平面流铸冷却辊热变形预测及恒间距控制

基于非均匀热流边界条件，采用热流固耦合方法，研究了喷嘴长度与宽度、合金液喷射速度、冷却辊厚度和转速对冷却辊热变形的影响。在此基础上，建立了基于广义回归神经网络(GRNN)的冷却辊热变形预测模型，进一步提出了基于该预测模型的恒间距控制方法。结果表明，相比冷却辊转速和厚度，合金液参数如喷嘴长度、宽度与喷射速度对冷却辊变形的影响更为明显；基于GRNN的神经网络预测模型的精度较高，平均相对误差为5.98%;与传统PID控制方法相比，本文提出的间距控制策略可实现喷嘴包快速、精确地跟踪冷却辊变形，保证了间距的恒定，显著提高薄带初始制备过程中的合格率和生产效率。     

旋转辊差异化非直流道设计与多目标优化方法

为提高平面流铸冷却辊内水流更新速率,在流道内流体微团力学分析基础上,提出一种进、出水面采用不同旋向肋道的差异化非直流道结构,并基于Bezier曲线对肋道型线与厚度进行参数化表达;针对多变量、多参数优化过程中求解效率低的问题,采用拉丁超立方抽样获取样本点,通过数值计算获得样本点性能参数,然后,基于熵权层次分析法获得流道换热效率综合性能指标,进一步采用BP神经网络预测与遗传算法优化相结合的方法进行寻优。研究结果表明：进水面采用旋向即与冷却辊转向相反的肋道、出水面采用旋向即与冷却辊转向相同的肋道可明显减小流道涡旋现象,提高水流更新速率;所提出的参数化建模与优化方法在应用于多变量、多参数优化时具有较高的求解效率;在同等条件下,相比于传统散射直流道和优化前流道,优化后流道的流量分别提升25.0%和5.6%,达到了提高水流更新速率的目的。