بررسی تاج حرارتی غلتک در فرآیند نورد و تاثیر آن بر عیب موج

جنبه های حرارتی در فرایند نورد نقش مهمی در کیفیت محصول و کارکرد تجهیزات نورد دارد. تاج حرارتی نامناسب باعث ایجاد عیوب شکلی و هندسی مختلف مانند موج مرکزی ، کناری و کاناله می شود. از طرف دیگر می تواند باعث افزایش نیروی نورد و زیاد شدن مصرف انرژی شود. درجه حرارت غلتک و ورق نیز می توانند تأثیرات زیادی روی کارکرد خط داشته باشند، به طوری که افزایش دمای غلتک های کاری باعث ایجاد ترک های آتشین روی سطح غلتک شده و سایش را تا حد زیادی افزایش می دهد. بنابراین به دست آوردن تاج حرارتی مناسب از اهمیت زیادی برخوردار بوده و به این منظور ، دانستن توزیع و دمای غلتک و نحوه خنک کاری آن مهم می باشد. هدف از انجام این پژوهش بررسی اثرات حرارت بر کیفیت ورق است. با پیدا کردن منشأ های حرارتی که منجر به ایجادعیوب هندسی روی محصول می شوند و مدل سازی آن، می توان این عیوب را کاهش داد. به همین منظور با ترکیب شبکه عصبی و مدل تحلیلی امکان پیش بینی دمای غلتک در زمان کوتاه برای استفاده در برنامه های کنترلی به وجود آمد. علاوه بر آن ساختار فلزی هم به عنوان نمایشی از تاریخچه حرارتی مورد تحلیل و بررسی قرار گرفت تا بتوان نسبت به آمار عیوب موجود در خط اظهار نظر کرد زیرا خنک کاری غیر یکنواخت می تواند روی ساختار ها و خواص مکانیکی ورق و تغییرات آن در عرض ورق تاثیر گذار باشد. در این پژوهش ابتدا از یک مدل دقیق حرارتی برای نورد که شرایط ورق و غلتک رادر حالت سه بعدی شبیه سازی می کند استفاده شده و داده های مورد نیاز شبکه به گونه ای که فضای جواب را پوشش دهد تولید شد. داده های تولید شده پس از پردازش اولیه برای آموزش، تایید و آزمودن شبکه عصبی مورد استفاده قرار گرفتند. با توجه به تعداد زیاد پارامتر های موثر بر دمای غلتک، میزان همبستگی بین پارامتر های ورودی شبکه ارزیابی شده و پارامتر هایی با ضریب همبستگی بالا حذف شدند. با رویکرد فیزیکی به داده های ورودی و خروجی شبکه عصبی، ترفند هایی برای کاهش حجم شبکه استفاده شد و خطا را به میزان قابل توجهی کاهش داد. با توجه به ماهیت مسئله شبکه هایی با ساختار دینامیکی و استاتیکی استفاده شده و نتایج آنها با هم مقایسه شد. نتایج بدست آمده نشان داد شبکه ی استاتیکی که لایه های مختلف غلتک را با شبکه های مجزا مدل می کرد با پیچیدگی کمتر نسبت به پارامتر های ورودی، به خطای پایین تری همگرا شد. این شبکه با در نظر گرفتن تاریخچه حرارتی غلتک به صورت توزیع دمای اولیه غلتک در 35 نقطه، توزیع دمای فعلی غلتک را پس از عبور یک ورق می دهد. ورودی های شبکه شامل مشخصات ابعاد ورق، دمای اولیه ورق، فاصله زمانی بیکاری خط بین دو ورق و درصد کاهش ضخامت در قفسه است.