非稳态轧制过程关键技术研究：有限元分析、板厚建模与智能控制策略.docxVIP

非稳态轧制过程关键技术研究：有限元分析、板厚建模与智能控制策略

一、引言

1.1研究背景与意义

在现代工业生产中，轧制作为金属加工的重要手段，广泛应用于钢铁、有色金属等领域。轧制过程可分为稳态轧制和非稳态轧制，其中非稳态轧制涵盖了穿带、甩尾、建辊缝、建张力、加减速、连轧带钢过焊缝、连轧动态变规格等多种轧制状态，这些过程主要集中在一卷带钢的头部和尾部。尽管非稳态轧制在整个轧制过程中所占时间比例相对较小，但却对产品质量和生产效率有着至关重要的影响。

非稳态轧制过程具有强耦合、复杂不确定性、强干扰、深度非线性等特性，传统的控制方法和技术难以胜任。在非稳态轧制阶段，带钢的厚度、张力等参数极易出现波动，导致产品尺寸精度和板形质量下降，进而产生大量的次品甚至废品。例如，在冷连轧非稳态轧制过程中，由于系统自身摄动及未建模动态、轧制过程的随机与非随机性干扰以及其它不确定性干扰因素的存在，使得厚度和张力控制变得极为困难，目前工业生产中的冷连轧机大多无法保证带钢在非稳态过程中的厚度精度，张力控制精度也与稳态轧制阶段存在显著差距。在热连轧中，非稳态轧制过程如停轧待料、规格切换等，轧制力预报精度较低，这会影响轧制规程的设定，进而影响产品的凸度等质量指标。

有限元分析作为一种强大的数值模拟工具，能够对轧制过程中的金属变形、应力分布、温度变化等进行精确的模拟和分析。通过建立轧制过程的有限元模型，可以深入研究非稳态轧制过程中的各种物理现象，为轧制工艺的优化和轧机设备的设计提供重要的理论依据。板厚建模则是实现板厚精确控制的基础，通过建立准确的板厚模型，可以预测板厚的变化趋势，为控制策略的制定提供指导。智能控制技术如神经网络、模糊控制、鲁棒控制等，具有自学习、自适应和处理复杂非线性问题的能力，将其应用于非稳态轧制过程的控制，可以有效提高控制精度和系统的鲁棒性，克服传统控制方法的局限性。

因此，开展非稳态轧制过程的有限元分析、板厚建模与智能控制研究，对于提升轧制质量和效率具有重要的现实意义。它不仅可以提高产品的尺寸精度和板形质量，降低废品率，还能优化轧制工艺，提高生产效率，降低生产成本，增强企业的市场竞争力。

1.2国内外研究现状

在非稳态轧制的有限元分析方面，国内外学者开展了大量的研究工作。国外学者LeeJD采用三维大应变非稳态弹塑性有限元法对平轧过程的轧制力、轧制力矩、正应力、剪应力及轧件变形情况等进行了详细分析，揭示了平轧过程力学性能参数的变化规律。DuanX等利用热力耦合有限元法模拟了热轧平轧过程，分析了压下率、轧制力、轧制力矩等参数对轧件变形的影响规律。在国内，柳翠茹等采用三维热力耦合有限元模型研究了摩擦因数对宽厚板轧制宽展的影响规律，通过对比模拟宽展和实测宽展证明了有限元模型的准确性。赵峻等采用MSC.Marc有限元分析软件建立了高锰无磁钢异步轧制三维有限元分析模型，分析了轧制工艺参数对轧件宽展的影响规律。然而，目前的有限元分析在模拟复杂的非稳态轧制过程时，仍存在计算速度慢、效率低、对一些复杂因素考虑不够全面等问题，如轧制过程中的温度变化、材料的各向异性以及轧辊与板材之间的动态摩擦等因素对模拟精度的影响。

在板厚建模方面，早期的研究主要基于传统的数学模型，如基于弹跳方程的板厚模型等。随着技术的发展，一些学者开始采用智能算法进行板厚建模。文献[具体文献]提出了一种基于神经网络的板厚建模方法，通过对大量轧制数据的学习，建立了轧制工艺参数与板厚之间的映射关系，提高了板厚预测的精度。但是，现有的板厚模型在面对非稳态轧制过程中的复杂工况时，模型的适应性和准确性仍有待提高，对于一些特殊钢种或轧制条件变化较大的情况，模型的预报精度会下降。

在智能控制方面，国内外学者将多种智能控制算法应用于非稳态轧制过程。国外学者将模糊控制策略应用于轧机的厚度控制，取得了较好的控制效果。国内学者针对冷连轧非稳态轧制过程，提出了基于鲁棒控制方法的厚度与张力综合控制策略，建立了相应数学模型，并通过仿真和工业应用验证了其有效性。然而，目前的智能控制方法在实际应用中仍面临一些挑战，如控制算法的复杂性导致计算量较大，难以满足实时控制的要求，以及智能控制系统的稳定性和可靠性还需要进一步提高等。

1.3研究内容与方法

本研究主要围绕非稳态轧制过程的有限元分析、板厚建模与智能控制展开，具体内容包括：

建立高精度的非稳态轧制过程有限元模型，考虑材料的非线性、几何非线性、边界接触条件非线性以及温度变化、材料各向异性、轧辊与板材之间的动态摩擦等复杂因素，对非稳态轧制过程中的金属变形、应力分布、温度场变化等进行深入分析，揭示非稳态轧制过程的物理机制和规律。

基于轧制理论和实际生产数据，结合智能算法，建立适用于非稳态轧制过程的板厚模型。通过对轧制工