一种板材轧制在线控制模型的建模方法技术

本发明专利技术涉及一种板材轧制在线控制模型的建模方法，使用刚塑性有限元法进行建模，包括以下步骤：以板材中心线作为ｘ轴，板材厚度方向作为ｙ轴建立二维平面应变轧制模型；输入轧制条件和参数；采用四边形单元对轧制接触区下侧的轧制变形区划分有限元网格，进行有限元前处理；设定有限元的初始速度场；以上述初始速度场为初始值建立刚塑性有限元能量泛函，采用阻尼牛顿法迭代求解能量泛函的极小值点，获得真实速度场；根据真实速度场计算应变率场、应力场，进而计算轧制力、轧制力矩以及前滑值在线控制参数，得到板材轧制在线控制模型。本发明专利技术提高了有限元的计算速度，实现了板材轧制刚塑性有限元的在线快速计算和控制，抗干扰能力强，稳定性好。

【技术实现步骤摘要】

本专利技术涉及 一种轧钢
中板材轧制在线控制建模技术，特别是 一种釆用刚塑性有限元法在线计算轧制控制参数的板材轧制在线控制模型 的建模方法。
技术介绍
轧钢
中板材轧制技术的发展对控制模型精度、适用性和可靠 性提出了更高的要求。 一般地，板材轧制在线控制模型釆用数学解析或能 量方法建立，该控制模型简单，易于在线快速计算。近年来，为了提高控 制模型的准确性，神经网络法已被应用于板材轧制在线控制。然而，由于 板带轧制过程的复杂性，其控制精度受变形参数、力能参数和材料性能等 的影响，对不同的产品往往需要重新建立控制模型。神经网络法在精度和 适用性都高于传统模型，但是必须依赖于训练样本数据的可靠性和准确性。 高精度的有限元法已经被广泛应用于轧制的离线模拟， 一方面可以修正传 统的解析模型，另一方面可以为神经网络提供训练需要的大量数据。然而， 由于有限元法的计算时间长而难以实现在线控制。
技术实现思路
为了弥补现有技术中传统板材轧制在线控制模型的精度和适应性，充 分利用有限元法高精度和强适用性的优点，解决有限元法计算时间长的缺 点，本专利技术要解决的技术问题是提供一种能有效实现在线控制的板材轧制 在线控制模型的建模方法。为解决上述技术问题，本专利技术釆用的技术方案是本专利技术板材轧制在线控制模型的建模方法使用刚塑性有限元法进行建 模，具体包括以下步骤以板材中心线作为x轴，板材厚度方向作为y轴建立二维平面应变轧 制模型；输入已知的轧制条件和参数；依据输入轧制条件和参数，在二维平面应变轧制模型中釆用四边形单 元对轧制接触区下侧的轧制变形区划分有限元网格，进行有限元前处理；根据有限元前处理中加载的已知的速度边界条件及板材轧制特点设定 有限元的初始速度场；以上述初始速度场为初始值建立刚塑性有限元能量泛函，釆用阻尼牛 顿法迭代求解能量泛函的极小值点，获得真实速度场；根据真实速度场计算应变率场、应力场，进而计算轧制力、轧制力矩4以及前滑值在线控制参数，得到板材轧制在线控制模型。所述有限元前处理包括把轧制入口后侧和轧制出口前侧处理为刚体,进行有限元单元的节点和单元编号，计算节点坐标，有限元单元形函数矩 阵和6矩阵，加载已知速度边界条件。所述设定有限元的初始速度场釆用神经网络法，步骤为输入神经网络的输入层参数；釆用离线训练好的神经网络模型预测相对速度场；根据实际轧辊速度w和相对速度场计算刚塑性有限元迭代求解的初始 速度场r = ^v/;,这里r为相对速度场；对有限元的单元细化获得新单元，新单元的节点速度通过对旧单元的 节点速度进行内部速度插值获得初始速度场。所述神经网络模型包括输入层，隐含层和输出层，其中输入层参数及 其范围包括i /息'76> 識.6U 线广5% 55%，' g附:6 . ;其中i 为轧辊半径；W为轧件出口半厚度；m为轧辊和轧件间的摩擦因子；r为压 下率；gw轧件材料的速度敏感因子；输出层参数为节点速度与轧辊速度之 比的相对速度场。所述离线训练神经网络模型包括以下步骤通过随机取神经网络输入层参数范围内的一组轧制参数，釆用工程法 设定该组轧制参数下的初始速度场，并釆用刚塑性有限元迭代求解真实速 度场做为神经网络的输出变量，依此获得大量的可靠的神经网络样本；釆用反向传播算法对神经网络样本进行训练，获得可以实现在线预测 初始速度场的神经网络模型。所述阻尼牛顿法迭代求解能量泛函的极小值点步骤为将初始速度场设定为迭代求解的初始值；釆用一维大型稀疏矩阵压缩存储方式求解方程组V^ )Avr-^ )获得速度增量，其中，vV(vJ为Hessian矩阵，V0(vj为能量泛函的 一阶偏导数； Av,为速度增量；v,为迭代求解第k步的节点速度；釆用不求导数的Brent法对以《为变量的函数0(aAv, + v,)进行极小值点的一维线性搜索确定阻尼因子^;更新下一迭代步骤的速度场vi+1=cvW,+、依据迭代收敛判据对该迭代步进行收敛判断，如果不收敛则进行下一 步阻尼牛顿法迭代求解，如果收敛则退出迭代并把该步的速度场作为真实 速度场。