Разработка технологий горячей прокатки листа из трубных и автомобильных сталей с использованием методов физического и математического моделирования

Разработка технологий горячей прокатки листа из трубных и автомобильных сталей с использованием методов физического и математического моделирования

Автор: Наумов, Антон Алексеевич

Шифр специальности: 05.16.05

Научная степень: Кандидатская

Год защиты: 2010

Место защиты: Санкт-Петербург

Количество страниц: 209 с. ил.

Артикул: 4700627

Автор: Наумов, Антон Алексеевич

Стоимость: 250 руб.

Разработка технологий горячей прокатки листа из трубных и автомобильных сталей с использованием методов физического и математического моделирования  Разработка технологий горячей прокатки листа из трубных и автомобильных сталей с использованием методов физического и математического моделирования 

Введение
Глава 1. Математическое и физическое моделирование процессов формирования структуры и механических свойств сталей
1.1. Математические модели на основе искусственных нейронных сетей.
1.2. Программа VIi, разработанная фирмой VI Австрия
1.3. Программа i i , разработанная фирмой ., I
1.3.1. Структура программы i i и се возможности
1.3.2. Моделирование изменений микроструктуры металла в процессах горячей прокатки и последеформационного охлаждения.
1.3.2.1. Процессы, протекающие в аустените.
1.3.2.2. Фазовые превращения.
1.3.2.3. Математические модели расчта механических свойств, используемые в
1.3.2.4. Математические модели кривых напряжениедеформация
1.4. Физическое моделирование процессов формирования структуры и механических свойств сталей
1.5. Методики, используемые при физическом моделировании.
Глава 2. Создание виртуальной компьютерной модели реверсивного толстолистового стана и оптимизация технологии прокатки трубной стати для получения однородной структуры.
2.1. Причины формирования полосчатой структуры и методы ее устранения
2.1.1. Выплавка стали и внепечная обработка
2.1.2. Прокатка на реверсивных толстолистовых станах.
2.2. Влияние полосчатой структуры на свойства толстолистового проката.
2.2.1 Влияние полосчатой структуры на сопротивление хрупкому разрушению и усталостную прочность
2.2.2. Влияние полосчатой структуры на склонность к сероводородному растрескиванию.
2.3. Исследуемые материалы
2.4. Построение термокинетических кривых распада аустенита для литой и
горячедеформированной стали Г2ФБ
2.5. Разработка виртуальной модели стана и се адаптация к условиям прокатки на станс
2.5.1. Построение модели толстолистового стана
2.5.2. Подбор базовых марок для сталей Г2ФБ и Г2ФБЮ
2.5.3. Корректировка решения тепловой задачи калибровка модели по температуре.
2.5.4. Калибровка расчетов механических свойств для стали Г2ФБЮ
2.5.5. Проверка расчетов энергосиловых параметров в программе
2.5.6. Компьютерный эксперимент по влиянию температурнодеформационных режимов на структуру и механические свойства исследуемых сталей при
помощи программы Н5ММ.
2.6. Моделирование технологии прокатки толстого листа без паузы. Опытные
прокатки М 1,2,
2.6.1. Расчет параметров прокатки без паузы на стане .
2.6.2. Определение механических свойств
2.6.3. Изучение микроструктуры металла.
2.6.4 Опытная прокатка
2.6.5 Опытная прокатка
2.6.6 Опытная прокатка
2.7. Оценка влияния некоторых факторов на долю вязкой составляющей при испытании падающим грузом.
2.8. Опытная прокатка
2.9. Опытная прокатка
Заключение но Главе
Глава 3. Разработка и моделирование технологии прокатки двухфазной феррит юмартенситной автомобильной стали на стане ОАО Северсталь
3.1. Исследуемые материалы
3.2. Разработка виртуальной модели стана в программе НБММи ее
адаптация к условиям стана.
3.3. Разработка режимов прокатки двухфазной ферритномартенситюй стали на
стане ОАО Северсталь с помощью программы .
3.3.1. Влияние режимов прокатки на структуру и свойства полосы толщиной
3.5 мм при смотке на I группу моталок
3.3.2. Влияние режимов прокатки на структуру и свойства полосы толщиной
3.5 мм при смотке на II группу моталок.
Заключение по Главе
Глава 4. Исследование влияния технологических параметров и разработка технологии получения Iстши при помощи физического и математического моделирования
4.1. Общие сведения о Iсталях
4.2. Технологический процесс получения современных ГЛРсталей.
4.3. Превращения в Iсталях.
4.3.1. Превращение в межкритическом интервале температур.
4.3.2. Бейнитное превращение.
4.3.3. Стимулированное напряжением мартснситное превращение
4.4. Влияние легирующих элементов
4.5. Механические свойства 2Рсталей
4.6. Факторы, влияющие на свойства ТТНРсталей.
4.6.1. Соотношение фаз.
4.6.2. Стабильность остаточного аустенита
4.6.3. Условия испытания
4.6.4. Напряжнное состояние
4.7. Влияние технологических параметров на количество и стабильность остаточного аустснита и на механические свойства
4.8. Влияние режимов охлаждения на микроструктуру и фазовые превращения 7ШРстали.
4.8.1. Определение температур фазовых превращений без предварительной пластической деформации.
4.8.2. Влияние предварительной деформации на температуры фазовых превращений.
4.8.3. Исследование структурообразования при фазовых превращениях после пластической деформации.
4.9. Моделирование технологического процесса прокатки Iсталя на стане
с помощью модели i i
4 Физическое моделирование режима горячей прокатки ТРРстали на станс , разработанного методом математического моделирования, с
использованием программы .
Заключение по Главе.
Основные выводы.
Литература


