带钢热连轧机组温度模型及其自学习方法

介绍了带钢热连轧机组温度模型以及目前常用的温度模型自学习方法.针对目前常用的温度模型自学习方法的不足,提出了一种分区补偿法用于温度模型自学习,该方法按一定的分配系数将终轧温度偏差分配到各冷却区段,温度偏差分配系数可以根据各机架轧制力情况进行调节,所以在保证终轧温度预测精度的同时,也提高了轧制力的预测精度.这种新型的温度模型自学习方法被成功地应用于天津荣程750 mm精轧机组,取得了较好的应用效果.     

热连轧带钢终轧温度的影响因素

在传统传热模型基础上开发了带钢热连轧精轧温度控制模拟软件,系统地分析了穿带速度、带钢粗轧出口温度、带钢机架间厚度、水冷换热系数和工作辊材质等7种因素对带钢精轧出口温度的影响规律;确定了影响带钢终轧温度的主要因素;使用现场实测数据对模拟软件计算精度进行了检验,表明开发的精轧温度控制模拟软件计算精度较高.为建立高精度热连轧带钢温度在线控制模型提供了理论依据.     

热连轧带钢终轧温度控制样本跟踪策略

为了加强前馈控制在带钢终轧温度控制中的作用,提高机架间喷水冷却控制精度,分析了带钢在机架间运行过程中的速度变化规律,将带钢在精轧机架间的冷却过程划分为多个冷却计算单元,阐述了机架间微跟踪策略的原理,给出了合理的通条带钢机架间微跟踪方法.使用实验室已开发的热带终轧温度模拟运行软件,结合国内某厂现场数据,进行了机架间温度控制模拟计算,计算结果优于现场实测数据.     

中厚板轧后冷却的过程控制

中厚板终轧后只能靠前馈模型控制钢板的冷却过程,普通的温度模型计算存在较大误差,针对这一问题,推导了中厚板控制冷却过程的差分模型·结合首钢中板厂控制冷却系统的改造,通过采用两次修正计算和自学习修正计算,从系统上保证了温度控制的精度·提出了热交换系数的计算方法·针对中厚板控制冷却特点,给出了层流冷却过程控制模型的自学习算法·通过采用自学习算法,进一步提高了模型的控制精度·控制冷却系统在首钢顺利投产,系统终冷温度控制合格率在96 5%以上·     

热轧工艺对CSP低碳钢冷轧板成形性能的影响

通过对某钢厂CSP低碳钢冷轧基板的生产数据的统计分析,研究了化学成分、卷取温度和终轧温度对CSP低碳钢冷轧板深冲性能的影响,观察了不同终轧温度和卷取温度下冷轧基板组织的变化.结果表明,适当增加Al元素含量和减少Mn元素含量以及采用高终轧温度和低卷取温度的热轧工艺有利于成品深冲性能的提高,且冷轧基板组织检验结果证实了该热轧工艺的有效性.     

中厚板轧后高密度管层流快冷控制模型

根据鞍钢厚板厂投产的国内第一套中厚板轧后高密度管层流控冷装置的特点,结合理论分析,建立了一套适用于中厚板轧后快冷的控制用数学模型.该模型由层流冷却预设定冷却模式、各预设定冷却模式下终冷返红温度预报模型、终冷返红温度修正模型、自学习模型等组成,且该套模型已在鞍钢厚板厂投入使用.     

调节轧制速度和水流量进行终轧温度控制的比较

结合国内某热轧带钢厂终轧温度控制模型的调试过程,分别介绍了通过调节水量和调节轧制速度进行终轧温度控制的原理;对比了轧制典型产品时采用上述两种手段调节终轧温度的轧制速度实测曲线、水量调节曲线和终轧温度实测曲线,探讨了产生不同终轧温度控制效果的原因;结合轧后冷却样本跟踪原理,分析了调节速度时对于下游轧后冷却控制过程的影响.研究结果表明:采用调节轧制速度手段的终轧温度控制精度略高;采用调节机架间水量手段时轧制速度曲线更平滑,有利于轧后冷却过程控制.     

热轧带钢精轧温度的设定策略

为了提高热轧带钢头部终轧温度命中率,以及确定合理的机架间喷水冷却制度,结合带钢热轧过程温度数学模型,开发了精轧区温度模拟计算软件·对多种不同规格产品进行了离线模拟计算,模拟计算结果与实测结果吻合较好,表明模型具有较高的精度·在温度模拟计算的基础上,给出了终轧温度设定策略·对两种截然不同的机架间喷水冷却阀门开启逻辑做了计算分析,结果表明,逆向开启机架间喷水冷却阀门,顺向关闭阀门,能以较少的喷嘴开启数达到终轧温度目标范围,并且可以节约能耗·     

热轧带钢层流冷却过程中温度与相变耦合预测模型

建立了温度与相变耦合有限元模型,对带钢轧后冷却过程中带钢厚度和宽度方向的温度场进行了模拟计算.建模过程中,考虑带钢的各金相组织的密度、导热系数、比热容等物性参数为温度的函数,取各相的线性平均值用于计算.根据连续等温转变实验曲线,采用Avrami方程和Scheil可加性法则计算带钢相变潜热,实现温度和相变耦合求解.计算结果表明,带钢经过层流冷却后,沿厚度方向存在着一定的温差,带钢温度沿宽度方向分布不均匀,和现场实测结果吻合.     

