CN104346505A - 冷连轧轧机摩擦系数预测方法 - Google Patents

Abstract

本发明提供一种冷连轧轧机摩擦系数预测方法。本发明的方法包括：（1）相关数据的筛选：从摩擦系数的影响因素中找出影响摩擦系数的主要因素包括钢种级别、轧制速度、轧辊原始粗糙度、轧制公里数；（2）经验实绩摩擦系数的计算：（3）建立摩擦系数预测模型：（4）预测方法的建立：在获取到的轧制过程数据的基础上，针对不同钢种不同机架，把数据分为试验数据集和测试数据集两大部分，试验数据集用于拟合曲线建立新的计算公式，测试数据集用于测试验证计算结果，本发明采用Mathematica7.0数学分析工具对数据进行多变量回归分析。本发明的摩擦系数预测方法更能提高各机架设定精度。

Description

冷连轧轧机摩擦系数预测方法

  

技术领域：

本发明涉及一种冷连轧轧机摩擦系数预测方法，属于钢铁冶金技术领域。

背景技术：

轧制力设定是酸轧过程控制系统中最重要的控制参数之一，而摩擦系数是轧制力计算的重要参数，其预测的准确性直接关系到轧制力设定精度的高低。在冷连轧机高速轧制过程中摩擦系数的影响因素有：道次压下率、轧制速度、机架入出口厚度、带钢变形抗力、乳化液品质、流量、浓度、温度、轧辊粗糙度、轧制公里数等。而计算机过程控制系统中原有的摩擦系数计算公式如下：

        (1)

公式(1)中，是设定最大速度一般固定为1700mpm，是当前轧辊轧制的钢卷卷数，是当前机架的负荷压下率，~ 是可以调节的参数，事先设置在系统中其中设置为0。由于~ 参数的设置和最大速度的固化，公式的前后两部分都是固定的常数，因此摩擦系数的计算只与轧制的钢卷卷数有关。显然在光棍和毛辊两种不同的轧制方式下，轧辊即使轧制了同样的卷数，轧制的总长度和轧辊的磨损程度也是有很大的区别，尤其对于光辊轧制方式，上述摩擦系数的预测方法比较粗糙，势必会影响轧制力的计算精度，从而影响带钢厚度控制精度，甚至造成轧机启动断带。

发明内容：

本发明的目的是针对上述存在的问题提供一种冷连轧轧机摩擦系数预测方法，以实绩摩擦系数为参考的预测方法，有利于提高轧制力的设定精度和厚度控制精度，减少断带。

上述的目的通过以下的技术方案实现： 

冷连轧轧机摩擦系数预测方法，该方法包括以下步骤：

（1）相关数据的筛选：从摩擦系数的影响因素中找出影响摩擦系数的主要因素包括钢种级别、轧制速度、轧辊原始粗糙度、轧制公里数；

（2）经验实绩摩擦系数的计算：经验实绩摩擦系数根据轧制过程相关其它实绩数据利用轧制原理反算得到，计算方法如下：

                                                                 (2)

公式(2)中：即是采用轧制实绩数据反算得到的历史经验实绩摩擦系数；

是当前机架的实绩负荷；

是当前机架的压扁半径；

是当前机架下带钢实绩厚度；

是当前机架的实绩轧制力；

是当前机架下带钢的实绩宽度；

是当前机架下带钢的平均变形阻抗；

是当前机架下带钢的张力效应；

（3）建立摩擦系数预测模型： 

                       (3)

公式(3)中，函数和与轧辊原始粗糙度是线性函数关系，由此公式(3)可以细化为如下公式：

               (4)

公式(4)中，代表轧制公里数、代表轧辊原始粗糙度、代表轧制速度，、、、、、是待求的公式参数；

（4）预测方法的建立：在获取到的轧制过程数据的基础上，针对不同钢种不同机架，把数据分为试验数据集和测试数据集两大部分，试验数据集用于拟合曲线建立新的计算公式，测试数据集用于测试验证计算结果，本发明采用Mathematica 7.0 数学分析工具对数据进行多变量回归分析，其中曲线的拟合过程如下：

