CN113434994B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113434994B CN113434994B CN202010209360.8A CN202010209360A CN113434994B CN 113434994 B CN113434994 B CN 113434994B CN 202010209360 A CN202010209360 A CN 202010209360A CN 113434994 B CN113434994 B CN 113434994B
- Authority
- CN
- China
- Prior art keywords
- rolling
- deformation resistance
- calculating
- cold rolling
- strip steel
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B1/00—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations
- B21B1/22—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B1/00—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations
- B21B1/22—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length
- B21B2001/221—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length by cold-rolling
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明公开了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,主要解决现有技术中通过经验计算预测的冷轧变形抗力精度低、偏差大的技术问题。本发明方法,包括:A)收集一定生产周期内的n组带钢的来料成分参数、力学性能参数生产数据;B)收集一定生产周期内的n组的机组工艺参数;C)定义实际温度影响系数数组;D)计算任意一组理论轧制力pi;E)计算优化目标函数F(X);F)判断Powell条件是否成立;G)输出温度影响系数α1,α2,计算出钢板的冷轧变形抗力预测值;H)输出钢板的冷轧变形抗力预测值。本发明方法钢板的冷轧变形抗力预测精度高,精度误差小于3%。
Description
技术领域
本发明涉及一种冷轧轧钢过程中钢板性能评估方法,特别涉及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,具体而言,涉及基于相同化学成分的热轧原板的热轧工艺参数预测冷轧变形抗力的方法。
背景技术
所谓变形抗力是发生塑性变形时,变形金属抵抗塑性变形的力。变形抗力提高,意味着要使金属产生塑性变形必须要加大外力,反之要降低外力。在冷轧轧制过程中,需要通过变形抗力来制定合理的冷轧轧制力参数,进而控制带钢的板型,所以变形抗力是冷轧轧制过程中重要的参数之一,因此,带材在冷轧生产前能够精准获知变形抗力显得至关重要。在带钢的生产过程中,热轧的卷取温度和终轧温度对带钢的变形抗力影响较大,因此,为提高带钢的产品质量,必须在充分运用现场实际生产数据的前提下,结合热轧卷取温度和终轧温度对带钢变形抗力影响的特点,摸索出一套通过热轧工艺参数预测冷轧变形抗力的方法。
中国专利文献CN109558655A公开了一种热轧带钢力学性能预测***,该发明公开了一种热轧带钢力学性能预测***,本发明的目的在于提供一种热轧带钢力学性能预测***,可科学合理的预测热轧带钢力学性能。优点在于,实现了热轧带钢力学性能预测的准确,快速,高效,但该专利的核心是对数据的采集与利用,未能对大量数据进行分析,不能对带钢的变形抗力在数学上预测。
中国专利文献CN102632082A公开了基于性能预报模型的热轧带钢力学性能的动态控制方法,该发明在带钢轧制前调取化学成分等参数,然后计算出析出合金化合物的含量,再将所有数据带入热轧带钢力学性能预测模型中,用模型对轧后带钢的力学性能进行预测,通过调整轧制工艺参数使带钢力学性能的预测值满足力学性能目标值约束,然后按照调整后的轧制工艺参数进行轧制。本发明所提方法利用热轧带钢力学性能预测模型,动态调整带钢的轧制工艺参数,实现了带钢力学性能的动态控制。该发明未涉及到对冷轧机组的变形抗力进行预测。
论文《基于卷积神经网络的热轧带钢力学性能预报》(胡石雄,李维刚,杨威,武汉科技大学学报,2018(10)),该论文为解决热轧带钢力学性能预报精度的问题,提出了一种将一维数值型数据转换为二维图像型数据的建模方法,核心内容是如何构建卷积神经网络,未涉及对具体的生产大数据分析和处理。
