辊矫直过程的带钢屈服强度、张力、矫直辊插入深度;
平整过程的带钢延伸率、出入口张力,工作辊辊形、窜辊量、弯辊力,轧制力,摩擦系数;
13辊矫直过程的带钢张力,矫直辊插入深度;
分条过程的带钢长度;
S2、根据所述带钢参数与生产工艺参数建立带钢从精轧出口到分条过程的侧弯度预测模型,获得所述规格型号的带钢分条后的侧弯度预测值;
所述步骤S2包括:
步骤S21、分别建立带钢层冷、夹送、卷取、开卷、5辊矫直、平整、13辊矫直的延伸差应变分布数学模型;
步骤S22、建立带钢厚度分布和延伸差应变分布相互转化的数学模型;
步骤S23、建立由带钢参数和延伸差应变分布所导致的分条侧弯度的数学模型;
步骤S24、分析带钢参数与轧后加工工艺参数数据对带钢分条侧弯最大值的影响;
步骤S25、建立带钢在已知工艺过程下的分条后侧弯度预测模型;
S3、通过抽样检测法对所述规格型号的带钢的实际侧弯值进行测量,验证并修正所述侧弯度预测模型。
2.根据权利要求1所述的热轧高强钢板形缺陷全流程预测方法,其特征在于,所述步骤S21包括:
步骤S211、层冷过程基于有限元仿真结果,对数据进行拟合,建立带钢纵向塑性应变分布的预测模型,具体过程为:
考虑初始温度差以及厚度、初始浪高、张力对应变分布的影响,将整体多项式的系数表示为所述影响因素的函数,并根据所述有限元仿真结果进行拟合,其形式为:
M型:a0,a2,a4,a6=f(△T,h,lg,F)
C型:a0,a2=f(△T,h,lg,F)
L型:a0,a1=f(△T,h,lg,F)
其中ΔT表示温度差;h表示厚度;lg表示初始浪高;F表示张力;
步骤S212、夹送过程通过条元法求得带钢经过夹送辊前应张力的横向分布,间接求得带钢经过夹送辊后产生的纵向塑性应变分布,具体过程为:
条元分割模型的各项功率包括塑性变形功率、接触表面摩擦功率、入口速度间断面上的功率、前后张力的功率,综上求得总功率泛函表达式,其形式为:
总功率泛函是节线出口横向位移ui(i=1,2,···,n)的函数,表达式简写为:
N=N(u1,u2,u3,···,un)
其中u1,u2,u3,···,un为条元法的正确解;
步骤S213、卷取及平整开卷过程依据实测数据,输入温度拟合系数和材料参数计算公式,计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
拟合弹性模量E、塑性模量Ep、屈服强度σs与温度的关系,结果表明,上述三个关系式均近似线性,具体表达式为:
E=235297.6-78.1T
Ep=2802-2.22T
σs=950-1.031T
确定出塑性发生与否的临界半径和临界旋转角,得出塑性延伸差分布;
步骤S214、5辊矫直过程基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,计算带钢沿厚度方向的塑性延伸差分布,具体过程为:
利用有限元模型进行仿真计算不同工况下,带钢经平整轧制后上下表面延伸差情况,构成数据库;利用最小二乘法多元非线性回归相关知识建立平整轧制过程带钢上下表面延伸差预测模型,寻找一组回归系数fj(j=1,2...,m),使得各组数据的回归值与实验值的残差平方和最小,其形式为:
步骤S215、平整过程分别采用影响函数法和三维差分法建立轧制过程中辊系弹性变形和带钢塑性变形计算,进而建立出口纵向延伸差分布模型;厚向基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,分别计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
建立单个轧辊的弹性压扁方程为:
Ymns=GmnsQmns
式中,m和n分别代表接触对中的不同轧辊;Gmns为相接触辊间的弹性压扁影响函数矩阵;
研究迭代修正算法,兼顾模型的收敛速度及计算的稳定性,在每一次迭代后,通过接触判断直接修正接触压力和整体矩阵,在计算中考虑整体辊系的变形与压扁,每一次迭代中均对所有辊进行调整;
建立三维差分带钢塑性变形力学模型,研究单元体的受力和平衡,应用塑性理论基本方程,建立辊系与轧件一体化模型;
步骤S216、13辊矫直过程基于有限元仿真结果,建立数据库,使用最小二乘法进行多元函数回归,建立带钢上下表面延伸差预测模型,计算带钢沿宽度方向和厚度方向的塑性延伸差分布,具体过程为:
根据辊式矫直理论,计算带钢变形和应力应变情况和挠度;
按照大变形线性递减原则制定压弯方案,确定入口处压弯量及出口处压弯量,设原始曲率,计算入口压弯量和出口压弯量;
由已知参数计算带钢纵向延伸差分布。
5.根据权利要求3所述的热轧高强钢板形缺陷全流程预测方法,其特征在于,所述步骤S221建立的带钢厚度分布和纵向延伸应变分布相互转化的数学模型得到分条前的带钢纵向延伸差分布与上下表面延伸差分布,具体为:
已知带钢轧制出口厚度分布参数,通过带钢厚度分布和纵向延伸分布相互转化的数学模型转化为纵向延伸差分布;
将每道工序的输出应变转化为厚度分布作为下一道工序的输入;
根据叠加法,将带钢参数和生产工艺参数按顺序输入各工序延伸差应变的数学模型并得到各个工序的应变后进行叠加,得到最终的带钢纵向延伸差分布和上下表面延伸差分布。
6.根据权利要求4所述的热轧高强钢板形缺陷全流程预测方法,其特征在于,将得到的带钢纵向延伸差分布和上下表面延伸差分布,通过步骤S231所提出的带钢分条侧弯度的数学模型得出最终的分条侧弯度预测值,具体步骤为:
根据已知的带钢参数和轧后过程加工工艺参数,通过步骤S21所述的方法计算带钢分条前纵向延伸差与上下表面延伸差;
结合带钢参数,输入到步骤S231的带钢分条侧弯度预测数学模型得出最终的分条侧弯度预测值。
7.根据权利要求1所述的热轧高强钢板形缺陷全流程预测方法,其特征在于,所述步骤S3包括:
步骤S31、根据所述易产生分条侧弯的带钢的规格型号在现场成卷中抽样抽取预设卷数进行分条实际侧弯值的测量;
步骤S32、利用所述侧弯度预测模型对所述带钢分条侧弯度进行预测,将侧弯度预测值与现场实际测量的侧弯值进行对比验证,并对模型中的影响系数进行修正。
8.一种基于权利要求1-7中任一项所述的热轧高强钢板形缺陷全流程预测方法的图形用户界面装置,其特征在于,所述图形用户界面装置连接检测获取模块、模型建立模块和验证模块;
