CN105363794A - 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 - Google Patents
一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 Download PDFInfo
- Publication number
- CN105363794A CN105363794A CN201410415017.3A CN201410415017A CN105363794A CN 105363794 A CN105363794 A CN 105363794A CN 201410415017 A CN201410415017 A CN 201410415017A CN 105363794 A CN105363794 A CN 105363794A
- Authority
- CN
- China
- Prior art keywords
- rolling
- energy consumption
- finish rolling
- centerdot
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Control Of Metal Rolling (AREA)
- Metal Rolling (AREA)
Abstract
一种基于力学性能预报和轧制能耗模型的精轧节能控制方法,涉及一种专门适用于金属轧机或其加工产品的控制设备或方法,用于热轧精轧生产线轧制工艺控制过程的轧制能耗控制,包括如下步骤:收集带钢的化学成分、轧制工艺参数和力学性能目标值,检查力学性能预报模型的输入参数,调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,结合力学性能预报模型和轧制能耗模型,对精轧出口温度进行优化;比较优化前后的精轧总能耗,若优化后的能耗降低幅度>能耗优化阈值,修改轧制工艺参数中的工艺温度条件,进行铸坯轧制。本方法可以在保证轧后带钢力学性能的前提下,通过优化精轧轧制温度,实现降低精轧轧制能耗,该方法的覆盖钢种范围广,可以应用于各种板坯热轧产线。
Description
技术领域
本发明涉及一种专门适用于金属轧机或其加工产品的控制设备或方法,尤其设计一种适用于带钢精轧轧机的降低精轧总能耗的控制方法。
背景技术
带钢的精轧过程能耗与轧制速度、带钢温度等工艺轧制参数直接相关。在不改变轧制节奏的前提下,带钢温度对精轧能耗的影响最大。通常,轧制温度由工艺人员负责制定,并预先存储于精轧过程计算机中,轧制温度的控制主要是为了保证带钢轧制后的力学性能。工艺人员在设计轧制温度值时,通常是分钢种和轧制规格进行。但是,在实际生产过程中,即便是同一个钢种,每块带钢的成分也不尽相同,如果采用相同的轧制温度进行生产,带钢轧制完成后的力学性能也强弱有别。因此,对于成分存在差别的带钢,如果它们的力学性能要求相同,那么轧制温度就存在优化的空间。
过去没有在线确定带钢力学性能的方法或者手段,只能在轧制过程结束以后,通过取样拉伸试验确定带钢的力学性能,因此,很难在线对轧制温度进行调整。中国发明专利“一种基于带钢力学性能预报模型的加热炉节能控制方法”(中国发明专利号:ZL201210046441.6授权公告号:CN102560081B)公开了一种基于带钢力学性能预报模型的加热炉节能控制方法,该方法通过建立一个热轧带钢力学性能的工业性能预报模型;在铸坯进加热炉前,先根据化学成分和预定的工艺参数对轧后带钢的力学性能进行预报;若力学性能的预报值大于其目标值,则考虑对带钢出炉工艺温度进行优化;在保证带钢力学性能及不违反其它必要约束的前提下,通过降低出炉温度减少加热炉的燃气消耗,对带钢出炉工艺温度进行优化控制,实现了加热炉燃气消耗量/单位产品能耗的降低。在长期研究的基础上,建立了相对精确可靠的热轧带钢力学性能预报模型技术。该技术在轧制前,以带钢的成分实绩和轧制工艺参数为基础,利用力学性能预报模型技术对轧后带钢的力学性能进行预测。将该模型技术与轧制能耗模型相结合,以轧制能耗最小为目标对轧制温度进行优化,在确保力学性能的前提下,通过设计和调整精轧温度,实现降低轧制能耗的目的。该方法本质上是就是找到一个最低的加热温度,因为加热温度越低,能源消耗肯定越小,二者是单向关系。因此,只要工艺成分确定了,用户轧制之后的带钢力学性能确定了,即可以通过力学性能预报模型公式计算出最低的加热温度。
但是,对于精轧过程而言,轧制能耗决定于轧制力,轧制力越大,则轧制能耗也越大;其中精轧温度既影响轧制力,也影响轧后带钢的力学性能。也就是说,精轧温度对轧制力的影响比较复杂,并非简单的单向关系。因此,降低精轧能耗的控制目标不是寻找最低的精轧温度,而是为了确定精轧总能耗最低的轧制温度,上述发明专利的方法并不能简单地用于解决降低精轧能耗的技术问题。
发明内容
本发明的目的在于提供一种用于降低精轧总能耗的精轧节能控制方法,通过建立热轧带钢力学性能预报模型和热轧精轧总能耗模型,把力学性能预报模型和轧制能耗模型相结合,以精轧总能耗最小为目标对轧制温度进行优化,在确保力学性能的前提下,通过设计和调整精轧温度,实现降低精轧总能耗的目的。
本发明解决上述技术问题所采用的技术方案是:
