Título

APLICAÇÃO INDUSTRIAL DAS REDES NEURAIS ADAPTATIVAS: LAMINAÇÃO A FRIO DE CHAPAS

INDUSTRIAL USAGE OF ADAPTIVE NEURAL NETWORKS: SHEET COLD ROLLIN

Autoria

Bielskis, Celso Tadeu; Plaut, Ronald Lesley; Palo, Vito Marcos; Bielskis, Marcelo Franck

Bielskis, Celso Tadeu

Eu sou esse autor

Plaut, Ronald Lesley

Eu sou esse autor

Palo, Vito Marcos

Eu sou esse autor

Bielskis, Marcelo Franck

Eu sou esse autor

DOI

10.5151/2594-5297-0004

Downloads

Resumo

Ao longo dos anos, muitas pesquisas têm sido conduzidas a fim de se elaborar modelos matemáticos para a determinação do esforço necessário para a conformação da tira metálica durante a laminação a frio. Muitos desses modelos derivam de Tselikov, Orowan, Bland e Ford e são baseados em diferentes suposições a fim de resolver a equação diferencial de Von Karman que expressa a distribuição da pressão ao longo do arco de contato entre os cilindros de laminação e a tira metálica. A grande dificuldade no desenvolvimento dos cálculos através dos modelos apresentados, está em variáveis que compõe as equações e que foram obtidas experimentalmente, como por exemplo, o coeficiente de atrito. Neste trabalho são apresentados os resultados obtidos, através de Redes Neurais Adaptativas (RNA), para a determinação do esforço durante a laminação a frio de tiras de aço SAE 1006. A fase de treinamento da RNA foi feita com dados reais de produção coletados através do sistema supervisório de um laminador quádruo reversível da Brasmetal Waelzholz. Com a RNA configurada e treinada, o processo de laminação foi simulado, e a partir de uma nova coleta de dados, o esforço necessário para a conformação da tira de aço foi produzido através da RNA. Os resultados da produção através da RNA foram, então, comparados com dados reais de processo e com resultados obtidos através dos modelos matemáticos propostos por Tselikov, Ekelund e Hessemberg e Sims.

Throughout the years substantial research work has been carried out in order to obtain mathematical models aimed at the determination of the load required for sheet cold rolling. Several of these models derive from Tselikov, Orowan, Bland and Ford models and are base on different assumptions in order to solve the Von Karman differential equations related to the pressure distribution between the roll and the sheet along the arc of contact. The major difficulty in the development in these models is related to the variables that are part of the equations of these models such as, e.g., the friction coefficient, obtained experimentally. In the present work results are presented, through the Adaptive Neural Networks (ANN), related to the load during sheet cold rolling of a SAE 1006 steel. The net training stage has been performed using actual production data collected via the supervisory system of a four-high reversible stand at Brasmetal Waelzholz. With the ANN duly configured and trained, rolling has been simulated and, from the collection of new data, the load required has been assessed through the ANN. Production results obtained from the ANN have been compared with actual production data and with those obtained from the math models proposed by Tselikov, Ekelund and those of Hessemberg and Sims.

Palavras-chave

Laminação a frio; Redes neurais adaptativas; RNA.

Cold rolling; Adaptive neural networks.