项目名称: 精密钛合金板材无张力冷轧关键质量模型研究

项目编号: No.51304017

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 矿业工程

项目作者: 王晓晨

作者单位: 北京科技大学

项目金额: 25万元

中文摘要: 精密钛合金板材无张力冷轧生产规格灵活、道次数多、变形抗力大、轧制厚度薄,板厚、板形控制精度要求极高,而板材轧制不具备反馈控制条件,使其极为依赖过程控制系统的质量模型精度。为此,本课题针对精密钛合金板材无张力冷轧关键质量模型开展研究,主要内容包括:针对影响轧制力计算精度的本质原因变形抗力与摩擦系数,设计基于构造矛盾方程组的变形抗力参数自学习方法,并针对变形抗力与摩擦系数建立混合核函数支持向量机模型,形成解析模型与统计模型相结合的轧制力模型;针对板材无张力冷轧板形生成特点,建立基于显式-隐式两步法有限元的板形机理计算模型,并在此基础上建立基于板形调控功效向量的广义板形设定计算模型;适应轧制规范灵活制定的需要,建立基于轧制规范特征曲线的轧制规范计算模型,并设计以板形最优为目标的规范特征曲线优化计算方法。本课题具有重要的科学意义与应用价值,研究成果将对提高我国钛加工质量控制水平产生积极推动作用。

中文关键词: 钛合金;支持向量机;有限元分析;板形调控功效向量;轧制规范

英文摘要: For precise titanium alloy sheet cold rolling without tension, varied production specification, relatively more rolling passes,high deformation resistance and low thickness are representative characteristics. Moreover, the requirement of thickness and shape control precision is extremely strict. Whereas, the feedback control condition is absent, leading to high dependence of quality model precision of process control system. Therefore, the crucial quality models of precise titanium alloy sheet cold rolling without tension are researched in this subject, including: The proposal of deformation resistance parameters selflearning method, and the establishment of mixed kernel function support vector machine model for deformation resistance and friction factor to get the rolling force model composed of analytical model and statistical model, which is aimed to correct the main influence factors to rolling force calculation precision - deformation resistance and friction factor. The set up of shape mechanism model based on the combination of static and dynamic finite element methods for the shape generation characteristic of sheet cold rolling without tension, and the foundation of the generalized shape control model based on shape control efficiency vectors on the basis of mechanism model. The proposal of rolling sched

英文关键词: titanium alloy;support vector machine;finite element analysis;shape control efficiency vector;rolling schedule

成为VIP会员查看完整内容
0

相关内容

在机器学习中,支持向量机(SVM,也称为支持向量网络)是带有相关学习算法的监督学习模型,该算法分析用于分类和回归分析的数据。支持向量机(SVM)算法是一种流行的机器学习工具,可为分类和回归问题提供解决方案。给定一组训练示例,每个训练示例都标记为属于两个类别中的一个或另一个,则SVM训练算法会构建一个模型,该模型将新示例分配给一个类别或另一个类别,使其成为非概率二进制线性分类器(尽管方法存在诸如Platt缩放的问题,以便在概率分类设置中使用SVM)。SVM模型是将示例表示为空间中的点,并进行了映射,以使各个类别的示例被尽可能宽的明显间隙分开。然后,将新示例映射到相同的空间,并根据它们落入的间隙的侧面来预测属于一个类别。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
43+阅读 · 2022年1月18日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
19+阅读 · 2021年5月1日
专知会员服务
19+阅读 · 2021年3月18日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
用扩散模型生成高保真度图像
TensorFlow
1+阅读 · 2021年8月17日
CVPR2021-单目实时全身捕捉的方法
专知
0+阅读 · 2021年3月18日
深度报告:特种钢铁行业,支撑高端制造
材料科学与工程
12+阅读 · 2019年4月9日
10000个科学难题 • 制造科学卷
科学出版社
13+阅读 · 2018年11月29日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
最大熵原理(一)
深度学习探索
12+阅读 · 2017年8月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
小贴士
相关资讯
用扩散模型生成高保真度图像
TensorFlow
1+阅读 · 2021年8月17日
CVPR2021-单目实时全身捕捉的方法
专知
0+阅读 · 2021年3月18日
深度报告:特种钢铁行业,支撑高端制造
材料科学与工程
12+阅读 · 2019年4月9日
10000个科学难题 • 制造科学卷
科学出版社
13+阅读 · 2018年11月29日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
最大熵原理(一)
深度学习探索
12+阅读 · 2017年8月3日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员