一种基于力学性能预报和轧制能耗模型的精轧节能控制方法,用于热轧精轧生产线轧制工艺控制过程的轧制能耗控制,其特征在于包括如下步骤:
S100:在每块铸坯轧制之前,收集带钢的化学成分、轧制工艺参数和力学性能目标值,作为力学性能预报模型的输入参数;
S200:检查力学性能预报模型的输入参数的完备性和取值范围,若带钢的化学成分、轧制工艺参数和力学性能目标值,全部满足力学性能预报模型的要求,则转步骤S300;否则,保留本块铸坯原来的轧制工艺参数,转步骤S700;
S300:在粗轧轧制结束后,根据板坯规格参数、粗轧参数和轧制工艺参数,将原工艺温度条件中的精轧出口设定温度传递给轧制能耗模型,调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到原工艺温度条件下的精轧总能耗;
S400:结合力学性能预报模型和轧制能耗模型,对精轧出口温度进行优化,计算满足带钢力学性能条件、并且精轧总能耗最低的精轧出口温度优化值;
S500:比较优化前后的精轧总能耗,若优化后的能耗降低幅度>能耗优化阈值,则转步骤S600;否则,保持本块铸坯轧制工艺参数中原来的工艺温度条件,转步骤S700;
S600:修改本块铸坯轧制工艺参数中的工艺温度条件,将精轧出口设定温度替换为步骤S400得到的精轧出口温度优化值;
S700:将本块铸坯的轧制工艺参数传递给过程控制计算机,进行铸坯的轧制生产。
本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法的一种较佳的技术方案,其特征在于所述的步骤S400包括以下动作:
S410:将带钢的化学成分、工艺参数和目标力学性能,输入到为力学性能预报模型中,利用力学性能预报模型计算带钢力学性能预报值yi;
S420:根据判定条件(9),利用性能模型预报值yi对带钢的力学性能的进行判定:
yimin+ξi≤yi(9)
其中,yimin为带钢的力学性能最小值,yi为力学性能预报模型的带钢力学性能预报值,ξ1和ξ2分别为抗拉强度和屈服强度的阈值;
S430:在满足判定条件(9)对力学性能下限的约束条件下,以精轧总能耗最低为目标函数,对精轧出口温度进行优化;
S440:将优化后的精轧出口温度传递给轧制能耗模型,调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到优化后的精轧总能耗;
S450:重复执行步骤S410至步骤S440,直到找出精轧总能耗最低的精轧出口温度优化值。
本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法的一种优选的技术方案,其特征在于所述的轧制能耗计算过程包括以下步骤:
S310:根据轧件的变形抗力模型公式(1)计算变形抗力:
其中, σ0为基准变形阻力,m为变形程度影响系数,n为变形速率影响系数,b为温度影响项系数,可根据钢种通过查表获得;H、h为入口厚度和出口厚度,R为轧辊原始半径,νR为轧辊速度,Δh为压下量,为变形程度,为变形速率,T为轧件的轧制温度;
S320:根据轧件的轧制力模型公式(2)计算轧制力:
F=w·ld·km·Qp(2)
式中:F为轧制力,w为宽度,ld为压扁接触弧长,km为材料变形抗力,Qp为外摩擦影响系数;压扁接触弧长ld由压扁后轧辊半径R′及压下量Δh根据公式(3)和公式(4)计算得到:
外摩擦影响系数Qp由公式(5)计算得出:
式中,A、B、C是与轧辊材料性能及压下率有关的参数:
C=H-h
式中,r为机架压下率;v为轧辊泊松系数;E为轧辊杨氏模量;q1(r)、q2(r)为与压下率相关的参数:q1(r)=aF1+aF2·r,q2(r)=aF3+aF4·r+aF5·r2;aF1~aF5为轧制力模型系数;
S330:根据公式(6)计算轧制力矩:
M=2F·β·ld(6)
式中,M为轧制力矩,β为力臂系数:
其中η为马达效率;am0~am3为轧制功率模型系数;
S340:根据公式(8)计算轧制功率:
式中,P为轧制功率,M为轧制力矩,νR为轧辊速度,R为轧辊半径;
S350:对应精轧每个机架重复执行步骤S310至S340,计算轧件在精轧每个机架内轧制时的变形抗力、轧制力及轧制功率;得到精轧各机架的轧制功率之后,对各机架求和得到精轧总能耗。
本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法的一种更好的技术方案,其特征在于所述的能耗优化阈值为5%。
本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法的一种改进的技术方案,其特征在于所述的抗拉强度阈值ξ1的取值区间为3~7Mpa,所述的屈服强度阈值ξ2的取值区间为3~9Mpa。
本发明的有益效果是:
1、本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法,可以在保证轧后带钢力学性能的前提下,通过优化精轧轧制温度,实现降低精轧轧制能耗,该方法的覆盖钢种范围广,可以应用于各种板坯热轧产线。
2、本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法,不需要投入大量的软硬件,只需在现有的过程控制计算机网络上,增加模型服务器,就可以实现本发明的方法,达到降低热轧总能耗的目的。
附图说明
