CN106734233B - 一种铁素体轧制工艺的精轧控制方法及装置 - Google Patents
一种铁素体轧制工艺的精轧控制方法及装置 Download PDFInfo
- Publication number
- CN106734233B CN106734233B CN201611059348.3A CN201611059348A CN106734233B CN 106734233 B CN106734233 B CN 106734233B CN 201611059348 A CN201611059348 A CN 201611059348A CN 106734233 B CN106734233 B CN 106734233B
- Authority
- CN
- China
- Prior art keywords
- rolling
- chemical component
- finishing
- deformation
- self study
- 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.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B2201/00—Special rolling modes
- B21B2201/04—Ferritic rolling
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明提供了一种铁素体轧制工艺的精轧控制方法及装置,方法包括:建立基于铁素体轧制工艺的钢种族号;建立基于铁素体轧制工艺的精轧变形抗力模型;设定精轧变形抗力模型中自学习参数的初始值;其中,在精轧过程中,根据钢种的化学成分对变形抗力模型的调整因子ξi进行调整;i为精轧机的序号,i=1……7。如此,通过单独建立铁素体轧制工艺的钢种族号,根据常规轧制工艺的实际数据来模拟铁素体钢的轧制工艺,不断调整变形抗力模型的自学习参数,最终确定自学习参数的初始值,并在轧制过程中通过调整因子ξi对初始值进行调整,使得在铁素体钢在轧制过程中,机架的变形抗力、轧制力等轧制参数的偏差控制在预设的误差范围内,进而保证了铁素体钢的质量。
Description
技术领域
本发明属于热轧技术领域,尤其涉及一种铁素体轧制工艺的精轧控制方法及装置。
背景技术
纯铁素体组织具有良好的塑性和韧性,铁素体钢因耐腐蚀性能与抗氧化性能均比较好,因而被广泛应用各行业。
在在常规热轧产线上生产铁素体钢时,精轧入口和终轧温度相比常规轧制工艺来说要低,导致不容易控制;并且由于受产线设计条件的限制,会使带钢精轧变形抗力计算、轧制速度以及轧制力等精轧关键参数的模型计算产生较大偏差,影响了轧制稳定性和过程指标控制精度,进而影响铁素体钢的质量。
基于此,本发明提供一种铁素体轧制工艺的精轧控制方法及装置,以解决现有技术中的上述问题。
发明内容
针对现有技术存在的问题,本发明实施例提供了一种铁素体轧制工艺的精轧控制方法及装置,用于解决现有技术中利用常规热轧生产线声场铁素体钢时,精轧机架的变形抗力、轧制力等轧制参数的偏差较大,影响轧制的稳定性,导致铁素体钢的质量得不到保证的技术问题。
本发明提供一种铁素体轧制工艺的精轧控制方法,所述方法包括:
建立基于铁素体轧制工艺的钢种族号;
建立基于铁素体轧制工艺的精轧变形抗力模型;
设定所述精轧变形抗力模型中自学习参数的初始值;其中,
在精轧过程中,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整;其中,i为精轧机的序号,i=1……7。
上述方案中,所述变形抗力模型为kmi=ZLKi·kSi·ΔkKi;其中,
所述kmi为第i机架Fi的平均变形抗力;所述ZLKi为第i机架Fi的自学习参数;所述ksi为第i机架Fi变形抗力计算值;所述ΔkKi所述变形抗力模型的动态组成项。
上述方案中,所述自学习参数具体包括:变形抗力、轧制力及轧制温度。
上述方案中,其中,所述n为应***化组成;C1i为第一幅度系数;为Fi的累积应变。
上述方案中,其中,所述m为比率敏感度;所述a1i为第一温度系数;所述Ti为Fi的轧制区材料平均温度;所述为Fi的平均应变速率;所述Ts为标准温度。
上述方案中,
