Verzug, verursacht durch ungleichmäßige Spannungsverteilung, ist ein kritisches Problem, das die Formqualität beim Walzen von hochfesten dünnen Bahnen in einer S6-Hoch-Kaltwalzstraße einschränkt. Aufgrund der hohen Streckgrenze und der geringen Dicke sind solche Bahnen empfindlich gegenüber Dehnungshomogenität, während herkömmliche Methoden den komplexen Verzugmechanismus nicht aufdecken können. Um dies zu adressieren, wurde ein elastoplastisches Finite-Elemente-Modell (FE) des Walzbahn-Systems entwickelt und validiert. Mechanistische Analysen klären die Auswirkungen von Material- und Prozessparametern. Eine Simulationsdatenbank wird eingerichtet und ein synthetischer Verzugfaktor wird vorgeschlagen, um globale und lokale Trends zu quantifizieren. Ein intelligentes Vorhersagemodell wird unter Verwendung des optimierten Light Gradient Boosting Machine (LightGBM) mit dem White Shark Optimizer (WSO) erstellt. Die Ergebnisse zeigen, dass die Bahndicke und die Streckgrenze intrinsische Quellen der Verzugsempfindlichkeit sind, während die Fehlstellung der Arbeitswalze und die Position der Seitenunterstützungswalze entscheidende Einflussfaktoren darstellen. Im Vergleich zu herkömmlichen Methoden erzielt WSO-LightGBM eine überlegene Genauigkeit (R² = 0,963, RMSE = 0,00109 mm, MAE = 0,00191 mm). Diese Studie bestätigt die Anwendbarkeit der Mechanismus-Datenfusion zur genauen Vorhersage und Prozessoptimierung.
Fan et al. (Tue,) haben diese Frage untersucht.