论文部分内容阅读
冷轧带钢板形的计算理论及控制技术是决定其产品外形质量的重要因素。在70年代末至80年代初日本出现的HC轧机及由此发展起来的UC轧机等在板形控制技术方面有了显著的提高。我国带钢产量及需求逐年增长，而对板形的分析控制研究起步较晚，目前国内的大型钢铁公司所使用的绝大部分板形控制系统仍从国外引进。本课题来源于重庆大学和某公司共同承担的实际科研项目，其研究对象主要为六辊冷轧机UCMW2180系列，针对其带钢板形中的重要指标板凸度的计算理论及人工智能板形优化控制理论进行研究，具有重要的理论价值及实际意义。 本课题首先对辊系弹性变形进行了理论研究，建立了UCMW轧机辊系模型，对其进行受力分析并将其离散化，推导出辊系弹性变形影响函数及压扁影响函数，确立计算基本方程，并绘制计算流程图，采用变分法求解张应力分布，利用MATLAB计算得到轧件横向厚度、轧制压力、辊间压力及张应力等的分布。 其次利用大型商业有限元分析软件MSC.PATRAN/NASTRAN建立六辊冷轧机线性静力有限元模型，在轧辊与轧件间及轧辊之间接触部分建立板单元，模拟其接触压扁，避免进行非线性接触分析求解，并利用参数化语言PCL对整个模型的计算分析过程进行参数化处理，利用VC++编制相应软件，很大程度上提高了计算速度和计算精度。 最后根据人工智能中的神经网络系统基础知识建立了BP神经网络的控制模型，利用参数化有限元软件选择板凸度的部分重要影响因素进行大量计算，得到单因素情况下的影响趋势，合理选择板凸度影响因素作为输入条件，利用MATLAB神经网络工具箱进行预测。由于实际轧制生产是一个非线性、多变量、强耦合及时变性的过程，本课题利用神经网络遗传算法建立板形优化控制模型，实现了六辊冷轧机中多道次分目标值的优化，为板形的调控技术提供理论基础及指导。