图1是本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法的控制流程图。
具体实施方式
为了能更好地理解本发明的上述技术方案,下面结合附图和实施例进行进一步地详细描述。
图1是本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法的控制流程的一个实施例,用于热轧精轧生产线轧制工艺控制过程的轧制能耗控制。
本发明采用机理和统计相结合的方式建立力学性能预报模型。由冶金机理可知,带钢的力学性能取决于其内部的微观组织和分布,而后者又决定于带钢的化学成分和轧制工艺参数。本发明所采用的力学性能预报模型可表达如下:
式中:
yi表示力学性能的预报值,i=1,2分别表示抗拉强度(Mpa)和屈服强度(Mpa)
C:剩余碳含量(总含量减以碳化物形式析出的碳含量)(%)
Mn:带钢的锰含量(%)
P:带钢的磷含量(%)
N:剩余氮含量(总含量减以氮化物形式析出的氮含量)(%)
Si:带钢的硅含量(%)
S:带钢的硫含量(%)
TiC:碳化钛析出量(%)
NbC:碳化铌析出量(%)
VC:碳化矾析出量(%)
TiN:氮化钛析出量(%)
NbN:氮化铌析出量(%)
VN:氮化矾析出量(%)
DT:铸坯出炉温度(℃)
RT:粗轧出口温度(℃)
ST:精轧入口温度(℃)
FT:精轧机出口温度(℃)
CT:卷取温度(℃)
H:带钢终轧厚度(mm)
F1:粗轧压下率(%)
F2:精轧压下率(%)
βi为模型的修正系数
exp(·)表示以e为底的幂指数
ln(·)表示以e为底的对数
其中微合金析出量使用溶解度公式进行计算,具体计算公式参见表1:
表1:微合金的碳氮化物的溶度积公式
编号 | 析出物 | 计算公式 |
1 | TiN | log([Ti][N])=0.32-8000/T |
2 | TiC | log([Ti][C])=2.75-7000/T |
3 | VN | log([V][N])=3.46-8330/T |
4 | VC | log([V][C])=6.72-9500/T |
5 | NbC | log[Nb][C]=2.9-7500/T |
6 | NbN | log[Nb][N]=2.8-8500/T |
表1中各公式的系数与产线设备相关,可通过分析实际生产数据得到。
本发明的方法所使用的力学性能预报模型适用的化学成分范围如下:
C≤0.3%,Mn≤2%,S≤0.07%,Si≤0.8%,P≤0.15%,Nb≤0.1%,Ti≤0.18%,V≤0.09%。其中S为杂质元素,其它为改善钢的性能而添加的元素。
本发明的方法所使用的力学性能预报模型允许的工艺范围为:
DT:1200℃~1300℃,RT:900℃~1100℃,ST:870℃~1080℃,FT:750℃~970℃,CT:500℃~750℃,H:1~20mm。
以上给出的只是力学性能预报模型的表达形式,在具体应用时,还需要基于以上力学性能预报模型的公式,结合带钢的实际生产数据,用统计回归的方法确定力学性能预报模型的全部未知系数。根据具体的实施例,可以把模型系数存储于过程计算机的数据库中,以带钢的化学成分、工艺参数和目标力学性能做为模型的输入参数。关于力学性能预报模型的具体应用,中国发明专利ZL201210046441.6已经给出了详细说明和具体实施例,此处不再赘述。
如图1所示,本发明的精轧节能控制方法包括如下步骤:
S100:在每块铸坯轧制之前,收集带钢的化学成分、轧制工艺参数和力学性能目标值,作为力学性能预报模型的输入参数;
由于铸坯的化学成分检测在连铸工序已经完成,在铸坯进行轧制之前,可以直接根据板坯关键字从过程计算机中检索得到对应铸坯的成分检测结果,而性能预报模型需要的其它参数则可以通过关键字索引得到。而轧制工艺参数如出炉温度、粗轧出口温度、精轧入口温度、精轧出口温度、卷取温度、厚度、压下率,以及带钢的抗拉强度、屈服强度等参数已经随轧制计划下达到过程控制计算机。因此,可根据带钢的标识号直接索引获得这些数据。
S200:检查力学性能预报模型的输入参数的完备性和取值范围,若带钢的化学成分、轧制工艺参数和力学性能目标值,全部满足力学性能预报模型的要求,则转步骤S300;否则,保留本块铸坯原来的轧制工艺参数,转步骤S700,按照原来的轧制工艺组织生产;
由于力学性能预报模型是根据大生产条件下的生产数据进行性能预测,在进行预报前,必须要对数据的完备性进行检查,以确保预报过程的可靠性。数据的完备性要求是指性能预报模型的所有输入变量全部被正确赋值。在模型的输入参数全部完备的情况下,还需要根据模型的适用范围对输入参数做进一步检查。力学性能预报模型本身有具体的适用范围,只有当输入参数在模型的可预报范围内,预报结果才是正确可靠的。模型的适用范围是指,在建模过程中用于确定模型系数的带钢历史生产数据的成分和工艺温度的最大范围。模型输入参数中的化学成分和工艺数据的最大范围,不能超越力学性能预报模型的最大适用范围。在对输入数据进行检查时,将化学成分与工艺数据逐一与边界值进行比较判断,只有当输入参数全部满足模型要求的适用范围,才继续后续的基于力学性能预报和轧制能耗模型的处理步骤,否则,直接按照原来的轧制工艺组织生产。