所述ξi=1.0+fNb(Nb)+fMn(Mn)+fTi(Ti)+fMo(Mo)+fCr(Cr)+fCu(Cu)+fNb(Nb)+fB(B)+fSi(Si)++fV(V)+fNi(Ni);其中,fNb(Nb)为化学成分Nb的调整函数;fMn(Mn)为化学成分Mn的调整函数;fTi(Ti)为化学成分Ti的调整函数;fMo(Mo)为化学成分Mo的调整函数;fCr(Cr)为化学成分Cr的调整函数;fCu(Cu)为化学成分Cu的调整函数;fB(B)为化学成分B的调整函数;fSi(si)为化学成分Si的调整函数;fV(V)为化学成分V的调整函数;fNi(Ni)为化学成分Ni的调整函数。
上述方案中,当Nb>Nb(k)时,所述当Nb≤Nb(k)时,所述fNb(Nb)为零;其中,
所述a为系数项,b为常数项,c为指数项。
上述方案中,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整后,所述方法还包括:
控制精轧机架的入口的初始速度的增量为0.5~1m/s。
本发明还提供一种铁素体轧制工艺的精轧控制装置,所述装置包括:
第一建立单元,所述第一建立单元用于建立基于铁素体轧制工艺的钢种族号;
第二建立单元,所述第二建立单元用于建立基于铁素体轧制工艺的精轧变形抗力模型;
设定单元,所述设定单元用于设定所述精轧变形抗力模型中自学习参数的初始值;
调整单元,所述调整单元用于在精轧过程中,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整;其中,i为精轧机的序号,i=1……7。
上述方案中,所述装置还包括:控制单元,用于控制精轧机架的入口的初始速度的增量为0.5~1m/s。
本发明提供了一种铁素体轧制工艺的精轧控制方法及装置,所述方法包括:建立基于铁素体轧制工艺的钢种族号;建立基于铁素体轧制工艺的精轧变形抗力模型;设定所述精轧变形抗力模型中自学习参数的初始值;其中,在精轧过程中,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整;其中,i为精轧机的序号,i=1……7。如此,通过单独建立铁素体轧制工艺的钢种族号,避免在轧制铁素体钢时,铁素体钢的轧制参数与常规轧制工艺的轧制参数之间相互干扰;并且,根据常规轧制工艺的实际数据来模拟铁素体钢的轧制工艺,不断调整变形抗力模型的自学习参数,最终确定自学习参数的初始值,并在轧制过程中通过调整因子ξi对初始值进行调整,使得在铁素体钢在轧制过程中,精轧机架的变形抗力、轧制力等轧制参数的偏差控制在预设的误差范围内,进而保证了铁素体钢的质量。
附图说明
图1为本发明实施例一提供的铁素体轧制工艺的精轧控制方法流程示意图;
图2为本发明实施例二提供的铁素体轧制工艺的精轧控制装置结构示意图。
具体实施方式
利用常规热轧生产线声场铁素体钢时,为了解决精轧机架的变形抗力、轧制力等轧制参数的偏差较大,影响轧制的稳定性,导致铁素体钢的质量得不到保证的技术问题,本发明提供了一种铁素体轧制工艺的精轧控制方法及装置,所述方法包括:建立基于铁素体轧制工艺的钢种族号;建立基于铁素体轧制工艺的精轧变形抗力模型;设定所述精轧变形抗力模型中自学习参数的初始值;其中,在精轧过程中,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整;其中,i为精轧机的序号,i=1……7。
下面通过附图及具体实施例对本发明的技术方案做进一步的详细说明。
实施例一
本实施例提供一种铁素体轧制工艺的精轧控制方法,如图1所示,所述方法包括以下步骤:
步骤110,建立基于铁素体轧制工艺的钢种族号。
本步骤中,因是利用常规轧制工艺生产线轧制铁素体钢,为了避免铁素体轧制的自学习参数与常规轧制参数相互影响,因此建立基于铁素体轧制工艺的钢种族号,将铁素体轧制的自学习参数隔离开来。其中,所述自学习参数具体包括:变形抗力、轧制力及轧制温度。
步骤111,建立基于铁素体轧制工艺的精轧变形抗力模型。
本步骤中,当基于铁素体轧制工艺的钢种族号建立好之后,建立基于铁素体轧制工艺的精轧变形抗力模型,以能在轧制过程中对变形抗力进行控制,使得变形抗力的误差控制在预设的误差范围内。
具体地,所述变形抗力的模型如公式(1)所示:
kmi=ZLKi·kSi·ΔkKi (1)
其中,在公式(1)中,所述kmi为第i机架Fi的平均变形抗力;所述ZLKi为第i机架Fi的自学习参数;所述ksi为第i机架Fi变形抗力计算值;所述ΔkKi为所述变形抗力模型的动态组成项。所述i为精轧机的序号,i=1……7。