论文《融合大数据与冶金机理的热轧带钢力学性能预报模型》(李维刚,杨威,赵云涛,胡恒法,钢铁研究学报,2018(4)),该论文给出一套建模方法,并结合冶金机理与人的先验知识筛选模型的影响因素,构建多个子模型和整体模型。最后,对上述建模方法进行了应用验证,利用大量热轧含铌微合金钢生产数据,建立微合金钢产品力学性能预报模型,获得工艺、成分对力学性能的影响规律。该技术是典型的力学性能预测模型,不涉及冷轧的变形抗力的预测。
综上,在现有技术中未公开准确预测冷轧变形抗力的方法,目前冷轧变形抗力主要是通过经验计算,并且未考虑热轧工艺参数因素对变形抗力的影响,存在一定的偏差,用精度误差表示,经验计算的精度误差大于6%,精度误差为变形抗力的实测值与计算值或预测值的差值除以变形抗力的实测值得到的商值;现有方法预测的冷轧变形抗力的误差大,影响了轧制力设定的准确性,对冷轧带钢,尤其是薄规格的冷轧带钢,会产生由于板型不良带来的质量损失。
发明内容
本发明的目的是提供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,主要解决现有技术中通过经验计算预测的冷轧变形抗力精度低、偏差大的技术问题,本发明方法实现了相同化学成分的热轧原板的热轧工艺参数变化时,冷轧轧制过程中冷轧变形抗力的精确预测,为冷轧工序制定合理的轧制策略、控制产品的板型提供基础条件。
本发明的技术思路是,利用热轧原板热轧过程中工艺参数对变形抗力影响的特点,通过一定生产周期数据的学习,实现钢板冷轧变形抗力的预测,本发明方法充分结合冷轧机组的设备特点,考虑到对于热轧原板而言,相同化学成分的热轧原板的热轧工艺参数会有所不同,所以经热轧后的变形抗力也会存在一定的差异,本发明方法通过对前期一定生产周期的产品数据进行分析,得到相应的计算模型参数,当在后续的生产过程中遇到相应的冷轧钢板时能够对该冷轧钢板的变形抗力进行预测。
本发明采用的技术方案是,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,包括以下步骤:
A)收集一定生产周期内的n组带钢的来料成分参数、力学性能参数生产数据并定义数据组编号i,包括带钢宽度Bi,带钢入口厚度h0i,带钢出口厚度h1i,带钢的实际碳当量Caci,屈服强度σ0i,材料的弹性模量E,泊松比v,摩擦系数μi(i=1,2,3,···,i,···,n);
B)收集一定生产周期内的n组的机组工艺参数并定义数据组编号i,包括带钢压下量Δhi,标准热轧卷取温度TCmi,实际热轧卷取温度TCaci,标准热轧终轧温度TFmi,实际热轧终轧温度TFaci,压扁前轧辊半径Ri,轧辊的杨氏模量ER,轧辊的泊松比vR,轧机的前张力F0i,轧机的后张力F1i,轧机的实际轧制力pi’(i=1,2,3,···,i,···,n);
C)定义实际温度影响系数数组X={α1,α2},给定温度影响系数数组初始值X0={α10,α20},给定搜索步长初始值ΔX={Δα1i,Δα2i},收敛精度η;
D)计算任意一组理论轧制力pi:
E)计算优化目标函数F(X):
F)判断Powell条件是否成立?若成立,则转入步骤G);若不成立,则更新数组X及其搜索步长ΔX,转入步骤D);
G)输出温度影响系数α1,α2,计算出钢板的冷轧变形抗力预测值:
式中,b—材料参数,b≈0.005;
H)输出钢板的冷轧变形抗力预测值。
进一步,所述步骤D)计算任意一组理论轧制力pi,包括以下步骤:
D1)令i=1;
D2)计算带钢出口变形抗力σ1i:
σ1i=σ0i+(TFmi-TFaci)*α1+(TCmi-TCaci)*α2
D3)计算轧辊的压扁系数D0:
D4)计算轧机的压扁半径Ri’:
D5)计算外摩擦影响系数Qpi:
D6)计算弹性压缩区轧制力p1i:
D7)计算弹性回复区轧制力p2i:
D8)计算单位轧制力pavei:
pavei=(p1i+p2i)/10000
D9)计算理论计算的轧制力pi:
pi=pavei*Bi
D10)判断i<N,如果成立则转入步骤D2);若不成则令i=i+1转入步骤E)。
本发明所述精度误差为变形抗力的实测值与计算值或预测值的差值除以变形抗力的实测值得到的商值。
本发明方法根据热轧原板热轧轧制和冷轧轧制过程中的生产情况,充分利用现场的实际生产数据,确定热轧工艺参数对相同化学成分的热轧原板冷轧轧制过程中变形抗力的影响系数,实现了对钢板冷轧变形抗力的准确预测,为冷轧工序制定合理的轧制策略、控制产品的板型提供基础条件。
本发明相比现有技术具有如下积极效果:1、本发明方法同时利用酸轧机组的实际轧制工艺数据进行分析,也考虑到了酸轧机组实际的工况情况,钢板冷轧变形抗力预测精度高,精度误差小于3%。
具体实施方式
下面结合实施例1—2对本发明作进一步说明,如表1所示。
实施例1,一种基于热轧原板热轧工艺参数预测冷轧变形抗力的方法,包括以下步骤:
首先在步骤A)中,收集一定生产周期内的n组带钢的来料成分参数、力学性能参数生产数据并定义数据组编号i,包括带钢宽度Bi,带钢入口厚度h0i,带钢出口厚度h1i,带钢的实际碳当量Caci,屈服强度σ0i,材料的弹性模量E,泊松比v,摩擦系数μi(i=1,2,3,···,i,···,n);
