热轧带钢超快速冷却过程的温度控制策略

针对热轧带钢超快速冷却过程温度控制,通过建立带钢冷却过程中的空冷、水冷温降模型,采用前馈、反馈与自适应相结合的温度控制策略,提高带钢的中间温度和卷取温度的控制精度,并应用于热轧带钢生产线。应用效果表明,带钢轧后温度控制达到了较高的精度,并有效地提高了带钢的力学性能。     

热轧带钢轧后高强度冷却过程的换热系数分析

为了研究基于层流冷却(加强型冷却)和采用有压射流冷却水进行冷却(超快冷)这两种技术方案下冷却强度的差异,采用数值计算方法得到了不同水流密度和冷却方式下带钢表面换热系数,并进行对比分析.结果表明:在水流密度相同时,超快冷的换热系数显著高于加强型冷却;在加强型冷却方式下随着水流密度的提高,带钢表面换热系数也随之升高,当达到一定值后,再次提高水流密度,换热系数会随之降低,但在超快冷方式下,换热系数并未出现明显的下降趋势.     

超快冷却条件下温度场数值模拟

从导热微分方程数值差分解法入手,对轧件在粗轧和精轧之间进行超快冷却后的温度场进行了数值模拟·结果表明:当板坯初始温度为1200℃,经过6道次粗轧后,以3m/s的速度进入超快冷却区,当水冷换热系数为10kW/(m2·℃)时可以得到70℃/s的冷却速度;另外由于超冷后表面温度的强烈回复,故在进行精轧时,必须进行温度修正,保证轧件在精轧区开轧温度的精度·     

热轧板带钢的超快速冷却控制系统

对热轧板带钢超快速冷却设备作了简要介绍.通过带钢轧制过程参数耦合控制及冷却水精度设定,使冷却水流量快速调节实现目标值±0.5m3/h的偏差.根据热轧生产工艺制度要求,对超快速冷却过程建立温度计算数学模型.通过控制系统功能间的最优化设计,采取合理的冷却策略,使中间温度及卷取温度控制精度达到目标值±15℃范围之内,使热轧板带钢超快速冷却工艺逐步稳定合理.系统投入使用后,具有高稳定性、高可靠性、高温度命中率,显著提高了带钢产品的质量和性能.     

热轧带钢层流冷却中的温度演变及返红规律

用有限元法模拟热轧带钢层流冷却中的温度场并计算典型位置处的冷却速度.分析水冷期间和随后返红过程冷却速度周期性变化规律,发现在轧件横断面厚度方向上距离表面大约半厚度的1/3处存在一条冷却速度临界线;在临界线与表面之间冷却速度有正负交替现象;此临界线是冷却过程中瞬时内部热输出区与热输入区(返红区域)的分界线;在返红区域回归出返红温度随经历时间和各点到表面距离的变化规律的关系模型.此研究为组织性能预测和控制提供了参考数据.     

水流量对热轧钢板层流冷却过程对流换热系数的影响

提高带钢层流冷却控制模型的精度,关键是建立精确的对流换热系数与冷却工艺之间的关系.采用有限差分法和反向热传导法,获得了实验条件下钢板表面的对流换热系数及表面温度.研究了不同水流量(0.9～2.1 m3.h-1)对换热系数与表面温度变化规律的影响.在层流冷却过程中,对流换热系数与表面温度呈非线性关系;在距离驻点70 mm内,水流量对换热系数随表面温度变化规律没影响;远离驻点70 mm外,对流换热系数比随远离冲击区驻点距离的增加而减小.采用所确定的换热系数计算得到的温降曲线与实测曲线吻合较好.     

热轧带钢轧后冷却过程卷取温度的设定策略

为了提高热轧带钢卷取温度控制精度,针对热轧带钢轧后冷却过程非线性、强耦合性等特性,建立了具有非线性结构特征的热轧带钢轧后冷却过程控制的温度数学模型,并对热轧带钢轧后冷却过程卷取温度的设定策略进行了研究,同时在该模型基础上开发了系统软件,通过现场实际应用对模型功能进行了验证.结果表明,该冷却数学模型的卷取温度设定计算结果...     

热轧带钢层流冷却温度优化控制策略研究

在热轧带钢生产过程中,卷取温度是影响成品带钢性能的重要参数之一,其精度的高低对带钢质量至关重要.为保证产品具有良好的性能,采用层流冷却装置对热轧后的板带进行冷却控制,喷水系统的设定是层流冷却过程控制的关键.在冷却过程中带钢的温度不能在线连续检测,其过程具有强非线性和时变性,而且在冷却过程中存在相变,因此难以建立精确的数学模型去描述这一冷却过程.随着带钢厚度,精轧出口温度和轧制速度的变化,单独的前馈/反馈控制很难满足高精度的温度控制需要.在本文的研究中,一系列层流冷却控制策略被采用,包括前馈/反馈控制,自适应算法,以及控制带钢整体温度的均匀性策略.实践应用表明这些控制策略得到很好的检验,能有效地提高卷取温度的控制精度和均匀性.     

