CN103962391A - 一种热连轧机精轧机组的轧制负荷优化方法 - Google Patents

Abstract

一种热连轧机精轧机组的轧制负荷优化方法，包括：对F1~F4机架的初期压下量进行极限值检测；计算出各机架的轧制力、功率；进行大小比较，确定是否存在“轧制力倒挂”现象，确定需进行负荷调整的轧机和调整顺序；根据F1~F4轧机预计算的功率P及额定功率PE得出功率富余量评价指数W=P/PE；将存在“轧制力倒挂”现象的轧机F(I+1)压下负荷减少10%增加到优选轧机；根据调整后负荷压下量计算各轧机的轧制力f，再次进行倒挂检测；根据最终负荷分配计算各轧机的轧制力、辊缝等；由轧机传动系统执行轧制力及辊缝值的调节。本发明根据各机架间轧制力倒挂情况自动进行负荷的优化再分配。由此，克服“人工”审核轧制计划、模拟计算轧制力及负荷调整的不准确与不及时，提高质量控制水平。

Description

一种热连轧机精轧机组的轧制负荷优化方法

技术领域

本发明涉及热轧生产过程控制领域。具体地，本发明涉及一种热连轧机精轧机组的轧制负荷优化方法，所述热连轧机精轧机组轧制负荷自动优化调整的方法通过过程控制计算机控制系统（L2）、热轧工艺控制，应用于提高轧制稳定性，降低质量缺陷发生率。

背景技术

宝钢股份公司热轧厂1580热轧精轧机为7机架连轧PC（pair cross）式轧机，其特点为凸度控制能力强。精轧轧制过程要求将中间坯（经过粗轧轧制的板坯）轧制成质量设计要求的目标厚度和目标宽度，从中间坯厚度到成品目标厚度的压下变形量要按一定规则分配到精轧的7个机架上。

在实际生产过程中，PC式轧机对轧制力分配有较高要求，在F4~F7轧机存在一定程度的轧制力倒挂情况时（所谓轧制力倒挂即F5轧机的轧制力大于F4轧机的轧制力、F6轧机的轧制力大于F5轧机的轧制力，或F7轧机的轧制力大于F6轧机的轧制力），极易出现轧制过程不稳定的现象，即出现带钢头尾轧破、边损等缺陷，严重时将导致废钢现象。

以往，作为传统的精轧负荷分配及调整方法，宝钢1580热轧采取压下量负荷分配方式，即在L2（过程计算机）的规程文件中设定各个机架的绝对变形量（即各架轧机带钢变形量与总体变形量的百分比），然后再由L2根据轧制力的计算规则得出各机架需要的轧制力。实际生产过程中因轧辊辊径的变化、轧制温度的变化及轧制力学习系数的影响等，经常会出现轧制力倒挂现象。

对于前机架F1~F3允许轧制力倒挂的程度相对大些，而后机架F4~F7的轧制力倒挂允许程度较小。通常情况下由技术人员根据轧制计划对轧制频率较低的钢种或者根据经验判断出的轧制难度较大的带钢，利用换辊停机时间进行模拟计算，确认各机架的轧制力设定情况，如果出现程度较大的轧制力倒挂现象，则人工对负荷设定值进行修改。

作为上述传统精轧负荷优化调整流程如图1所示。

然而，上述现有技术存在的问题是：

1）人工对轧制计划预判不准不及时而且存在漏判；

2）人工对带钢的轧制力设定情况提前模拟确认，需要在停机状态下才能进行，正常生产情况下不能进行模拟确认；人工对轧制力设定情况的模拟确认可能会影响正常生产；

3）人工对负荷分配值的调整受个人经验的影响，不能一次准确调整到位，费时费力。

发明内容

为克服上述问题，本发明的目的在于：提供一种热连轧机精轧机组的轧制负荷优化方法，并且能够根据各个机架间允许的轧制力倒挂情况自动进行负荷的优化再分配。由此，克服“人工”审核轧制计划、模拟计算轧制力及负荷调整的不准确与不及时的问题，提高生产过程的控制能力与质量控制水平。

