CN104226695B - 一种评价六辊cvc轧机可控平直度的方法 - Google Patents
一种评价六辊cvc轧机可控平直度的方法 Download PDFInfo
- Publication number
- CN104226695B CN104226695B CN201410456585.8A CN201410456585A CN104226695B CN 104226695 B CN104226695 B CN 104226695B CN 201410456585 A CN201410456585 A CN 201410456585A CN 104226695 B CN104226695 B CN 104226695B
- Authority
- CN
- China
- Prior art keywords
- flatness
- plate shape
- flatness defect
- defect
- score
- 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.)
- Expired - Fee Related
Links
Landscapes
- Control Of Metal Rolling (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种评价六辊CVC轧机可控平直度的方法,属于冶金行业冷轧技术领域。技术方案是:对实际浪形进行分析,得出实际浪形中的一次、二次和四次组分,分别对其进行评价。最后以百分制形成综合评价,直观的告诉轧机技术人员目前板形轧机存在多大程度的可控板形缺陷没有进行消除,得分越低,板形越差,得分越高板形越好。本发明有益效果:由于六辊CVC轧机可控的板形缺陷为单边浪、中浪或双边浪、正或反四分浪,计算公式中仅考虑一次板形缺陷,二次板形缺陷和四次板形缺陷的系数,即本计算结果仅针对六辊CVC轧机可控的板形缺陷,忽略了实际板形中不在六辊CVC轧机控制范围内的板形缺陷,这使得板形评价得分的结果适应于六辊CVC轧机所轧制的实际板形。
Description
技术领域
本发明涉及一种评价六辊CVC轧机可控平直度的方法,属于冶金行业冷轧技术领域。
背景技术
背景技术中,冷轧板形一般用平直度进行描述,单位一般为IU(IUnit,一个I单位=0.001%,是板形计量单位),这种描述方式仅描述了冷轧板形某一横断面的平均浪高与浪长的比例,描述较为模糊,不能反映轧机可控缺陷的大小。IU值的带钢平直度评价无法完全评价轧机操作工的操作,这是由于任何带钢某一横断面的平直度信息可以由一组多项式进行描述,这个多项式可以包括一次项、二次项、三次项、四次项、五次项等。而冷轧机组往往由于轧制机构限制,其可消除的组分一般为一次项、二次项等,消除轧制机构可消除的板形缺陷后,剩余的板形缺陷称为相对于该轧机的高次浪形,是不在轧制机构控制范围内的,轧机无法消除。板形缺陷的上述特点决定了IU值对带钢的平直度评价无法体现轧机中可控缺陷的大小。
对于六辊CVC(ContinuoslyVariableCrown连续凸度变化技术)轧机冷轧机而言,其轧制机构由支承辊倾斜,中间辊弯辊,中间辊窜辊,工作辊弯辊四个机构组成,可消除的板形缺陷为浪形中的一次、二次和四次项组分,如何对六辊CVC轧机可控平直度进行准确评价,是本领域亟待解决的技术问题。
发明内容
本发明目的是提供一种评价六辊CVC轧机可控平直度的方法,对实际浪形进行分析,得出实际浪形中的一次、二次和四次组分,分别对其进行评价,最后以百分制形成综合评价,直观的告诉轧机技术人员目前板形轧机存在多大程度的可控板形缺陷没有进行消除,得分越低,板形越差,得分越高板形越好,解决背景技术中存在的上述问题。
本发明的技术方案是:一种评价六辊CVC轧机可控平直度的方法,具体步骤如下:
①带钢的板形数据由板形仪辊进行测量,送入到PCM(脉冲编码器)控制单元,PCM单元再经过TCP/IP通道送入板形控制系统中,板形控制系统为ibaLogic系统,ibaLogic系统再将板形控制的结果送入到主线PLC中的FM458机架控制器中,进行机架倾斜、弯辊以及窜辊的控制;
②使用ibaLogic系统和生产线的FM458(FM458是一种工艺CPU,需要安装的400机架上)系统留有的16个空余数据作为端口,将数据送入到FM458系统,再由FM458系统将数据送入到生产线可编程序控制器S7-400(一种可编程序控制器代号)系统中去;
③将可编程序控制器S7-400系统中的数据转换为标准TCP协议传到板形分析模块中,在板形分析模块中完成板形平直度评价工作;
④平直度评价工作步骤如下:
1)板形缺陷中的一次板形缺陷、二次板形缺陷、四次板形缺陷利用BP神经网络算法,拟合出当前板形缺陷:
P(X)=AP1(X)+BP2(X)+DP3(X)(1)
