中厚板精轧机轧制力预报综合模型研究

《中厚板精轧机轧制力预报综合模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据第32卷第5期2009年10月武汉科技大学学报JournalofWuhanUniversityofScienceandTechnologyV01．32。No．50ct．2009中厚板精轧机轧制力预报综合模型研究程晓茹，魏兵，程曦，潘知韦(武汉科技大学材料与冶金学院，湖北武汉，430081)摘要：为提高中厚板精轧机轧制力的预报精度，建立了Sims公式简化式与人工神经网络相结合的轧制力预报综合模型。以3000mm中厚板精轧机实测数据为基础，用Sims公式简化式计算轧制力主值，利用MAT—LAB人工神经网络工具箱，建立BP神经网络模型预报轧制力的偏差值，

2、用提前结束的方法来训练网络。模型的综合采用加法和乘法两种方式。结果表明，与单独采用Sims公式简化式相比，综合模型的预报精度提高很多，而且加法网络算法的预报效果比乘法网络算法更好。关键词：中厚板精轧机；轧制力；人工神经网络；MATLAB软件；综合模型中图分类号：TG335文献标志码：A文章编号：1674—3644(2009)05—0449一04轧制力是中厚板轧制过程中最重要的力能参数之一。精确预报轧制力对提高厚度和板型控制精度、优化轧制规程、充分发挥设备能力并确保设备安全具有重大意义。传统轧制力模型由于机理建模简化问题的需要，引入了许多假设，致使其结构简单

3、，精度较低，无法满足现代高精度、多品种轧制的需要u]。作为一种智能型信息处理系统，人工神经网络被广泛应用于解决模式识别和预测等问题。采用神经网络方法预报精轧机组轧制力，可明显提高预报精度[2。3]。本文以武汉钢铁股份有限公司3000mm中厚板精轧机实测数据为基础，建立Sims公式简化式与人工神经网络模型相结合的综合模型，以期达到精确预报轧制力的目的。1计算轧制力的Sims公式简化式目前普遍认为基于OROWAN变形区力平衡理论的Sims公式是最适于计算热轧板带钢轧制力的理论公式。Sims公式的基本形式为[43P—Bz：Q。K(1)式中：P为轧制力，kN；B为

4、带宽，m；《为考虑压扁后轧辊与轧件的接触弧水平投影长度，mm；Q。为考虑接触弧上摩擦力影响的应力状态系数；K为金属变形阻力，取决于金属材料化学成分以及变形的物理条件(变形温度、变形速度及变形程度等)，K一胁，MPa，其中，卢为系数，仃为热轧金属变形抗力。式(1)中，Bl：为接触面积，是决定轧制力的几何因素；Q。是决定轧制力的力学因素；K是影响轧制力的物理化学因素。1．1接触弧水平投影长度《z#．腼=棚取瓦可(2)R’=R(1+2．2×10—5P／(BAh))(3)式中：R’为考虑轧辊弹性压扁的轧辊半径，mm；R为不考虑轧辊弹性压扁的轧辊半径，mm；Ah为轧

5、制压下量，mm；h。为轧制时轧件的入口厚度，mm；^。为轧制时轧件的出口厚度，mm。1．2热轧金属变形抗力仃迄今为止，在变形抗力研究中都是先通过试验，获取应力一应变数据，然后采用非线性函数回归，得到变形抗力模型。常用的变形抗力模型为口=doexp(口1T十口2)((M。／lo)‘437+。41)忌。(4)式中：T=(t+273)／1000，其中，t为变形温度，℃；“。为平均变形速度，s～；志。一a6(e／0．4)“s一(口。一1)(e／0．4)，其中，e为真‘正变形程度；a。～口。为回归系数。1．3外摩擦应力状态系数Q。Sims公式中Q。的计算比较复杂，不

6、便于计算机在线控制使用，因此一般采用Sims公式的简化式计算轧制力，其中Q。采用回归经验公式计算H]：Q。一0．8205+0．2376(1：／h。)+0．i006E(z：／^。)一0．3768￡(5)式中：h。为轧制时轧件入口厚度和出口厚度的平均值，mm；￡为压下率。收稿日期：2009—07—03作者简介：程晓茹(1958一)，女．武汉科技大学教授．E—mail：xiaoru_cheng@yahoo．corn．crl万方数据450武汉科技大学学报2009年第5期2预报轧制力偏差的BP神经网络模犁2．1模型的结构利用MATLAB工具箱建立神经网络。建立多层神

7、经网络模型时，采用适当的隐层节点数往往是网络成败的关键。隐层节点数太少，所能获取解决问题的信息太少，网络难以处理较复杂的问题；若隐层节点数过多，则网络训练时间急剧增加．而且过多的隐层神经元容易使网络训练过度。本文从轧制工艺角度出发，确定BP网络模型的输入量为9个参数，即．牟L件宽度B、人口温度t，、出口温度tz、入口厚度h。、出口厚度h。、轧辊转速可、训(C)、叫(Si)、训(Mn)。输出层为一个神经元，输出值为轧制压力的修正值。隐层神经元的个数采用如下经验公式计算[5一：咒1=v'-d+m一4-口(6)式中：n，为隐层单元数；n为输入层单元数；m为输出层

8、单元数；口为常数，1≤口≤10。2．2数据的预处理在建立预测模型前