①划分训练数据的轧制周期，并选择轧制周期长，工况稳定的数据进行公式拟合，

②先进行轧制公里数和实绩摩擦系数的指数拟合：， 

③一个轧制周期为一个拟合结果，最终分别得到一组和的拟合系数，

④和与初始摩擦系数有关，分别与轧辊原始粗糙度做线性拟合： ，，即可得到公式(4)中的参数、、、，

⑤最后进行实绩摩擦系数与轧制速度的倒数的线性拟合，即可得到公式(4)中的参数、，

⑥最终组合得到摩擦系数新的计算公式(4)中的参数、、、、、，不同钢种不同机架拟合得到的摩擦系数计算公式的、、、、、共6个参数组成新的计算公式参数表，计算公式建立之后，在测试数据集上以轧制公里数、轧辊原始粗糙度和轧辊速度为公式(4)的输入，查取相应的参数组合并代入公式(4)，最终输出经过公式计算得到的摩擦系数。

附图说明：

图1是T4料各机架轧制力设定值平均精度；

图2是T5料各机架轧制力设定值平均精度。

具体实施方式：

冷连轧轧机摩擦系数预测方法，该方法包括以下步骤：

（1）相关数据的筛选：从摩擦系数的影响因素中找出影响摩擦系数的主要因素包括钢种级别、轧制速度、轧辊原始粗糙度、轧制公里数；

（2）经验实绩摩擦系数的计算：经验实绩摩擦系数根据轧制过程相关其它实绩数据利用轧制原理反算得到，计算方法如下：

                                                                 (2)

公式(2)中：即是采用轧制实绩数据反算得到的历史经验实绩摩擦系数；

是当前机架的实绩负荷；

是当前机架的压扁半径；

是当前机架下带钢实绩厚度；

是当前机架的实绩轧制力；

是当前机架下带钢的实绩宽度；

是当前机架下带钢的平均变形阻抗；

是当前机架下带钢的张力效应；

（3）建立摩擦系数预测模型： 

                       (3)

公式(3)中，函数和与轧辊原始粗糙度是线性函数关系，由此公式(3)可以细化为如下公式：

               (4)

公式(4)中，代表轧制公里数、代表轧辊原始粗糙度、代表轧制速度，、、、、、是待求的公式参数；

（4）预测方法的建立：在获取到的轧制过程数据的基础上，针对不同钢种不同机架，把数据分为试验数据集和测试数据集两大部分，试验数据集用于拟合曲线建立新的计算公式，测试数据集用于测试验证计算结果，本发明采用Mathematica 7.0 数学分析工具对数据进行多变量回归分析，其中曲线的拟合过程如下：

①划分训练数据的轧制周期，并选择轧制周期长，工况稳定的数据进行公式拟合，

②先进行轧制公里数和实绩摩擦系数的指数拟合：， 

③一个轧制周期为一个拟合结果，最终分别得到一组和的拟合系数，

④和与初始摩擦系数有关，分别与轧辊原始粗糙度做线性拟合： ，，即可得到公式(4)中的参数、、、，

⑤最后进行实绩摩擦系数与轧制速度的倒数的线性拟合，即可得到公式(4)中的参数、，

⑥最终组合得到摩擦系数新的计算公式(4)中的参数、、、、、，不同钢种不同机架拟合得到的摩擦系数计算公式的、、、、、共6个参数组成新的计算公式参数表，计算公式建立之后，在测试数据集上以轧制公里数、轧辊原始粗糙度和轧辊速度为公式(4)的输入，查取相应的参数组合并代入公式(4)，最终输出经过公式计算得到的摩擦系数。

试验案例： 

梅钢1420五机架六辊UCM 酸轧轧机过程控制系统中进行应用试验：

以T4料和T5料为例，1#~5#机架新的计算公式的参数表如表2所示，5个机架每个机架分别有6个参数。系统中新的摩擦系数预测方法通过查表方式获取相应参数代入新公式中即可得到不同钢种每个机架的摩擦系数的计算公式，计算公式根据实时的轧制公里数、轧辊粗糙度、轧制速度即可预测摩擦系数的大小。

表1  梅钢1420酸轧轧机设备参数 

 

序号	设备名称	参数
			1	工作辊尺寸mm	φ435/φ385X1420
2	中间辊尺寸mm	φ490/φ440X1400
			3	支撑辊尺寸mm	φ1300/φ1150×1420
4	电机功率kw	4600
			5	电机转速rpm	400/1200
6	中间辊窜辊量mm	0/380
			7	工作辊弯辊kn	-180/400
8	中间辊弯辊kn	10/500

表2  T4和T5料摩擦系数计算公式参数表

轧制力自学习系数的计算公式如下：

其中，是实绩轧制力，是设定轧制力。值的大小可以反映设定轧制力的计算精度，因此轧制力设定精度计算如下：

本发明摩擦系数新的预测方法和系统中原有的预测方法在同样的工况下对各机架轧制力设定值精度进行比较，为了便于比较采用平均值比较，其中T4和T5料的比较结果分别如图1和图2所示，两图中5个机架的两组数据，黑色柱状图表示的是新的预测方法得到的轧制力设定精度平均值，白色柱状图表示的是系统中原有的预测方法得到的轧制力设定精度平均值，从两图中可以看出两者相较，系统采用新的摩擦系数预测方法更能提高各机架设定精度。

Claims (1)

1.一种冷连轧轧机摩擦系数预测方法，其特征是：该方法包括以下步骤：

（1）相关数据的筛选：从摩擦系数的影响因素中找出影响摩擦系数的主要因素包括钢种级别、轧制速度、轧辊原始粗糙度、轧制公里数；

（2）经验实绩摩擦系数的计算：经验实绩摩擦系数根据轧制过程相关其它实绩数据利用轧制原理反算得到，计算方法如下：

                                                                 (2)

公式(2)中：即是采用轧制实绩数据反算得到的历史经验实绩摩擦系数；

是当前机架的实绩负荷；

是当前机架的压扁半径；

是当前机架下带钢实绩厚度；

是当前机架的实绩轧制力；

是当前机架下带钢的实绩宽度；

是当前机架下带钢的平均变形阻抗；

是当前机架下带钢的张力效应；

（3）建立摩擦系数预测模型： 

                       (3)

公式(3)中，函数和与轧辊原始粗糙度是线性函数关系，由此公式(3)可以细化为如下公式：

               (4)

公式(4)中，代表轧制公里数、代表轧辊原始粗糙度、代表轧制速度，、、、、、是待求的公式参数；

（4）预测方法的建立：在获取到的轧制过程数据的基础上，针对不同钢种不同机架，把数据分为试验数据集和测试数据集两大部分，试验数据集用于拟合曲线建立新的计算公式，测试数据集用于测试验证计算结果，本发明采用Mathematica 7.0 数学分析工具对数据进行多变量回归分析，其中曲线的拟合过程如下：

①划分训练数据的轧制周期，并选择轧制周期长，工况稳定的数据进行公式拟合，

②先进行轧制公里数和实绩摩擦系数的指数拟合：， 

③一个轧制周期为一个拟合结果，最终分别得到一组和的拟合系数，

④和与初始摩擦系数有关，分别与轧辊原始粗糙度做线性拟合： ，，即可得到公式(4)中的参数、、、，

⑤最后进行实绩摩擦系数与轧制速度的倒数的线性拟合，即可得到公式(4)中的参数、，

⑥最终组合得到摩擦系数新的计算公式(4)中的参数、、、、、，不同钢种不同机架拟合得到的摩擦系数计算公式的、、、、、共6个参数组成新的计算公式参数表，计算公式建立之后，在测试数据集上以轧制公里数、轧辊原始粗糙度和轧辊速度为公式(4)的输入，查取相应的参数组合并代入公式(4)，最终输出经过公式计算得到的摩擦系数。