NVE36船板钢连续冷却转变行为及动力学回归模型

采用热膨胀仪对船板钢NVE36进行了连续冷却转变曲线(CCT曲线)的测定,并用显微镜观察其室温组织,用维氏硬度仪测定了组织硬度. 利用Matlab软件平台对实验数据进行处理,建立了相变点温度-冷却速率关系模型及动力学回归模型,回归计算得到该钢种的最优模型系数. 最后对比了NVE36钢在连续冷却过程中实验和回归模拟的动力学行为. 结果表明计算值与实验值吻合很好,证明所建立模型的合理性及数据处理方法的可行性.     

中厚板厚度控制模型的自学习

结合南钢2 500 mm精轧机组改造项目,根据中厚板生产工艺特点,确定合理的弹跳模型和轧制力模型.考虑到弹跳模型具有较高精度以及其自学习不依赖于轧制力模型精度的特点,首先进行弹跳模型的自学习,再利用修正后的弹跳模型计算轧件出口厚度,将其用于轧制力模型的自学习.轧制力模型的自学习主要是修正钢种硬度系数,分短期自学习和长期自学习两部分,分别用于修正本批次钢和本规格钢的硬度系数,短期自学习结果是长期自学习的数据来源,长期自学习结果保存进数据库供以后计算使用.研究结果应用于南钢中板厂后,厚度控制命中率提高了13.3%.     

热轧带钢终轧温度控制模型的应用研究

为了适应加速轧制时高精度终轧温度控制的要求,在机架间冷却单元的基础上开发了在线自适应、前馈与反馈相结合的在线终轧温度控制模型,并现场测试了机架间冷却阀门的开度和流量曲线.结果表明,该模型对于提高终轧温度控制精度是有效的.     

热连轧机轧制力和轧制力矩模型研究

研究了一种适用于热连轧机的新型高精度轧制力和轧制力矩模型,建立了一个轧制力功系数和轧制力矩功系数的新型指数公式,将两个系数的表达式统一起来,仅含"压下率"和"压扁半径与出口厚度之比"两个影响因子,形式简洁,物理意义明显.给出了新型指数公式中待定参数的确定方法,求得的待定参数值对不同钢种和不同精轧机架具有通用性.预测实践表明,新型轧制力和轧制力矩模型提高了热连轧过程中轧制力和轧制力矩的预报精度,可用于热轧板带生产线精轧机架的在线控制.     

热轧带钢精轧过程考虑相变的轧制力模型

对部分在精轧过程发生相变的热轧钢种,当在双相区轧制时,因奥氏体与铁素体的变形抗力随轧制温度的变化规律不同,使得传统轧制力模型的预报误差很大,影响轧制过程参数控制精度.为此,研发了一种适用于精轧过程发生相变的热轧轧制力模型.首先建立了余弦形式的相变体积分数模型,算出不同轧制温度下奥氏体与铁素体的体积分数;接着,建立加权形式的轧制温度对变形抗力影响项的计算公式,较好地模拟出轧件在双相区轧制的变形特性;最后,把该模型用于宝钢1880热轧轧制力预报在线计算,实际生产表明,该模型显著提高了无取向电工钢等精轧相变带钢的轧制力预报精度,改善了轧制稳定性.     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.     

热连轧精轧机组预设定和自适应研究

以某厂热连轧精轧设定模块为研究对象,在其原有设定模型中添加了另外一种变形抗力模型,通过计算机编写程序,创建回归系数文件,修改输入计算模块,用新添加变形抗力模型回归过的钢种系数对现场生产中与其相近的钢种进行设定计算,比较变形抗力模型添加前后的轧制力预测值偏差。结果表明:添加变形抗力模型后的轧制力计算可以得到比较满意的精度;平滑系数在自适应学习中是十分关键的影响因素,在总结了精轧机组自适应模块中平滑系数的影响因素后,建立平滑系数的动态优化模型,通过编程读取实测数据计算轧制力,比较优化前后的轧制力误差,结果表明对于精轧机组自适应过程,动态优化平滑系数更有助于提高轧制力模型预报精度。     

基于AR模型的话务自学习研究与应用

本文通过对AR模型的研究,提出了一种基于AR模型的话务自学习模型。通过对话务数据进行平稳化差分处理,得到话务数据的模型,并对未来的话务数据进行预测。仿真结果表明,建立的话务自学习的AR模型和实际的话务数据有很高的一致性,且仿真速度快,适合在实际的工作中应用。