所述阻尼牛顿法迭代的收敛判据包括能量收敛判据、速度收敛判据和 最大迭代次数限制，满足其中 一 个收敛判据即可结東迭代。所述计算轧制力计算釆用能量法，即当刚塑性有限元获得极小值点时, 依据有限元计算得到的能量包括塑性变形、摩擦变形和剪切变形的作用等于板材轧制过程中压縮时所作的功的特点，计算轧制的平均压力和札制力。本专利技术具有以下有益效果及优点1. 提高了有限元的计算速度，实现了板材轧制刚塑性有限元的在线快 速计算和控制。本专利技术釆用神经网络法预测初始速度场，减少了迭代次数; 根据板材轧制过程特点，最大化地和合理地简化有限元模型，减少有限元 单元个数和系统未知数个数；釆用阻尼牛顿迭代法求解刚塑性有限元能量 泛函极小值问题，其中一维线性搜索釆用Brent法减少了能量泛函的计算次 数，迭代满足能量收敛判据、速度收敛判据和最大迭代步数限制中任意一 个即可判断为收敛，保证有限元求解的收敛速度和稳定性，加快了有限元 的计算速度，从而实现了板材轧制刚塑性有限元的在线快速计算和控制。2. 抗干扰能力强，稳定性好。本专利技术釆用能量法计算轧制力和轧制力 矩，提高了计算的抗干扰能力和稳定性，保证在有限迭代步内总能获得准 确的轧制控制参数计算结果如轧制力和轧制力矩等。3. 精度高，适用性强。本专利技术实现了板材轧制过程刚塑性有限元法的 在线快速计算，提高了板材轧制控制模型的精度和适用性。附图说明图1为本专利技术板材轧制过程有限元模型；图2为本专利技术板材轧制刚塑性有限元在线控制模型的快速计算流程图； 图3为本专利技术设定有限元初始速度场的神经网络模型； 图4为能量法轧制力FE和积分法轧制力F,的比较示意图； 图5A、 5B为小常数G分别为0.02和0.1时轧制力的比较示意图； 图6A、 6B分别为釆用积分法和能量法计算轧制力最大误差随迭代次数 的变化示意图7为能耗率泛函的调用次数随单元数的变化曲线图8为有限元计算时间随单元数的变化曲线图9A、 9B为分别单元细化前后测试样本的计算时间图示；图IO为轧制力预测结果和实测值比较图示。具体实施例方式在板材轧制过程，由于板宽方向相对札制方向的变形非常小可以忽略， 因而可以处理为平面应变问题。根据以上特点，本专利技术方法通过以下步骤 实现1.建立二维平面应变轧制模型。根据板材轧制过程的对称性，取板材轧制上半部分作为研究对象。建 立的板材轧制过程有限元模型见图l所示。图中W为轧辊半径，M为轧件 入口半厚度，W为轧件出口半厚度，oc为轧制咬入角，OC为板材中心线作 为x轴，04为板材厚度方向作为y轴，P是接触角。以下接续步骤如图2所示，为本专利技术板材轧制刚塑性有限元在线控制 模型的快速计算流程图。2. 输入已知的轧制条件和参数。需要输入的已知条件包括板材在轧制前后的厚度、轧辊的直径、轧辊 速度、材料性能、前后张力，温度和摩擦因子等。3. 有限元前处理。依据输入轧制条件和参数，釆用四边形单元对轧制接触区下侧的轧制变形区(图1中的区)划分有限元网格，把轧制入口后恻和轧制出 口前侧处理为刚体。进行有限元单元的节点和单元编号，计算节点坐标， 有限元单元形函数矩阵和B矩阵等。加载边界条件，去除已知的节点速度 变量，减少本文档来自技高网...

【技术保护点】
一种板材轧制在线控制模型的建模方法，其特征在于：使用刚塑性有限元法进行建模，具体包括以下步骤：　以板材中心线作为ｘ轴，板材厚度方向作为ｙ轴建立二维平面应变轧制模型；　输入已知的轧制条件和参数；　依据输入轧制条件和参数，在二 维平面应变轧制模型中采用四边形单元对轧制接触区下侧的轧制变形区划分有限元网格，进行有限元前处理；　根据有限元前处理中加载的已知的速度边界条件及板材轧制特点设定有限元的初始速度场；　以上述初始速度场为初始值建立刚塑性有限元能量泛函 ，采用阻尼牛顿法迭代求解能量泛函的极小值点，获得真实速度场；　根据真实速度场计算应变率场、应力场，进而计算轧制力、轧制力矩以及前滑值在线控制参数，得到板材轧制在线控制模型。

【技术特征摘要】

【专利技术属性】
技术研发人员：张光亮，张士宏，
申请(专利权)人：中国科学院金属研究所，
类型：发明
国别省市：89[中国|沈阳]