CN104174655B - 一种热连轧板形二级工艺模拟方法 - Google Patents

Abstract

本发明公开了一种热连轧板形二级工艺模拟方法：步骤A，对当前带钢的静态数据进行加载；当前带钢的静态数据包括钢种属性、机架特性、轧辊参数、一级数据、仪表测量数据、二级设定参数；步骤B，对当前带钢的动态数据进行加载；其中，当前带钢的动态数据具体是：轧制前一块带钢后获得的相关数据；步骤C，根据当前带钢的静态数据和当前带钢的动态数据，对轧辊模型进行初始化计算；步骤D，对板形模型进行初始化计算；步骤E，触发轧辊模型进行计算；步骤F，触发板形模型进行计算；步骤G，将针对当前带钢获得的相关数据存储于动态数据中，待轧制下一块带钢使用；步骤H，当前带钢计算结束后，触发下一块带钢依次执行步骤A至步骤G中的内容。

Description

一种热连轧板形二级工艺模拟方法

技术领域

本申请涉及板带热连轧过程的分析与控制技术，尤其涉及一种热连轧板形二级工艺模拟方法。

背景技术

随着汽车、制罐以及家电行业等的飞速发展，市场不仅对板带材需求量急剧增加，而且对其板形质量、尺寸精度及性能提出了更严格的要求。板形是热轧薄板重要的产品工艺指标，其中，板形二级控制模型系统已经成为现代板带生产中保证产品各项质量指标的关键技术。一种有效、精准的热连轧板形二级工艺模型的模拟方法是板形工艺及控制系统研究的必要条件和重要保证。目前通过对热轧产线板形控制模型的解析，发现现有的控制模型不能够保证板形质量。而控制模型的最大问题存在于其核心算法当中，若修改该算法或进行相关实验优化方案和新工艺的测试，大都需要对生产运行的控制系统程序进行重新编译，这样对于在线的轧钢生产存在很大的风险，甚至造成不必要的经济损失。因此，需要提供一种板形工艺模拟方法，用来精确模拟产线连续轧钢，为该产线板形问题分析、提高产线板形质量提供技术支撑和重要保证。

发明内容

本发明了提供了一种热连轧板形二级工艺模拟方法，以解决现有技术中存在的不能够保证板形质量的技术问题。

为解决上述技术问题，本发明提供了一种热连轧板形二级工艺模拟方法，所述方法包括：

步骤A，对当前带钢的静态数据进行加载；所述当前带钢的静态数据包括 钢种属性、机架特性、轧辊参数、一级数据、仪表测量数据、二级设定参数；

步骤B，对所述当前带钢的动态数据进行加载；其中，所述当前带钢的动态数据具体是：轧制前一块带钢后获得的相关数据；

步骤C，根据所述当前带钢的静态数据和所述当前带钢的动态数据，对轧辊模型进行初始化计算；

步骤D，对板形模型进行初始化计算；

步骤E，触发所述轧辊模型进行计算；

步骤F，触发所述板形模型进行计算；

步骤G，将针对所述当前带钢获得的相关数据存储于动态数据中，待轧制下一块带钢使用；

步骤H，所述当前带钢计算结束后，触发所述下一块带钢依次执行步骤A至步骤G中的内容。

优选的，所述对当前带钢的动态数据进行加载，具体包括：

在csv文件中，对所述当前带钢的动态数据进行加载；

在Oracle数据库中，对所述当前带钢的动态数据进行加载；

其中，所述csv文件中存储的动态数据，具体是每块带钢轧制后获得的相关数据；所述Oracle数据库中存储的动态数据与钢种或者规格相关，具体是轧制同种带钢或者同规格带钢后获得的相关数据。

通过本发明的一个或者多个技术方案，本发明具有以下有益效果或者优点：

本发明了提供了一种热连轧板形二级工艺模拟方法，该方法能够对板形核心算法按照不同的工艺需求进行程序代码的修改或相关工艺参数的调整，在进行编译后进行测试与评估，并对板形中间过程数据进行跟踪分析，为现场在线轧制提供精准的模拟保障，进而能够保证板形质量。

附图说明

图1为热连轧板形二级工艺模拟方法的流程图；

图2为本发明实施例中一级模拟器的数据流图；

图3为本发明实施例中结合带钢轧制对热连轧板形二级工艺模拟方法进行说明的流程图；

图4为本发明实施例中对带钢影响系数因子的优化示意图；

图5为本发明实施例中优化带钢影响系数对F1窜辊的改善效果图；

图6为本发明实施例中共享内存的实现方式的示意图。

具体实施方式

为了使本申请所属技术领域中的技术人员更清楚地理解本申请，下面结合附图，通过具体实施例对本申请技术方案作详细描述。

实施例一：

在具体的实施过程中，描述了一种热连轧板形二级工艺模拟方法。该方法基于一套离线平台，对热连轧二级板形模型的计算过程进行模拟，对现场连续轧制过程进行精确再现。

下面请参看图1，是热连轧板形二级工艺模拟方法的流程图。

该方法包括如下步骤：

步骤A，对当前带钢的静态数据进行加载。

具体的，所述当前带钢的静态数据包括钢种属性、机架特性、轧辊参数、一级数据、仪表测量数据、二级设定参数。

步骤B，对所述当前带钢的动态数据进行加载。

具体的，当前带钢的动态数据具体是轧制前一块带钢后获得的相关数据；此时的相关数据具有两层含义：一是针对个体而言，具体是每块带钢轧制后获得的相关数据；一是针对总体而言，与钢种或者规格相关，具体是轧制同种带钢或者同规格带钢后获得的相关数据。

