论文部分内容阅读
穿孔过程作为无缝钢管的第一道工序,对钢管的质量有着至关重要的影响。该过程是一种复杂的工艺过程,过程变量多,各变量与钢管质量之间的关系复杂,其机理模型难以建立。本文以宝钢钢管分公司SWW斜轧穿孔机为研究对象,利用现场采集的数据分别建立了无缝钢管的故障监测与诊断模型、质量预报模型,并利用穿孔机的实际参数建立了穿孔过程的有限元模型为进一步分析奠定基础。穿孔过程是一种典型的间歇过程,可以利用间歇过程的分析方法分析穿孔过程。间歇过程的故障监测与诊断方法起源于MPCA方法,本文以传统MPCA模型为基础,结合穿孔过程的多时段特性,建立多时段的MPCA监测模型。首先,采用工艺分段、K-means分段、GA优化分段的方法划分时段,然后分别建立多时段MPCA监测模型。仿真结果表明,传统的MPCA监测模型误报现象严重;改进的多时段MPCA模型适应了穿孔过程的时段性,误报率明显降低,且基于GA优化算法的多时段MPCA监测模型监测效果很准确。在完成故障监测的基础上,建立故障诊断模型,完成故障诊断。毛管的质量预报模型以ELM算法为核心,采用集成的方法建立穿孔过程的质量预报模型。本文采用了三种集成预报模型:(1)采用均值集成模型;(2)随机优化集成模型;(3)GA优化集成模型:利用GA优化权值构造新的激励函数后,再进行均值集成。仿真对比各模型的预报误差,随机优化集成模型和优化集成模型的预报误差较低,且优化集成模型的预报结果更精准,能够完成毛管纵向壁厚的预报。最后,基于有限元方法和ANSYS/LS-DYNA软件建立穿孔过程的有限元模型,该模型有助于了解穿孔过程的机理知识,为后续的研究奠定基础。