随后在步骤B)中,收集一定生产周期内的n组的冷轧机组工艺参数并定义数据组编号i,包括带钢压下量Δhi,标准热轧卷取温度TCmi,实际热轧卷取温度TCaci,标准热轧终轧温度TFmi,实际热轧终轧温度TFaci,压扁前轧辊半径Ri,轧辊的杨氏模量ER,轧辊的泊松比vR,轧机的前张力F0i,轧机的后张力F1i,轧机的实际轧制力pi’(i=1,2,3,···,i,···,n);
随后在步骤C)中,定义实际温度影响系数数组X={α1,α2},给定温度影响系数数组初始值X0={α10,α20},给定搜索步长初始值ΔX={Δα1i,Δα2i},收敛精度η;
随后在步骤D)中,计算任意一组理论轧制力pi:
随后在步骤D1)中,令i=1;
随后在步骤D2)中,计算带钢出口变形抗力σ1i:
σ1i=σ0i+(TFmi-TFaci)*α1+(TCmi-TCaci)*α2
随后在步骤D3)中,计算轧辊的压扁系数D0:
随后在步骤D4)中,计算轧机的压扁半径Ri’:
随后在步骤D5)中,计算外摩擦影响系数Qpi:
随后在步骤D6)中,计算弹性压缩区轧制力p1i:
随后在步骤D7)中,计算弹性回复区轧制力p2i:
随后在步骤D8)中,计算单位轧制力pavei:
pavei=(p1i+p2i)/10000
随后在步骤D9)中,计算理论计算的轧制力pi:
pi=pavei*Bi
随后在步骤D10)中,判断i<N,如果成立则转入步骤D2);若不成则令i=i+1转入步骤E);
随后在步骤E)中,计算优化目标函数F(X):
随后在步骤F)中,判断Powell条件是否成立?若成立,则转入步骤G);若不成立,则更新数组X及其搜索步长ΔX,转入步骤D);
随后在步骤G)中,输出温度影响系数α1,α2,计算出钢板的冷轧变形抗力预测值:
式中,b—材料参数,b≈0.005;
H)输出钢板的冷轧变形抗力预测值。
实施例2,一种基于热轧原板热轧工艺参数预测冷轧变形抗力的方法,包括以下步骤:
首先在步骤A)中,收集一定生产周期内的n组带钢的来料成分参数、力学性能参数生产数据并定义数据组编号i,包括带钢宽度Bi,带钢入口厚度h0i,带钢出口厚度h1i,带钢的实际碳当量Caci,屈服强度σ0i,材料的弹性模量E,泊松比v,摩擦系数μi(i=1,2,3,···,i,···,n);
随后在步骤B)中,收集一定生产周期内的n组的冷轧机组工艺参数并定义数据组编号i,包括带钢压下量Δhi,标准热轧卷取温度TCmi,实际热轧卷取温度TCaci,标准热轧终轧温度TFmi,实际热轧终轧温度TFaci,压扁前轧辊半径Ri,轧辊的杨氏模量ER,轧辊的泊松比vR,轧机的前张力F0i,轧机的后张力F1i,轧机的实际轧制力pi’(i=1,2,3,···,i,···,n);
随后在步骤C)中,定义实际温度影响系数数组X={α1,α2},给定温度影响系数数组初始值X0={α10,α20},给定搜索步长初始值ΔX={Δα1i,Δα2i},收敛精度η;
随后在步骤D)中,计算任意一组理论轧制力pi:
随后在步骤D1)中,令i=1;
随后在步骤D2)中,计算带钢出口变形抗力σ1i:
σ1i=σ0i+(TFmi-TFaci)*α1+(TCmi-TCaci)*α2
随后在步骤D3)中,计算轧辊的压扁系数D0:
随后在步骤D4)中,计算轧机的压扁半径Ri’:
随后在步骤D5)中,计算外摩擦影响系数Qpi:
随后在步骤D6)中,计算弹性压缩区轧制力p1i:
随后在步骤D7)中,计算弹性回复区轧制力p2i:
随后在步骤D8)中,计算单位轧制力pavei:
pavei=(p1i+p2i)/10000
随后在步骤D9)中,计算理论计算的轧制力pi:
pi=pavei*Bi
随后在步骤D10)中,判断i<N,如果成立则转入步骤D2);若不成则令i=i+1转入步骤E);
随后在步骤E)中,计算优化目标函数F(X):
随后在步骤F)中,判断Powell条件是否成立?若成立,则转入步骤G);若不成立,则更新数组X及其搜索步长ΔX,转入步骤D);
随后在步骤G)中,输出温度影响系数α1,α2,计算出钢板的冷轧变形抗力预测值:
式中,b—材料参数,b≈0.005;
H)输出钢板的冷轧变形抗力预测值。
表1本发明实施例钢板变形抗力参数
类别 | 变形抗力预测值/MPa | 变形抗力实测值/MPa | 精度误差 |
实施例1 | 375 | 384 | 2.34% |
实施例2 | 362 | 355 | 1.97% |
如表1所示,本发明实施例冷轧变形抗力的精度误差小于3%,比现有技术的精度误差6%,下降了50%。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (1)
1.一种基于热轧原板热轧工艺参数预测冷轧变形抗力的方法,其特征是,所述的方法包括以下步骤:
A)收集一定生产周期内的n组带钢的来料成分参数、力学性能参数生产数据并定义数据组编号i,包括带钢宽度Bi,带钢入口厚度h0i,带钢出口厚度h1i,带钢的实际碳当量Caci,屈服强度σ0i,材料的弹性模量E,泊松比v,摩擦系数μi(i=1,2,3,···,i,···,n);
