冷轧机辊缝摩擦因素对抑制垂振的研究

发布时间：2017-09-28 04:45

  本文关键词：冷轧机辊缝摩擦因素对抑制垂振的研究

  更多相关文章： 垂振 辊缝 轧制润滑 摩擦因数 神经网络

【摘要】：现代加工业对于机械制造中所用板带材的质量要求越来越高,需求量也越来越大。但在板带材轧制生产过程中,一直存在着一个较为普遍的问题,即冷连轧机的振动问题。冷连轧机的振动容易造成产品质量不合格,加剧轧机的磨损,加大生产成本,降低产品的产能效益,很大程度上制约着钢厂的经济效益。所以,冷连轧机振动问题的研究具有重要的现实意义。本文以冷轧机F4机组振动问题为研究对象,从辊缝摩擦因素的角度分析了冷轧机的垂振问题,主要研究内容有以下几方面:(1)根据冷轧机F4机组,建立八自由度冷轧机垂直振动系统的简化模型,运用MATLAB求解F4机组的固有特性,即固有频率和主振型。并通过分析得到冷轧机振动的频率为136.50Hz和481.81Hz,属于第三倍频程振动和第五倍频程振动。然后运用ANSYS中的模态分析功能对F4机组的辊系、机架和装配体逐一进行分析,得出F4机组产生共振的两个频率分别位于第三倍频程和第五倍频程,验证了上述振动系统简化模型和结果的准确性,并进一步确定此冷轧机的垂直振动为第三倍频程振动和第五倍频程振动。(2)通过建立冷轧机F4机组垂直振动的力学模型,阐述了三倍频程振动和五倍频程振动的机理。分析了张力、接触弧长、压下率、轧件厚度、轧制速度以及摩擦润滑等参数对F4机组垂直振动的影响,由于上述各因素大多是通过影响摩擦因数导致轧机垂直振动的,故对其影响辊缝摩擦因数的因素进行了探讨。在此基础上总结了轧制过程中影响辊缝摩擦因数的内因和外因。(3)采用BP神经网络构建冷轧机辊缝摩擦因数模型,然后通过得到轧制过程中的实测数据对已建立的BP神经网络模型进行训练,并用测试数据测试其精度是否符合要求。结果证明BP神经网络模型的精度较高,可以运用此神经网络定量的研究轧制过程中辊缝摩擦因数及其影响因素之间的关系。运用此网络关系较准确快捷的获得轧制全过程的稳定润滑参数,即得到轧机稳定运行时所需的摩擦因数,以及在此摩擦因数下各相关参数的输入值,通过后续的调节,使冷轧机在轧制过程中保持稳定运行。
【关键词】：垂振 辊缝 轧制润滑 摩擦因数 神经网络
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TG333
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-18
• 1.1 轧机振动简介11-12
• 1.2 国内外研究现状及发展趋势12-16
• 1.2.1 国内研究概况12-13
• 1.2.2 国外研究概况13-15
• 1.2.3 轧机振动研究的发展趋势15-16
• 1.3 课题概述16-18
• 1.3.1 课题的提出16
• 1.3.2 课题的研究意义及目的16
• 1.3.3 本文的创新点16-17
• 1.3.4 本文的主要内容安排17-18
• 第2章 冷连轧机垂直振动系统的仿真分析18-38
• 2.1 引言18
• 2.2 冷连轧机垂直振动的固有特性计算18-28
• 2.2.1 轧机振动系统的简化模型18-20
• 2.2.2 轧机振动系统的等效刚度和等效质量的计算20-23
• 2.2.3 轧机振动系统的运动方程23-24
• 2.2.4 轧机振动系统固有频率和主振型的计算24-28
• 2.3 冷连轧机垂直振动系统的仿真分析28-37
• 2.3.1 轧机振动系统的仿真方法28-29
• 2.3.2 轧机实体模型的建立29-30
• 2.3.3 轧机振动系统的模态分析30-37
• 2.4 本章小结37-38
• 第3章 冷连轧机垂振机理研究38-56
• 3.1 引言38
• 3.2 冷连轧机垂振的力学模型38-39
• 3.3 冷连轧机垂振的机理39-41
• 3.3.1 第三倍频程振动机理39-40
• 3.3.2 第五倍频程振动机理40-41
• 3.4 垂振影响因素分析41-51
• 3.4.1 张力对垂振的影响41-44
• 3.4.2 接触弧长对垂振的影响44-46
• 3.4.3 压下率对垂振的影响46-47
• 3.4.4 轧件厚度对垂振的影响47-48
• 3.4.5 轧制速度对垂振的影响48
• 3.4.6 摩擦润滑对垂振的影响48-51
• 3.5 影响辊缝摩擦因数的因素51-55
• 3.6 本章小结55-56
• 第4章 基于神经网络的辊缝间摩擦状况的计算与分析56-67
• 4.1 神经网络的概述与应用56-58
• 4.1.1 神经网络的基本概念56-57
• 4.1.2 神经网络的训练方法57-58
• 4.1.3 神经网络技术在轧制过程中的应用58
• 4.2 采用BP神经网络方法预报轧制过程中的摩擦因数58-62
• 4.2.1 BP神经网络的基本概念58-59
• 4.2.2 BP神经网络的算法和计算流程59-62
• 4.3 BP神经网络摩擦因数模型的建立62-66
• 4.3.1 模型输入输出变量的确立62-64
• 4.3.2 模型网络结构的设计64-66
• 4.4 本章小结66-67
• 第5章 BP神经网络摩擦模型应用实例67-74
• 5.1 开发工具MATLAB简介67-68
• 5.2 实测数据的获得与处理68-70
• 5.3 网络训练及其结果70-72
• 5.4 基于摩擦因数的冷轧机抑振方法72-73
• 5.5 本章小结73-74
• 总结与展望74-76
• 致谢76-77
• 参考文献77-80
• 作者简介80
• 攻读硕士学位期间发表的论文和科研成果80-81

【参考文献】

中国期刊全文数据库 前4条

1 李久慧;赖应无;张德臣;;1780热连轧机轧辊的动力学分析[J];辽宁科技大学学报;2010年02期

2 孙志辉,邹家祥,何汝迎,岳海龙;2030板带冷连轧机的振动分析[J];北京科技大学学报;1997年S1期

3 范哓明,张利,宋叔尼,王国栋,刘相华;板带轧机垂直振动计算机仿真系统的开发[J];冶金设备;2000年06期

4 赵启林,刘相华,王国栋;基于BP神经网络的带钢冷轧摩擦模型[J];轧钢;2003年06期

中国硕士学位论文全文数据库 前3条

1 董宏;冷连轧机轧制过程中轧辊振动的研究[D];东北大学;2006年

2 王天博;冷连轧机垂直振动系统的建模与仿真[D];辽宁工程技术大学;2007年

3 孙晓娜;基于神经网络的轧制力模型研究与应用[D];燕山大学;2009年

，

本文编号：933877