CN106345818A - 一种特殊用钢的板形控制方法 - Google Patents

Abstract

本发明公开了一种特殊用钢的板形控制方法，属于轧钢自动化控制技术领域。本发明根据实际生产及实验数据，通过带钢厚度与不同机架压下量及轧制力的对应关系，回归得到Φ函数库中各机架的初始值给定，结合精轧设定模型，确定各机架的Φ值进而确定各机架压下量；采集精轧出口的带钢厚度和板形凸度实际值，与设计的目标值进行对比，得到精轧出口带钢厚度偏差和板形的偏差，通过精轧设定模型的自学习功能，修正下一块板坯的η，保证目标厚度和板形良好。本发明提高了热轧带钢目标厚度命中率，尤其是保持了带钢良好板形，保证带钢平直度目标。

Description

一种特殊用钢的板形控制方法

技术领域

本发明涉及一种热轧特殊带钢板形的有效控制方法，属于轧钢自动化控制技术领域。

背景技术

板形是热轧带钢重要的外形质量指标，板形质量在相当程度上决定了带钢成品的质量。由于影响板形的因素众多，影响规律复杂，使得板形问题一直是热轧带钢领域的难点问题。近一段时期以来，受外部经济环境以及我国钢铁行业产能过剩的影响，用户对带钢的质量尤其是板形质量的要求不断提高，不仅对材料的组织和性能要求更高，对外形质量的要求也更加严格，板形问题在板形质量异议中占有相当大的比重。

板形控制的方法可以分两大类，即装备技术控制的方法和工艺控制的方法。最近几十年由于板形控制理论的发展比较缓慢，人们将板形控制的注意力主要集中在装备技术的研发方面。尽管如此，业内人士一直也没有放弃从轧制工艺方面来解决板形问题的努力，因为这是与投资新装备相比更加经济的方法。

专利申请号2010101062971中，描述了一种板带热连轧机组板形板厚在线协调控制方法，根据压下量调整量进行在线调控，可达到对板形板厚协调控制的目的，而在专利申请号2015100912045中，公开了一种基于函数的连轧机压下规程设定方法，根据建立典型规格的Φ函数库来进行压下规程的初始给定，该Φ函数库是根据现场实际数据经过今井一郎能耗的反函数计算而得，是经验数据通过数据层别表查询的另一种体现。

发明内容

本发明要解决的技术问题是提供一种特殊用钢的板形有效控制方法，解决轧制过程中板带残余应力不均导致的板形问题。特殊用钢板带轧制过程中，由于材质较硬，变形后残余应力不均以及材料对应力产生的反应不均都导致板形不好。

本发明在已有的热轧带钢压下规程设定模型基础上，根据某特钢热轧现场设备条件及实际生产及实验数据，通过带钢厚度与不同机架压下量及轧制力的对应关系，回归得到Φ函数库中各机架的初始值给定，进而提供一种特殊用钢的板形有效控制方法，包含如下步骤：

第一步，读取来料板坯数据(Pramary Data Input，简称PDI数据)，设备和压下模型相关参数，当带钢到达精轧入口及出口设置的高温计时提取温度实测值，为精轧设定模型计算做数据准备；

第二步，确定板坯所属材质(即钢种)及尺寸规格的各机架的Φ值；

Φ值给定计算公式为：

${\mathrm{\φ}}_i=\mathrm{\η}\×(A_0\·i^{C_0}+B_0)$

其中，i表示第i机架，Φ_i表示第i机架给定Φ值，A₀表示不同材质的常数，B₀、C₀为系数因子，η为自学习系数。

需要说明的是，给定系数因子B₀、C₀，是根据现有设备及生产要求，通过大量数据拟合出来，因此，根据机架数及设备能力的不同，可微量修正B₀、C₀。

第三步，根据各机架Φ值给定，确定各机架压下量，保证等比例凸度；

第四步，根据精轧模型计算精轧各机架速度、温度、活套角度等其他参数；

第五步，在精轧入口时刻，将精轧设定模型设定结果下发给一级基础自动化执行；

第六步，通过精轧出口多功能仪，采集精轧出口的带钢厚度和板形凸度实际值，与设计的目标值进行对比，得到精轧出口带钢厚度偏差和板形的偏差，通过精轧设定模型的自学习功能，修正下一块板坯的η，保证目标厚度和板形良好。

