[发明专利]基于遗传神经网络技术设计ASSEL轧辊辊型的方法

说明书

技术领域

本发明涉及一种基于遗传神经网络技术设计ASSEL轧辊辊型的方法。

背景技术

目前，我国的无缝钢管正在从生产大国走向强国。国内拥有全世界最先进的轧管机组，但是这些机组基本上是全面引进。吸收、消化、国产化和创新速度较为缓慢。主要工艺技术软件和关键设备仍依赖进口，形成了引进-再引进的模式，未能形成引进促国内发展的良性局面。我国无缝钢管生产工艺技术的研究、新品种的开发以及装备国产化方面的进度滞后于无缝钢管生产的发展和市场的需求。

对于新型ASSEL机组来说，轧辊是最主要的轧制工具，生产实践证明，轧辊辊型对产品质量、轧制规格范围及产能均有一定影响。虽然德国MEER公司提供了ASSEL机组的辊型图，但与现实生产方式小批量、多品种、多规格以及规格范围广的产品结构极不匹配，尤其是满足不了钢管壁厚在25mm以下内表面质量的要求。对于轧辊的修改设计往往需要人工凭经验进行手工设计，因而带来的问题一是很难一次做到优化设计，二是工作效率低，设计周期长。

为了适应市场对高精度产品的需求，同时为加速新产品开发力度，迫切需要研究开发一种新的轧辊辊型的设计方法和现场工程师能够使用的专用软件，以实现轧辊辊型与工艺的快速优化设计，从而达到提高工作效率，缩短设计周期，满足产品质量要求。

发明内容

为解决上述技术中存在的问题，本发明的目的是提供一种基于遗传神经网络技术设计ASSEL轧辊辊型的方法，以利于适应多品种、多规格的产品结构，同时解决了设计周期长，降低成本，节能、节材、提高产品质量和工作效率。

为实现上述目的，本发明采用的技术方案是提供一种基于遗传神经网络技术设计ASSEL轧辊辊型的方法，该方法的包括有以下步骤：该方法的包括有以下步骤：

①建立ASSEL辊型参数估算模型

a.首先利用MEER公司ASSEL机组的辊型设计参数和轧制工艺参数对照表，选择以下输入/输出特征向量：

输入特征向量：

荒管直径(DL)

荒管壁厚(SL)

毛管直径(DH)

毛管壁厚(SH)

芯棒直径(DD)

输出特征向量：

轧辊入口锥角α₁(°)

辗轧带长度L_K(mm)

辊肩高度R_S(mm)

辊肩高度r_S(mm)

出口锥角α₂(°)

b.在线采集轧制工艺参数，通过遗传神经网络推理估计方法建立ASSEL辊型参数估算模型，推导出适合生产条件和不同规格产品的辊型特征参数；

②对ASSEL辊型特征参数的优化

借助协同设计和虚拟环境(VE)产生器，调整ASSEL机组的孔喉直径、喂入角、碾轧带的长度、台肩高度工艺参数，观察到ASSEL轧管机的轧制过程的各种技术参数的动态值，依次确认现实的ASSEL辊型是否有能力完成预定的轧制任务和完成过程，同时也能够从中发现轧制过程的缺陷和问题，达到对ASSEL辊型参数的优化；

③输出加工零件图

通过读/写Auto CAD的DWG图形文件，完成输出ASSEL辊型加工零件图的操作。

本发明的效果是该方法智能化地产生辊型设计的特征参数，利用生产中有限的代表性参数，预测适应不同规格产品的辊型加工参数，改变了传统的辊型设计、建造、控制、产品成型等多环节互不协调、反复修改的串行工作方式，而使辊型设计、建造及有关的技术准备和生产准备工作在并行工作方式下达到一次成功，从而缩短技术和生产准备周期，使最终产品能按用户的要求以最快的速度供应市场。该项技术可提高轧辊辊型设计质量，减少试轧次数，节省资金，缩短新产品的开发时间。

通过神经网络的权值进行训练，优化权系数和网络结构，使系统具有神经网络广泛的映射能力，探究出了轧制工艺的多变量多参数与辊型几何形状的信息传递关系，具有遗传算法的快速收敛和增强式的学习性能。

附图说明

图1为本发明的系统框图；

图2为本发明的BP网络拓扑结构；

图3为本发明的DWG文件描述的ASSEL辊型加工零件图；

图4为图3的A、B、C点的局部放大图。

具体实施方式

结合附图及实施例对本发明的基于遗传神经网络技术设计ASSEL轧辊辊型的方法使用过程加以说明。