CN107944600A - 二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法 - Google Patents
二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法 Download PDFInfo
- Publication number
- CN107944600A CN107944600A CN201711083264.8A CN201711083264A CN107944600A CN 107944600 A CN107944600 A CN 107944600A CN 201711083264 A CN201711083264 A CN 201711083264A CN 107944600 A CN107944600 A CN 107944600A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mfrac
- rolling
- steel strip
- 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
- 238000005096 rolling process Methods 0.000 title claims abstract description 109
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 91
- 239000010959 steel Substances 0.000 title claims abstract description 91
- 238000005097 cold rolling Methods 0.000 title claims abstract description 58
- 238000002347 injection Methods 0.000 title claims abstract description 38
- 239000007924 injection Substances 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000000839 emulsion Substances 0.000 claims abstract description 40
- 230000004907 flux Effects 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 230000001050 lubricating effect Effects 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims description 31
- 230000001550 time effect Effects 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 5
- 210000000481 breast Anatomy 0.000 claims 1
- 239000007788 liquid Substances 0.000 claims 1
- 239000003921 oil Substances 0.000 description 64
- 238000005461 lubrication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000007747 plating Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000004945 emulsification Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 208000020442 loss of weight Diseases 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000010729 system oil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
- B21B45/0239—Lubricating
- B21B45/0245—Lubricating devices
- B21B45/0248—Lubricating devices using liquid lubricants, e.g. for sections, for tubes
- B21B45/0251—Lubricating devices using liquid lubricants, e.g. for sections, for tubes for strips, sheets, or plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Metal Rolling (AREA)
- Control Of Metal Rolling (AREA)
Abstract
一种二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法,它包括以下由计算机执行的步骤:(A)构造二次冷轧直喷***轧前带钢上下表面油膜厚度预报模型;(B)采用Powell优化算法,计算轧前带钢表面油膜厚度各影响系数的最优值;(C)将λzy、λry、λty、δqsy、δtsy、δqxy、δtxy代入步骤(A)所构造的预报模型,得到最优预报模型;(D)收集二次冷轧机组待生产带钢的预设定润滑工艺参数;(E)根据步骤(C)的中的模型预报二次冷轧直喷***轧前带钢上下表面油膜厚度ξs、ξx。本发明可以预报出不同乳化液流量密度、乳化液浓度、乳化液析出距离、轧机入口轧制速度下轧前带钢上下表面的油膜厚度,有效控制和提升二次冷轧机组直喷***润滑性能。
Description
技术领域
本发明属于冷轧技术领域,特别涉及一种轧前带钢表面油膜厚度预报方法。
背景技术
近年来,随着包装制罐行业市场的不断扩大,使得镀锡及镀铬板带工业获得了迅猛发展。与此同时,为了节约材料消耗成本、减少环境污染,包装制罐持续向着减薄、减重的方向发展,薄规格、高强度带钢需求量持续增长,极大的促进了二次冷轧产品的发展。二次冷轧是指在一次冷轧带钢经退火处理后,再次进行压下减薄,相比传统的一次冷轧产品,二次冷轧产品具有厚度更薄、强度更高、加工性能更好的优点,在保证罐体性能需求的情况下,有效降低材料消耗,能够较好的适应包装制罐行业的发展趋势。由于二次冷轧产品厚度薄、强度高,因此采用乳化液直喷***进行轧制润滑。
二次冷轧产品生产过程中,在带钢进入轧制辊缝前,喷淋在带钢表面的乳化液在带钢表面析出一定厚度的润滑油膜,并随带钢进入辊缝进行润滑,乳化液在带钢表面析出的油膜厚度是二次冷轧机组润滑性能的重要影响因素,是二次冷轧机组轧制润滑得以实现的基础,因此,二次冷轧机组直喷***轧前带钢表面析出的油膜厚度的研究,对于二次冷轧机组直喷***润滑性能的控制与提升有着十分重要的价值。以往,学者对于轧制润滑过程的研究主要是针对冷轧乳化液循环***,而对于直喷***油膜厚度的研究还停留在实验室测量阶段,尚未形成二次冷轧直喷***轧前带钢表面析出油膜厚度的定量表述模型。这样,如何充分结合二次冷轧机组直喷***的设备与工艺特点,建立一套二次冷轧直喷***轧前带钢表面油膜厚度预报方法,对于二次冷轧机组轧制润滑性能控制与提升具有重要意义。
发明内容
本发明的目的在于提供一种二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法,可以预报出不同乳化液流量密度、乳化液浓度、乳化液析出距离、轧机入口轧制速度下轧前带钢上下表面的油膜厚度。
本发明包括以下由计算机执行的步骤:
(A)构造二次冷轧直喷***轧前带钢上下表面油膜厚度预报模型:
式中,ξs为二次冷轧机组直喷***轧前带钢上表面的油膜厚度;ξx为二次冷轧机组直喷***轧前带钢下表面的油膜厚度;q为乳化液流量密度;C为乳化液浓度;L为乳化液析出距离;V为轧机入口轧制速度;λz为析出率撞击影响系数;λr为析出率润湿性影响系数;λt为析出率时间影响系数;δqs为带钢上表面剩余率流量影响系数;δts为带钢上表面剩余率时间影响系数;δqx为带钢下表面剩余率流量影响系数;δtx为带钢下表面剩余率时间影响系数。
(B)采用Powell优化算法,计算析出率撞击影响系数λz、析出率润湿性影响系数λr、析出率时间影响系数λt、带钢上表面剩余率流量影响系数δqs、带钢上表面剩余率时间影响系数δts、带钢下表面剩余率流量影响系数δqx、带钢下表面剩余率时间影响系数δtx的最优值,具体包括以下步骤:
B1)收集二次冷轧机组现场已生产的N组带钢的轧制工艺参数及对应的轧前带钢表面油膜厚度,包括:乳化液流量密度qi、乳化液浓度Ci、乳化液析出距离Li、轧机入口轧制速度Vi、轧前带钢上表面的油膜厚度实测值ξsmi、轧前带钢下表面的油膜厚度实测值ξxmi;其中,i为带钢组数编号,i=1,2,L,N;
B2)定义轧前带钢表面油膜厚度影响系数数组X={λz,λr,λt,δqs,δts,δqx,δtx},给定轧前带钢表面油膜厚度影响系数数组初始值X0={λz0,λr0,λt0,δqs0,δts0,δqx0,δtx0}、搜索步长初始值ΔX={Δλz,Δλr,Δλt,Δδqs,Δδts,Δδqx,Δδtx}、收敛精度ε;
B3)按照步骤(A)构造的模型计算已生产的N组带钢的轧前带钢上下表面的油膜厚度ξsi、ξxi:
B4)计算轧前带钢表面油膜厚度影响系数优化目标函数G(X):
式中,轧前带钢上表面油膜厚度权重系数, 为轧前带钢下表面油膜厚度权重系数,
B5)判断Powell条件是否成立?若成立,则转入步骤B6);若不成立,则更新数组X及其搜索步长ΔX,转入步骤B3);
B6)输出优化目标函数最小值对应的轧前带钢表面油膜厚度影响系数数组的最优值Xy={λzy,λry,λty,δqsy,δtsy,δqxy,δtxy}。
(C)将轧前带钢表面油膜厚度影响系数的最优值λzy、λry、λty、δqsy、δtsy、δqxy、δtxy代入步骤(A)所构造的预报模型,得到最优的二次冷轧直喷***轧前带钢表面油膜厚度预报模型:
(D)收集二次冷轧机组待生产带钢的预设定润滑工艺参数,包括:乳化液流量密度q、乳化液浓度C、乳化液析出距离L、轧机入口轧制速度V。
(E)根据步骤(C)的中的模型预报二次冷轧直喷***轧前带钢上下表面油膜厚度ξs、ξx。
本发明与现有技术相比具有如下优点:
可以预报出不同乳化液流量密度、乳化液浓度、乳化液析出距离、轧机入口轧制速度下轧前带钢上下表面的油膜厚度,有效控制和提升二次冷轧机组直喷***润滑性能,降低生产成本,提高生产效率。
附图说明
图1是本发明的总计算流程图;
图2是本发明步骤(B)的流程图。
具体实施方式
实施例1:
以某二次冷轧机组为例,按照图1所示的二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法的总计算流程图:
首先,在步骤(A)中,构造二次冷轧直喷***轧前带钢上下表面油膜厚度预报模型:
随后,如图2所示,在步骤(B)中,采用Powell优化算法,计算析出率撞击影响系数λz、析出率润湿性影响系数λr、析出率时间影响系数λt、带钢上表面剩余率流量影响系数δqs、带钢上表面剩余率时间影响系数δts、带钢下表面剩余率流量影响系数δqx、带钢下表面剩余率时间影响系数δtx的最优值,具体包括以下步骤:
首先,在步骤B1)中,收集二次冷轧机组现场已生产的10组带钢的轧制工艺参数及对应的轧前带钢表面油膜厚度,包括:乳化液流量密度qi={9.5,8.0,10.3,12.5,12.2,11.0,8.4,9.9,9.5,8.9},单位为L/min/m;乳化液浓度Ci={4.5%,5.0%,4.8%,6.3%,9.3%,7.2%,9.5%,8.8%,4.3%,7.5%};乳化液析出距离Li={0.5,0.5,0.6,0.8,0.6,1.0,1.0,1.0,0.5,0.8},单位为m;轧机入口轧制速度Vi={560,440,580,520,650,460,820,780,740,800},单位为m/min;轧前带钢上表面的油膜厚度实测值ξsmi={0.172,0.213,0.199,0.376,0.395,0.480,0.252,0.295,0.121,0.205},单位为μm;轧前带钢下表面的油膜厚度实测值ξxmi={0.158,0.193,0.175,0.323,0.355,0.411,0.238,0.265,0.116,0.191},单位为μm;其中,i为带钢组数编号,i=1,2,L,10;
随后,在步骤B2)中,定义轧前带钢表面油膜厚度影响系数数组X={λz,λr,λt,δqs,δts,δqx,δtx},给定轧前带钢表面油膜厚度影响系数数组初始值X0={0.1,0.1,0.1,0.1,0.1,0.1,0.1}、搜索步长初始值ΔX={0.1,0.1,0.1,0.1,0.1,0.1,0.1}、收敛精度ε=0.001;
随后,在步骤B3)中,按照步骤(A)构造的模型计算已生产的10组带钢的轧前带钢上下表面的油膜厚度ξsi、ξxi:
随后,在步骤B4)中,选取轧前带钢上表面油膜厚度权重系数轧前带钢下表面油膜厚度权重系数计算轧前带钢表面油膜厚度影响系数优化目标函数G(X):
随后,在步骤B5)中,判断Powell条件成立,则转入步骤B6);
随后,在步骤B6)中,输出优化目标函数最小值对应的轧前带钢表面油膜厚度影响系数数组的最优值Xy={0.205,0.689,119.4,10.31,29.36,14.84,45.65}。
随后,在步骤(C)中,将轧前带钢表面油膜厚度影响系数的最优值λzy、λry、λty、δqsy、δtsy、δqxy、δtxy代入步骤(A)所构造的预报模型,得到最优的二次冷轧直喷***轧前带钢表面油膜厚度预报模型:
随后,在步骤(D)中,收集二次冷轧机组待生产带钢的预设定润滑工艺参数,包括:乳化液流量密度q=10.5L/min/m、乳化液浓度C=9.0%、乳化液析出距离L=1.0m、轧机入口轧制速度V=780m/min。
随后,在步骤(E)中,根据步骤(C)的中的模型预报二次冷轧直喷***轧前带钢上下表面油膜厚度ξs=0.314μm、ξx=0.290μm。
如表1所示,采用本发明所述二次冷轧直喷***轧前带钢表面油膜厚度预报方法的预报精度达到90%以上,能够满足二次冷轧直喷***轧前带钢表面油膜厚度预报的要求。
表1实施例1中轧前带钢上下表面油膜厚度预报与值实测值对比
轧前带钢上表面油膜厚度 | 轧前带钢下表面油膜厚度 | |
预报值 | 0.314μm | 0.290μm |
实测值 | 0.293μm | 0.272μm |
误差 | 7.17% | 6.62% |
实施例2:
以某二次冷轧机组为例,首先,在步骤(A)中,构造二次冷轧直喷***轧前带钢上下表面油膜厚度预报模型:
随后,如图2所示,在步骤(B)中,采用Powell优化算法,计算析出率撞击影响系数λz、析出率润湿性影响系数λr、析出率时间影响系数λt、带钢上表面剩余率流量影响系数δqs、带钢上表面剩余率时间影响系数δts、带钢下表面剩余率流量影响系数δqx、带钢下表面剩余率时间影响系数δtx的最优值,具体包括以下步骤:
首先,在步骤B1)中,收集二次冷轧机组现场已生产的12组带钢的轧制工艺参数及对应的轧前带钢表面油膜厚度,包括:乳化液流量密度qi={7.2,7.0,8.3,8.5,11.2,13.1,9.7,8.9,9.2,7.8,10.4,10.9},单位为L/min/m;乳化液浓度Ci={7.3%,5.9%,8.8%,6.3%,7.3%,9.2%,9.5%,8.8%,5.3%,7.5%,9.9%,7.7%};乳化液析出距离Li={0.6,0.6,0.5,0.5,0.8,0.8,0.6,0.5,1.0,1.0,1.0,0.8},单位为m;轧机入口轧制速度Vi={760,840,480,590,850,660,830,750,710,600,920,890},单位为m/min;轧前带钢上表面的油膜厚度实测值ξsmi={0.165,0.115,0.359,0.206,0.228,0.435,0.251,0.236,0.185,0.275,0.280,0.224},单位为μm;轧前带钢下表面的油膜厚度实测值ξxmi={0.151,0.108,0.322,0.191,0.215,0.387,0.236,0.216,0.165,0.250,0.262,0.207},单位为μm;其中,i为带钢组数编号,i=1,2,L,12;
随后,在步骤B2)中,定义轧前带钢表面油膜厚度影响系数数组X={λz,λr,λt,δqs,δts,δqx,δtx},给定轧前带钢表面油膜厚度影响系数数组初始值X0={0.1,0.1,0.1,0.1,0.1,0.1,0.1}、搜索步长初始值ΔX={0.1,0.1,0.1,0.1,0.1,0.1,0.1}、收敛精度ε=0.001;
随后,在步骤B3)中,按照步骤(A)构造的模型计算已生产的12组带钢的轧前带钢上下表面的油膜厚度ξsi、ξxi:
随后,在步骤B4)中,选取轧前带钢上表面油膜厚度权重系数轧前带钢下表面油膜厚度权重系数计算轧前带钢表面油膜厚度影响系数优化目标函数G(X):
随后,在步骤B5)中,判断Powell条件成立,则转入步骤B6);
随后,在步骤B6)中,输出优化目标函数最小值对应的轧前带钢表面油膜厚度影响系数数组的最优值Xy={0.212,0.693,125.4,9.81,30.13,15.44,43.95}。
随后,在步骤(C)中,将轧前带钢表面油膜厚度影响系数的最优值λzy、λry、λty、δqsy、δtsy、δqxy、δtxy代入步骤(A)所构造的预报模型,得到最优的二次冷轧直喷***轧前带钢表面油膜厚度预报模型:
随后,在步骤(D)中,收集二次冷轧机组待生产带钢的预设定润滑工艺参数,包括:乳化液流量密度q=12.5L/min/m、乳化液浓度C=5.8%、乳化液析出距离L=0.5m、轧机入口轧制速度V=640m/min。
随后,在步骤(E)中,根据步骤(C)的中的模型预报二次冷轧直喷***轧前带钢上下表面油膜厚度ξs=0.249μm、ξx=0.220μm。
如表2所示,采用本发明所述二次冷轧直喷***轧前带钢表面油膜厚度预报方法的预报精度达到90%以上,能够满足二次冷轧直喷***轧前带钢表面油膜厚度预报的要求。
表2实施例2中轧前带钢上下表面油膜厚度预报与值实测值对比
轧前带钢上表面油膜厚度 | 轧前带钢下表面油膜厚度 | |
预报值 | 0.249μm | 0.220μm |
实测值 | 0.235μm | 0.204μm |
误差 | 5.96% | 7.84% |
Claims (2)
1.一种二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法,其特征在于:它包括以下由计算机执行的步骤:
(A)构造二次冷轧直喷***轧前带钢上下表面油膜厚度预报模型:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&xi;</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mn>1000</mn>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>z</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>r</mi>
</msub>
<mi>tanh</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
<mfrac>
<mi>L</mi>
<mi>V</mi>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>q</mi>
<mi>s</mi>
</mrow>
</msub>
<mfrac>
<mi>q</mi>
<mi>V</mi>
</mfrac>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>t</mi>
<mi>s</mi>
</mrow>
</msub>
<mfrac>
<mi>L</mi>
<mi>V</mi>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mi>C</mi>
</mrow>
<mi>V</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&xi;</mi>
<mi>x</mi>
</msub>
<mo>=</mo>
<mn>1000</mn>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>z</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>r</mi>
</msub>
<mi>tanh</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
<mfrac>
<mi>L</mi>
<mi>V</mi>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>q</mi>
<mi>x</mi>
</mrow>
</msub>
<mfrac>
<mi>q</mi>
<mi>V</mi>
</mfrac>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>t</mi>
<mi>x</mi>
</mrow>
</msub>
<mfrac>
<mi>L</mi>
<mi>V</mi>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mi>C</mi>
</mrow>
<mi>V</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,ξs为二次冷轧机组直喷***轧前带钢上表面的油膜厚度;ξx为二次冷轧机组直喷***轧前带钢下表面的油膜厚度;q为乳化液流量密度;C乳化液浓度;L为乳化液析出距离;V为轧机入口轧制速度;λz为析出率撞击影响系数;λr为析出率润湿性影响系数;λt为析出率时间影响系数;δqs为带钢上表面剩余率流量影响系数;δts为带钢上表面剩余率时间影响系数;δqx为带钢下表面剩余率流量影响系数;δtx为带钢下表面剩余率时间影响系数;
(B)采用Powell优化算法,计算析出率撞击影响系数λz、析出率润湿性影响系数λr、析出率时间影响系数λt、带钢上表面剩余率流量影响系数δqs、带钢上表面剩余率时间影响系数δts、带钢下表面剩余率流量影响系数δqx、带钢下表面剩余率时间影响系数δtx的最优值;
(C)将轧前带钢表面油膜厚度影响系数的最优值λzy、λry、λty、δqsy、δtsy、δqxy、δtxy代入步骤(A)所构造的预报模型,得到最优的二次冷轧直喷***轧前带钢表面油膜厚度预报模型:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&xi;</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mn>1000</mn>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>z</mi>
<mi>y</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>r</mi>
<mi>y</mi>
</mrow>
</msub>
<mi>tanh</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>t</mi>
<mi>y</mi>
</mrow>
</msub>
<mfrac>
<mi>L</mi>
<mi>V</mi>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>q</mi>
<mi>s</mi>
<mi>y</mi>
</mrow>
</msub>
<mfrac>
<mi>q</mi>
<mi>V</mi>
</mfrac>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>t</mi>
<mi>s</mi>
<mi>y</mi>
</mrow>
</msub>
<mfrac>
<mi>L</mi>
<mi>V</mi>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mi>C</mi>
</mrow>
<mi>V</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&xi;</mi>
<mi>x</mi>
</msub>
<mo>=</mo>
<mn>1000</mn>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>z</mi>
<mi>y</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>r</mi>
<mi>y</mi>
</mrow>
</msub>
<mi>tanh</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>t</mi>
<mi>y</mi>
</mrow>
</msub>
<mfrac>
<mi>L</mi>
<mi>V</mi>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>q</mi>
<mi>x</mi>
<mi>y</mi>
</mrow>
</msub>
<mfrac>
<mi>q</mi>
<mi>V</mi>
</mfrac>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>t</mi>
<mi>x</mi>
<mi>y</mi>
</mrow>
</msub>
<mfrac>
<mi>L</mi>
<mi>V</mi>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mi>C</mi>
</mrow>
<mi>V</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
(D)收集二次冷轧机组待生产带钢的预设定润滑工艺参数,包括:乳化液流量密度q、乳化液浓度C、乳化液析出距离L、轧机入口轧制速度V;
(E)根据步骤(C)的中的模型预报二次冷轧直喷***轧前带钢上下表面油膜厚度ξs、ξx。
2.根据权利要求1所述的二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法,其特征在于:所述的步骤(B)包括以下步骤:
B1)收集二次冷轧机组现场已生产的N组带钢的轧制工艺参数及对应的轧前带钢表面油膜厚度,包括:乳化液流量密度qi、乳化液浓度Ci、乳化液析出距离Li、轧机入口轧制速度Vi、轧前带钢上表面的油膜厚度实测值ξsmi、轧前带钢下表面的油膜厚度实测值ξxmi;其中,i为带钢组数编号,i=1,2,L,N;
B2)定义轧前带钢表面油膜厚度影响系数数组X={λz,λr,λt,δqs,δts,δqx,δtx},给定轧前带钢表面油膜厚度影响系数数组初始值X0={λz0,λr0,λt0,δqs0,δts0,δqx0,δtx0}、搜索步长初始值ΔX={Δλz,Δλr,Δλt,Δδqs,Δδts,Δδqx,Δδtx}、收敛精度ε;
B3)按照步骤(A)构造的模型计算已生产的N组带钢的轧前带钢上下表面的油膜厚度ξsi、ξxi:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&xi;</mi>
<mrow>
<mi>s</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1000</mn>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>z</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>r</mi>
</msub>
<mi>tanh</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
<mfrac>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>q</mi>
<mi>s</mi>
</mrow>
</msub>
<mfrac>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>t</mi>
<mi>s</mi>
</mrow>
</msub>
<mfrac>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&xi;</mi>
<mrow>
<mi>x</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1000</mn>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>z</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>r</mi>
</msub>
<mi>tanh</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
<mfrac>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>q</mi>
<mi>x</mi>
</mrow>
</msub>
<mfrac>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>-</mo>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>t</mi>
<mi>x</mi>
</mrow>
</msub>
<mfrac>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msub>
<mi>q</mi>
<mi>i</mi>
</msub>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
B4)计算轧前带钢表面油膜厚度影响系数优化目标函数G(X):
式中,轧前带钢上表面油膜厚度权重系数, 为轧前带钢下表面油膜厚度权重系数,
B5)判断Powell条件是否成立?若成立,则转入步骤B6);若不成立,则更新数组X及其搜索步长ΔX,转入步骤B3);
B6)输出优化目标函数最小值对应的轧前带钢表面油膜厚度影响系数数组的最优值Xy={λzy,λry,λty,δqsy,δtsy,δqxy,δtxy}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711083264.8A CN107944600B (zh) | 2017-11-07 | 2017-11-07 | 二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711083264.8A CN107944600B (zh) | 2017-11-07 | 2017-11-07 | 二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107944600A true CN107944600A (zh) | 2018-04-20 |
CN107944600B CN107944600B (zh) | 2021-09-14 |
Family
ID=61933397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711083264.8A Active CN107944600B (zh) | 2017-11-07 | 2017-11-07 | 二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944600B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110193523A (zh) * | 2019-05-27 | 2019-09-03 | 燕山大学 | 一种二次冷轧过程轧辊表面油膜厚度预测方法 |
CN110935733A (zh) * | 2018-09-21 | 2020-03-31 | 宝山钢铁股份有限公司 | 一种乳化液粒径在线控制方法及*** |
CN111318388A (zh) * | 2019-05-27 | 2020-06-23 | 燕山大学 | 基于均匀涂油的静电涂油机核心工艺参数在线调整方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010085971A1 (en) * | 2009-01-28 | 2010-08-05 | Ab Skf | Lubrication condition monitoring |
CN102183228A (zh) * | 2011-01-05 | 2011-09-14 | 南京航空航天大学 | 一种油膜厚度的超声测量方法 |
CN103567237A (zh) * | 2012-07-24 | 2014-02-12 | 宝山钢铁股份有限公司 | 一种冷轧直喷乳化液喷淋方法 |
CN104384469A (zh) * | 2014-12-16 | 2015-03-04 | 东北大学 | 一种钢连铸结晶器内初凝坯壳厚度的预测***及方法 |
CN106563976A (zh) * | 2016-11-09 | 2017-04-19 | 武汉重型机床集团有限公司 | 一种提高镗孔加工同轴度的静压油膜补偿方法 |
CN106816395A (zh) * | 2016-12-15 | 2017-06-09 | 中国航天空气动力技术研究院 | 一种氮化硅被动氧化层厚度确定方法 |
CN106918538A (zh) * | 2017-04-13 | 2017-07-04 | 中国电子产品可靠性与环境试验研究所 | 无铅焊点界面金属化合物生长厚度的预测方法和*** |
-
2017
- 2017-11-07 CN CN201711083264.8A patent/CN107944600B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010085971A1 (en) * | 2009-01-28 | 2010-08-05 | Ab Skf | Lubrication condition monitoring |
CN102301149A (zh) * | 2009-01-28 | 2011-12-28 | Skf公司 | 润滑条件监测 |
CN102183228A (zh) * | 2011-01-05 | 2011-09-14 | 南京航空航天大学 | 一种油膜厚度的超声测量方法 |
CN103567237A (zh) * | 2012-07-24 | 2014-02-12 | 宝山钢铁股份有限公司 | 一种冷轧直喷乳化液喷淋方法 |
CN104384469A (zh) * | 2014-12-16 | 2015-03-04 | 东北大学 | 一种钢连铸结晶器内初凝坯壳厚度的预测***及方法 |
CN106563976A (zh) * | 2016-11-09 | 2017-04-19 | 武汉重型机床集团有限公司 | 一种提高镗孔加工同轴度的静压油膜补偿方法 |
CN106816395A (zh) * | 2016-12-15 | 2017-06-09 | 中国航天空气动力技术研究院 | 一种氮化硅被动氧化层厚度确定方法 |
CN106918538A (zh) * | 2017-04-13 | 2017-07-04 | 中国电子产品可靠性与环境试验研究所 | 无铅焊点界面金属化合物生长厚度的预测方法和*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110935733A (zh) * | 2018-09-21 | 2020-03-31 | 宝山钢铁股份有限公司 | 一种乳化液粒径在线控制方法及*** |
CN110935733B (zh) * | 2018-09-21 | 2021-08-17 | 宝山钢铁股份有限公司 | 一种乳化液粒径在线控制方法及*** |
CN110193523A (zh) * | 2019-05-27 | 2019-09-03 | 燕山大学 | 一种二次冷轧过程轧辊表面油膜厚度预测方法 |
CN111318388A (zh) * | 2019-05-27 | 2020-06-23 | 燕山大学 | 基于均匀涂油的静电涂油机核心工艺参数在线调整方法 |
CN111318388B (zh) * | 2019-05-27 | 2021-04-30 | 燕山大学 | 基于均匀涂油的静电涂油机核心工艺参数在线调整方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107944600B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107944600A (zh) | 二次冷轧机组直喷***轧前带钢表面油膜厚度的预报方法 | |
CN106909723B (zh) | 冷轧过程乳化液流量与轧制速度关系曲线优化设定方法 | |
Peng et al. | Strip shape modeling and its setup strategy in hot strip mill process | |
CN101683659B (zh) | 冷轧带钢平直度和横向厚差综合控制方法 | |
CN102688894B (zh) | 一种热轧带钢连轧机组穿带的控制方法 | |
CN103028615A (zh) | 一种预测带钢热连轧过程温度演变的方法 | |
CN102581039A (zh) | 纯钛板带的轧制方法 | |
JP7308358B2 (ja) | 効率的な2スタンドのダブル切断ラインに直通する厚中板生産ライン及び生産方法 | |
CN103357656B (zh) | 一种大辊径大压下率冷轧极薄带钢的生产工艺 | |
CN103123483B (zh) | 一种基于聚类分析的新钢种轧制变形抗力预测*** | |
CN103357670B (zh) | 适用于五机架ucm机型冷连轧机组的压下规程优化方法 | |
CN2786142Y (zh) | 罩式炉堆垛用平式对流板 | |
CN103593719A (zh) | 一种基于板坯与合同优化匹配的轧制节能方法 | |
CN103567229A (zh) | 一种针对六辊轧机的弯辊力组合板形控制方法 | |
CN105798253B (zh) | 一种异型坯连铸二冷辊缝调整方法 | |
CN104324949B (zh) | 一种粗轧立辊道次立辊开口度的获取方法 | |
CN107824613A (zh) | 一种球扁钢的万能轧制装置及轧制方法 | |
CN102553966A (zh) | 带钢卷取品质在线综合判断方法 | |
CN109013717A (zh) | 一种热连轧中间坯心部温度计算方法 | |
CN103611730A (zh) | 用于提高热连轧新品种首卷钢尺寸控制精度的方法 | |
CN107626751A (zh) | 热连轧线超快速冷却的控制方法 | |
Qi et al. | Optimization of pass schedule in hot strip rolling | |
CN107900112B (zh) | 二次冷轧机组轧制变形区带钢上下表面油膜厚度预报方法 | |
CN107766606B (zh) | 提升二次冷轧机组直喷***乳化液工艺润滑性能的方法 | |
CN108838211A (zh) | 一种冷连轧过程的乳化液浓度优化方法 |
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 |