王晓东
,
李飞
,
李本海
,
张宝辉
,
王磊
,
陈超超
钢铁
CVC工作辊辊形自发明以来在全球150多条热连轧生产线上得到应用,以控制带钢的板形。实际应用中,与CVC工作辊配对使用的支承辊无论采用平辊还是CVC辊形均存在非均匀磨损甚至轧辊剥落失效的问题,主要原因是CVC支承辊辊形和平支承辊与CVC工作辊配置时存在接触压力集中。为了解决此问题,设计并应用了一种均压支承辊辊形与CVC工作辊配置使用。此辊形是变接触支承辊辊形（VCR）与CVC支承辊辊形的组合,具有变接触辊形的优点,同时又能更好地与CVC工作辊配置使用。均压支承辊辊形应用后,改善了CVC工作辊与支承辊辊间接触状态,解决了轧辊剥落问题,并改善了带钢凸度质量。
关键词:
热连轧机
,
CVC辊形
,
VCR支承辊辊形
,
轧辊剥落
,
辊形配置
陈超超
,
何安瑞
,
邵健
,
刘建华
,
周杰
钢铁
随着高强度低合金钢的广泛应用,高强度低合金钢的板形问题,特别是带钢出口凸度大问题,越来越受到关注.为了解决该问题,从辊形、模型、工艺3方面着手,在涟钢2250热连轧机综合采用优化工作辊CVC辊形及配套变接触支持辊VCRplus辊形,改进凸度反馈控制模型参数,优化精轧负荷分配等技术,显著提高了高强度低合金钢的板形控制效果,高强度低合金钢的平均凸度命中率提高了37.98％,尤其是对于超厚规格带钢,凸度命中率由原来的25.48％提高到95.89％,同时上游机架的综合辊耗降低了23.29％,延长了轧辊的使用寿命,创造了显著的经济效益.
关键词:
高强度低合金钢
,
热连轧
,
板形控制
,
辊形
,
控制模型
,
负荷分配
徐祖宏
,
陈超超
,
邵健
中国冶金
将概率神经网络建模方法与预测思想相结合用于热轧轧制节奏评价，研究并建立了基于 PN N神经网络的热轧轧制节奏评价模型。基于涟钢2250mm热轧厂的实测数据，将建立的PNN网络轧制节奏评价模型用于生产实际，并将结果与BP神经网络进行对比。结果表明，该模型具有便捷、快速、预测精度高、泛化能力强的特点，可代替现有的基于经验公式和经验数据的评价方法，同时为轧制节奏的优化和生产效率的提高提供了参考，具有重要的现实意义。
关键词:
概率神经网络
,
轧制节奏
,
评价模型
,
代替
,
现实意义