热轧带钢的冷却参数与翘曲关系

针对卷取温度为500℃的12 mm厚X70管线钢热轧带钢,利用MARC有限元软件建立层流冷却过程中的热-力-相变耦合的数学模型,计算两种下上冷却水比时层流冷却过程中温度场、应力、应变、相变体积分数和翘曲度随时间的变化.结果表明:1.25水比的冷却过程中,厚度方向上各面的冷却速度不一致,导致水冷前期带钢上下表面应变不同,带钢会产生向上的翘曲,冷却过程中边部最大的翘曲量达到21.84mm;水冷后期带钢板形会逐渐恢复平直,但由于水冷过程中发生塑性变形,终冷时厚度方向上贝氏体含量的差异,卷取时带钢边部依然有-9 mm的翘曲量.上下表面的不均匀冷却是引起翘曲的根本原因.在保证X70管线钢性能条件下,采用1.58的下上水比工艺,卷取时边部翘曲量仅为-0.58 mm,合适的下上水比能大幅度减小层流冷却过程中带钢的横向翘曲.     

钢板冷却过程分析与控制策略

钢板冷却工艺是影响钢板质量的重要因素。对钢板在某一风冷环境中的冷却过程进行研究,采用ANSYS软件建模,并对钢板的冷却过程进行模拟。分析钢板冷却过程的温度分布规律。远离钢板芯部温降较快,角部温降最剧烈,给出了采用活动挡板遮蔽形式的钢板沿宽度方向的均匀冷却控制策略。     

钢板超快速冷却条件下换热实验研究

采用汽雾射流冷却方式,在射流角为0°~60°时,研究了10 mm厚不锈钢板轧后超快速冷却过程中表面射流流动结构、换热区分布和钢板温降规律,分析了倾斜射流对钢板表面热流密度和冷速的影响.结果表明:射流角通过改变钢板表面滞止区和横向流区面积、水流密度、介质流动形态和流动速度,影响钢板表面换热形式和热流密度分布,进而影响超快速冷却冷速;射流角为30°时钢板平均冷速和临界热流密度均达到最大值,分别为146.5℃/s和2.75 MW/m~2.     

深度学习在中厚板轧后超快速冷却系统中的研究与应用

传热系数是冷却控制模型的核心参数.传统学习模型对传热系数的修正存在不稳定、鲁棒性不强等问题.为解决上述问题,进一步提高控制精度,基于深度学习技术,建立了传热系数自学习的深度神经网络,对神经网络框架的超参数进行了优化和算法选型,增强控冷模型的稳定性.通过在某钢厂3500mm中厚板生产线的应用验证,采用深度学习的控冷模型对终冷温度预报精度有明显提高,鲁棒性较强,满足现场实际生产的需要.     

热轧带钢发射率软测量及影响因素分析

根据现场实测带钢温度值,采用温度场反算方法计算了热轧带钢层流冷却之后卷取之前的发射率.主要分析了材料碳当量、带钢厚度、带钢所处的温度区间对发射率的影响.结果表明:带钢所处的温度区间不同,影响带钢发射率的因素不同.在高于550℃的温度区间,不同材质的带钢,其发射率在08±01之间,随材料碳当量的增加,带钢发射率稍微增大,与带钢厚度没有明显的关系;在低于550℃的温度区间,不同材质的带钢,其发射率与碳当量没有明显的关系,但随带钢厚度的增大显著降低.     

热轧带钢轧后冷却控制系统优化

为提高热轧带钢超快冷出口温度和卷取温度控制精度,针对超快冷生产调试过程中出现的问题,对轧后冷却控制系统进行了优化.针对超快冷出口纵向温度偏差较大的问题,提出超快冷换热系数多点自学习方法;采用有限差分方法,分析带钢超快速冷却后的返红现象,并在此基础上提出一种超快冷出口返红补偿方法;提出了对进入冷却区的带钢样本段进行温度再计算的方法,来消除速度波动对轧后冷却温度控制精度的影响.现场应用结果表明,优化后超快冷出口温度和卷取温度控制精度均明显提高.     

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.     

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.     

热带终轧温度计算的逐步回归分析模型

基于大量现场工程记录数据,考虑轧制速度、精轧入出口厚度、机架间水量等影响热带终轧温度的主要因素,采用逐步回归分析法进行热带终轧温度计算模型的多元线性回归建模,在模型系数未进行学习时采用线性模型进行模拟计算,将计算结果与工程记录数据进行比较,模型计算结果与记录数据之差小于15℃范围内的达70.1%,表明该模型计算效果能够满足终轧温度控制精度要求.针对线性回归模型的局限性,对该模型系数自学习方法进行了讨论.