其中,所述检测获取模块用于检测并统计最近预设时间段内的带钢生产反馈情况,筛选出生产中易产生分条侧弯的带钢的规格型号,并通过所述规格型号获取带钢从精轧出口到分条过程的带钢参数与生产工艺参数;
所述带钢参数与生产工艺参数包括:
带钢在精轧出口的宽度、宽向厚度分布和宽向温度分布;
层冷过程的带钢张力;
夹送过程带钢的前后张力、夹送辊下压力;
卷取过程的卷取温度、带钢宽向温度差;
5辊矫直过程的带钢屈服强度、张力、矫直辊插入深度;
平整过程的带钢延伸率、出入口张力,工作辊辊形、窜辊量、弯辊力,轧制力,摩擦系数;
13辊矫直过程的带钢张力,矫直辊插入深度;
分条过程的带钢长度;
所述模型建立模块用于根据所述带钢参数与生产工艺参数建立带钢从精轧出口到分条过程的侧弯度预测模型,获得所述规格型号的带钢分条后的侧弯度预测值;
所述模型建立模块具体用于:
分别建立带钢层冷、夹送、卷取、开卷、5辊矫直、平整、13辊矫直的延伸差应变分布数学模型;
建立带钢厚度分布和延伸差应变分布相互转化的数学模型;
建立由带钢参数和延伸差应变分布所导致的分条侧弯度的数学模型;
分析带钢参数与轧后加工工艺参数数据对带钢分条侧弯最大值的影响;
建立带钢在已知工艺过程下的分条后侧弯度预测模型;
所述验证模块用于通过抽样检测法对所述规格型号的带钢的实际侧弯值进行测量,验证并修正所述侧弯度预测模型;
所述图形用户界面装置包括:
分工序计算模块,用于按照工序在每个子界面依次输入参数,运行后每个子界面分别输出进行该工序之前的带钢纵向延伸差和上下表面延伸差分布、该工序所得到的应变、完成该工序后的带钢纵向延伸差和上下表面延伸差分布;分条侧弯界面输出侧弯最大值和带钢侧弯翘曲后的可视化图形;
热轧段计算模块,从精轧出口开始,用于初始参数的读入和层冷、夹送、卷取工序依次输入参数,运行后得到热轧段结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形;
平整段计算模块,用于初始参数的读入和开卷、5辊矫直、平整工序依次输入参数,运行后得到平整段结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形;
全流程计算模块,用于从精轧出口开始到分条的所有工序依次输入参数,运行后得到从精轧出口到分条结束时的带钢分条侧弯情况,输出包括侧弯最大值和带钢侧弯翘曲后的可视化图形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110097163.6A CN112949108B (zh) | 2021-01-25 | 2021-01-25 | 热轧高强钢板形缺陷全流程预测方法及图形用户界面装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110097163.6A CN112949108B (zh) | 2021-01-25 | 2021-01-25 | 热轧高强钢板形缺陷全流程预测方法及图形用户界面装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112949108A CN112949108A (zh) | 2021-06-11 |
CN112949108B true CN112949108B (zh) | 2022-08-02 |
Family
ID=76236451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110097163.6A Active CN112949108B (zh) | 2021-01-25 | 2021-01-25 | 热轧高强钢板形缺陷全流程预测方法及图形用户界面装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112949108B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113500099B (zh) * | 2021-06-17 | 2022-03-29 | 北京科技大学 | 板带材的板形模态、偏差大小和位置三维度描述方法 |
CN113814276B (zh) * | 2021-11-24 | 2022-02-08 | 太原科技大学 | 一种基于张力-温度控制的板形调控方法 |
CN114227152B (zh) * | 2021-11-25 | 2023-02-07 | 杰瑞石油天然气工程有限公司 | 筒状件及其加工方法 |
CN114378403B (zh) * | 2021-12-13 | 2023-05-12 | 首钢京唐钢铁联合有限责任公司 | 一种快速判断钢种纵切类型的方法 |
CN115577578A (zh) * | 2022-12-09 | 2023-01-06 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种激光选区熔化板材安全评估与寿命预测的方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5195528B2 (ja) * | 2009-03-03 | 2013-05-08 | 新日鐵住金株式会社 | 常温時のキャンバー量予測方法及びこれを用いる操業方法 |
CN102818763B (zh) * | 2012-07-30 | 2014-11-19 | 首钢总公司 | 一种适合生产现场的热轧钢板残余应力计算方法 |
CN103028614B (zh) * | 2012-12-14 | 2015-04-29 | 武汉钢铁(集团)公司 | 一种带钢热连轧生产过程控制系统的优化方法 |
CN103093093B (zh) * | 2013-01-14 | 2016-01-20 | 燕山大学 | 一种适合于热轧带钢卷取后的翘曲预报方法 |
CN106326525B (zh) * | 2016-08-02 | 2019-09-10 | 武汉科技大学 | 基于广义可加模型的热轧变形抗力预报方法 |
CN110681702B (zh) * | 2019-09-30 | 2021-02-05 | 北京科技大学 | 一种热轧钛带横向翘曲板形缺陷的控制方法 |
CN110929347A (zh) * | 2019-10-25 | 2020-03-27 | 东北大学 | 一种基于梯度提升树模型的热连轧带钢凸度预测方法 |