这里,所述ksi可以由公式(2)计算得出:
在公式(2)中,所述n为应***化组成;C1i为第一幅度系数;为Fi的累积应变。
这里,Cji可以由公式(3)计算得出,所述可以由公式(4)计算得出:
在公式(3)中,为幅度系数向量,为板坯化学成分向量,所述j=1……7。
在公式(4)中,所述为Fi的累积压下量率,所述HR为中间坯厚度,所述hi为Fi的出口厚度。
其中,可由公式(5)计算得出:
进一步地,所述ΔkKi可以由公式(6)计算得出:
在公式(6)中,所述a1i为第一温度系数;所述Ti为Fi的轧制区材料平均温度;所述Ts为标准温度。
其中,aji可以由公式(7)计算得出:
在公式(7)中,为温度系数向量。
所述为Fi的平均应变速率,可以由公式(8)计算得出:
在公式(8)中,所述Vi为Fi的工作辊线速度;所述Rdi为工作辊压扁半径,所述Hi为Fi的入口厚度,所述ri为Fi的压下率。
其中,所述工作辊压扁半径Rdi可由公式(9)计算得出:
在公式(9)中,c为希区柯克常数,所述Pi为第i机架的轧制力计算值;所述BF为终轧目标宽度,所述hi为Fi的出口厚度。
另外,希区柯克常数c为可以由公式(10)计算得出:
在公式(10)中,υr为工作辊的泊松比率,Er为工作辊的杨氏模量。
进一步地,当变形抗力kmi计算出之后,可以利用kmi设定轧制力Pi,具体如公式(11)所示:
Pi=ZBPP·ZBP·ZLPH·ZLPB·Pi 0 (11)
在公式(11)中,ZBP为自学习项,所述ZBPP为头部自学习项;所述ZLPH为头部自学习项;ZLPB为头部自学习项,所述Pi 0为第i机架轧制力的理论值。
其中,所述Pi 0可以由公式(12)计算得出:
在公式(12)中,为第i机架的前张力系数,所述为为第i机架的后张力系数,所述tfi为前张力,所述tbi为后张力,所述Ldi为接触弧的长度,所述QPi为轧制力函数项,所述QPi可以由公式(13)计算得出。
在公式(13)中,ωP为权重系数;所述hmi为第i机架入口厚度和出口厚度平均值,ap为系数项,bp为指数项,cp为常数项。
所述hmi可以由公式(14)计算得出:
步骤112,设定所述精轧变形抗力模型中自学习参数的初始值。
本步骤中,为了使设定轧制力处在一个合理的范围,偏差控制在5%以内,对精轧变形抗力模型优化,设定所述精轧变形抗力模型中自学习参数的初始值,保证精轧机组正常过钢和自学习参数的学习过程顺利进行。
具体地,利用常规轧制工艺的实际数据作为参考值,通过相同钢种规格的铁素体轧制工艺模拟试验,利用离线仿真***,调节粗轧速度参数,使精轧入口温度满足铁素体轧制工艺要求,比较计算轧制力与正常工艺下轧制力的差别,尽管铁素体工艺轧制温度比较低,但相同压下量下的轧制力却与正常工艺下相近,甚至略低于正常工艺下的轧制力,根据这个原则,利用用仿真***,反复调节变形抗力模型自学习参数的初始值,减小常规模型在铁素体轧制工况下的轧制力计算值偏差,即可获得良好适用的变形抗力模型自学习参数初始值。
比如,目标厚度为5mm,目标宽度为1311mm,中间坯厚度为39mm,精轧入口头部温度为1041℃的常规钢种的各参数设定如表1所示:
表1
机架号 | F1 | F2 | F3 | F4 | F5 | F6 | F7 |
轧制力 | 17425 | 16728 | 15857 | 13940 | 10804 | 9758 | 8367 |
压下率 | 0.358 | 0.298 | 0.288 | 0.286 | 0.231 | 0.167 | 0.134 |
以及目标厚度为5mm,目标宽度为1311mm,中间坯厚度为39mm,精轧入口头部温度为860度的常规钢种的各参数设定如表2所示:
表2
那么根据表1和表2常规钢的各参数,利用离线仿真***得出相同钢种规格的铁素体轧制工艺的自学习参数初始值,其自学习初始值及其与实测值之间的偏差如表3所示:
表3
机架号 | F1 | F2 | F3 | F4 | F5 | F6 | F7 |
压下率 | 26.7 | 32.4 | 34.9 | 30.6 | 23.8 | 18.6 | 14.4 |
轧制力设定值 | 16390 | 15732 | 14912 | 13084 | 10136 | 9153 | 7847 |
轧制力实测值 | 16798 | 15176 | 14522 | 13206 | 10536 | 9330 | 7623 |