即，本发明的新颖性和创新性体现在：

1）将各机架间允许的轧制力倒挂情况转化成可由计算机自动识别的逻辑条件；

2）由过程计算机根据各机架的功率情况和机架间的轧制力梯度自动进行负荷的再分配调整；

3）此种自动判断并优化调整负荷分配的方法大大提高了工作效率与质量。

本发明的一种热连轧机精轧机组的轧制负荷优化方法的技术方案流程如下：

1)对F1~F4机架的初期压下量进行极限值检测，当初期压下量均超限时，输出报警信息，跳出负荷自动调整功能，由操作人员进行负荷修改和确认；

2)根据带钢的基本信息初次计算出各机架的轧制力、功率；

3)对精轧机组F4\F5,F5\F6,F6\F7轧机的轧制力进行大小比较，确定是否存在“轧制力倒挂”现象，并根据机架号进一步确定需要进行负荷调整的轧机和调整的先后顺序；

4)根据F1~F4轧机预计算的功率P及额定功率PE得出功率富余量W=P/PE（功率富余量评价指数W=P/PE，W数值越小，代表功率富余量越大）,确定可以增加压下负荷的机架优先顺序；

5)将存在“轧制力倒挂”现象的轧机F(I+1)压下负荷减少10%增加到步骤4）确定的优先选择轧机上，并对压下负荷进行极限值检测。

6)当优先选择增加负荷的机架负荷超限时，则将压下负荷增加到次选轧机（功率富余量次大的机架），如果次选机架的压下负荷也超限，则跳出负荷自动调整功能，输出报警信息，由操作人员人工完成轧制负荷的修正。

7）根据调整后的负荷压下量，重新计算各架轧机的轧制力f，再次进行轧制力倒挂检测。如果F4~F7轧机之间仍然存在轧制力倒挂现象，则按步骤6）再次调整压下负荷。如此循环三次，如果仍然存在“轧制力倒挂”，则跳出自动调整程序，输出报警信息，由操作人员手动进行负荷修正。

8）负荷调整结束后，过程控制计算机L2根据最终的负荷分配计算各架轧机的轧制力、辊缝、轧辊速度，并下发给L1，然后由轧机传动系统执行轧制力及辊缝值。

9）完成热轧产品的轧制。

根据本发明的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，在生产过程中，对F5、F6、F7机架与F4、F5、F6机架的轧制力进行对比，当发生轧制力倒挂时，将后机架F5~F7的轧制负荷向F1~F4机架分配即将轧制力倒挂机架的负荷减少10%，增加至功率富余量最大的机架上。

根据本发明的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，根据生产经验确定精轧机组F4~F7机架间允许的轧制力倒挂程度,即前后两轧机的轧制力差ΔFI(ΔFI=F（i+1）-Fi,i=4~6）允许的范围，当ΔFI超出允许的范围时即为F(I+1)与FI机架存在轧制力倒挂。各机架轧制力倒挂的判断条件如下：

轧机号	F5-F4	F6-F5	F7-F6
				允许的轧制力倒挂范围（KN）	<1000	<500	<500

根据本发明的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，根据在过程控制计算机(L2)设置的精轧机组各机架初始的压下负荷分配值ri和带钢的基本信息——成分、目标厚度、目标宽度、目标终轧温度、轧制速度、目标中间坯厚度、精轧入口温度等计算出各机架的轧制力预测值F和功率预测值P。轧制力及功率计算方法如下：

1）根据化学成分、宽度、辊径计算轧制力

$F_i=C_{\mathrm{Fi}}\·W\·k_m\sqrt{R_i^{\′}\·(H_i-h_i)}\·Q_{\mathrm{Fi}}\·0.001$

$Q_F=q_1+q_2\sqrt{\frac{R^{\′}}{h}}$

q₁＝α_F1十α_F2r

q₂＝α_F3+α_F4r+α_F5r²

其中Fi：Fi机架轧制力

C_Fi：Fi机架轧制力学习系数

W：板宽

Hi：Fi机架入侧板厚

hi：Fi机架出侧板厚

R_i′：Fi机架扁平辊半径

Q_Fi：Fi机架压下力函数

Ri：Fi机架辊半径

E：辊成熟率

α_F1~α_F5：压下力关系系数

r：厚度压下率

变形抗力Km的计算方法如下：

$K_m=(b_{k0}+b_{k1}\·c+b_{k2}\·S_i+M_n+b_{k4}\·N_i+b_{k5}\·C_r+b_{k6}\·T_i+b_{k7}\·M_O$