B)收集一定生产周期内的n组的机组工艺参数并定义数据组编号i,包括带钢压下量Δhi,标准热轧卷取温度TCmi,实际热轧卷取温度TCaci,标准热轧终轧温度TFmi,实际热轧终轧温度TFaci,压扁前轧辊半径Ri,轧辊的杨氏模量ER,轧辊的泊松比vR,轧机的前张力F0i,轧机的后张力F1i,轧机的实际轧制力pi’(i=1,2,3,···,i,···,n);
C)定义实际温度影响系数数组X={α1,α2},给定温度影响系数数组初始值X0={α10,α20},给定搜索步长初始值ΔX={Δα1i,Δα2i},收敛精度η;
D)计算任意一组理论轧制力pi,包括以下步骤:
D1)令i=1;
D2)计算带钢出口变形抗力σ1i:
σ1i=σ0i+(TFmi-TFaci)*α1+(TCmi-TCaci)*α2
D3)计算轧辊的压扁系数D0:
D4)计算轧机的压扁半径Ri’:
D5)计算外摩擦影响系数Qpi:
D 6)计算弹性压缩区轧制力p1i:
D 7)计算弹性回复区轧制力p2i:
D 8)计算单位轧制力pavei:
pavei=(p1i+p2i)/10000
D 9)计算理论计算的轧制力pi:
pi=pavei*Bi
D 10)判断i<N,如果成立则转入步骤D2);若不成则令i=i+1转入步骤E);
E)计算优化目标函数F(X):
F)判断Powell条件是否成立,若成立,则转入步骤G);若不成立,则更新数组X及其搜索步长ΔX,转入步骤D);
G)输出温度影响系数α1,α2,计算出钢板的冷轧变形抗力预测值:
式中,b—材料参数,b≈0.005;
H)输出钢板的冷轧变形抗力预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010209360.8A CN113434994B (zh) | 2020-03-23 | 2020-03-23 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010209360.8A CN113434994B (zh) | 2020-03-23 | 2020-03-23 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113434994A CN113434994A (zh) | 2021-09-24 |
CN113434994B true CN113434994B (zh) | 2023-10-10 |
Family
ID=77753307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010209360.8A Active CN113434994B (zh) | 2020-03-23 | 2020-03-23 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434994B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114818456B (zh) * | 2022-02-18 | 2023-01-24 | 北京科技大学 | 一种冷连轧带钢全长变形抗力预测方法及优化方法 |
CN114888092B (zh) * | 2022-05-06 | 2023-01-20 | 北京科技大学 | 一种基于跨工序数据平台的冷轧变形抗力预测方法 |
CN115815342A (zh) * | 2022-11-16 | 2023-03-21 | 北京科技大学 | 一种基于机理和数据融合模型的冷轧轧制力预测方法 |
CN116136892B (zh) * | 2023-04-17 | 2023-08-04 | 太原理工大学 | 一种二十辊轧机轧制力的计算方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103191919A (zh) * | 2012-01-05 | 2013-07-10 | 鞍钢股份有限公司 | 一种带钢轧制在线控制摩擦系数模型优化方法 |
CN108280272A (zh) * | 2018-01-05 | 2018-07-13 | 北京科技大学 | 一种冷轧过程毛化工作辊表面粗糙度的预测方法 |
CN111570533A (zh) * | 2020-05-19 | 2020-08-25 | 燕山大学 | 基于大数据的热轧卷取温度与终轧温度对平整变形抗力影响预测方法 |
CN111570534A (zh) * | 2020-06-18 | 2020-08-25 | 燕山大学 | 酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法 |
CN113434968A (zh) * | 2020-03-23 | 2021-09-24 | 上海梅山钢铁股份有限公司 | 一种基于钢板化学成分预测冷轧变形抗力的方法 |
-
2020
- 2020-03-23 CN CN202010209360.8A patent/CN113434994B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103191919A (zh) * | 2012-01-05 | 2013-07-10 | 鞍钢股份有限公司 | 一种带钢轧制在线控制摩擦系数模型优化方法 |