轧制力偏差 | -2.5 | 3.5 | 2.6 | -0.9 | -3.9 | -1.9 | 2.9 |
入口速度 | 0.856 | 1.27 | 1.963 | 2.872 | 3.841 | 4.802 | 5.717 |
ISC | 30 | 30 | 0 | 0 | 30 | 0 |
其中,ISC为机架间冷却水(百分比);由表3可以看出,轧制力偏差可以控制在5%以内。
步骤113,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整。
本步骤中,为了在轧制过程中进一步抑制个别精轧机架的自学习参数偏下限,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整。
具体地,调整因子ξi可根据公式(15)计算得出:
ξi=1.0+fNb(Nb)+fMn(Mn)+fTi(Ti)+fMo(Mo)+fCr(Cr)+fCu(Cu)+fNb(Nb)+fB(B)+fSi(Si)++fV(V)+fNi(Ni) (15)
在公式(15)中,fNb(Nb)为化学成分Nb的调整函数;fMn(Mn)为化学成分Mn的调整函数;fTi(Ti)为化学成分Ti的调整函数;fMo(Mo)为化学成分Mo的调整函数;fCr(Cr)为化学成分Cr的调整函数;fCu(Cu)为化学成分Cu的调整函数;fB(B)为化学成分B的调整函数;fSi(si)为化学成分Si的调整函数;fV(V)为化学成分V的调整函数;fNi(Ni)为化学成分Ni的调整函数。
并且,当Nb>Nb(k)时,所述当Nb≤Nb(k)时,所述fNb(Nb)为零;所述a为系数项,b为常数项,c为指数项。
当Mn>Mn(k)时,所述当Mn≤Mn(k)时,所述fMn(Mn)为零。
当Ti>Ti(k)时,所述当Ti≤Ti(k)时,所述fTi(Ti)为零。
当Mo>Mo(k)时,所述当Mo≤Mo(k)时,所述fMo(Mo)为零。
当Cr>Cr(k)时,所述当Cr≤Cr(k)时,所述fCr(Cr)为零。
当Cu>Cu(k)时,所述当Cu≤Cu(k)时,所述fCu(Cu)为零。
当B>B(k)时,所述当B≤B(k)时,所述fB(B)为零。
当Si>Si(k)时,所述当Si≤Si(k)时,所述fSi(si)为零。
当V>V(k)时,所述当V≤V(k)时,所述fV(V)为零。
这里,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整之后,还需控制精轧机架的入口的初始速度的增量为0.5~1m/s。
本实施例提供的铁素体轧制工艺的精轧控制方法通过单独建立铁素体轧制工艺的钢种族号,避免在轧制铁素体钢时,铁素体钢的轧制参数与常规轧制工艺的轧制参数之间相互干扰;并且,根据常规轧制工艺的实际数据来模拟铁素体钢的轧制工艺,不断调整变形抗力模型的自学习参数,最终确定自学习参数的初始值,并在轧制过程中通过调整因子ξi对初始值进行调整,使得在铁素体钢在轧制过程中,精轧机架的变形抗力、轧制力等轧制参数的偏差控制在预设的误差范围内,进而保证了铁素体钢的质量。
实施例二
相应于实施例一,本实施例还提供一种铁素体轧制工艺的精轧控制装置,如图2所示,所述装置包括:第一建立单元21、第二建立单元22、设定单元23及调整单元24;其中,
所述第一建立单元21用于建立基于铁素体轧制工艺的钢种族号;具体地,因本实施例是利用常规轧制工艺生产线轧制铁素体钢,为了避免铁素体轧制的自学习参数与常规轧制参数相互影响,因此所述第一建立单元21建立基于铁素体轧制工艺的钢种族号,将铁素体轧制的自学习参数隔离开来。其中,所述自学习参数具体包括:变形抗力、轧制力及轧制温度。
当基于铁素体轧制工艺的钢种族号建立好之后,所述第二建立单元22用于建立基于铁素体轧制工艺的精轧变形抗力模型;以能在轧制过程中对变形抗力进行控制,使得变形抗力的误差控制在预设的误差范围内。
具体地,所述变形抗力的模型如公式(1)所示:
kmi=ZLKi·kSi·ΔkKi (1)
其中,在公式(1)中,所述kmi为第i机架Fi的平均变形抗力;所述ZLKi为第i机架Fi的自学习参数;所述ksi为第i机架Fi变形抗力计算值;所述ΔkKi为所述变形抗力模型的动态组成项。所述i为精轧机的序号,i=1……7。
这里,所述ksi可以由公式(2)计算得出:
在公式(2)中,所述n为应***化组成;C1i为第一幅度系数;为Fi的累积应变。