ИНС представляют собой систему соединнных и взаимодействующих между собой простых процессоров искусственных нейронов. Такие процессоры обычно довольно просты, особенно в сравнении с процессорами, используемыми в персональных компьютерах. Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И тем не мснсс, будучи соединнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи. Схема простой искусственной нейронной сети представлена на рис. Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных иили зашумленных, частично искаженных данных. Искусственная нейронная сеть работает по следующим принципам на вход подаются сигналы через несколько входных каналов, каждый сигнал проходит через соединение, имеющее определенную интенсивность. Этот вес соответствует синаптической активности биологического нейрона. Вычисляется взвешенная сумма, из нее вычитается пороговое значение и получается величина активации нейрона. Сигнал активации преобразуется с помощью функции активации в выходной сигнал. В качестве функции активации могут использоваться ступенчатые функции, однако они применяются редко. Чаще используются линейные и нелинейные функции 2. При этом веса нейронов могут быть и отрицательными по аналогии с тормозящими нейронами мозга. Входной сигнал проходит через скрытые элементы и приходит на выходные элементы. Сети такого типа используются, например, для прогноза потребительских свойств металлопродукции 3. Сети с обратной связью то есть содержащие связи, ведущие назад от дальних нейронов к ближним могут быть неустойчивыми и иметь сложную динамику поведения. Сети такого типа используются, например, для проектирования основных технологических параРис. ОАО Северсталь и ОАО ММК представлены в работах 2, 3. На основании изложенного в данном разделе можно заключить следующее для решения поставленных в данной работе задач применить математические модели на основе нейронных сетей нельзя, т. Первое опробование этой модели в условиях реального производства было выполнено в году на VI . Стан горячей прокатки этой металлургической компании включает в себя реверсивную клеть и 7 чистовых клетей, объединнных в непрерывную группу. В настоящее время модель VIi используется совместно с системами контроля размеров и поверхности полосы для контроля качества проката. На рис. VIi включает в себя модель расчета температуры по толщине полосы на всех стадиях процесса горячей прокатки рис. С 3. I 0. Рис. Рис. Рабочее окно программы
Рис. В модели рассматривается динамическая и статическая рекристаллизация и моделируется рост зерна аустенита. Для описания этих процессов используются кинетические уравнения. Статическая и динамическая рекристаллизация, а также остаточная деформация описываются как функции времени, температуры, деформации, скорости деформации и содержания микролегирующих элементов. Рис. Моделирование распада аустенита в УАгр включает в себя определение условий начала превращения, расчет кинетики образования феррита и перлита. Расчеты кинетики распада выполняются с учетом размера зерна аустенита и химического состава стали. Рис. К5Г7 для поверхности и середины прокатываемой полосы. В рассматриваемой модели выполняются вычисления размера зерна феррита, поскольку этот параметр микроструктуры в значительной степени определяет прочностные характеристики материала. На рис. Ха1 объемная доля феррита к моменту времени X максимальная доля феррита при температуре Т с0, с,, т, п эмпирические параметры модели. Рис. Рис. Рис.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.209, запросов: 232