S300:在粗轧轧制结束后,根据板坯规格参数、粗轧参数和轧制工艺参数,将原工艺温度条件中的精轧出口设定温度传递给轧制能耗模型,调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到原工艺温度下的精轧总能耗;本步骤在板坯粗轧结束之后精轧开始之前执行,以粗轧轧制参数实绩、精轧的预设定参数为输入参数,将原工艺温度条件中的精轧出口设定温度传递给轧制能耗模型;然后,调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到原工艺温度条件下的精轧总能耗。
S400:结合力学性能预报模型和轧制能耗模型,对精轧出口温度进行优化,寻求满足带钢力学性能条件、并且精轧总能耗最低的精轧出口温度优化值;
S500:比较优化前后的精轧总能耗,优化前后的能耗降低幅度=1-新能耗/原能耗;若优化前后的能耗降低幅度≥能耗优化阈值,则转步骤S600;否则,保持本块铸坯轧制工艺参数中原来的工艺温度条件,转步骤S700,按照原来的轧制工艺组织生产;
S600:修改本块铸坯轧制工艺参数中的工艺温度条件,将精轧出口设定温度替换为步骤S400得到的精轧出口温度优化值;
S700:将本块铸坯的轧制工艺参数传递给过程控制计算机,进行铸坯的轧制生产。
根据本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法的一个优选的实施例,所述的步骤S400包括以下动作:
S410:将带钢的化学成分、工艺参数和目标力学性能,输入到为力学性能预报模型中,利用力学性能预报模型计算带钢力学性能预报值yi;
S420:根据判定条件(9),利用性能模型预报值yi对带钢的力学性能的进行判定:
yimin+ξi≤yi(9)
其中,yimin为带钢的力学性能最小值,yi为力学性能预报模型的带钢力学性能预报值,ξ1和ξ2分别为抗拉强度和屈服强度的阈值;
S430:在满足判定条件(9)对力学性能下限的约束条件下,以精轧总能耗最低为目标函数,对精轧出口温度进行优化;
S440:将优化后的精轧出口温度传递给轧制能耗模型,调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到优化后的精轧总能耗;
S450:重复执行步骤S410至步骤S440,直到找出精轧总能耗最低的精轧出口温度优化值。
根据带钢产品的质量要求,带钢产品的力学性能实际值yix必须满足条件yimin≤yix,由于统计建模和数据检测方面的原因,力学性能的预报值yi和实际值yix之间可能会存在较小的偏差,因此,从可靠性角度考虑,本步骤在使用预报值进行力学性能判定时,在预报值的基础上增加了阈值ξ1和ξ2,以确保带钢实际的力学性能满足要求。根据本发明的一个的实施例,所述的抗拉强度阈值ξ1的取值区间为3~7Mpa,所述的屈服强度阈值ξ2的取值区间为3~9Mpa。
步骤S500将步骤S400根据优化后的精轧温度计算得到的精轧总能耗,与步骤S300得到的原工艺温度下的精轧总能耗进行比较,若优化后的能耗降低幅度<能耗优化阈值,则说明本次修改工艺温度对于能耗降低的作用不显著,为了保证生产的稳定性,使用原工艺温度进行组织生产;若能耗降低幅度≥能耗优化阈值,则说明温度变化对带钢的能耗影响显著,就采用新的精轧出口温度组织生产。根据本发明的一个的实施例,所述的能耗优化阈值为5%。
根据本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法的一个较佳的实施例,所述的轧制能耗计算过程包括以下步骤:
S310:根据轧件的变形抗力模型公式(1)计算变形抗力:
其中, σ0为基准变形阻力,m为变形程度影响系数,n为变形速率影响系数,b为温度影响项系数,可根据钢种通过查表获得;H、h为入口厚度和出口厚度,R为轧辊原始半径,νR为轧辊速度,Δh为压下量,为变形程度,为变形速率,T为轧件的轧制温度;
变形抗力是材料本身的属性,它既依赖带钢的化学成分,又依赖变形程度、变形速率和变形温度等与轧制工艺相关的技术参数。公式(1)中的σ0,等影响项的计算,是本领域内技术人员所熟知的,虽然各参考文献中对其计算公式的表达具有某些形式上的差异,但是原理均是一致的,本领域内的普通技术人员均可根据钢种成分和各设定参数,得到上述三个影响项的值。由于σ0,等影响项的计算属于本领域的公知常识,这里不再赘述。
S320:根据轧件的轧制力模型公式(2)计算轧制力:
F=w·ld·km·Qp(2)
式中:F为轧制力,w为宽度,ld为压扁接触弧长,km为材料变形抗力,Qp为外摩擦影响系数;压扁接触弧长ld由压扁后轧辊半径R′及压下量Δh根据公式(3)和公式(4)计算得到:
外摩擦影响系数Qp由公式(5)计算得出:
式中,A、B、C是与轧辊材料性能及压下率有关的参数:
C=H-h
式中,r为机架压下率;v为轧辊泊松系数;E为轧辊杨氏模量;q1(r)、q2(r)为与压下率相关的参数:q1(r)=aF1+aF2·r,q2(r)=aF3+aF4·r+aF5·r2;aF1~aF5为轧制力模型系数;
轧制力同带钢轧制时的材料的化学成分、金相特性、材料温度、变形区的几何形状、变形区的外摩擦特性、材料的加工硬化特性、材料的变形程度以及轧制设备条件等因素密切相关。
S330:根据公式(6)计算轧制力矩:
M=2F·β·ld(6)
式中,M为轧制力矩,β为力臂系数:
其中η为马达效率;am0~am3为轧制功率模型系数;
S340:根据公式(8)计算轧制功率:
式中,P为轧制功率,M为轧制力矩,νR为轧辊速度,R为轧辊半径;
S350:对应精轧每个机架重复执行步骤S310至S340,计算轧件在精轧每个机架内轧制时的变形抗力、轧制力及轧制功率;精轧总能耗为各机架的轧制功率之和,得到精轧各机架的轧制功率之后,对各机架求和得到精轧总能耗。
根据上述轧制能耗模型的公式(1)至(8)可知,由于机架i的变形抗力与机架i的轧制温度Ti相关,当改变各机架的轧制温度Ti时,精轧阶段的总轧制能耗也随之变化;同时,根据力学性能预报模型,带钢的力学性能预报值与精轧出口温度密切相关。以下将结合具体应用实施例,对本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法作出进一步说明。
实施例
本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法,应用于某热轧生产线的一个具体实施例如下:
按照前面给出的力学性能预报模型形式,基于实际的生产数据,利用统计回归的方法确定模型系数,所使用的生产数据中的成分范围如表2所示:
表2:建模所使用数据中的化学成分范围
序号 | 成分名称 | 含量上限(%) |
1 | 碳 | 0.282 |
2 | 锰 | 1.184 |
3 | 磷 | 0.16 |
4 | 氮 | 0.01 |
5 | 硅 | 0.51 |
6 | 硫 | 0.04 |
7 | 钛 | 0.137 |
8 | 矾 | 0.035 |
9 | 铌 | 0.068 |
产品厚度规格主要为1.6~12mm。基于统计回归的方法,得到的力学性能预报模型如下:
以下将基于上面的力学性能预报模型,介绍对某块铸坯生产的带钢力学性能的动态调整过程:
步骤S100:收集带钢的化学成分及轧制工艺参数,其中化学成分为:
C:0.162、Si:0.072、Mn:0.35、P:0.15、S:0.0084、N:0.0032;
工艺参数的预设定值为:
DT:1243℃、RT:1044℃、ST:990℃、FT:840℃、CT:650℃;
精轧出口的带钢厚度6mm、粗轧压下率F1:17.2%,精轧压下率F2:15.7%;
该带钢的精轧入口厚度为40mm,带钢宽度为1243.6mm;
力学性能目标值为:带钢的抗拉强度要求不低于460Mpa,屈服强度不低于310Mpa。
在该实施例中,原工艺温度条件的精轧出口温度FDT为840℃,步骤S300调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到原工艺温度条件下的精轧总能耗,计算过程和结果如表3所示:
表3:原工艺温度条件下的精轧总能耗的计算过程和结果
由表3可见,FDT为840℃时,精轧机架的轧制功率之和为29776.7kW。
采用本发明的基于力学性能预报和轧制能耗模型的精轧节能控制方法进行优化后,精轧出口温度FDT的优化值为880℃,步骤S440调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到优化后的精轧总能耗,计算过程和结果如表4所示:
表4:优化后的精轧总能耗的计算过程和结果
由表4可见,FDT为840℃时,精轧机架的轧制功率之和为28164.5kW。
在本实施例中,带钢的抗拉强度要求不低于460Mpa,屈服强度不低于310Mpa,在步骤S420的判定条件(9)中,抗拉强度和屈服强度的阈值ξ1和ξ2均取为3MPa,因此,在执行步骤S400结合利用力学性能预报模型和轧制能耗模型进行综合优化时,抗拉强度和屈服强度应分别大于463Mpa和313Mpa。步骤S410把精轧出口温度FDT的优化值880℃,以及上述全部条件带入到力学性能预报模型中,计算得到轧后带钢的抗拉强度和屈服强度分别为481.3Mpa和326.03Mpa,满足判定条件(9)对力学性能下限的约束条件。根据以上条件进行综合优化,步骤S400最终得到精轧总能耗最低的精轧出口温度优化值为880℃。
步骤S500比较优化前后两种FDT情况下的精轧总能耗的变化。根据优化得到的新精轧总能耗和原工艺温度条件下的原精轧总能耗, 优化前后的能耗降低幅度大于能耗优化阈值为5%,将转到步骤S600,修改本块铸坯轧制工艺参数中的工艺温度条件,把原工艺温度条件中的精轧出口设定温度,替换为精轧出口温度优化值880℃。
步骤S700将经过优化后的本块铸坯的轧制工艺参数传递给过程控制计算机,热轧精轧机组控制精轧出口温度为880℃,按照优化的能耗完成本块铸坯的轧制生产,并且可以保证带钢符合目标力学性能。
本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明的技术方案,而并非用作为对本发明的限定,任何基于本发明的实质精神对以上所述实施例所作的变化、变型,都将落在本发明的权利要求的保护范围内。
Claims (5)
1.一种基于力学性能预报和轧制能耗模型的精轧节能控制方法,用于热轧精轧生产线轧制工艺控制过程的轧制能耗控制,其特征在于包括如下步骤:
S100:在每块铸坯轧制之前,收集带钢的化学成分、轧制工艺参数和力学性能目标值,作为力学性能预报模型的输入参数;
S200:检查力学性能预报模型的输入参数的完备性和取值范围,若带钢的化学成分、轧制工艺参数和力学性能目标值,全部满足力学性能预报模型的要求,则转步骤
S300;否则,保留本块铸坯原来的轧制工艺参数,转步骤S700;