这里,Cji可以由公式(3)计算得出,所述可以由公式(4)计算得出:
在公式(3)中,为幅度系数向量,为板坯化学成分向量,所述j=1……7。
在公式(4)中,所述为Fi的累积压下量率,所述HR为中间坯厚度,所述hi为Fi的出口厚度。
其中,可由公式(5)计算得出:
进一步地,所述ΔkKi可以由公式(6)计算得出:
在公式(6)中,所述a1i为第一温度系数;所述Ti为Fi的轧制区材料平均温度;所述Ts为标准温度。
其中,aji可以由公式(7)计算得出:
在公式(7)中,为温度系数向量。
所述为Fi的平均应变速率,可以由公式(8)计算得出:
在公式(8)中,所述Vi为Fi的工作辊线速度;所述Rdi为工作辊压扁半径,所述Hi为Fi的入口厚度,所述ri为Fi的压下率。
其中,所述工作辊压扁半径Rdi可由公式(9)计算得出:
在公式(9)中,c为希区柯克常数,所述Pi为第i机架的轧制力计算值;所述BF为终轧目标宽度,所述hi为Fi的出口厚度。
另外,希区柯克常数c为可以由公式(10)计算得出:
在公式(10)中,υr为工作辊的泊松比率,Er为工作辊的杨氏模量。
进一步地,当变形抗力kmi计算出之后,可以利用kmi设定轧制力Pi,具体如公式(11)所示:
Pi=ZBPP·ZBP·ZLPH·ZLPB·Pi 0 (11)
在公式(11)中,ZBP为自学习项,所述ZBPP为头部自学习项;所述ZLPH为头部自学习项;ZLPB为头部自学习项,所述Pi 0为第i机架轧制力的理论值。
其中,所述Pi 0可以由公式(12)计算得出:
在公式(12)中,为第i机架的前张力系数,所述为为第i机架的后张力系数,所述tfi为前张力,所述tbi为后张力,所述Ldi为接触弧的长度,所述QPi为轧制力函数项,所述QPi可以由公式(13)计算得出。
在公式(13)中,ωP为权重系数;所述hmi为第i机架入口厚度和出口厚度平均值,ap为系数项,bp为指数项,cp为常数项。
所述hmi可以由公式(14)计算得出:
当变形抗力模型建立好之后,所述设定单元23用于设定所述精轧变形抗力模型中自学习参数的初始值;为了使设定轧制力处在一个合理的范围,偏差控制在5%以内,对精轧变形抗力模型优化,设定所述精轧变形抗力模型中自学习参数的初始值,保证精轧机组正常过钢和自学习参数的学习过程顺利进行。
具体地,所述设定单元23利用常规轧制工艺的实际数据作为参考值,通过相同钢种规格的铁素体轧制工艺模拟试验,利用离线仿真***,调节粗轧速度参数,使精轧入口温度满足铁素体轧制工艺要求,比较计算轧制力与正常工艺下轧制力的差别,尽管铁素体工艺轧制温度比较低,但相同压下量下的轧制力却与正常工艺下相近,甚至略低于正常工艺下的轧制力,根据这个原则,利用用仿真***,反复调节变形抗力模型自学习参数的初始值,减小常规模型在铁素体轧制工况下的轧制力计算值偏差,即可获得良好适用的变形抗力模型自学习参数初始值。
比如,目标厚度为5mm,目标宽度为1311mm,中间坯厚度为39mm,精轧入口头部温度为1041℃的常规钢种的各参数设定如表1所示:
表1
机架号 | F1 | F2 | F3 | F4 | F5 | F6 | F7 |
轧制力 | 17425 | 16728 | 15857 | 13940 | 10804 | 9758 | 8367 |
压下率 | 0.358 | 0.298 | 0.288 | 0.286 | 0.231 | 0.167 | 0.134 |
以及目标厚度为5mm,目标宽度为1311mm,中间坯厚度为39mm,精轧入口头部温度为860度的常规钢种的各参数设定如表2所示:
表2
机架号 | F1 | F2 | F3 | F4 | F5 | F6 | F7 |
轧制力 | 21912 | 18122 | 16968 | 14799 | 11480 | 10346 | 8772 |
压下率 | 0.358 | 0.305 | 0.288 | 0.286 | 0.231 | 0.167 | 0.134 |
那么根据表1和表2常规钢的各参数,利用离线仿真***得出相同钢种规格的铁素体轧制工艺的自学习参数初始值,其自学习初始值及其与实测值之间的偏差如表3所示:
表3
机架号 | F1 | F2 | F3 | F4 | F5 | F6 | F7 |
压下率 | 26.7 | 32.4 | 34.9 | 30.6 | 23.8 | 18.6 | 14.4 |
