Título

MODELAGEM MATEMÁTICA DA CARGA DE LAMINAÇÃO NO ENCRUAMENTO DE AÇOS IF EM LINHA DE RECOZIMENTO CONTÍNUO

MATHEMATICAL MODELLING OF ROLLING LOAD OF IF STEELS IN A CONTINUOUS ANNEALING AND PROCESSING LINE

Autoria

Rabelo, Gláucio Bórtoli da Cruz; Takahashi, Hiroshi Jorge; Costa, Giuliano César Aguiar; Cetlin, Paulo Roberto

DOI

10.5151/2594-5327-0030

Downloads

Baixar Artigo 49 Downloads

Resumo

A carga de laminação é função de variáveis como redução de espessura, largura, diâmetro do cilindro de laminação, etc. Além disto, a carga de laminação pode ser usada como indicador indireto da tensão planar, ou seja, do limite de escoamento. Desta maneira podem-se identificar anormalidades pontuais que não seriam detectadas pela amostragem convencional. Neste trabalho foram utilizadas as técnicas de modelagem de regressão linear múltipla e redes neurais artificiais (RNAs) para previsão da carga de laminação no encruamento na linha de recozimento contínuo de aços interstitial free (IF). Na regressão linear múltipla, foram utilizadas cinco variáveis, sendo obtido um coeficiente de determinação ajustado de 82,6%. Observou-se divergência dos valores previstos e observados para os extremos das cargas de laminação. A utilização da RNA possibilitou a correção deste desvio, gerando maior coeficiente de determinação ajustado (91,0%) e utilização de menor número de variáveis.

 

The rolling load is a function of variables such as the elongation, width of sheet, work roll diameter, etc. Furthermore, the rolling load may be used as an indirect indicator of the material plane-strain flow stress, i.e. the yield strength in tension. With such information it is possible to identify spot abnormalities that couldn’t be detected by conventional sampling. In the present study multiple linear regression and artificial neural networks were used as modelling techniques to predict the rolling load for an Interstitial Free steel (IF) in the skin pass mill of the continuous annealing and processing line (CAPL). For the case of multiple linear regression five variables were considered and an adjusted coefficient of determination of 82,6% was found. Divergences between the predicted and actual values were found concerning extreme roll forces. The use of artificial neural network allowed the correction of such deviation, generating a higher adjusted coefficient of determination (91,0%) and also allowed the use of just three variables.

Palavras-chave

Aço interstitial free; Laminação de encruamento; Redes neurais.

Interstitial free steel; Skin pass; Neural networks.