CN108280272A (zh) * | 2018-01-05 | 2018-07-13 | 北京科技大学 | 一种冷轧过程毛化工作辊表面粗糙度的预测方法 |
CN113434968A (zh) * | 2020-03-23 | 2021-09-24 | 上海梅山钢铁股份有限公司 | 一种基于钢板化学成分预测冷轧变形抗力的方法 |
CN111570533A (zh) * | 2020-05-19 | 2020-08-25 | 燕山大学 | 基于大数据的热轧卷取温度与终轧温度对平整变形抗力影响预测方法 |
CN111570534A (zh) * | 2020-06-18 | 2020-08-25 | 燕山大学 | 酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法 |
Non-Patent Citations (3)
Title |
---|
不锈钢冷连轧过程带钢温度影响因素的研究;王静;中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑);B022-495 * |
带钢冷连轧材料变形抗力模型研究;杨景明 等;钢铁研究;第40卷卷(第2期期);28-32 * |
热轧温度波动对冷轧变形抗力的影响模型;魏宝民 等;塑性工程学报;第29卷(第1期);162-166 * |
Also Published As
Publication number | Publication date |
---|---|
CN113434994A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113434994B (zh) | 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 | |
Ji et al. | A machine learning and genetic algorithm-based method for predicting width deviation of hot-rolled strip in steel production systems | |
CN106475420B (zh) | 一种基于冷轧带钢目标板形设定的板形控制方法 | |
CN105363794B (zh) | 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 | |
CN110802114B (zh) | 一种冷轧板带轧制力的计算方法 | |
CN104942019A (zh) | 一种带钢冷轧过程宽度自动控制方法 | |
CN110434172B (zh) | 一种炉卷和精轧机组连轧的负荷分配计算方法 | |
CN112749505A (zh) | 一种机理融合数据的热轧带钢截面形状预测方法 | |
CN101477579B (zh) | 高强度钢平整机的辊型曲线设计方法 | |
CN116136892B (zh) | 一种二十辊轧机轧制力的计算方法及*** | |
CN112100745A (zh) | 基于lda理论的汽车大梁钢力学性能预测方法 | |
CN114818456B (zh) | 一种冷连轧带钢全长变形抗力预测方法及优化方法 | |
CN104668313B (zh) | 一种七辊厚板矫直机辊缝调整方法 | |
CN101320031A (zh) | 一种奥氏体不锈钢精密钢带性能预测模型及其冷轧工艺设计 | |
CN110773573A (zh) | 一种板形调控功效系数实测数据处理方法 | |
CN111570534A (zh) | 酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法 | |
CN113434968B (zh) | 一种基于钢板化学成分预测冷轧变形抗力的方法 | |
CN102688896B (zh) | 四辊冷连轧机组基于机理模型的虚拟凸度仪设定方法 | |
CN113290061B (zh) | 一种基于锆合金的多轧程多道次变形制度设计方法 | |
CN112387791B (zh) | 冷轧带钢的轧制温度确定方法及确定*** | |
CN109719138A (zh) | 一种基于数据挖掘的变形抗力唯象模型计算方法 | |
CN105127214B (zh) | 一种四辊轧机轧制过程中的轧机弹性变形预测方法 | |
CN105855298B (zh) | 一种高精度含硼钢热轧轧制力计算方法 | |
CN116108932A (zh) | 一种钢铁生产过程数据和机理融合模型建立方法 | |
CN115392104A (zh) | 一种基于退火工艺预测冷轧连续退火带钢力学性能的方法 |
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 |