基于Matlab的无缝钢管穿孔工艺模型参数预测系统的制作方法

基于matlab的无缝钢管穿孔工艺模型参数预测系统
技术领域
1.本发明属于无缝钢管穿孔工艺模型壁厚预测技术领域，具体涉及基于matlab的无缝钢管穿孔工艺模型参数预测系统。


背景技术：

2.随着我国经济的快速发展，无缝钢管的生产在我国经济生产的众多领域起着十分重要的作用，斜轧穿孔工艺在无缝钢管生产中用的最为广泛。为了使产品质量提高、降低生产所需的成本并且提高产品的生成率，众多新的轧钢软件和管理软件被开发出来，如：轧钢技术领域用于对钢管的壁厚进行同步监视的软件，能够满足高精度无缝钢管轧制的要求。
3.在轧钢科学技术的无缝钢管的生产中，以前的轧钢生产是凭借生产经验进行人工操作，现在由于数学模型的成熟使用，轧钢生产已经趋于使用计算机进行半自动或者自动控制。在无缝钢管生产的机组中，穿孔机将实心管坯穿孔成为空心毛管，是无缝钢管生产中主要生产设备之一，所以合理规划的调整穿孔机轧制工艺是做出高品质钢管的根本保证，穿孔机合理的工艺调整是减少成品钢管出现壁厚质量缺陷的一个重要途径。确定最合适的参数，确保穿孔后的毛管壁厚均匀是对轧钢生产十分重要。
4.matlab软件是用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案。app是用户与设备使用图形界面上的组建模块进行信息交流的界面，实现期望的效果。图像识别是一种重要的信息处理技术，将数字图像处理技术应用到无缝钢管工艺模型壁厚的预测中，处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，只要改变软件就可以改变处理内容。
5.因此，本发明是在matlab app工具下完成的。该系统结合matlab编程实现网络模型的建立训练和预测，提供一种设计简单、检测速度快、灵活性高且稳定可靠的基于matlab app的无缝钢管穿孔工艺模型壁厚的预测方法。


技术实现要素：

6.为了克服现有技术的不足，本发明提供基于matlab的无缝钢管穿孔工艺模型参数预测系统，基于matlab app平台的无缝钢管穿孔工艺模型各参数预测研究系统以及利用matlab采用bp神经网络对无缝钢管管型预测。
7.本发明通过以下技术方案予以实现。
8.基于matlab的无缝钢管穿孔工艺模型参数预测系统，包括数据导入和导出单元实现对工艺参数的计算，bp神经网络对无缝钢管管型参数训练、验证及预测效果综合评估，具体包括以下步骤：
9.(1)建立matlab app主人机交互界面，主人机交互界面由坯料信息、轧辊设计、运
动学参数、顶头设计、导板设计、工艺参数、管型预测、力能参数8个输入模块组成，通过在代码视图中编写相应菜单的回调函数，点击相应菜单可跳转到相应界面；本发明利用matlab app设计平台化产品，针对不同机组的生产需求不需重新设计界面，减少工作量，生产不同规格成品时可使用该系统验证以调节需要改变的参数，减少采用经验调节带来误差影响控制精度；
10.(2)每个所述输入模块分别建立对应的子人机交互界面，每个子人机交互界面分别设置对应的设计参数输入输出模块，使用matlab函数uigetfile()获取需要导入和导出的目标excel表格的文件路径和文件名，使用函数xlsread()读取目标表格内的数据，然后系统通过计算后将得出的穿孔设备对应的工艺参数以及无缝钢管管型参数，用函数xlswrite()导入到目标表格中；