S300:在粗轧轧制结束后,根据板坯规格参数、粗轧参数和轧制工艺参数,以原工艺温度条件中的精轧出口设定温度作为轧制能耗模型的输入参数,调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到原工艺温度条件下的精轧总能耗;
S400:结合力学性能预报模型和轧制能耗模型,对精轧出口温度进行优化,计算满足带钢力学性能条件、并且精轧总能耗最低的精轧出口温度优化值;
S500:比较优化前后的精轧总能耗,若优化后的能耗降低幅度>能耗优化阈值,则转步骤S600;否则,保持本块铸坯轧制工艺参数中原来的工艺温度条件,转步骤
S700;
S600:修改本块铸坯轧制工艺参数中的工艺温度条件,将精轧出口设定温度替换为步骤S400得到的精轧出口温度优化值;
S700:将本块铸坯的轧制工艺参数传递给过程控制计算机,进行铸坯的轧制生产。
2.根据权利要求1所述的基于力学性能预报和轧制能耗模型的精轧节能控制方法,其特征在于所述的步骤S400包括以下动作:
S410:将带钢的化学成分、工艺参数和目标力学性能,输入到为力学性能预报模型中,利用力学性能预报模型计算带钢力学性能预报值yi;
S420:根据判定条件(9),利用性能模型预报值yi对带钢的力学性能的进行判定:
yimin+ξi≤yi(9)
其中,yimin为带钢的力学性能最小值,yi为力学性能预报模型的带钢力学性能预报值,ξ1和ξ2分别为抗拉强度和屈服强度的阈值;
S430:在满足判定条件(9)对力学性能下限的约束条件下,以精轧总能耗最低为目标函数,对精轧出口温度进行优化;
S440:将优化后的精轧出口温度传递给轧制能耗模型,调用轧制能耗计算过程,使用轧制能耗模型计算精轧总能耗,得到优化后的精轧总能耗;
S450:重复执行步骤S410至步骤S440,直到找出精轧总能耗最低的精轧出口温度优化值。
3.根据权利要求1或2所述的基于力学性能预报和轧制能耗模型的精轧节能控制方法,其特征在于所述的轧制能耗计算过程包括以下步骤:
S310:根据轧件的变形抗力模型公式(1)计算变形抗力:
其中, σ0为基准变形阻力,m为变形程度影响系数,n为变形速率影响系数,b为温度影响项系数,可根据钢种通过查表获得;H、h为入口厚度和出口厚度,R为轧辊原始半径,νR为轧辊速度,Δh为压下量,为变形程度,为变形速率,T为轧件的轧制温度;
S320:根据轧件的轧制力模型公式(2)计算轧制力:
F=w·ld·km·Qp(2)
式中:F为轧制力,w为宽度,ld为压扁接触弧长,km为材料变形抗力,Qp为外摩擦影响系数;压扁接触弧长ld由压扁后轧辊半径R′及压下量Δh根据公式(3)和公
式(4)计算得到:
外摩擦影响系数Qp由公式(5)计算得出:
式中,A、B、C是与轧辊材料性能及压下率有关的参数:
C=H-h
式中,r为机架压下率;v为轧辊泊松系数;E为轧辊杨氏模量;q1(r)、q2(r)为与压下率相关的参数:q1(r)=aF1+aF2·r,q2(r)=aF3+aF4·r+aF5·r2;aF1~aF5为轧制力模型系数;
S330:根据公式(6)计算轧制力矩:
M=2F·β·ld(6)
式中,M为轧制力矩,β为力臂系数:
其中η为马达效率;am0~am3为轧制功率模型系数;
S340:根据公式(8)计算轧制功率:
式中,P为轧制功率,M为轧制力矩,νR为轧辊速度,R为轧辊半径;
S350:对应精轧每个机架重复执行步骤S310至S340,计算轧件在精轧每个机架内轧制时的变形抗力、轧制力及轧制功率;得到精轧各机架的轧制功率之后,对各机架求和得到精轧总能耗。
4.根据权利要求1或2所述的基于力学性能预报和轧制能耗模型的精轧节能控制方法,其特征在于所述的能耗优化阈值为5%。
5.根据权利要求2所述的基于力学性能预报和轧制能耗模型的精轧节能控制方法,其特征在于所述的抗拉强度阈值ξ1的取值区间为3~7Mpa,所述的屈服强度阈值ξ2的取值区间为3~9Mpa。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410415017.3A CN105363794B (zh) | 2014-08-21 | 2014-08-21 | 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410415017.3A CN105363794B (zh) | 2014-08-21 | 2014-08-21 | 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105363794A true CN105363794A (zh) | 2016-03-02 |
CN105363794B CN105363794B (zh) | 2017-06-23 |
Family
ID=55366705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410415017.3A Active CN105363794B (zh) | 2014-08-21 | 2014-08-21 | 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105363794B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109848221A (zh) * | 2018-12-21 | 2019-06-07 | 东北大学 | 一种热连轧轧制全流程负荷分配方法 |
