Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/BUOS-9AHHE9
Type: | Dissertação de Mestrado |
Title: | Previsão de temperatura de bobinamento de aços laminados a quente utilizando redes neurais artificiais |
Authors: | Glaucio Barros Barcelos |
First Advisor: | Rodney Rezende Saldanha |
First Co-advisor: | Douglas Alexandre Gomes Vieira |
First Referee: | Douglas Alexandre Gomes Vieira |
Second Referee: | Eduardo Mazoni Andrade Marcal Mendes |
Third Referee: | Geraldo Augusto Campolina Franca |
metadata.dc.contributor.referee4: | Alexandre Henrique Farah Dias |
metadata.dc.contributor.referee5: | Luciano Lellis Miranda |
Abstract: | Durante a produção de bobinas de aço em uma laminação a quente o controle da temperatura de bobinamento do material é de suma importância para o processo. A sua variação pode causar mudanças de propriedades mecânicas e micro-estruturas dos materiais, gerando materiais com não conformidades, o que pode gerar perdas. Este trabalho visa contribuir para melhoria deste processo através da aplicação de modelagem numérica e inteligência computacional na estimativa do coeficiente de transferência de calor por convecção do leito de resfriamento e, consequentemente, na previsão de temperaturas de bobinamento. Em primeiro lugar, os dados de várias bobinas foram coletados considerando as variáveis de processo do leito de resfriamento e as temperaturas de bobinamento alcançadas. Depois, utilizando métodos numéricos e de otimização, o coeficiente de transferência de calor por convecção é determinado para cada amostra coletada. Finalmente, uma rede neural é aplicada para definir as relações entre as variáveis de processo (espessura, uxo de água, entre outras) e o coeficiente de transferência de calor por convecção estimado. Os resultados são comparados com alguns modelos encontrados na literatura e mostram que a abordagem proposta teve desempenho superior. Os valores estimados pelo modelo desenvolvido podem ser utilizados, juntamente com técnicas de controle, para melhoria no controle da temperatura de bobinamento e, consequentemente, das propriedades mecânicas e microestruturas dos materiais. |
Abstract: | During the production of steel coils in a hot rolling, the coiling material temperature control is of paramount importance to the process. Its variation can cause changes in the materials mechanical properties and microstructures, producing materials with nonconformities which may generate waste. This work aims to contribute to improving this process through the application of numerical modeling and computational intelligence in the estimate of the convective heat transfer coefficient from the run-out cooling table and predicting coiling temperatures. Firstly, the data of several coils were collected considering the run-out cooling table process variables and the achieved coiling temperatures. Then, using numerical methods and optimization, the convective heat transfer coefficient is determined for each collected sample. Finally, a neural network is applied to define the relationships between process variables (thickness, water ow, etc.) and the estimated convective heat transfercoefficient. The results are compared with other models found in the literature and they show that the proposed approach has superior performance. The estimated values can be used to predict coiling temperature and together with control techniques appliance to contribute to the material mechanical properties and microstructure improvements. |
Subject: | Engenharia elétrica Laminação (Metalurgia) Redes neurais (Computação) Modelos matematicos |
language: | Português |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/BUOS-9AHHE9 |
Issue Date: | 21-Feb-2013 |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Size | Format | |
---|---|---|---|
disserta__o___gl_ucio_barros_barcelos.pdf | 5.87 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.