在具体的实施过程中，所述对当前带钢的动态数据进行加载，具体包括：

在csv文件中，对所述当前带钢的动态数据进行加载。其中，csv是逗号分 隔值文件格式，csv文件即是文本文件。

在Oracle数据库中，对所述当前带钢的动态数据进行加载。其中，Oracle是数据库管理系统。

其中，所述csv文件中存储的动态数据，具体是每块带钢轧制后获得的相关数据；所述Oracle数据库中存储的动态数据与钢种或者规格相关，具体是轧制同种带钢或者同规格带钢后获得的相关数据。

具体来说，该方法中的动态数据包括短期自学习数据(即：csv文件中存储的动态数据)和长期自学习数据(即：Oracle数据库中存储的动态数据)。

其中，短期自学习参数是在轧制第一块带钢时，加载自学习参数，轧完每块带钢时自学习参数逐块更新至csv文件中给下一块带钢使用。长期自学习参数与钢种或者规格相关，当更换钢种或者规格时，则会重新加载长期自学习参数至Oracle数据库，供下一批轧制钢种使用。

步骤C，根据所述当前带钢的静态数据和所述当前带钢的动态数据，对轧辊模型进行初始化计算。

步骤D，对板形模型进行初始化计算。

步骤E，触发所述轧辊模型进行计算。

步骤F，触发所述板形模型进行计算。

下面介绍模型初始化计算和模型计算(即：模型本体计算)的区别。

在具体的实施过程中，轧辊模型的初始化计算和板形模型的初始化计算是模型本体计算前需要先进行的一个准备步骤。因为模型中涉及到的参数量非常大，一部分参数需要进行初始的换算或者计算准备，才能投入模型本体计算中，所以将初始化计算与本体计算模型分开进行触发。

而在实际应用中，轧辊模型的初始化计算和板形模型的初始化计算所涉及到的参数准备是合为一体进行编程并进行触发的，可隶属于同一模型；轧辊模型的本体计算和板形模型的本体计算则是两个单独运行的模型，是分开进行触发的。

在实际应用中，模型初始化计算和模型计算涉及的公式、计算方式本发明不做限制，以实际应用使用的计算方式为准。

步骤G，将针对所述当前带钢获得的相关数据存储于动态数据中，待轧制下一块带钢使用。

具体的，此时的动态数据包含csv文件和Oracle数据库两部分。

步骤H，所述当前带钢计算结束后，触发所述下一块带钢依次执行步骤A至步骤G中的内容。

本发明的目的在于提供一种能够完全模拟热连轧带钢的实际生产过程的板形二级工艺模拟方法，该方法可以对板形核心算法按照不同的工艺需求进行程序代码的修改或相关工艺参数的调整，进行编译后对结果进行测试，并对板形中间过程数据进行跟踪分析。

具体的，本发明提供的是一种可以离线模拟多块带钢(含换钢种/规格)连续轧制的独立的二级板形工艺模拟方法，包含一套完整的轧辊计算、板形设定计算、板形自学习计算的算法。当第一块带钢进行轧辊模型计算和板形模型计算完毕后，由模拟模块自动触发动态数据进行第二块带钢的模型计算，逐块轧制，至配置的带钢全部轧制完毕，另外还可以根据配置进行换钢种/规格的模拟计算。

在实际应用中，本发明涉及的方法是脱离一级的二级板形模型的单独提炼，通过建立一级模拟器将步骤A中的一级数据和仪表测量数据进行还原、加载和模拟，抽取独立的二级模型对热连轧过程进行仿真模拟。下面请参看图2，是一级模拟器的数据流图。

其中，图2中的文本文件即是csv文件。数据库管理系统包含Oracle数据库。

在具体的实施过程中，对csv文件、Oracle数据库及二者以共享内存方式的实现过程具体描述如下：

Csv文件，主要用于存储静态参数，如钢种属性、机架特性、轧辊参数、一 级数据、仪表测量数据、二级设定参数，和每块带钢轧制后获得的动态数据，均以简单表形式存储，所包含的数据结构如下表1所示：

表1

Oracle数据库以钢种(FAMILY)、宽度规格(WRT_IDX)、厚度规格(GRT_IDX)作为查询条件，根据来料数据确定FAMILY、WRT_IDX、GRT_IDX值，从数据库中检索动态参数。所包含的数据结构如下表2所示：