$+b_{k8}\·V+b_{k9}\·N_b)\×\exp (a_{k0}+a_{k1}\·C+a_{k2}\·1/T_k)\·{\mathrm{\ϵ}}^{a_{k3}}\·{\mathrm{\ϵ}}^{a_{k4}}$

其中Tk：材料绝对温度=(T+273)/1000

Bi：材料成分（主要为碳含量）相关定数

ε：变形程度 $\mathrm{\ϵ}=l_n\·\frac{1}{1-r}$

变形速度 $\stackrel{.}{\mathrm{\ϵ}}=\frac{2\mathrm{\π}\·N}{60\sqrt{r}}\·\sqrt{\frac{R}{H}}\·l_n\frac{1}{1-r}$

N：ROLL回转数（单位）

r：压下率（相对）

R：工作辊半径单位mm

H：入侧板厚单位mm

E、Mn、Si、Ni、Cr、Ti、Mo、V、Nb：各个成分的含量（单位%）

a_k0~a_k4：变形抗力模型系数（基本项）

b_k0~b_k9：变形抗力模型系数（成分项）

扁平辊半径R_i算法如下：

$R^{\′}=R\·{\left(\frac{B+\sqrt{B^2+4\·A\·C}}{2\·A}\right)}^2$

$\frac{R_i^{\′}}{R_i}=1+\frac{16\·(1-v^2)}{\mathrm{\π}\·E}\·\frac{F_i\·1000}{W\·(H_i-h_i)}$

$A=(H-h)-\frac{16\·\left((1-v^{\text{2}}\right)}{\mathrm{\π}\·E}\·C_F\·k_m\·q_2\left(r\right)\·R\·\sqrt{\frac{r}{1-r}}$

$B=\frac{16\·(1-v^2)}{\mathrm{\π}\·E}\·C_F\·k_m\·q_1\left(r\right)\·\sqrt{R\·(H-h)}$

C=H-h

2）轧制功率计算公式

$P=C_P\·\frac{1}{\mathrm{\η}}\·{10}^{-3}\·\frac{2\·\mathrm{\π}\·N}{60}\·G\·9.81$

其中C_P：功率学习系数

G：轧制扭矩（2根辊）（kg*m）

λ：扭矩臂系数

R′：扁平辊半径(mm)

H：入侧板厚(mm)

h：出侧板厚(mm)

F：轧制力（KN）

C_F：轧制力学习值

R：轧辊半径(mm)

r：压下率

P：马达需要的功率（kw）

N：轧辊转数（r/m）

a_m0~a_m3：轧制功率模型系数

扭矩 $G=\mathrm{\λ}\·\sqrt{R^{\′}\·(H-h)}\·F\·C_F$

其中 $\mathrm{\λ}=\mathrm{\η}\·(a_{m0}+a_{m1}\·r+a_{m2}\·r^2+a_{m3}\·\frac{R}{R^{\′}})$

η：马达效率，

额定功率Pe为设备本身固定值。

根据本发明的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，

对精轧机组后机架F4~F7轧机的轧制力系根据机架顺序号依次进行大小比较，计算前后机架轧制力差ΔFi=F(i+1)-Fi（i=4~6），当ΔFi超出允许的范围时即F(i+1)与Fi轧机存在轧制倒挂。选出轧制力倒挂的轧机，机架号大的轧机优先减负荷。

根据本发明的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，

当多组轧机间存在“轧制力倒挂”现象时，优先调整机架号大的轧机，即当F5/F6、F6/F7轧机间同时存在轧制力倒挂时，优先调整F6\F7轧机间的轧制力倒挂——优先减F7轧机的负荷，然后再解决F5/F6机架的轧制力倒挂问题。

根据本发明的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，根据功率预测值P和各机架的额定功率Pe确定F1~F4机架的功率富余量W=P/Pe，功率富余量最大的轧机将作为负荷自动优化调整时增加负荷压下量的首选机架。

（W=P/Pe的数值越小，功率富余量越大）。

根据本发明的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，为了确保精轧各架轧机的顺利咬钢，设定前机架F1~F4轧机的压下量上限。

轧机	F1	F2	F3	F4
					压下量上限	65%	30%	15%	10%

当F(I+1)与FI机架存在轧制力倒挂现象时，将F（I+1）机架的压下负荷减少10%，增加至功率富余量最大的机架。负荷调整后重新计算各机架的轧制力，并且再次判断精轧机组后机架（F5~F7轧机）是否存在轧制力倒挂现象，同时对增加了负荷的前机架进行压下量判断，当压下负荷超限时，则将增加的压下量转移至功率富余量次之的机架。循环计算三次，如果仍不满足要求，则跳出计算，输出“请优化负荷”，由操作人员手动对压下负荷进行修正。

过程控制计算机（L2）根据最终修正后确定的压下负荷、温度、成分、精轧入出口厚度、轧制速度等重新计算各机架的辊缝和轧制力，下发给各机架传动机构执行新的辊缝及轧制力，完成热轧产品的生产。轧制力、辊缝的计算方法如下：

1）1）根据化学成分、宽度、辊径计算轧制力

$F_i=C_{\mathrm{Fi}}\·W\·k_m\sqrt{R_i^{\′}\·(H_i-h_i)}\·Q_{\mathrm{Fi}}\·0.001$

$Q_F=q_1+q_2\sqrt{\frac{R^{\′}}{h}}$

q₁＝α_F1+α_F2r

q₂＝α_F3+α_F4r+α_F5r²

其中Fi：Fi机架轧制力

C_Fi：Fi机架轧制力学习系数

W：板宽

Hi：Fi机架入侧板厚

hi：Fi机架出侧板厚

R_i′：Fi机架扁平辊半径

Q_Fi：Fi机架压下力函数

Ri：Fi机架辊半径

E：辊成熟率

α_F1~α_F5：压下力关系系数

r：厚度压下率

变形抗力Km的计算方法如下：

$K_m=(b_{k0}+b_{k1}\·c+b_{k2}\·S_i+M_n+b_{k4}\·N_i+b_{k5}\·C_r+b_{k6}\·T_i+b_{k7}\·M_O$

$+b_{k8}\·V+b_{k9}\·N_b)\×\exp (a_{k0}+a_{k1}\·C+a_{k2}\·1/T_k)\·{\mathrm{\ϵ}}^{a_{k3}}\·{\mathrm{\ϵ}}^{a_{k4}}$

其中Tk：材料绝对温度=(T+273)/1000

Bi：材料成分（主要为碳含量）相关定数

ε：变形程度 $\mathrm{\ϵ}=l_n\·\frac{1}{1-r}$

变形速度 $\stackrel{.}{\mathrm{\ϵ}}=\frac{2\mathrm{\π}\·N}{60\sqrt{r}}\·\sqrt{\frac{R}{H}}\·l_n\frac{1}{1-r}$

N：ROLL回转数

r：压下率

R：工作辊半径单位mm

H：入侧板厚单位mm

Mn、Si、Ni、Cr、Ti、Mo、V、Nb：各个成分的含量（单位%）

a_k0~a_k4：变形抗力模型系数（基本项）

b_k0~b_k9：变形抗力模型系数（成分项）

扁平辊半径R_i′算法如下：

$R^{\′}=R\·{\left(\frac{B+\sqrt{B^2+4\·A\·C}}{2\·A}\right)}^2$

$\frac{R_i^{\′}}{R_i}=1+\frac{16\·(1-v^2)}{\mathrm{\π}\·E}\·\frac{F_i\·1000}{W\·(H_i-h_i)}$

$A=(H-h)-\frac{16\·\left((1-v^{\text{2}}\right)}{\mathrm{\π}\·E}\·C_F\·k_m\·q_2\left(r\right)\·R\·\sqrt{\frac{r}{1-r}}$