本发明通过对各机架Φ值给定的一种新方法，提高了热轧带钢目标厚度命中率，尤其是保持了带钢良好板形，实现了一种特殊用钢的板形有效控制方法，本发明与现有方法相比，有如下积极效果：

(1)在现有设备条件下，该方法提出了可对带钢压下分配策略，轧制力曲线平稳，避免了因压下分配不合理导致的带钢的残余应力不均，提高了产品性能。

(2)同一块钢Φ值给定计算获得公式，该方法能够满足不同材质规格的带钢高精度的压下分配给定，同一块钢的各机架Φ值给定曲线为幂函数，前4机架给定值区分明显，保证凸度目标，后4机架给定值递减趋势平缓，保证带钢平直度目标。

附图说明

图1为本发明的特殊用钢的板形控制方法流程图。

图2为实施例中各机架Φ值给定示意图。

具体实施方式

下面根据实施例和相应附图对本发明进一步说明。

本发明提供一种特殊用钢的板形控制方法，所述的特殊用钢为201或304不锈钢产品。如图1所示流程，具体包含如下步骤：

第一步，读取板坯PDI数据，设备和精轧设定模型相关参数，当带钢到达精轧入口及出口高温计时提取实测值，为精轧设定模型计算做数据准备；

板坯PDI数据包括板坯号、钢种、板坯规格、产品目标厚度、目标凸度、终轧目标温度和卷取目标温度。

模型参数主要包括各机架轧机刚度、尺寸等设备参数、模型自学习参数、模型系统参数等。

第二步，确定带钢材质和规格下对应的各机架的Φ值；

Φ值给定计算公式为：

${\mathrm{\φ}}_i=\mathrm{\η}\×(A_0\·i^{C_0}+B_0)$

其中，i表示第i机架；Φ_i表示第i机架给定Φ值；A₀表示不同材质的常数，初值取1.0，范围是0.6至1.5之间；B₀、C₀为系数因子；η为自学习系数，初值为1.0，调整范围在0.8至1.2之间。

需要说明的是，给定系数因子B₀、C₀，是根据现有设备及生产要求，通过大量现场经验数据根据数据图形拟合软件拟合出公式，因此，根据机架数及设备能力的不同，可微量修正B₀、C₀。

第三步，根据各机架Φ值给定，确定各机架压下量；

精轧设定模型负荷分配采用今井一郎提出的能耗分配方法确定各机架压下量：

$h_i=\frac{Hh}{{(h^m+{\mathrm{\Φ}}_i(H^m-h^m\left)\right)}^{\frac{1}{m}}}$

式中：H——坯料厚度；

h——成品厚度；

m——通过大量现场实测数据得出公式：

第四步，根据精轧模型计算精轧各机架速度、温度、活套角度等其他参数；

第五步，在精轧入口时刻，将精轧模型设定结果下发给一级基础自动化执行(所述的一级基础自动化是将二级下发的模型设定值执行，发送给设备运转)；

第六步，通过精轧出口多功能仪的数据采集，主要包括对带钢厚度和板凸度数据的采集。对比本块带钢精轧出口厚度目标值与实际值的偏差，对比板凸度目标值与实际值偏差，通过精轧设定模型自适应功能，修正下一块钢的设定参数，保证后续带钢的目标厚度和板形。

实施例

本发明以某特钢1700mm 8机架热轧生产线为例说明如下：

第一步，读取板坯PDI数据，板坯号SYKJ160918165，钢种J304，板坯规格220*1250*10000mm，粗轧轧制后的目标厚度为35mm，产品目标厚度为2.3mm，终轧目标温度1020℃，卷取目标温度750℃，读取设备常数和卷取温度模型相关参数，板坯到达精轧机前入口高温计实测值为1100℃，到达精轧出口高温计实测值为1021℃。

第二步，确定该材质规格的各机架的Φ值给定；

该材质的常数A₀为1.0，B₀取值为-0.8805、C₀取值为0.3037，则Φ值给定计算公式为：

Φ_i＝η×(1.0·i^0.3037-0.8805)

其中，i表示第i机架，η为自学习系数，初值取为1.0，如图2所示，

Φ₁＝0.1195；Φ₂＝0.3538；Φ₃＝0.5156；Φ₄＝0.6430；

Φ₅＝0.7498；Φ₆＝0.8427；Φ₇＝0.9252；Φ₈＝1.0；

第三步，根据各机架Φ值给定，确定各机架压下量h_i；

$h_i=\frac{Hh}{{(h^m+{\mathrm{\Φ}}_i(H^m-h^m\left)\right)}^{\frac{1}{m}}}$

式中，H＝35，h＝2.3，m＝0.401304；

根据压下量计算公式得出各机架的压下量值为：

h₁＝65.5520；h₂＝16.1485；h₃＝8.4489；h₄＝5.5888；

h₅＝4.1389；h₆＝3.2739；h₇＝2.7032；h₈＝2.3001；

第四步，根据精轧模型计算精轧各机架速度、温度、活套角度等其他参数；

第五步，通过精轧出口多功能仪的数据采集，本块带钢精轧出口厚度目标值与实际值的偏差在20μ范围内、板凸度目标值与实际值偏差在40I范围内，并且波动小，通过精轧设定模型自学习功能，修正下一块钢的精轧模型设定参数η，更高精度的保证后续带钢的目标厚度和板形。

采用本发明提供的同一块钢不同机架Φ值给定的一种板形有效控制方法，使得轧制力曲线平稳，避免了因压下分配不合理导致的带钢的残余应力不均，提高了热轧带钢厚度和板形良好的命中率。

以上实例描述了本发明的具体实施方式，但是应该理解的是，这里具体的描述不应该理解为对本发明的实质和范围的限定，本领域内的普通技术人员在阅读说明书后对上述实例做出的各种修改，都属于本发明所保护的范围。

Claims (5)

1.一种特殊用钢的板形控制方法，其特征在于：包含如下步骤，

第一步，读取来料板坯数据，设备和压下模型参数，当带钢到达精轧入口及出口设置的高温计时提取温度实测值，为精轧设定模型计算做数据准备；

第二步，确定板坯所属材质及尺寸规格的各机架的Φ值；

Φ值给定计算公式为：

${\mathrm{\φ}}_i=\mathrm{\η}\×(A_0\·i^{C_0}+B_0)$

其中，i表示第i机架，Φ_i表示第i机架给定Φ值，A₀表示不同材质的常数，B₀、C₀为系数因子，η为自学习系数；

第三步，根据各机架Φ值给定，确定各机架压下量，保证等比例凸度；

第四步，根据精轧模型计算精轧各机架速度、温度、活套角度参数；

第五步，在精轧入口时刻，将精轧设定模型设定结果下发给一级基础自动化执行；

第六步，精轧出口采集精轧出口的带钢厚度和板形凸度实际值，与设计的目标值进行对比，得到精轧出口带钢厚度偏差和板形的偏差，通过精轧设定模型的自学习功能，修正下一块板坯的η，保证目标厚度和板形良好。

2.根据权利要求1所述的一种特殊用钢的板形控制方法，其特征在于：板坯PDI数据包括板坯号、钢种、板坯规格、产品目标厚度、目标凸度、终轧目标温度和卷取目标温度；所述的设备和压下模型参数包括各机架轧机刚度、尺寸参数、模型自学习参数和模型系统参数。

3.根据权利要求1所述的一种特殊用钢的板形控制方法，其特征在于：所述的不同材质的常数A₀，初值取1.0，调整范围是0.6至1.5之间。

4.根据权利要求1所述的一种特殊用钢的板形控制方法，其特征在于：所述的自学习系数η的初值为1.0，调整范围在0.8至1.2之间。

5.根据权利要求1所述的一种特殊用钢的板形控制方法，其特征在于：所述的各机架压下量h_i采用今井一郎提出的能耗分配方法确定，

$h_i=\frac{Hh}{{\left(h^m+{\mathrm{\Φ}}_i\left(H^m-h^m\right)\right)}^{\frac{1}{m}}}$

式中：H为坯料厚度；h为成品厚度；m满足：