表2

Csv文件和oracle数据库中的数据结构均通过共享内存来进行实现。共享内存的实现方式如图6所示。

其中，_tmain：为共享内存的主函数；

MapShm：共享内存映射；

ClearShm：清理共享内存；

GetPDIData：获取PDI数据；

GetRollData：获取轧辊数据，包括工作辊数据、支承辊数据和轧辊热凸度数据；

LoadSimpleTable：获取简单表数据。

下面请参看图3，结合带钢轧制对本发明涉及的热连轧板形二级工艺模拟方法进行描述。

该方法具体包括：

S301，开始，读取即将模拟连续轧制的带钢，即轧制计划单。

S302，配置的最后一块带钢是否轧制完毕。

若是，转入S303：结束。

若否，转入S304：当前带钢静态数据初始化。即：对当前带钢的静态数据进行加载。

S305，当前带钢动态数据初始化。即：对当前带钢的动态数据进行加载。

S306，轧辊模型初始化计算。

S307，板形模型初始化计算。

S308，轧辊模型计算。

S309：板形模型计算。

S310：存储动态数据。

下面以薄规格酸洗板SAPH370-P为模拟钢种，采用本发明涉及的热连轧板形二级工艺模拟方法对该钢种的静态、动态数据及现场轧制过程进行还原。

热轧产线在轧制该薄规格SAPH370-P时，由于二级模型计算的F1机架的有效比例凸度值比理论值偏大，导致F1机架经常出现负窜至极限的现象，但是从现场工艺角度和单独的模型消化吸收很难分析出该问题的本质原因，该问题的出现大大影响了薄规格带钢的板形质量。针对此现象，采用本发明的热连轧二级工艺模拟方法，通过热连轧板形二级工艺模拟方法的运用，采取优化带钢影响系数对各机架比例凸度进行合理分配的优化策略(即：对板形核心算法按照不同的工艺需求进行程序代码的修改或相关工艺参数的调整，进行编译后对结果进行测试，并对板形中间过程数据进行跟踪分析)，使上游机架充分发挥凸度调节能力以达到目标比例凸度，下游机架保持恒比例凸度，以保持良好的平坦度，这样有效的解决了轧制薄规格SAPH370-P时F1机架经常出现的负窜问题，提高了薄规格带钢的板形质量。

具体来说，对带钢影响系数进行优化后，各机架的比例凸度得到了更合理的分配，上游机架能够充分发挥凸度调节能力以达到目标比例凸度，使更容易发生ufd比例凸度偏差的F1机架的模型计算的有效比例凸度值与理论值相吻合，使F1机架的负窜情况得到明显改善。下面请参看图4和图5，对上述描述进行更直观的说明。其中，图4描述的是本发明实施例中对带钢影响系数因子的优化示意图。图5描述的是本发明实施例中优化带钢影响系数对F1窜辊的改善效果图。

通过本发明的一个或者多个实施例，本发明具有以下有益效果或者优点：

本发明提供了一种热连轧板形二级工艺模拟方法，该方法能够对板形核心算法按照不同的工艺需求进行程序代码的修改或相关工艺参数的调整，在进行编译后进行测试与评估，并对板形中间过程数据进行跟踪分析，为现场在线轧制提供精准的模拟保障，进而能够保证板形质量。

尽管已描述了本申请的优选实施例，但本领域内的普通技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (2)

1.一种热连轧板形二级工艺模拟方法，其特征在于，所述方法包括：

步骤A，对当前带钢的静态数据进行加载；所述当前带钢的静态数据包括钢种属性、机架特性、轧辊参数、一级数据、仪表测量数据、二级设定参数；其中，所述机架特性包括机架热数据、机架设定信息、机架磨损信息；所述仪表测量数据包括板形短期自学习数据、产品材料相关信息、板形自学习产品相关数据、产品相关轧制参数；

步骤B，对所述当前带钢的动态数据进行加载；其中，所述当前带钢的动态数据具体是：轧制前一块带钢后获得的相关数据；

步骤C，根据所述当前带钢的静态数据和所述当前带钢的动态数据，对轧辊模型进行初始化计算；

步骤D，对板形模型进行初始化计算；

步骤E，触发所述轧辊模型进行计算；

步骤F，触发所述板形模型进行计算；

步骤G，将针对所述当前带钢获得的相关数据存储于动态数据中，待轧制下一块带钢使用；

步骤H，所述当前带钢计算结束后，触发所述下一块带钢依次执行步骤A至步骤G中的内容。

2.根据权利要求1所述的一种热连轧板形二级工艺模拟方法，其特征在于，所述对当前带钢的动态数据进行加载，具体包括：

在csv文件中，对所述当前带钢的动态数据进行加载；

在Oracle数据库中，对所述当前带钢的动态数据进行加载；

其中，所述csv文件中存储的动态数据，具体是每块带钢轧制后获得的相关数据；所述Oracle数据库中存储的动态数据与钢种或者规格相关，具体是轧制同种带钢或者同规格带钢后获得的相关数据。