其中:(1)式中x为板宽,A、B、D为板形系数,P(X)为板形函数,单位为IU,P1、P2、P3为归一化的单边浪一次函数、双边浪二次函数,四分浪四次函数;系数A、B、D包含了板形缺陷中一次板形缺陷、二次板形缺陷、四次板形缺陷的组分,是一个0~1的小数;
2)记录当前断面的实际板形缺陷中缺陷的最大值。
MR=Max(RealDfect(x))(2)
RealDfect(x)是板形仪取到的实际板形缺陷,x是板宽,Max是取最大值的操作,MR当前断面中实际板形的最大值;
3)做如下定义:
A、板形缺陷中一次板形缺陷即左边浪或右边浪,在板形评分中占总分50%的比例;
B、板形缺陷中的中浪或双边浪,在板形评分中占总分30%的比例;
D、正反四分浪,在板形评分中占总分20%的比例;
4)10个IU的基础分,当某种板形类别存在时,以10个IU进行减分,该组分减完后按0分计算,不计负分;
CSi=Max(10-A*MR,0)*5
+Max(10-B*MR,0)*3
+Max(10-D*MR,0)*2(4)
式中CSi是当前断面的轧机可控缺陷得分,A、B、D是一次、二次、四次板形系数,MR板形缺陷的最大值;Max(a,b)是取a和b中最大值的操作;
5)按照下式计算通卷带钢的轧机可控缺陷得分
CSi是代表第i个断面的轧机可控缺陷得分,n代表通卷带钢取的断面样本数量;Score是整卷带钢的轧机可控缺陷得分;
最后以百分制形成综合评价,直观的告诉轧机技术人员目前板形轧机存在多大程度的可控板形缺陷没有进行消除,得分越低,板形越差,得分越高板形越好。
所述的BP神经网络算法具体步骤为:
A、通过给定已知板形缺陷作为输入,将一次板形缺陷、二次板形缺陷、四次板形缺陷的待定系数作为输出,训练输入和输出之间的BP神经网络权值;
B、控制神经网络训练过程中的学习系数,遍历一次训练样本动态改变一次学习系数,保证学习速度,克服BP神经网络学习速度慢的缺点,配合动态改变学习权动量;
C、实际板形数据作为输入,通过神经网络权向量计算转换为一次板形缺陷、二次板形缺陷、四次板形缺陷的系数,带入(1)式中得出拟合的当前板形缺陷。
本发明的有益效果:由于六辊CVC轧机可控的板形缺陷为单边浪、中浪或双边浪、正或反四分浪即一次板形缺陷,二次板形缺陷,四次板形缺陷,计算公式中仅考虑一次板形缺陷,二次板形缺陷和四次板形缺陷的系数,即本计算结果仅针对六辊CVC轧机可控的板形缺陷,忽略了实际板形中不在六辊CVC轧机控制范围内的板形缺陷,这使得板形评价得分的结果适应于六辊CVC轧机所轧制的实际板形。
本发明对实际浪形进行分析,得出实际浪形中的一次、二次和四次组分,分别对其进行评价。最后以百分制形成综合评价,直观的告诉轧机技术人员目前板形轧机存在多大程度的可控板形缺陷没有进行消除,得分越低,板形越差,得分越高板形越好。
具体实施方式
以下通过实施例对本发明做进一步说明。
一种评价六辊CVC轧机可控平直度的方法,具体步骤如下:
①带钢的板形数据由板形仪辊进行测量,送入到PCM控制单元,PCM单元再经过TCP/IP通道送入板形控制系统中,板形控制系统为ibaLogic系统,ibaLogic系统再将板形控制的结果(包括倾斜值、弯辊值、窜辊值等)送入到主线PLC中的FM458机架控制器中,进行机架倾斜、弯辊以及窜辊的控制;
②使用ibaLogic系统和生产线的FM458系统留有的16个空余数据作为端口,将数据送入到FM458系统,再由FM458系统将数据送入到生产线可编程序控制器S7-400系统中去;
③将可编程序控制器S7-400系统中的数据转换为标准TCP协议传到板形分析模块中,在板形分析模块中完成板形平直度评价工作;
④平直度评价工作步骤如下:
1)板形缺陷中的一次板形缺陷、二次板形缺陷、四次板形缺陷利用BP神经网络算法,拟合出当前板形缺陷:
P(X)=AP1(X)+BP2(X)+DP3(X)(1)
其中:(1)式中x为板宽,A、B、D为板形系数,P(X)为板形函数,单位为IU,P1、P2、P3为归一化的单边浪一次函数、双边浪二次函数,四分浪四次函数;系数A、B、D包含了板形缺陷中一次板形缺陷、二次板形缺陷、四次板形缺陷的组分,是一个0~1的小数;
BP神经网络算法具体步骤为:
A、通过给定已知板形缺陷作为输入,将一次板形缺陷、二次板形缺陷、四次板形缺陷的待定系数作为输出,训练输入和输出之间的BP神经网络权值;
B、控制神经网络训练过程中的学习系数,遍历一次训练样本动态改变一次学习系数,保证学习速度,克服BP神经网络学习速度慢的缺点,配合动态改变学习权动量;
C、实际板形数据作为输入,通过神经网络权向量计算转换为一次板形缺陷、二次板形缺陷、四次板形缺陷的系数,带入(1)式中得出拟合的当前板形缺陷;
2)记录当前断面的实际板形缺陷中缺陷的最大值。
MR=Max(RealDfect(x))(2)
RealDfect(x)是板形仪取到的实际板形缺陷,x是板宽,Max是取最大值的操作,MR当前断面中实际板形的最大值;
3)做如下定义:
A、板形缺陷中一次板形缺陷即左边浪或右边浪,在板形评分中占总分50%的比例;
(板形缺陷中一次板形缺陷即左边浪或右边浪控制难度较低,识别较为容易,调整该缺陷应该是操作工的基本能力,因此在板形评分中占总分50%的比例;)