$B=\frac{16\·(1-v^2)}{\mathrm{\π}\·E}\·C_F\·k_m\·q_1\left(r\right)\·\sqrt{R\·(H-h)}$

C=H-h

2）根据弹跳方程计算各机架的辊缝

S=h-SP+SP₀+R_E+S₀-OFS

其中SP=a_S8·(F-F_oil+a_S9)·[1-exp{a_S10·(F-F_oil)}]

$R_E=a_{S3}-a_{S4}\·e^{-a_{S5}\·(n-\mathrm{nx})}-a_{S6}\·e^{-a_{S7}(a_{S20}-\mathrm{Pitch})}$

$a_{S8}=\frac{1}{\mathrm{KR}}$ KR=b_s1·W₀+b_s2，

bs1、bs2、as3、as4、as5、as6、as7、as9、as10为系数。

根据本发明的一种热连轧机精轧机组的轧制负荷优化方法，能够可自动对精轧机组各架轧机之间的轧制力大小进行比对；能够自动判断出轧机之间是否存在轧制力倒挂现象；能够自动对轧制力倒挂轧机的压下负荷进行优化调整；提高工作效率，提高热轧生产过程的稳定性，改善产品质量。

附图说明

图1为传统的轧制负荷分配优化调整流程。

图2为本发明的轧制负荷分配优化调整流程图。

图3为负荷自动调整流程图。

具体实施方式

以下，举实施例，具体说明本发明的一种热连轧机精轧机组的轧制负荷优化方法。

实施例

本发明的一种热量轧机精轧机组的轧制负荷优化方法，将在宝钢1580热轧三电改造项目中L2（过程控制）系统中设计实施，并且在同类的热轧生产线上都可以借鉴实施。

本专利实施计划

时间	主要开展工作
		2011年	功能实现方案制定及开发，制定并填写工艺规程表
2012年	此功能的程序设计及离线功能测试
		2013年	此功能离线功能优化及在线功能使用

Claims (10)

1.一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，所述方法包括下述步骤：

1)对F1～F4机架的初期压下量进行极限值检测，当初期压下量均超限，F1超过65％，F2超过30％，F3超过15％，F4超过10％时，输出报警信息，跳出负荷自动调整功能，由操作人员手动进行负荷修改和确认；

2)在满足步骤1)的情况下根据带钢的基本信息初次计算出各机架的轧制力、功率；

3)对精轧机组F4\F5，F5\F6，F6\F7轧机的轧制力进行大小比较，确定是否存在“轧制力倒挂”现象，并根据机架号进一步确定需要进行负荷调整的轧机和调整的先后顺序，优先调整机架号大的轧机，如F5/F6存在轧制力倒挂，并且F6/F7同时存在轧制力倒挂，则优先调整F7机架的负荷；

4)根据F1～F4轧机预计算的功率P及额定功率PE得出功率富余量评价指数W＝P/PE，W数值越小，代表功率富余量越大，确定可以增加压下负荷的机架优先顺序，即功率富余量最大的机架优先增加负荷；

5)将存在“轧制力倒挂”现象的轧机F(I+1)压下负荷减少10％增加到步骤4)确定的优先选择轧机上，并对压下负荷进行极限值检测；

6)当优先选择增加负荷的机架负荷超限，F1超过65％，F2超过30％，F3超过15％，F4超过10％时，则将压下负荷增加到次选轧机，即功率富余量次级大的机架，如果次选机架的压下负荷也超限，即F1超过65％，F2超过30％，F3超过15％，F4超过10％，则跳出负荷自动调整功能，输出报警信息，由操作人员人工完成轧制负荷的修正；

7)根据调整后的负荷压下量，重新计算各架轧机的轧制力f，再次进行轧制力倒挂检测：

如果F4～F7轧机之间仍然存在轧制力倒挂现象，则按步骤6)再次调整压下负荷；

按步骤3)、4)、5)、6)、7)顺序循环三次，如果仍然存在“轧制力倒挂”，则跳出自动调整程序，输出报警信息，由操作人员手动进行负荷修正；

8)负荷调整结束后，过程控制计算机L2根据最终的负荷分配计算各架轧机的轧制力、辊缝、轧辊速度，并下发给L1，然后由轧机传动系统执行轧制力及辊缝值的计算值。

2.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，在步骤3)中，重点对F5、F6、F7机架与F4、F5、F6机架的轧制力进行对比，当发生轧制力倒挂时，将后机架F5～F7的轧制负荷分别向F1～F4机架分配，即将轧制力倒挂机架号FI+1的负荷减少10％增加到功率富余量最大的机架上。

3.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，确定精轧机组F4～F7机架间允许的轧制力倒挂程度，即前后两轧机的轧制力差ΔFI(ΔFI＝F(i+1)-Fi，i＝4～6)允许的范围，当ΔIi超出允许的范围时即为F(I+1)与FI机架存在轧制力倒挂。各机架轧制力倒挂的判断条件，即允许的轧制力倒挂范围如下：

4.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，在步骤2)，根据在过程控制计算机(L2)设置的精轧机组各机架初始的压下负荷分配值ri和带钢的基本信息——成分、目标厚度、目标宽度、目标终轧温度、轧制速度、目标中间坯厚度、精轧入口温度计算出各机架的轧制力预测值F，所述轧制力预测值F计算如下：

1)轧制力预测值计算公式

$F_i=C_{\mathrm{Fi}}\•W\•k_m\sqrt{R_i^{\′}\•(H_i-h_i)}\•Q_{\mathrm{Fi}}\•0.001$

$Q_F=q_1+q_2\sqrt{\frac{R^{\′}}{h}}$

q₁＝α_F1+α_F2r

q₂＝α_F3+α_F4r+α_F5r²，

q1，q2——为简化表达式设定的中间变量，

其中F_i：F_i机架轧制力预测值，

C_Fi：Fi机架轧制力学习系数，初始值为1，CFi更新值＝实测轧制力/预测轧制力，

W：带钢宽，mm，

Hi：Fi机架入侧带钢厚，mm，

hi：Fi机架出侧带钢厚，mm，

R′_i：Fi机架扁平辊半径，mm，

Q_Fi：Fi机架压下力函数，

Ri：Fi机架辊半径，mm，

E：辊成熟率，单位kg/mm²，与轧辊材质相关的参数，

α_F1～α_F5：压下力关系系数，为固定值，

r：厚度压下率，0～1，

变形抗力Km的计算方法如下：单位：KN/mm²，

$K_m=(b_{k0}+b_{k1}\•c+b_{k2}\•S_i+M_n+b_{k4}\•N_i+b_{k5}\•C_r+b_{k6}\•T_i+b_{k7}\•M_o$

$+b_{k8}\•V+b_{k9}\•N_b)\×\exp (a_{k0}+a_{k1}\•C+a_{k2}\•1/T_k)\•{\mathrm{\ϵ}}^{a_{k3}}\•{\mathrm{\ϵ}}^{a_{k4}}$

其中Tk：材料绝对温度＝(T+273)/1000

B：材料成分相关定数，为常数，经验值，

ε：变形程度 $(\mathrm{\ϵ}=l_n\•\frac{1}{1-r})$

变形速度 $(\stackrel{\·}{\mathrm{\ϵ}}=\frac{2\mathrm{\π}\•N}{60\sqrt{r}}\•\sqrt{\frac{R}{H}}\•l_n\frac{1}{1-r},$

N：ROLL工作辊？回转数，r/m，

r：压下率(H-h)/H，0～1，

R：工作辊半径单位mm，

H：入侧带钢厚，单位mm

C、Mn、Si、Ni、Cr、Ti、Mo、V、Nb：各个成分的含量，单位％，

a_k0～a_k4：变形抗力模型系数，为基本项，b_k0～b_k9：变形抗力模型系数，为成分项，

扁平辊半径R′_i算法如下：

$R^{\′}=R\•{\left(\frac{B+\sqrt{B^2+4\•A\•C}}{2\•A}\right)}^2$

$\frac{R_i^{\′}}{R_i}=1+\frac{16(1-v^2)}{\mathrm{\π}\•E}\•\frac{F_i\•1000}{W\•(H_i-h_i)}$

$A=(H-h)-\frac{16\•\left({(1-v}^2\right)}{\mathrm{\π}\•E}{C}_F\•k_m\•q_2\left(r\right)\•R\•\sqrt{\frac{r}{1-r}}$

$B=\frac{16-(1-v^2)}{\mathrm{\π}\•E}\•C_F\•k_m\•q_1\left(r\right)\•\sqrt{R\•(H-h)}$

C＝H-h

R′：扁平辊半径，mm，

F：轧制力，KN，

H：入侧带钢厚，mm，

h：出侧带钢厚，mm，v泊松比0.2-0.5。

5.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，在步骤2)，根据在过程控制计算机(L2)设置的精轧机组各机架初始的压下负荷分配值ri和带钢的基本信息——成分、目标厚度、目标宽度、目标终轧温度、轧制速度、目标中间坯厚度、精轧入口温度计算出各机架的轧制功率预测值P，所述功率预测值P技术方法如下：

2)轧制功率预测值计算公式

$P=C_P\•\frac{1}{\mathrm{\η}}\•{10}^{-3}\•\frac{2\•\mathrm{\π}\•N}{60}\•G\•9.81$

其中C_P：功率学习系数，0.5～1.5，

G：轧制扭矩(2根辊)，kg*m，

C_F：轧制力学习值，范围0.5～1.5，CF＝实测轧制力/预测轧制力，

P：马达需要的功率，kw，

N：轧辊转数，r/m，

a_m0～a_m3：轧制功率模型系数，

扭矩 $G=\mathrm{\λ}\•\sqrt{R^{\′}\•(H-h)}\•F\•C_F$

λ：扭矩臂系数，为经验值，

其中 $\mathrm{\λ}=\mathrm{\η}\•(a_{m0}+a_{m1}\•r+a_{m2}\•r^2+a_{m3}\•\frac{R}{R^{\′}})$

η：马达效率

额定功率Pe为设备本身固定值。

6.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，对精轧机组后机架F4～F7轧机的轧制力根据机架顺序号依次进行大小比较，计算前后机架轧制力差ΔFi＝F(i+1)-Fi(i＝4～6)，当ΔFi超出允许的范围时即F(i+1)与Fi轧机存在轧制倒挂。选出轧制力倒挂的轧机，机架号大的轧机减负荷。

7.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，根据功率预测值P和各机架的额定功率Pe确定F1～F4机架的功率富余量W＝P/Pe，功率富余量最大的轧机将作为负荷自动优化调整时增加负荷压下量的首选机架。

8.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，为了确保精轧各架轧机的顺利咬钢，设定前机架F1～F4轧机的压下量上限，

所述压下量上限是步骤1和6)的判定依据。

9.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，当F(I+1)与FI机架存在轧制力倒挂现象时，将F(I+1)机架的压下负荷减少10％，增加至功率富余量最大的机架。负荷调整后重新计算各机架的轧制力，并且再次判断精轧机组后机架(F5～F7轧机)是否存在轧制力倒挂现象，同时对增加了负荷的前机架进行压下量判断，当压下负荷超限时，则将增加的压下量转移至功率富余量次之的机架。循环计算三次，如果仍不满足要求，则跳出计算，输出“请优化负荷”，由操作人员手动对压下负荷进行修正。

10.如权利要求1所述的一种热连轧机精轧机组的轧制负荷优化方法，其特征在于，过程控制计算机(L2)根据最终修正后确定的压下负荷、温度、成分、精轧入出口厚度、轧制速度等重新计算各机架的辊缝和轧制力，下发给各机架传动机构执行新的辊缝及轧制力，完成热轧产品的生产。轧制力及辊缝算法如下：

1)根据修正后的压下负荷βi和精轧入口带钢厚度H及精轧出口带钢厚度h获得各机架的带钢厚度hi，算法如下：

h_i＝H_i-(H₁-h_L)×β_i，βi指代第i机架的负荷压下分配率，

2)根据化学成分、宽度、辊径计算轧制力

$F_i=C_{\mathrm{Fi}}\•W\•k_m\sqrt{R_i^{\′}\•(H_i-h_i)}\•Q_{\mathrm{Fi}}\•0.001$

$Q_F=q_1+q_2\sqrt{\frac{R^{\′}}{h}}$

q₁＝α_F1+α_F2r

q₂＝α_F3+α_F4r+α_F5r²

其中Fi：Fi机架轧制力

C_Fi：Fi机架轧制力学习系数，范围0.5～1.5，计算方法：CFi＝实绩轧制力/预测轧制力，

W：带钢宽

Hi：Fi机架入侧带钢厚

hi：Fi机架出侧带钢厚

R′_i：Fi机架扁平辊半径

Q_Fi：Fi机架压下力函数

Ri：Fi机架辊半径

E：辊成熟率

α_F1～α_F5：压下力关系系数，为常数，经验值，

r：厚度压下率，0～1，

变形抗力Km的计算方法如下：

$K_m=(b_{k0}+b_{k1}\•c+b_{k2}\•S_i+M_n+b_{k4}\•N_i+b_{k5}\•C_r+b_{k6}\•T_i+b_{k7}\•M_o$

$+b_{k8}\•V+b_{k9}\•N_b)\×\exp (a_{k0}+a_{k1}\•C+a_{k2}\•1/T_k)\•{\mathrm{\ϵ}}^{a_{k3}}\•{\mathrm{\ϵ}}^{a_{k4}}$

其中Tk：材料绝对温度＝(T+273)/1000

bki：材料成分相关定数，为常数，经验值，

ε：变形程度 $(\mathrm{\ϵ}=l_n\•\frac{1}{1-r})$

变形速度 $(\stackrel{\·}{\mathrm{\ϵ}}=\frac{2\mathrm{\π}\•N}{60\sqrt{r}}\•\sqrt{\frac{R}{H}}\•l_n\frac{1}{1-r})$

N：ROLL工作辊回转数(单位r/m)

r：压下率，范围0～1，

R：工作辊半径单位mm

H：入侧带钢厚单位mm

D、Mn、Si、Ni、Cr、Ti、Mo、V、Nb：各个成分的含量(％)

a_k0～a_k4：变形抗力模型系数(基本项)

b_k0～b_k9：变形抗力模型系数(成分项)，

扁平辊半径R_i算法如下：

$R^{\′}=R\•{\left(\frac{B+\sqrt{B^2+4\•A\•C}}{2\•A}\right)}^2$

$\frac{R_i^{\′}}{R_i}=1+\frac{16(1-v^2)}{\mathrm{\π}\•E}\•\frac{F_i\•1000}{W\•(H_i-h_i)}$

$A=(H-h)-\frac{16\•\left({(1-v}^2\right)}{\mathrm{\π}\•E}{C}_F\•k_m\•q_2\left(r\right)\•R\•\sqrt{\frac{r}{1-r}}$

$B=\frac{16-(1-v^2)}{\mathrm{\π}\•E}\•C_F\•k_m\•q_1\left(r\right)\•\sqrt{R\•(H-h)}$

C＝H-h

3)根据弹跳方程计算各机架的辊缝，辊缝范围50～1mm，

S＝h-SP+SP₀+R_E+S₀-OFS

其中S——辊缝计算值，SP——轧辊弹跳值，

SP＝a_S8·(F-F_oil+a_S9)·[1-exp{a_S10·(F-F_oil)}]

SP0——零调时的轧辊弹跳值，

RE——轧辊热膨胀值，与轧制数量n和轧制间隔时间Pitch相关，，

$R_E=a_{S3}-a_{S4}\•e^{-a_{S5}\•(n-\mathrm{nx})}-a_{S6}\•e^{-a_{S7}(a_{S20}-\mathrm{Pitch})}$

e指数项n——轧制数量，Pitch——轧制间隔时间，

S0——辊缝零位值，为常数，系统值，

OFS——辊缝零位修正值，OFS＝流量厚度-弹跳厚度，

$a_{S8}=\frac{1}{\mathrm{KR}}$

KR＝b_S1·W₀+b_S2，KR为辊缝弹跳计算中间变量，bs1、bs2、as3、as4、as5、as6、as7、as9、as10为系数，常数，经验值。