CN110947774B (zh) * | 2019-12-06 | 2020-12-01 | 东北大学 | 一种考虑轧制宽展的板形预测方法 |
CN111570533B (zh) * | 2020-05-19 | 2021-06-29 | 燕山大学 | 热轧卷取温度与终轧温度对平整变形抗力影响预测方法 |
-
2021
- 2021-01-25 CN CN202110097163.6A patent/CN112949108B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112949108A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112949108B (zh) | 热轧高强钢板形缺陷全流程预测方法及图形用户界面装置 | |
CN110947774B (zh) | 一种考虑轧制宽展的板形预测方法 | |
Bidabadi et al. | Experimental and numerical study of bowing defects in cold roll-formed, U-channel sections | |
Wiebenga et al. | Product defect compensation by robust optimization of a cold roll forming process | |
Tehrani et al. | Localised edge buckling in cold roll-forming of symmetric channel section | |
Wang et al. | Numerical and experimental analysis of strip cross-directional control and flatness prediction for UCM cold rolling mill | |
CN100357953C (zh) | 金属板带自动矫直工艺参数的优化方法 | |
Wang et al. | Analysis of lateral metal flow-induced flatness deviations of rolled steel strip: mathematical modeling and simulation experiments | |
Liu et al. | Theoretical and experimental study on the producible rolling thickness in ultra-thin strip rolling | |
Chen et al. | Determination of formability considering wrinkling defect in first-pass conventional spinning with linear roller path | |
JP6172401B2 (ja) | 金属板の圧延制御方法、圧延制御装置及び圧延金属板の製造方法 | |
CN112474820A (zh) | 一种用于辊型设计的轧机装置及其方法 | |
CN113275387B (zh) | 一种ucm轧机辊系横纵刚度特性曲线的获取方法 | |
Singh et al. | Effect of process parameters on roll separating force, driving torque and end crop length during grooved hot rolling of SAE 1020 steel | |
CN116371942B (zh) | 一种基于带钢横向强度不均的横向厚度分布预测方法 | |
Shu-zong et al. | Online calculation model of rolling force for cold rolling mill based on numerical integration | |
Yi et al. | A novel modeling method in metal strip leveling based on a roll-strip unit | |
Sun et al. | Mathematical model of lever arm coefficient in cold rolling process | |
Shatalov et al. | Development and application of the theory of rigid ends in thin-sheet rolling | |
Jia et al. | FEM analysis for asymmetric bending roll of roll process in four-high mill | |
Hao et al. | Predicting model of thickness distribution and rolling force in angular rolling process based on influence function method | |
Wang et al. | Modeling and optimization of threading process for shape control in tandem cold rolling | |
Ren et al. | Plate profile control during ultra-thin strip rolling utilizing work roll edge contact | |
Hao et al. | Analysis of rolling force and layer thickness in bimetal clad rolling | |
JP2003311326A (ja) | 鋼板の製造方法 |
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 |