轧制力设定值 | 16390 | 15732 | 14912 | 13084 | 10136 | 9153 | 7847 |
轧制力实测值 | 16798 | 15176 | 14522 | 13206 | 10536 | 9330 | 7623 |
轧制力偏差 | -2.5 | 3.5 | 2.6 | -0.9 | -3.9 | -1.9 | 2.9 |
入口速度 | 0.856 | 1.27 | 1.963 | 2.872 | 3.841 | 4.802 | 5.717 |
ISC | 30 | 30 | 0 | 0 | 30 | 0 |
其中,ISC为机架间冷却水(百分比);由表3可以看出,轧制力偏差可以控制在5%以内。
所述调整单元24用于在精轧过程中,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整。
具体地,为了在轧制过程中进一步抑制个别精轧机架的自学习参数偏下限,所述调整单元24根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整。
具体地,调整因子ξi可根据公式(15)计算得出:
ξi=1.0+fNb(Nb)+fMn(Mn)+fTi(Ti)+fMo(Mo)+fCr(Cr)+fCu(Cu)+fNb(Nb)+fB(B)+fSi(Si)++fV(V)+fNi(Ni) (15)
在公式(15)中,fNb(Nb)为化学成分Nb的调整函数;fMn(Mn)为化学成分Mn的调整函数;fTi(Ti)为化学成分Ti的调整函数;fMo(Mo)为化学成分Mo的调整函数;fCr(Cr)为化学成分Cr的调整函数;fCu(Cu)为化学成分Cu的调整函数;fB(B)为化学成分B的调整函数;fSi(si)为化学成分Si的调整函数;fV(V)为化学成分V的调整函数;fNi(Ni)为化学成分Ni的调整函数。
并且,当Nb>Nb(k)时,所述当Nb≤Nb(k)时,所述fNb(Nb)为零;所述a为系数项,b为常数项,c为指数项。
当Mn>Mn(k)时,所述当Mn≤Mn(k)时,所述fMn(Mn)为零。
当Ti>Ti(k)时,所述当Ti≤Ti(k)时,所述fTi(Ti)为零。
当Mo>Mo(k)时,所述当Mo≤Mo(k)时,所述fMo(Mo)为零。
当Cr>Cr(k)时,所述当Cr≤Cr(k)时,所述fCr(Cr)为零。
当Cu>Cu(k)时,所述当Cu≤Cu(k)时,所述fCu(Cu)为零。
当B>B(k)时,所述当B≤B(k)时,所述fB(B)为零。
当Si>Si(k)时,所述当Si≤Si(k)时,所述fSi(si)为零。
当V>V(k)时,所述当V≤V(k)时,所述fV(V)为零。
这里,根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整之后,还需控制精轧机架的入口的初始速度的增量为0.5~1m/s。
实际应用中,第一建立单元21、第二建立单元22、设定单元23及调整单元24可以由该装置中的中央处理器(CPU,Central Processing Unit)、数字信号处理器(DSP,DigtalSignal Processor)、可编程逻辑阵列(FPGA,Field Programmable Gate Array)、微控制单元(MCU,Micro Controller Unit)实现。
本实施例提供的铁素体轧制工艺的精轧控制装置,通过单独建立铁素体轧制工艺的钢种族号,避免在轧制铁素体钢时,铁素体钢的轧制参数与常规轧制工艺的轧制参数之间相互干扰;并且,根据常规轧制工艺的实际数据来模拟铁素体钢的轧制工艺,不断调整变形抗力模型的自学习参数,最终确定自学习参数的初始值,并在轧制过程中通过调整因子ξi对初始值进行调整,使得在铁素体钢在轧制过程中,精轧机架的变形抗力、轧制力等轧制参数的偏差控制在预设的误差范围内,进而保证了铁素体钢的质量。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种铁素体轧制工艺的精轧控制方法,其特征在于,所述方法包括:
建立基于铁素体轧制工艺的钢种族号;
建立基于铁素体轧制工艺的精轧变形抗力模型;
设定所述精轧变形抗力模型中自学习参数的初始值;其中,
在精轧过程中,根据钢种的化学成分对所述精轧变形抗力模型的调整因子ξi进行调整;
控制精轧机架的入口的初始速度的增量为0.5~1m/s;其中,i为精轧机的序号,i=1……7;
所述精轧变形抗力模型为kmi=ZLKi·kSi·ΔkKi;其中,
所述kmi为第i机架Fi的平均变形抗力;所述ZLKi为第i机架Fi的自学习参数;所述ksi为第i机架Fi变形抗力计算值;所述ΔkKi所述精轧变形抗力模型的动态组成项;
所述自学习参数具体包括:变形抗力、轧制力及轧制温度;
其中,所述n为应***化组成;C1i为第一幅度系数;为Fi的累积应变;
其中,所述m为比率敏感度;所述a1i为第一温度系数;所述Ti为Fi的轧制区材料平均温度;所述为Fi的平均应变速率;所述Ts为标准温度;
所述ξi=1.0+fNb(Nb)+fMn(Mn)+fTi(Ti)+fMo(Mo)+fCr(Cr)+fCu(Cu)+fNb(Nb)+fB(B)+fSi(Si)++fV(V)+fNi(Ni);其中,fNb(Nb)为化学成分Nb的调整函数;fMn(Mn)为化学成分Mn的调整函数;fTi(Ti)为化学成分Ti的调整函数;fMo(Mo)为化学成分Mo的调整函数;fCr(Cr)为化学成分Cr的调整函数;fCu(Cu)为化学成分Cu的调整函数;fB(B)为化学成分B的调整函数;fSi(si)为化学成分Si的调整函数;fV(V)为化学成分V的调整函数;fNi(Ni)为化学成分Ni的调整函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611059348.3A CN106734233B (zh) | 2016-11-22 | 2016-11-22 | 一种铁素体轧制工艺的精轧控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611059348.3A CN106734233B (zh) | 2016-11-22 | 2016-11-22 | 一种铁素体轧制工艺的精轧控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106734233A CN106734233A (zh) | 2017-05-31 |
CN106734233B true CN106734233B (zh) | 2019-10-29 |
Family
ID=58911623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611059348.3A Active CN106734233B (zh) | 2016-11-22 | 2016-11-22 | 一种铁素体轧制工艺的精轧控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106734233B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108723099A (zh) * | 2018-06-06 | 2018-11-02 | 日照钢铁控股集团有限公司 | 一种基于无头带钢生产线的铁素体轧制方法及装置 |
CN110193520B (zh) * | 2019-05-16 | 2021-01-08 | 山西太钢不锈钢股份有限公司 | 用于轧制铁素体不锈钢的六辊连轧机张力设定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6272409A (ja) * | 1985-09-27 | 1987-04-03 | Nippon Steel Corp | 板圧延における先進率制御方法 |
JPH1097302A (ja) * | 1996-09-25 | 1998-04-14 | Kawasaki Steel Corp | モデルパラメータの自動決定方法及び装置 |
CN101245435A (zh) * | 2007-02-16 | 2008-08-20 | 宝山钢铁股份有限公司 | 一种热轧铁素体不锈钢带钢的生产方法 |
CN102941232A (zh) * | 2012-11-12 | 2013-02-27 | 东北大学 | 一种热连轧精轧过程控制方法 |
CN105363794A (zh) * | 2014-08-21 | 2016-03-02 | 宝山钢铁股份有限公司 | 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 |
-
2016
- 2016-11-22 CN CN201611059348.3A patent/CN106734233B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6272409A (ja) * | 1985-09-27 | 1987-04-03 | Nippon Steel Corp | 板圧延における先進率制御方法 |
JPH1097302A (ja) * | 1996-09-25 | 1998-04-14 | Kawasaki Steel Corp | モデルパラメータの自動決定方法及び装置 |
CN101245435A (zh) * | 2007-02-16 | 2008-08-20 | 宝山钢铁股份有限公司 | 一种热轧铁素体不锈钢带钢的生产方法 |
CN102941232A (zh) * | 2012-11-12 | 2013-02-27 | 东北大学 | 一种热连轧精轧过程控制方法 |
CN105363794A (zh) * | 2014-08-21 | 2016-03-02 | 宝山钢铁股份有限公司 | 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 |
Non-Patent Citations (1)
Title |
---|
"涟钢CSP变形抗力模型初探";张南风,曾斌,张力夫;《涟钢科技与管理》;20120630(第03期);第17-19页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106734233A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104162549B (zh) | 热连轧粗轧机中间坯镰刀弯的自动控制方法及*** | |
CN103212585B (zh) | 薄板用热轧机的控制装置以及薄板用热轧机的控制方法 | |
CN111014307B (zh) | 一种炉卷和精轧机组连轧的轧机速度控制方法 | |
CN104324948B (zh) | 一种热连轧粗轧过程轧件宽度控制方法 | |
CN105327949A (zh) | 一种热轧带钢卷取温度的流量控制方法 | |
CN105268748B (zh) | 按产品分类的热轧负荷分配方法 | |
CN106475420A (zh) | 一种基于冷轧带钢目标板形设定的板形控制方法 | |
CN103752623A (zh) | 改善粗轧中间坯镰刀弯的自动控制方法 | |
CN106734233B (zh) | 一种铁素体轧制工艺的精轧控制方法及装置 | |
CN110385340B (zh) | 一种双机架平整机的轧制方法及装置 | |
CN106734239B (zh) | 一种定宽机中间坯头尾宽度控制方法以及装置和定宽机 | |
CN104942019A (zh) | 一种带钢冷轧过程宽度自动控制方法 | |
CN105344720B (zh) | 一种精轧带钢终轧温度的在线控制方法 | |
CN102371278B (zh) | 基于稳定性指标的连退平整机板形自动控制方法 | |
CN103920719A (zh) | 热轧板形的凸度控制方法 | |
CN108405630A (zh) | 一种带钢板形的控制方法及装置 | |
CN107876565A (zh) | 一种确定轧辊磨损量的方法及装置 | |
CN106914494B (zh) | 热轧带钢的板形控制***及方法 | |
CN106914495B (zh) | 一种热轧带钢镰刀弯控制方法及*** | |
JP2018099707A (ja) | タンデム冷間圧延機の板厚制御装置 | |
CN105855297B (zh) | 一种提高热轧首块无取向硅钢头部厚度精度的控制方法 | |
CN115138716A (zh) | 一种基于屈服强度变化的动态pid板材矫直方法 | |
CN112387791B (zh) | 冷轧带钢的轧制温度确定方法及确定*** | |
CN100522406C (zh) | 优化轧制产品生产技术的方法 | |
CN106557651A (zh) | 一种轧辊温度模型控制精度的优化方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |