深拉筒形制品用冷轧钼板的力学性能与显微结构分析

冷轧钼板各向异性是造成深拉筒形制品成材率低的基本原因.本文研究的两次交又轧制工艺制取的钼板明显减少了力学性能的各向异性,并且呈现形变软化现象,研究表明是由于{111}面织构增多及显微结构、位错组态变化的结果.生产证明该工艺已取得较好的经济效益.     

棒材热连轧椭圆一圆孔型应变分布的有限元模拟

采用大变形弹塑性有限元法的显式动力学模块(ANSYS/LS-DYNA)对棒材热连轧时椭圆一圆孔型的应变场进行了有限元模拟。得到的应变分布规律,无论是“椭进圆”还是“圆进椭”均与理论结果一致,这表明利用ANSYS/LS-DYNA求解孔型中轧制的三维变形问题可为提高产品的尺寸精度提供设计依据;轧件头尾两端不但变形剧烈,而且变形不均严重,这是刚塑性交界面及外端的影响所致;利用有限元法求解椭圆—圆孔型中的三维变形问题可清楚地显示出轧件在孔型中金属的流动状态,这对提高棒材热连轧的稳定性具有重要的参考价值。     

对流占优扩散方程的一种基于斜线性插值的特征差分算法

将特征线法和有限差分法相结合，借助于斜线性插值。给出了求解对流占优扩散方程数值解的一种新的特征差分格式。并研究了算法的收敛性。该算法的优点是特别适用于求解变系数的对流占优扩散方程。能更有效地消除数值振荡现象。     

斜Hurwitz级数环

设R是环,σ是环R的自同态,并且σ(1)=1.引入了R上的斜Hurwitz级数环并对其性质进行了研究.我们证明了:(1)如果R是σ刚性环并且ZR无挠,则R是Baer环当且仅当R上的斜Hurwitz级数环T是Baer环;(2)R是Clean环当且仅当R上的斜Hurwitz级数环T是Clean环.     

模糊小脑模型神经网络在多辊冷连轧机轧制力预报模型中的应用

针对宽带钢多辊冷连轧机组特点,为提高轧制力的预报精度,在结合传统轧制压力模型的基础上把模糊算法和神经网络有机结合,设计出基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型.通过对传统轧制力模型计算值、小脑模型预报计算值与实测值进行对比分析可知,基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型具有较高的计算精度,更适合于多辊轧机在线计算机过程控制的应用,满足现场在线生产的要求,取得良好的板形板厚控制效果.     

800 MPa级双相组织低屈强比钢厚板研究

对基本成分为Fe-0.1C-Mo的微合金HSLA钢进行了变化轧制与冷却参数的试验,分析了钢的组织形貌及微观结构;研究了变形和冷却参数与钢的屈强比、缺口冲击功、延伸率等的关系.结果表明:通过对轧制、冷却工艺的组合与变化,实现对钢的强度、塑性、屈强比的控制;抗拉强度800 MPa级的厚钢板,其屈强比控制在0.75以下,低温冲击韧性良好.钢的组织主要由针状铁素体和马氏体两相组成.     

冷连轧机SmartCrown轧辊磨损辊形对板形调控能力影响

针对宽带钢冷连轧机首次应用的SmartCrown板形控制技术,通过对SmartCrown轧辊大量实测得到了轧辊磨损辊形,采用遗传算法建立了轧辊磨损预报模型,并利用ANSYS软件建立了三维辊系有限元分析模型,研究了磨损辊形对SmartCrown板形控制技术在服役过程中板形调控能力的影响,提出了新辊形使用工艺策略.     

基于模糊聚类的PSO-神经网络预测热连轧粗轧宽度

为了提高热连轧粗轧宽度的控制精度,以攀钢热轧板厂实测数据为基础,采用粒子群优化算法训练神经网络并将其用于热连轧粗轧宽度预报,通过模糊聚类分析方法进行数据分析,科学选取学习样本,解决了由于样本多、学习速度慢的问题.实测数据运算表明,这种方法可避免神经网络陷入局部极小,带钢粗轧宽度的预报精度控制在6 mm以内,并且训练速度也有很大程度的改善,神经网络结构也得到优化,具有很大的应用潜力.     

轧机主传动轴断裂事故分析

为分析某热轧厂R2轧机传动轴断裂的原因,对该轧机在典型工况下传动轴受力状况进行了现场试验研究,采用现代设计方法对传动轴进行分析,结果表明,平衡力产生的弯矩造成轴的应力集中而导致断裂。根据此结果对轴的结构进行了改进。     

热送热装工艺中连铸板坯保温过程传热模型研究

建立了热送热装工艺中连铸板坯保温过程传热数学模型及下线坯冷却过程传热数学模型 ,并对计算结果进行了验证 ,证明模型可用于预报不同操作条件下铸坯在保温坑保温过程及下线冷却过程中温度变化和热状态 ,给出连铸板坯出保温坑时的温度分布 ,为连铸板坯热送热装炉提供温度查询依据 保温坑有明显的保温作用 ,但保温时间不应超过 1 0h,缩短铸坯在保温坑内的传搁时间和尽可能使坑盖保持关闭状态是提高热送温度的有效手