|
|
|
|
| 金属的轧制宽度、边缘和表面粗糙度计量仪器 |
| 本站文字和内容版权为上海研润光学硬度计硬度计制造厂所有http://www.yr1718.net;转载请注明出处 |
|
金属的轧制宽度、边缘和表面粗糙度计量仪器 金属的轧制 轧制力的预测 高速且低耗地生产量大、质优的产品是决定轧制过程是否有竞争力的中心因素。虽然我们在轧制现场收集了许多测量数据，但是它未必能完全利用，因为这个过程和质量变量之间的联系尚不明确。使用物理模型有可能描述各种关系。 通过将神经网络和物理模型结合起来，有可能发展出一种新工具，即合成方法，它可以进一步减少过程数据的分散程度 过程模型可以按多种方法分门别类。各种不同的数值技术可以用于解这些基本方程，这些基本方程决定了塑性流动和热传输，在此假定边界条件是可知的。例如，物理模型可以开发出来用于描述热加工中微观组织的变化然而，由于过程是非常复杂的，所以该模型是进行很大简化而得到的，起码本质上是半经验性质的。随着过程中可得到的数据越来越多，基本的物理规律变得越来越不重要，各种计算可用于模拟，包括模糊系统、神经计算和传统数据方法。 影晌产品质，因素的分析 平辊轧制产品的质量好坏以一种复杂的方式依赖于几何精确度、表面质量和材料的性质。热轧带的质量受整个成形系统的影响。另外，其他的一些因素也会对其产生影响，比如轧制材料的化学成分，轧前和轧制中每个板的历史状况。影响质量的这些因素并不是相互独立的，它们有非常复杂的联系。几何参数例如厚度、轮廓、平整度、宽度、边缘和表面粗糙度也一样可以对其质量产生影响。在整个过程中，它们的相互依赖性是很明显的。 热轧轧机的主要任务是:优化轧制过程、过程监测、材料流动控制、数据记录和报告产生。在控制单元，在钢带精确进人轧机前，轧机的设置是基于分析模型，但是基于测量和模拟数据的神经网络，纠正了粗略的估计值。一个有效的过程模型应该能够预测轧制力、扭矩、材料的性质等。只要能够获得充足的过程数据，通过使用人工神经网络，这些目标就可以达到。此外，将后处理引人考虑范围，即通过连续调节模型直至符合实际过程，神经网络既能模拟也能自我调节直至完好的进行工作。对于控制工作，有必要在数学模型和基于自我纠正的神经网络之间进行共享，在线计算应该由神经网络进行，但是也可将正确的数学模型加以利用。为了将模型设计的可以进行精细调节，有必要对那些造成带间及带内质量参数分散的所有因素进行分析。实验室实验是分析影响因素的方法之一。这些实验是相当昂贵同时具有物理模型的所有不利(比例因素、边界条件的差异等)。另一种方法是利用和分析工业数据，使用数据采集的方法，这些数据是在实际轧制过程中在线检测得到的。特别是在“自组织图(SOM)"的可视化中经常用到。在这种情况下，数据采集的主要目的是查出测得的过程参数和产品质量之间的复杂关系。分析系统行为的目的是为了找出技术参数之间隐藏的相互依赖性。该分析首先包括宏观模拟和分析。这一分析是基于从高层次水平的计算机系统中采集到的数据，同时包含有平均值和标准偏差。该分析包括微观模拟和分析，这一分析是基于在线收集到的带钢数据，目的是发现带材内部质量参数分散的原因。
|
合作站点:
合作站点:
合作站点:
合作站点:
|
|
华东华南地区