11.(3)采取影响管型的五个参数：前伸量、轧辊距、导板距、坯料直径、顶头直径作为bp神经网络的输入，采用bp神经网络对无缝钢管工艺参数进行训练、验证及预测，得到穿孔毛管的管型预测结果，包括以下步骤：
12.s1：网络层数：输入层、隐藏层、输出层各1层；
13.s2：初始化网络：使用newff()建立无缝钢管斜轧穿孔管型预测模型，根据输入输出变量确定输入输出层神经元数目，网络结构为5
‑
10
‑
2；设置训练函数、训练算法、归一化区间；
14.s3：设置网络的迭代次数为2000次，学习率为0.1，根据国标对尺寸偏差的要求，设置外径允许偏差为0.1，壁厚允许偏差为0.1；
15.bp神经网络模型可利用壁厚和外径的实际值与预测值相对误差直方图、壁厚和外径实际值与预测值对比折线图实时反映bp神经网络的训练效果；
16.(4)子人机交互界面中的设计参数通过excel形式加载和保存。
17.进一步地，在所述步骤(1)中，主人机交互界面可以独立打开任一子人机交互界面。
18.进一步地，在所述步骤(2)中：
19.子人机交互界面中的坯料信息模块包括以下参数的输入窗口：日期、材料、管坯直径、坯料长度、出钢温度、毛管直径、毛管壁厚、毛管长度，坯料信息参数可生成表格形式。
20.子人机交互界面中的轧辊设计模块包括以下参数的输入窗口：管坯直径、毛管直径、辊型、轧辊数、碾轧角、轧辊入口锥母线倾角、轧辊出口锥母线倾角，包括以下参数输出窗口：轧辊直径、轧辊长度、入口辊型锥角、出口辊型锥角、入口锥长度、压缩带长度、出口锥长度、辊端圆角；
21.子人机交互界面中的运动学参数模块包括以下参数输入窗口：管坯直径、毛管直径、毛管壁厚、轧辊直径、轧辊转速、轧辊个数、送进角、出口断面切向滑动系数、摩擦系数，包括以下参数输出窗口：顶头前坯料径向压下量、轴向滑移系数、出口速度、送进速度、管坯转数、螺距；
22.子人机交互界面中的顶头设计模块包括以下参数输入窗口：顶头材料、管坯直径、毛管直径、毛管壁厚、轧辊入口锥母线倾角、螺距，包括以下参数输出窗口：鼻部直径、鼻部长度、顶头直径、顶头圆弧部分长度、穿孔锥、均壁锥、反锥、顶头锥体母线的倾斜角；
23.子人机交互界面中的导板设计模块包括以下参数输入窗口：管坯直径、毛管直径、
毛管壁厚、送进角、碾轧角、轧辊直径、轧辊入口锥母线倾角、顶头直径、螺距，包括以下参数输出窗口：导板入口斜面倾角、导板出口斜面倾角、导板入口锥宽度、导板出口锥宽度、入口处槽深、出口处槽深；
24.子人机交互界面中的工艺参数模块包括以下参数输入窗口：坯料信息包括管坯直径、毛管直径、毛管壁厚，轧辊信息包括入口锥角和出口锥角，顶头信息包括顶头直径和顶头长度；包括以下参数输出窗口：轧辊间距、导板间距、顶头伸处量；
25.子人机交互界面中的力能参数模块包括以下参数输入窗口：管坯直径、毛管直径、毛管壁厚、螺距、送进角、碾轧角、轧辊入口锥角、轧辊出口锥角、轧辊直径、顶头锥体母线的倾斜角、顶头伸出量、出口速度、减速箱传动比、齿轮机座传动效率、接轴传动效率、电机转速、材料变形抗力，包括以下参数输出窗口：轧制力、顶头轴向力、每个轧辊的总轴向力、导板轴向阻力、转动轧辊所需的力矩、弯曲力矩、导板对轧辊切向阻力矩、一个轧辊所需要力矩、轧辊轴承力矩、空转力矩、电机力矩、电机功率。
26.进一步地，在所述步骤s2中，采用经验公式确定隐藏层神经元的个数，其中，m为隐藏层神经元数目，a和b分别为输入、输出层神经元数目，c为1～10之间的调节常数。
27.进一步地，在所述步骤s2中，选择选择前伸量、轧辊距、导板距、坯料直径、顶头直径五个参数作为斜轧穿孔管型预测模型的输入变量，壁厚和外径作为输出变量。斜轧穿孔是无缝钢管生产中金属变形的第一道工序，毛管的几何尺寸主要由外径和壁厚决定。穿孔时轧件的变形量较大，根据变形区的几何关系并考虑弹跳公式，毛管管型传统数学模型为：
28.外径值：
[0029][0030]
壁厚值：
[0031][0032]
其中，轧辊间距b＝(1
‑
δ)d
z
，根据经验数据的压缩带处压缩量δ为15～16％，取δ＝15.5％；l为导板间距，单位为mm；d为轧辊直径，单位为mm；dz为管坯直径，单位为mm；lp为顶头圆弧部分长度，单位为mm；y为前伸量，单位为mm；β为送进角，单位为度；α2为轧辊出口锥角，单位为度；δn为顶头直径，单位为mm。和分别为外径和壁厚的弹跳值，单位为mm。
[0033]
在上述机理模型中，计算外径和壁厚都考虑穿孔机自身刚度和弹跳值，而弹跳值是由经验得出，必然会产生误差。
[0034]
本发明采用bp神经网络建立管型预测模型，输入变量太多会使网络结构复杂，选择不够全面使得模型精度降低。选择影响管型的关键参数作为bp神经网络训练的输入向量，外径和壁厚作为bp神经网络训练的输出向量；根据关键参数的数量和输出向量以及bp神经网络的多次训练并参考训练效果综合评估，确定理想的bp神经网络预测模型。
[0035]
进一步地，在所述步骤s2中，每层使用的传输函数为tansig和purelin，使用logsig函数训练；训练算法设置为反向传播算法、拟牛顿反向传播算法、弹性反向传播算法、或者梯度下降反向传播算法；归一化区间设置为[
‑
1,1]。
[0036]
与现有技术相比本发明的有益效果为：
[0037]
1、基于matlab appdesiger中文语言环境，设计灵活的设计用户操作界面，针对不同钢管材料不需要重新设计整个app系统，只需编译配置文件即可，避免在制造和检验过程中对现有系统的改造，减少了工作量，具有实际意义。
[0038]
2、已知关键影响参数可利用bp神经网络预测管型，用以在生产前指导穿孔设备调整工艺参数，能保证系统生产时的管型精度。
[0039]
3、实现数据导入、性能评估、模型预测以及预测结果导出等功能于一体，既能满足科学研究的需要，也具有商业应用的价值。
附图说明
[0040]
图1是bp神经网络拓扑结构示意图；
[0041]
图2是基于bp神经网络管型预测训练流程图；
具体实施方式
[0042]
以下实施例用于说明本发明，但不用来限制本发明的范围。若未特别指明，实施例均按照常规实验条件。
[0043]
如图1和图2所示的基于matlab的无缝钢管穿孔工艺模型参数预测系统，包括以下步骤：
[0044]
(1)建立matlab app主人机交互界面，主人机交互界面由参数信息、轧辊设计、运动学参数、顶头设计、导板设计、工艺参数、管型预测、力能参数8个输入模块组成，通过在代码视图中编写相应菜单的回调函数，点击相应菜单可跳转到相应界面；
[0045]
(2)每个所述输入模块分别建立对应的子人机交互界面，每个子人机交互界面分别设置对应的设计参数输入输出模块，使用matlab函数uigetfile()获取需要导入和导出的目标excel表格的文件路径和文件名，使用函数xlsread()读取目标excel表格内的数据，系统通过计算后将得出的穿孔设备对应的工艺参数以及无缝钢管管型参数，用函数xlswrite()导入到目标表格中；
[0046]
(3)采取影响管型的五个参数：前伸量、轧辊距、导板距、坯料直径、顶头直径作为bp神经网络的输入，采用bp神经网络对无缝钢管工艺参数进行训练、验证及预测，得到穿孔毛管的管型预测结果，包括以下步骤：
[0047]
s1：网络层数：设置输入层、隐藏层、输出层各1层；
[0048]
s2：初始化网络：使用newff()建立无缝钢管斜轧穿孔管型预测模型，根据输入输出变量确定输入输出层神经元数目，网络结构为5
‑
10
‑
2；设置训练函数、训练算法、归一化区间；
[0049]
s3：设置网络的迭代次数为2000次，学习率为0.1，根据国标对尺寸偏差的要求，设置外径允许偏差为0.1，壁厚允许偏差为0.1；
[0050]
(4)子人机交互界面中的设计参数通过excel形式加载和保存。
[0051]
本发明是基于matlab无缝钢管穿孔工艺模型的预测，利用matlab app以及各个子模块的代码设计完成无缝钢管穿孔工艺模型预测的人机界面交互系统，并采集某钢厂的数据用于预测和验证。
[0052]
app designer中有按钮、文本区域、编辑字段等，采用组件库构建界面，完成界面
布局后，matlab会根据控件类型自动创建m编码文件，系统会保存.fig文件和.m文件，且需要在同一文件夹，其分别用来存储界面的设计视图和代码视图；在此基础上对子模块编写所需实现的回调函数，使用xlswrite将matlab中计算得到的数据写入到目标表格中，xlsread读取excel文件中的数据，uiputfile获得文件的路径和文件名称，uigetfile获取所选文件信息，fullfile利用文件各部分信息创建并合并成完整的文件名。输出参数计算结果在代码视图中通过建立传统公式实现。
[0053]
总界面主要包括用户名、密码、用户登录。主界面上方设置轧辊设计、运动学参数、顶头设计、导板设计、工艺参数、管型预测、力能参数7个模块，登录成功以后可直接进入参数信息模块。
[0054]
通过在代码视图中编写相应菜单的回调函数，点击相应菜单可跳转到相应界面。
[0055]
参数信息界面将采集到的数据输入到对应的坯料信息模块和毛管信息模块中，并设置读取数据按钮，将数据在读取产品信息界面中显示，对保存数据按钮编写回调函数，将已知信息保存至excel sheet1表格中。
[0056]
轧辊设计参数设置界面设置二辊锥形，设置载入数据按钮编写回调函数将保存至excel sheet1中的数据载入到轧辊设计参数模块中。设置计算按钮，编写传统公式计算轧辊直径、轧辊长度、入口辊型锥角、出口辊型锥角、入口锥长度、压缩带长度、出口锥长度、辊端圆角，将计算得到的数据在轧辊参数计算界面中显示，并设置保存数据按钮，将计算得到的数据与其名称一一对应保存到excel sheet2中。设置返回按钮，可从该界面返回至轧辊设计参数界面，轧辊设计参数界面设置返回按钮可返回至菜单界面。
[0057]
运动学参数设置界面设置载入数据按钮，将计算输出参数所需要的参数从excel sheet1和sheet2中加载至运动学参数界面。设置计算按钮，编写传统公式计算顶头前坯料径向压下量、轴向滑移系数、出口速度、送进速度、管坯转数、螺距，将计算得到的数据在运动学参数计算界面中显示，并设置保存数据按钮，将计算得到的数据与其名称一一对应保存到excel sheet3中。设置返回按钮，可从该界面返回至运动学参数界面，运动学参数界面设置返回按钮可返回至菜单界面。
[0058]
顶头设计参数设置界面设置载入数据按钮，将计算输出参数所需参数从excel sheet1、sheet2和sheet3中加载至顶头设计参数界面。设置计算按钮，编写传统公式计算鼻部直径、鼻部长度、顶头直径、顶头圆弧部分长度、穿孔锥、均壁锥、反锥、顶头锥体母线的倾斜角，将计算得到的数据在顶头设计计算界面中显示，并设置保存数据按钮，将计算得到的数据与其名称一一对应保存到excel sheet4中。设置返回按钮，可从该界面返回至顶头设计参数界面，顶头设计参数界面设置返回按钮可返回至菜单界面。
[0059]
导板设计参数设置界面设置载入数据按钮，将计算输出参数所需参数从excel sheet1、sheet2、sheet3和sheet4中加载至导板设计参数界面。设置计算按钮，编写传统公式计算导板入口斜面倾角、导板出口斜面倾角、导板入口锥宽度、导板出口锥宽度、入口处槽深、出口处槽深，将计算得到的数据在导板设计计算界面中显示，并设置保存数据按钮，将计算得到的数据与其名称一一对应保存到excel sheet5中。设置返回按钮，可从该界面返回至导板设计参数界面，导板设计参数界面设置返回按钮可返回至菜单界面。
[0060]
工艺参数设置界面设置载入数据按钮，将计算输出参数所需参数从excel sheet1、sheet2和sheet4中加载至工艺参数界面中。设置计算按钮，编写传统公式计算轧辊
间距、导板间距、顶头伸出量，将计算得到的数据在工艺参数计算界面中显示，并设置保存按钮，将计算得到的数据与其名称一一对应保存到excel sheet6中。设置返回按钮，可从该界面返回至工艺参数界面，工艺参数界面设置返回按钮可返回至菜单界面。
[0061]
管型预测中传统公式参数设置界面设置载入数据按钮，将计算输出参数所需参数从excel sheet1、sheet2、sheet3、sheet4和sheet6中加载至传统公式参数界面中。设置计算按钮，编写传统公式计算管长、外径和壁厚，将计算得到的数据在传统公式管型计算界面中显示，并设置保存数据按钮，将计算得到的数据与其名称一一对应保存到excel sheet7中，设置返回按钮，可从该界面返回至传统公式参数设置界面，传统公式参数界面设置返回按钮可返回至菜单界面。
[0062]
管型预测bp神经网络预测界面包括三个模块：加载数据集，导入训练和测试的数据；设置网络结构5
‑
10
‑
2；训练功能区设置迭代次数、学习率、训练目标设置、训练函数以及训练算法。设置清空按钮；网络训练按钮将训练结果显示至bp神经网络预测结果界面中，设置导出结果按钮，返回按钮可从该界面返回至bp神经网络预测界面，bp神经网络预测界面设置返回按钮可返回至菜单界面。
[0063]
根据训练好的预测模型预测毛管外径和壁厚。设置保存按钮，将计算得到的数据与其名称一一对应保存到excel sheet7中。设置返回按钮，可从该界面返回至菜单界面。
[0064]
壁厚均匀性是影响产品精度的主要因素之一，在钢管穿孔过程中，影响壁厚的因素诸多，各因素与穿孔之间的关系比较复杂，且根据主要参数预测壁厚是否合格，可对因人工经验调节或某参数设置不合理产生产品不合格的参数进行调节。
[0065]
力能参数设置界面设置载入数据按钮，将计算输出参数所需参数从excel sheet1、sheet2、sheet3、sheet4和sheet6中加载至力能参数界面中。设置计算按钮，编写传统公式计算轧制力、顶头轴向力、每个轧辊的总轴向力、导板的轴向阻力、转动轧辊所需要的力矩、弯曲力矩、导板对轧辊的切向阻力矩、一个轧辊所需要力矩、轧辊轴承力矩、空转力矩、电机力矩、电机功率，将计算得到的结果在力能参数计算中显示，并设置保存按钮，将计算得到的数据与其名称一一对应保存到excel sheet8中。设置返回按钮，可从该界面返回至力能参数界面，力能参数界面设置返回按钮可返回至菜单界面。
[0066]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。