B、板形缺陷中的中浪或双边浪,在板形评分中占总分30%的比例;
(板形缺陷中的中浪或双边浪有一定的控制难度,但识别较为容易,调整有一定难度,在板形评分中占总分30%的比例;)
D、正反四分浪,在板形评分中占总分20%的比例;
(正反四分浪控制难度较大,识别较为困难,调整难度较大,在板形评分中占总分20%的比例;)
4)10个IU的基础分,当某种板形类别存在时,以10个IU进行减分,该组分减完后按0分计算,不计负分;
CSi=Max(10-A*MR,0)*5
+Max(10-B*MR,0)*3
+Max(10-D*MR,0)*2(4)
式中CSi是当前断面的轧机可控缺陷得分,A、B、D是一次、二次、四次板形系数,MR板形缺陷的最大值;Max(a,b)是取a和b中最大值的操作;
5)按照下式计算通卷带钢的轧机可控缺陷得分
CSi是代表第i个断面的轧机可控缺陷得分,n代表通卷带钢取的断面样本数量;Score是整卷带钢的轧机可控缺陷得分;
最后以百分制形成综合评价,直观的告诉轧机技术人员目前板形轧机存在多大程度的可控板形缺陷没有进行消除,得分越低,板形越差,得分越高板形越好。
实施例一,以轧制的SPCC冷轧带钢为例,规格为1259*0.508mm。轧制到2325m时,A*MR=1.1IU,B*MR=0.33IU,D*MR=0.75IU,根据(4)式计算轧机当前断面得分是92分,累计得分84.5分。说明当前断面中轧机可消除的板形缺陷较少,板形的单边浪组分是主要问题,但轧机几乎不用调整可以稳定轧制。轧制总分偏低说明轧制带钢的前半部时,轧机状态没有调整到最佳位置。
实施例二,以轧制的SPCD冷轧带钢为例,规格为1167×0.5mm,轧制到3769m时,A*MR=0.8IU,B*MR=0.32IU,D*MR=1.72IU,根据(4)式计算轧机当前断面得分是91分,累计得分90分。说明当前断面中轧机可消除的板形缺陷较少,板形的正四分浪组分是主要问题,通过中间辊负窜和工作辊正弯可以消除,轧制总分与历史数据接近,说明轧机对于通卷带钢的控制良好。
Claims (2)
1.一种评价六辊CVC轧机可控平直度的方法,其特征在于具体步骤如下:
①带钢的板形数据由板形仪辊进行测量,送入到PCM控制单元,PCM单元再经过TCP/IP通道送入板形控制系统中,板形控制系统为ibaLogic系统,ibaLogic系统再将板形控制的结果送入到主线PLC中的FM458机架控制器中,进行机架倾斜、弯辊以及窜辊的控制;
②使用ibaLogic系统和生产线的FM458系统留有的16个空余数据作为端口,将数据送入到FM458系统,再由FM458系统将数据送入到生产线可编程序控制器系统中去;
③将可编程序控制器系统中的数据转换为标准TCP协议传到板形分析模块中,在板形分析模块中完成板形平直度评价工作;
④平直度评价工作步骤如下:
1)板形缺陷中的一次板形缺陷、二次板形缺陷、四次板形缺陷利用BP神经网络算法,拟合出当前板形缺陷:
P(X)=AP1(X)+BP2(X)+DP3(X)(1)
其中:(1)式中x为板宽,A、B、D为板形系数,P(X)为板形函数,单位为IU,P1、P2、P3为归一化的单边浪一次函数、双边浪二次函数,四分浪四次函数;系数A、B、D包含了板形缺陷中一次板形缺陷、二次板形缺陷、四次板形缺陷的组分,是一个0~1的小数;
2)记录当前断面的实际板形缺陷中缺陷的最大值:
MR=Max(RealDfect(x))(2)
RealDfect(x)是板形仪取到的实际板形缺陷,x是板宽,Max是取最大值的操作,MR当前断面中实际板形的最大值;
3)做如下定义:
A、板形缺陷中一次板形缺陷即左边浪或右边浪,在板形评分中占总分50%的比例;
B、板形缺陷中的中浪或双边浪,在板形评分中占总分30%的比例;
D、正反四分浪,在板形评分中占总分20%的比例;
4)10个IU的基础分,当某种板形类别存在时,以10个IU进行减分,该组分减完后按0分计算,不计负分;
CSi=Max(10-A*MR,0)*5
+Max(10-B*MR,0)*3
+Max(10-D*MR,0)*2
(4)
式中CSi是当前断面的轧机可控缺陷得分,A、B、D是一次、二次、四次板形系数,MR板形缺陷的最大值;Max(a,b)是取a和b中最大值的操作;
5)按照下式计算通卷带钢的轧机可控缺陷得分
CSi是代表第i个断面的轧机可控缺陷得分,n代表通卷带钢取的断面样本数量;Score是整卷带钢的轧机可控缺陷得分;
最后以百分制形成综合评价,直观的告诉轧机技术人员目前板形轧机存在多大程度的可控板形缺陷没有进行消除,得分越低,板形越差,得分越高板形越好。
2.根据权利要求1所述的一种评价六辊CVC轧机可控平直度的方法,其特征在于所述的BP神经网络算法具体步骤为:
A、通过给定已知板形缺陷作为输入,将一次板形缺陷、二次板形缺陷、四次板形缺陷的待定系数作为输出,训练输入和输出之间的BP神经网络权值;
B、控制神经网络训练过程中的学习系数,遍历一次训练样本动态改变一次学习系数,保证学习速度,克服BP神经网络学习速度慢的缺点,配合动态改变学习权动量;
C、实际板形数据作为输入,通过神经网络权向量计算转换为一次板形缺陷、二次板形缺陷、四次板形缺陷的系数,带入(1)式中得出拟合的当前板形缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410456585.8A CN104226695B (zh) | 2014-09-09 | 2014-09-09 | 一种评价六辊cvc轧机可控平直度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410456585.8A CN104226695B (zh) | 2014-09-09 | 2014-09-09 | 一种评价六辊cvc轧机可控平直度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104226695A CN104226695A (zh) | 2014-12-24 |
CN104226695B true CN104226695B (zh) | 2016-02-03 |
Family
ID=52216103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410456585.8A Expired - Fee Related CN104226695B (zh) | 2014-09-09 | 2014-09-09 | 一种评价六辊cvc轧机可控平直度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104226695B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104785535B (zh) * | 2015-01-30 | 2018-02-13 | 北京科技大学 | 一种基于模糊算法的冷轧平坦度质量判定方法 |
CN107442578A (zh) * | 2016-05-31 | 2017-12-08 | 本钢板材股份有限公司 | 一种冷轧超薄cvc板形控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2044910U (zh) * | 1989-03-14 | 1989-09-27 | 北京科技大学 | 轧辊 |
US6119500A (en) * | 1999-05-20 | 2000-09-19 | Danieli Corporation | Inverse symmetrical variable crown roll and associated method |
CN1439464A (zh) * | 2003-03-25 | 2003-09-03 | 鞍钢集团新钢铁有限责任公司 | 中薄板坯连铸连轧板形综合控制方法 |
CN1785545A (zh) * | 2005-07-29 | 2006-06-14 | 宝山钢铁股份有限公司 | 克服复合浪形的轧制方法 |
CN1887461A (zh) * | 2005-06-30 | 2007-01-03 | 宝山钢铁股份有限公司 | 冷连轧机板形扩展反馈闭环控制系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10039035A1 (de) * | 2000-08-10 | 2002-02-21 | Sms Demag Ag | Walzgerüst mit einem CVC-Walzenpaar |
-
2014
- 2014-09-09 CN CN201410456585.8A patent/CN104226695B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2044910U (zh) * | 1989-03-14 | 1989-09-27 | 北京科技大学 | 轧辊 |
US6119500A (en) * | 1999-05-20 | 2000-09-19 | Danieli Corporation | Inverse symmetrical variable crown roll and associated method |
CN1439464A (zh) * | 2003-03-25 | 2003-09-03 | 鞍钢集团新钢铁有限责任公司 | 中薄板坯连铸连轧板形综合控制方法 |
CN1887461A (zh) * | 2005-06-30 | 2007-01-03 | 宝山钢铁股份有限公司 | 冷连轧机板形扩展反馈闭环控制系统及方法 |
CN1785545A (zh) * | 2005-07-29 | 2006-06-14 | 宝山钢铁股份有限公司 | 克服复合浪形的轧制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104226695A (zh) | 2014-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102189117B (zh) | 基于横向性能检测的冷轧带钢平直度前馈控制方法 | |
CN102658297B (zh) | 一种改善换规格首块带钢板形质量的自学习方法 | |
CN104226695B (zh) | 一种评价六辊cvc轧机可控平直度的方法 | |
Wang et al. | Research and development trend of shape control for cold rolling strip | |
Alexander et al. | Forecasting VaR using analytic higher moments for GARCH processes | |
Bílková et al. | Application of the L-moment method when modelling the income distribution in the Czech Republic | |
CN104353675B (zh) | 一种平整机带头板形轧制参数的控制方法及平整机 | |
CN107122724A (zh) | 一种基于自适应滤波的传感器数据在线去噪的方法 | |
Raweesawat et al. | Explicit formulas of arl on double moving average control chart for monitoring process mean of zipinar (1) model with an excessive number of zeros | |
Jensen et al. | Inverse fractal statistics in turbulence and finance | |
CN104368607B (zh) | 一种适应cvc冷轧机组的在线记录、传递冷轧板形方法 | |
CN104346505B (zh) | 冷连轧轧机摩擦系数预测方法 | |
Zhao et al. | Measuring the uncertainty of coupling | |
CN102500624A (zh) | 一种冷轧带钢平直度的鲁棒优化控制系统及方法 | |
Chao et al. | Prediction of deformation resistance for hot rolled strip based on ANFIS | |
Ichiki et al. | Simple stochastic order-book model of swarm behavior in continuous double auction | |
CN104226696A (zh) | 一种在线防止冷轧带钢平整斜纹发生的方法 | |
Ioana et al. | Elements of Quality Analysis in Metallic Materials Production | |
Będowska-Sójka | Evaluating the accuracy of time-varying Beta. The evidence from Poland | |
CN103838147B (zh) | 用于分布式风电系统的双线性控制模型解析方法 | |
Heeg et al. | Modeling and control of plate thickness in hot rolling mills | |
Agboola et al. | Empirical determinants of Malaysia’s trade relation with Nigeria | |
Shim et al. | Intelligent controller design for the flatness control in a cold rolling process | |
Ivashchenko et al. | Rolling Process Decision Making Support System | |
Ferdinand et al. | Performance Comparison Between Facebook Prophet and SARIMA on Indonesian Stock |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160203 Termination date: 20200909 |
|
CF01 | Termination of patent right due to non-payment of annual fee |