CN106734233B (zh) * | 2016-11-22 | 2019-10-29 | 首钢京唐钢铁联合有限责任公司 | 一种铁素体轧制工艺的精轧控制方法及装置 |
CN111250544A (zh) * | 2020-02-14 | 2020-06-09 | 北京科技大学设计研究院有限公司 | 一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 |
CN111475917A (zh) * | 2020-03-10 | 2020-07-31 | 江阴兴澄特种钢铁有限公司 | 常用钢种GCr15、60Si2Mn、42CrMo变形抗力计算方法 |
CN112699534A (zh) * | 2020-12-11 | 2021-04-23 | 北京首钢股份有限公司 | 一种用于生产冷轧产品的方法及装置 |
CN113094870A (zh) * | 2021-03-08 | 2021-07-09 | 山东钢铁股份有限公司 | 一种热轧宽带钢生产工艺的设计方法 |
CN113687633A (zh) * | 2021-06-29 | 2021-11-23 | 云南昆钢电子信息科技有限公司 | 一种钢筋质量管理***和方法 |
CN114065629A (zh) * | 2021-11-17 | 2022-02-18 | 中冶赛迪重庆信息技术有限公司 | 一种线棒材力学性能预测*** |
CN114570775A (zh) * | 2020-11-30 | 2022-06-03 | 宝山钢铁股份有限公司 | 一种减少加热炉钢坯出炉温差的自动控制方法 |
CN114728329A (zh) * | 2019-11-19 | 2022-07-08 | Sms集团有限公司 | 用于操作冶金工业的设备的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102560081A (zh) * | 2012-02-27 | 2012-07-11 | 宝山钢铁股份有限公司 | 一种基于带钢力学性能预报模型的加热炉节能控制方法 |
CN103521517A (zh) * | 2013-10-30 | 2014-01-22 | 武汉钢铁(集团)公司 | 一种热轧工艺参数的确定方法及*** |
CN103894425A (zh) * | 2013-12-30 | 2014-07-02 | 北京首钢股份有限公司 | 终轧温度的控制方法与装置 |
CN103962391A (zh) * | 2013-01-29 | 2014-08-06 | 宝山钢铁股份有限公司 | 一种热连轧机精轧机组的轧制负荷优化方法 |
KR101442892B1 (ko) * | 2011-12-26 | 2014-09-22 | 주식회사 포스코 | 열간 마무리 압연 구간 예측 온도 정확성을 개선한 열연 강판 제조방법 |
-
2014
- 2014-08-21 CN CN201410415017.3A patent/CN105363794B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101442892B1 (ko) * | 2011-12-26 | 2014-09-22 | 주식회사 포스코 | 열간 마무리 압연 구간 예측 온도 정확성을 개선한 열연 강판 제조방법 |
CN102560081A (zh) * | 2012-02-27 | 2012-07-11 | 宝山钢铁股份有限公司 | 一种基于带钢力学性能预报模型的加热炉节能控制方法 |
CN103962391A (zh) * | 2013-01-29 | 2014-08-06 | 宝山钢铁股份有限公司 | 一种热连轧机精轧机组的轧制负荷优化方法 |
CN103521517A (zh) * | 2013-10-30 | 2014-01-22 | 武汉钢铁(集团)公司 | 一种热轧工艺参数的确定方法及*** |
CN103894425A (zh) * | 2013-12-30 | 2014-07-02 | 北京首钢股份有限公司 | 终轧温度的控制方法与装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106734233B (zh) * | 2016-11-22 | 2019-10-29 | 首钢京唐钢铁联合有限责任公司 | 一种铁素体轧制工艺的精轧控制方法及装置 |
CN109848221A (zh) * | 2018-12-21 | 2019-06-07 | 东北大学 | 一种热连轧轧制全流程负荷分配方法 |
CN114728329B (zh) * | 2019-11-19 | 2024-04-16 | Sms集团有限公司 | 用于操作冶金工业的设备的方法 |
CN114728329A (zh) * | 2019-11-19 | 2022-07-08 | Sms集团有限公司 | 用于操作冶金工业的设备的方法 |
CN111250544B (zh) * | 2020-02-14 | 2021-09-07 | 北京科技大学设计研究院有限公司 | 一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 |
CN111250544A (zh) * | 2020-02-14 | 2020-06-09 | 北京科技大学设计研究院有限公司 | 一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 |
CN111475917A (zh) * | 2020-03-10 | 2020-07-31 | 江阴兴澄特种钢铁有限公司 | 常用钢种GCr15、60Si2Mn、42CrMo变形抗力计算方法 |
CN111475917B (zh) * | 2020-03-10 | 2024-06-07 | 江阴兴澄特种钢铁有限公司 | 常用钢种GCr15、60Si2Mn、42CrMo变形抗力计算方法 |
CN114570775A (zh) * | 2020-11-30 | 2022-06-03 | 宝山钢铁股份有限公司 | 一种减少加热炉钢坯出炉温差的自动控制方法 |
CN112699534A (zh) * | 2020-12-11 | 2021-04-23 | 北京首钢股份有限公司 | 一种用于生产冷轧产品的方法及装置 |
CN113094870A (zh) * | 2021-03-08 | 2021-07-09 | 山东钢铁股份有限公司 | 一种热轧宽带钢生产工艺的设计方法 |
CN113094870B (zh) * | 2021-03-08 | 2022-07-12 | 山东钢铁股份有限公司 | 一种热轧宽带钢生产工艺的设计方法 |
CN113687633A (zh) * | 2021-06-29 | 2021-11-23 | 云南昆钢电子信息科技有限公司 | 一种钢筋质量管理***和方法 |
CN114065629A (zh) * | 2021-11-17 | 2022-02-18 | 中冶赛迪重庆信息技术有限公司 | 一种线棒材力学性能预测*** |
Also Published As
Publication number | Publication date |
---|---|
CN105363794B (zh) | 2017-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105363794A (zh) | 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 | |
CN107179749B (zh) | 热镀锌产品全流程质量控制方法 | |
CN104841700B (zh) | 一种热轧带钢轧制力的优化设定方法 | |
CN103752610B (zh) | 一种改善汽车外板用钢表面质量的2250热连轧生产方法 | |
JP6297159B2 (ja) | 最適化された、組織シミュレータ、組織モニタ及び/又は組織モデルを用いて金属の鋼合金及び/又は鉄合金を熱間圧延機及び厚板圧延機において製造するのため方法 | |
CN103433295B (zh) | 单机架双卷取铝热轧机凸度控制方法 | |
CN101927267B (zh) | 一种精轧带钢辊缝的控制方法及装置 | |
CN106475420B (zh) | 一种基于冷轧带钢目标板形设定的板形控制方法 | |
CN103586286A (zh) | 冷连轧机组以拉毛防治为目标的轧制规程综合优化方法 | |
CN108817103B (zh) | 一种轧钢模型钢族层别分类优化方法 | |
CN102601127A (zh) | Cvc四辊冷轧机高精度板形控制预报方法 | |
CN107442575A (zh) | 一种带钢湿平整表面粗糙度的预测方法 | |
CN103302104A (zh) | 热轧硅钢的制造方法 | |
CN103962391B (zh) | 一种热连轧机精轧机组的轧制负荷优化方法 | |
CN104942019A (zh) | 一种带钢冷轧过程宽度自动控制方法 | |
CN103071683B (zh) | 一种双机架s型四辊冷轧机综合调整轧制方法 | |
CN103128107B (zh) | 一种热连轧粗轧短行程曲线参数的在线计算方法 | |
CN105013832A (zh) | 一种兼顾轧制能耗与良好板形的热轧带钢负荷分配方法 | |
CN110516312A (zh) | 一种无弯辊中厚板末阶段板形锁定规程分配方法 | |
CN102921743A (zh) | 一种确定五机架冷连轧机压下分配的方法 | |
CN101648208A (zh) | 铝单机架冷轧机的轧制规程制定方法 | |
CN104238498A (zh) | 热连轧管线钢组织及力学性能预测的方法 | |
CN111832155B (zh) | 一种考虑中间坯凸度的热轧粗轧负荷分配方法 | |
CN105344720B (zh) | 一种精轧带钢终轧温度的在线控制方法 | |
CN101566538B (zh) | 一种中厚板轧制过程中轧件塑性系数在线获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |