CN107766606B - 提升二次冷轧机组直喷系统乳化液工艺润滑性能的方法 - Google Patents

Abstract

一种提升二次冷轧机组直喷系统乳化液工艺润滑性能的方法，它包括以下由计算机执行的步骤：(A)构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型；(B)收集二次冷轧机组主要设备工艺、轧制油理化性能与摩擦特性参数；(C)计算带钢表面乳化液浓度析出效率时间影响系数λ_t和浓度影响系数λ_C、乳化液流量剩余效率时间影响系数δ_t和流量影响系数δ_Q的最优值；(D)将各影响系数的最优值代入步骤(A)的计算模型；(E)收集待生产带钢的预设定工艺参数；(F)计算二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)。本发明提升直喷系统乳化液工艺润滑性能，在相同轧制油消耗量的前提下，实现二次冷轧机组最佳润滑性能和最小轧制压力。

Description

提升二次冷轧机组直喷系统乳化液工艺润滑性能的方法

技术领域

本发明属于冷轧技术领域，特别涉及一种提升二次冷轧机组直喷系统乳化液工艺润滑性能的方法。

背景技术

二次冷轧是在一次冷轧材经退火后，将带钢进一步压下减薄，以提高材料的硬度和强度。在二次冷轧机组的生产过程中，带钢在第一机架进行轧制压下，实现带钢的厚度减薄，满足产品的厚度要求，在第二机架进行平整，实现带钢板形、表面粗糙度的控制，保证最终的产品质量。二次冷轧机组生产的带钢具有规格薄、强度高的特点，因此，在二次冷轧机组第一机架采用直喷系统进行乳化液工艺润滑。二次冷轧机组生产过程中，乳化液通过直喷系统的喷嘴喷射在带钢表面，并在带钢表面析出一层润滑油膜，实现二次冷轧机组的轧制润滑。

二次冷轧机组直喷系统的工艺润滑性能主要由乳化液流量与浓度决定，随着乳化液流量与浓度的增加，在带钢表面析出的油膜厚度增加，轧制润滑性能提高，轧制压力降低。但是，乳化液流量与浓度的提高与润滑性能的提升是非线性关系，在相同轧制油消耗量的前提下，如果乳化液流量与浓度设定不合理，将会导致二次冷轧机组轧制过程轧制压力升高，前滑增加，影响机组的轧制稳定性与带钢的表面质量，并且增加轧制过程中的功率消耗。以往，对于二次冷轧机组乳化液工艺润滑参数的设定主要考虑的是满足轧制稳定性与带钢表面质量，并没有最大程度的发挥直喷系统乳化液工艺润滑性能，造成了轧制过程中出现轧制压力偏高，功率消耗浪费现象。因此，通过优化乳化液的流量与浓度参数，实现在相同轧制油消耗的情况下，最大程度提升二次冷轧机组直喷系统乳化液工艺润滑性能，对于二次冷轧过程产品质量的进一步提升以及生产过程功耗的降低具有重要意义。

发明内容

本发明的目的在于提供一种能够提升直喷系统乳化液工艺润滑性能、降低轧制压力与生产过程中的功率消耗的提升二次冷轧机组直喷系统乳化液工艺润滑性能的方法。

本发明包括以下由计算机执行的步骤：

(A)构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型：

式中，ξ_p为带钢表面析出的油膜厚度；Q为乳化液流量；C为乳化液浓度；L为乳化液喷嘴到轧机辊缝距离、V_S为带钢入口轧制速度；B为带钢宽度；η_C为乳化液浓度析出效率；η_Q为乳化液流量剩余效率；λ_t为乳化液浓度析出效率时间影响系数；λ_C为乳化液浓度析出效率浓度影响系数；δ_t为乳化液流量剩余效率时间影响系数；δ_Q为乳化液流量剩余效率流量影响系数。

(B)收集二次冷轧机组主要设备工艺参数、轧制油理化性能参数与摩擦特性参数，包括：工作辊半径R、工作辊弹性模量E、工作辊泊松比ν、乳化液喷嘴到轧机辊缝距离L、轧制油动力粘度η₀、压力粘度系数θ、液体润滑摩擦影响系数a、边界润滑摩擦影响系数b、摩擦系数衰减指数B_ξ。

(C)采用Powell优化算法，计算带钢表面析出油膜厚度模型中乳化液浓度析出效率时间影响系数λ_t、乳化液浓度析出效率浓度影响系数λ_C、乳化液流量剩余效率时间影响系数δ_t、乳化液流量剩余效率流量影响系数δ_Q的最优值，具体包括以下步骤：

C1)收集二次冷轧机组现场已生产的N组带钢的生产工艺参数，包括：乳化液流量Q_i、乳化液浓度C_i、带钢入口轧制速度V_Si、工作辊线速度V_Ri、带钢宽度B_i、带钢入口厚度H_i、带钢出口厚度h_i、压下量Δh_i、轧制咬入角α_i、带钢后张应力σ_0i、带钢前张应力σ_1i、带钢变形抗力K_i、轧制压力实测值P_mi、i为带钢组数编号，i＝1,2,L,N；

C2)定义析出油膜厚度影响系数数组X＝{λ_t,λ_C,δ_t,δ_Q}，初始化X₀＝{λ_t0,λ_C0,δ_t0,δ_Q0}及其搜索步长ΔX＝{Δλ_t,Δλ_C,Δδ_t,Δδ_Q}；

C3)按照步骤(A)构造的模型计算已生产N组带钢表面析出的油膜厚度ξ_pi：

C4)计算已生产N组带钢在轧制变形区形成的油膜厚度ξ_i：

C5)计算已生产N组带钢在轧制变形区的摩擦系数μ_i：

μ_i＝a+bexp(B_ξξ_i)

C6)采用Hill公式，计算已生产N组带钢的轧制压力计算值P_i：

式中，Q_f为外摩擦影响系数；R_y为工作辊弹性压扁半径；σ为等效张应力。

C7)计算析出油膜厚度影响系数优化目标函数G(X)：

式中，

为权重系数，

C8)判断Powell条件是否成立？若成立，则转入步骤C9)；若不成立，则更新数组X及其搜索步长ΔX，转入步骤C3)；

C9)输出优化目标函数最小值对应的析出油膜厚度影响系数数组最优值X_y＝{λ_ty,λ_Cy,δ_ty,δ_Qy}。

(D)将带钢表面析出油膜厚度模型中各影响系数的最优值λ_ty、λ_Cy、δ_ty、δ_Qy代入步骤(A)所构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型：

(E)收集二次冷轧机组待生产带钢的预设定工艺参数，包括：带钢入口轧制速度V_S、工作辊线速度V_R、带钢宽度B、带钢入口厚度H、带钢出口厚度h、压下量Δh、轧制咬入角α、带钢后张应力σ₀、带钢前张力σ₁、带钢变形抗力K、轧制油消耗量设定值W。

(F)计算二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)，包括以下步骤：

F1)收集二次冷轧机组乳化液流量的最小值Q_min、乳化液流量的最大值Q_max、乳化液浓度的最小值C_min、乳化液浓度的最大值C_max；

F2)初始化轧制压力最小值P_y＝1000ton；

F3)定义乳化液流量优化步长ΔQ、优化步数j，并初始化j＝0；

F4)计算此时乳化液流量Q_j与浓度C_j：

F5)判断C_min≤C_j≤C_max是否成立？若成立，则转入步骤F6)；若不成立，则转入步骤F11)；

F6)根据步骤(D)优化后的油膜厚度模型，计算带钢表面析出油膜厚度ξ_pj：

F7)计算此时轧制变形区形成的油膜厚度ξ_j：

F8)计算此时带钢在轧制变形区的摩擦系数μ_j：

μ_j＝a+bexp(B_ξξ_j)

F9)采用Hill公式，计算此时带钢的轧制压力P_j：

F10)判断P_j＜P_y是否成立？若成立，则令轧制压力最小值P_y＝P_j、对应的乳化液流量与浓度的最优组合(Q_y,C_y)＝(Q_j,C_j)，转入步骤F11)；若不成立，直接转入步骤F11)；

F11)判断Q_j≥Q_max是否成立？若成立，则转入步骤F12)；若不成立，则令j＝j+1，转入步骤F4)；

F12)输出二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)。

本发明与现有技术相比具有以下优点：

能够实现二次冷轧机组直喷系统乳化液工艺润滑性能的提升，在相同轧制油消耗量的前提下，通过优化出最优的乳化液流量与浓度组合，最大程度发挥二次冷轧机组直喷系统润滑性能，降低二次冷轧机组的轧制压力与生产过程中的功率消耗。

附图说明

图1是本发明的总计算流程图；

图2是本发明步骤(C)的流程图；

图3是本发明步骤(F)的流程图。

具体实施方式

实施例1：

以某二次冷轧机组为例，按照图1所示的提升二次冷轧机组直喷系统乳化液工艺润滑性能的方法的总计算流程图：

首先，在步骤(A)中，构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型：

随后，在步骤(B)中，收集二次冷轧机组主要设备工艺参数、轧制油理化性能参数与摩擦特性参数，包括：工作辊半径R＝170mm、工作辊弹性模量E＝210GPa、工作辊泊松比ν＝0.3、乳化液喷嘴到轧机辊缝距离L＝0.5m、轧制油动力粘度η₀＝0.02Pa·s、压力粘度系数θ＝0.01MPa^-1、液体润滑摩擦影响系数a＝0.0112、边界润滑摩擦影响系数b＝0.1256、摩擦系数衰减指数B_ξ＝-6.582。

随后，如图2所示，在步骤(C)中，采用Powell优化算法，计算带钢表面析出油膜厚度模型中乳化液浓度析出效率时间影响系数λ_t、乳化液浓度析出效率浓度影响系数λ_C、乳化液流量剩余效率时间影响系数δ_t、乳化液流量剩余效率流量影响系数δ_Q的最优值，具体包括以下步骤：

首先，在步骤C1)中，收集二次冷轧机组现场已生产的12组带钢的生产工艺参数，包括：乳化液流量Q_i＝{8.5，8.1，10.3，12.9，11.2，9.0，12.4，9.5，9.9，9.5，8.9，9.6}，单位为L/min；乳化液浓度

C_i＝{3.5％，5.0％，4.8％，4.3％，6.3％，7.5％，4.5％，5.8％，7.3％，5.5％，2.7％，4.3}；带钢入口轧制速度V_Si＝{371，650，635，560，455，580，826，653，498，653，791，450}，单位为m/min；工作辊线速度V_Ri＝{432，743，794，675，577，715，949，733，588，733，871，543}，单位为m/min；带钢宽度B_i＝{870，921，876，920，968，841，987，928，939，928，870，925}，单位为mm；带钢入口厚度H_i＝{0.186，0.238，0.240，0.315，0.230，0.251，0.308，0.326，0.200，0.326，0.268，0.273}，单位为mm；带钢出口厚度h_i＝{0.151，0.201，0.191，0.256，0.170，0.184，0.253，0.264，0.160，0.264，0.235，0.225}，单位为mm；压下量

Δh_i＝{0.035，0.037，0.049，0.059，0.060，0.067，0.055，0.062，0.04，0.062，0.033，0.048}，单位为mm；轧制咬入角α_i＝{0.01，0.01，0.012，0.013，0.013，0.014，0.013，0.014，0.011，0.014，0.010，0.012}、带钢后张应力σ_0i＝{100，96，88，102，108，89，96，89，123，89，98，83}，单位为MPa；带钢前张力σ_1i＝{150，130，124，126，166，125，133，161，166，161，145，116}，单位为MPa；带钢变形抗力K_i＝{430，400，410，412，450，395，413，405，430，405，425，395}，单位为MPa；轧制压力实测值P_mi＝{285，294，299，316，320，256，336，293，262，293，318，251}，单位为ton；i为带钢组数编号，i＝1,2,L,12；

随后，在步骤C2)中，定义析出油膜厚度影响系数数组X＝{λ_t,λ_C,δ_t,δ_Q}，初始化X₀＝{1.0,1.0,1.0,1.0}及其搜索步长ΔX＝{0.1,0.1,0.1,0.1}；

随后，在步骤C3)中，按照步骤(A)构造的模型计算已生产12组带钢表面析出的油膜厚度ξ_pi：

随后，在步骤C4)中，计算已生产12组带钢在轧制变形区形成的油膜厚度ξ_i：

随后，在步骤C5)中，计算已生产12组带钢在轧制变形区的摩擦系数μ_i：

μ_i＝0.0112+0.1256exp(-6.582·ξ_i)

随后，在步骤C6)中，采用Hill公式，计算已生产12组带钢的轧制压力计算值P_i：

随后，在步骤C7)中，选取权重系数

计算析出油膜厚度影响系数优化目标函数G(X)：

随后，在步骤C8)中，判断Powell条件成立，则转入步骤C9)；

随后，在步骤C9)中，输出优化目标函数最小值对应的析出油膜厚度影响系数数组最优值X_y＝{λ_ty,λ_Cy,δ_ty,δ_Qy}＝{582.4,2.358,24.51,0.594}。

随后，在步骤(D)中，将带钢表面析出油膜厚度模型中各影响系数的最优值λ_ty、λ_Cy、δ_ty、δ_Qy代入步骤(A)所构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型：

随后，在步骤(E)中，收集二次冷轧机组待生产带钢的预设定工艺参数，包括：带钢入口轧制速度V_S＝480m/min、工作辊线速度V_R＝570m/min、带钢宽度B＝910mm、带钢入口厚度H＝0.280mm、带钢出口厚度h＝0.196mm、压下量Δh＝0.084mm、轧制咬入角α＝0.016、带钢后张应力σ₀＝100MPa、带钢前张力σ₁＝130MPa、带钢变形抗力K＝430MPa、轧制油消耗量设定值W＝0.56L/min。

随后，如图3所示，在步骤(F)中，计算二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)，包括以下步骤：

首先，在步骤F1)中，收集二次冷轧机组乳化液流量的最小值Q_min＝6.0L/min、乳化液流量的最大值Q_max＝20.0L/min、乳化液浓度的最小值C_min＝1.0％、乳化液浓度的最大值C_max＝15.0％；

随后，在步骤F2)中，初始化轧制压力最小值P_y＝1000ton；

随后，在步骤F3)中，定义乳化液流量优化步长ΔQ＝0.1L/min、优化步数j，并初始化j＝0；

随后，在步骤F4)中，计算此时乳化液流量Q_j与浓度C_j：

随后，在步骤F5)中，判断C_min≤C_j≤C_max成立，则转入步骤F6)；

随后，在步骤F6)中，根据步骤(D)优化后的油膜厚度模型，计算带钢表面析出油膜厚度ξ_pj：

随后，在步骤F7)中，计算此时轧制变形区形成的油膜厚度ξ_j：

随后，在步骤F8)中，计算此时带钢在轧制变形区的摩擦系数μ_j：

μ_j＝a+b exp(B_ξξ_j)

随后，在步骤F9)中，采用Hill公式，计算此时带钢的轧制压力P_j：

随后，在步骤F10)中，判断P_j＜P_y成立，则令轧制压力最小值P_y＝P_j、对应的乳化液流量与浓度的最优组合(Q_y,C_y)＝(Q_j,C_j)，转入步骤F11)

经计算，最终轧制压力最小值P_y＝330.9ton，对应的乳化液流量与浓度的最优组合(Q_y,C_y)＝(7.1,7.9％)；

随后，在步骤F11)中，判断Q_j≥Q_max成立，则转入步骤F12)；

随后，在步骤F12)中，输出二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)＝(7.1,7.9％)。

如表1所示，可以看出，在保证在相同轧制油消耗量前提下，通过优化二次冷轧机组乳化液流量与浓度的最优组合，实现轧制压力从347.8ton降低到330.9ton，有效提升二次冷轧机组直喷系统乳化液工艺润滑性能并降低轧制压力，最大程度的发挥二次冷轧机组直喷乳化液工艺润滑性能。

表1实施例1中带钢在乳化液工艺润滑性能优化前后轧制压力对比

实施例2：

以某二次冷轧机组为例，首先，在步骤(A)中，构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型：

随后，在步骤(B)中，收集二次冷轧机组主要设备工艺参数、轧制油理化性能参数与摩擦特性参数，包括：工作辊半径R＝170mm、工作辊弹性模量E＝210GPa、工作辊泊松比ν＝0.3、乳化液喷嘴到轧机辊缝距离L＝0.5m、轧制油动力粘度η₀＝0.02Pa·s、压力粘度系数θ＝0.01MPa^-1、液体润滑摩擦影响系数a＝0.0112、边界润滑摩擦影响系数b＝0.1256、摩擦系数衰减指数B_ξ＝-6.582。

随后，在步骤(C)中，采用Powell优化算法，计算带钢表面析出油膜厚度模型中乳化液浓度析出效率时间影响系数λ_t、乳化液浓度析出效率浓度影响系数λ_C、乳化液流量剩余效率时间影响系数δ_t、乳化液流量剩余效率流量影响系数δ_Q的最优值，具体包括以下步骤：

首先，在步骤C1)中，收集二次冷轧机组现场已生产的10组带钢的生产工艺参数，包括：乳化液流量Q_i＝{10.2，9.3，10.8，10.5，10.9，8.9，9.9，10.6，8.8，9.7}，单位为L/min；乳化液浓度C_i＝{5.8％，6.0％，7.6％，5.8％，9.1％，10.0％，7.8％，2.9％，6.5％，4.8％}；带钢入口轧制速度V_Si＝{617，646，490，410，273，590，570，595，359，425}，单位为m/min；工作辊线速度V_Ri＝{750，762，606，471，392，735，691，710，436，491}，单位为m/min；带钢宽度B_i＝{928，921，996，963，963，996，895，874，868，850}，单位为mm；带钢入口厚度H_i＝{0.194，0.231，0.26，0.312，0.245，0.212，0.286，0.256，0.250，0.180}，单位为mm；带钢出口厚度h_i＝{0.149，0.170，0.221，0.259，0.159，0.159，0.224，0.205，0.212，0.153}，单位为mm；压下量Δh_i＝{0.045，0.061，0.039，0.053，0.086，0.053，0.062，0.051，0.038，0.027}，单位为mm；轧制咬入角α_i＝{0.012，0.013，0.011，0.012，0.016，0.012，0.014，0.012，0.011，0.009}、带钢后张应力σ_0i＝{101，102，108，100，106，103，93，83，92，95}，单位为MPa；带钢前张力σ_1i＝{168，163，134，162，198，139，119，126，123，135}，单位为MPa；带钢变形抗力K_i＝{410，400，450，405，480，460，425，385，385，405}，单位为MPa；轧制压力实测值P_mi＝{333，279，325，258，365，358，286，239，258，314}，单位为ton；i为带钢组数编号，i＝1,2,L,10；

随后，在步骤C2)中，定义析出油膜厚度影响系数数组X＝{λ_t,λ_C,δ_t,δ_Q}，初始化X₀＝{1.0,1.0,1.0,1.0}及其搜索步长ΔX＝{0.1,0.1,0.1,0.1}；

随后，在步骤C3)中，按照步骤(A)构造的模型计算已生产10组带钢表面析出的油膜厚度ξ_pi：

随后，在步骤C4)中，计算已生产10组带钢在轧制变形区形成的油膜厚度ξ_i：

随后，在步骤C5)中，计算已生产10组带钢在轧制变形区的摩擦系数μ_i：

μ_i＝0.0112+0.1256exp(-6.582·ξ_i)

随后，在步骤C6)中，采用Hill公式，计算已生产10组带钢的轧制压力计算值P_i：

随后，在步骤C7)中，选取权重系数

计算析出油膜厚度影响系数优化目标函数G(X)：

随后，在步骤C8)中，判断Powell条件成立，则转入步骤C9)；

随后，在步骤C9)中，输出优化目标函数最小值对应的析出油膜厚度影响系数数组最优值X_y＝{λ_ty,λ_Cy,δ_ty,δ_Qy}＝{475.6,1.892,19.63,0.479}。

随后，在步骤(D)中，将带钢表面析出油膜厚度模型中各影响系数的最优值λ_ty、λ_Cy、δ_ty、δ_Qy代入步骤(A)所构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型：

随后，在步骤(E)中，收集二次冷轧机组待生产带钢的预设定工艺参数，包括：带钢入口轧制速度V_S＝420m/min、工作辊线速度V_R＝500m/min、带钢宽度B＝960mm、带钢入口厚度H＝0.320mm、带钢出口厚度h＝0.256mm、压下量Δh＝0.064mm、轧制咬入角α＝0.014、带钢后张应力σ₀＝98MPa、带钢前张力σ₁＝125MPa、带钢变形抗力K＝400MPa、轧制油消耗量设定值W＝0.52L/min。

随后，在步骤(F)中，计算二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)，包括以下步骤：

首先，在步骤F1)中，收集二次冷轧机组乳化液流量的最小值Q_min＝6.0L/min、乳化液流量的最大值Q_max＝20.0L/min、乳化液浓度的最小值C_min＝1.0％、乳化液浓度的最大值C_max＝15.0％；

随后，在步骤F2)中，初始化轧制压力最小值P_y＝1000ton；

随后，在步骤F3)中，定义乳化液流量优化步长ΔQ＝0.1L/min、优化步数j，并初始化j＝0；

随后，在步骤F4)中，计算此时乳化液流量Q_j与浓度C_j：

随后，在步骤F5)中，判断C_min≤C_j≤C_max成立，则转入步骤F6)；

随后，在步骤F6)中，根据步骤(D)优化后的油膜厚度模型，计算带钢表面析出油膜厚度ξ_pj：

随后，在步骤F7)中，计算此时轧制变形区形成的油膜厚度ξ_j：

随后，在步骤F8)中，计算此时带钢在轧制变形区的摩擦系数μ_j：

μ_j＝a+b exp(B_ξξ_j)

随后，在步骤F9)中，采用Hill公式，计算此时带钢的轧制压力P_j：

随后，在步骤F10)中，判断P_j＜P_y成立，则令轧制压力最小值P_y＝P_j、对应的乳化液流量与浓度的最优组合(Q_y,C_y)＝(Q_j,C_j)，转入步骤F11)；

经计算，最终轧制压力最小值P_y＝312.7ton，对应的乳化液流量与浓度的最优组合(Q_y,C_y)＝(6.6,7.9％)；

随后，在步骤F11)中，判断Q_j≥Q_max成立，则转入步骤F12)；

随后，在步骤F12)中，输出二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)＝(6.6,7.9％)。

通过表2可以看出，在保证在相同轧制油消耗量前提下，通过优化二次冷轧机组乳化液流量与浓度的最优组合，实现轧制压力从339.1ton降低到312.7ton，有效提升二次冷轧机组直喷系统乳化液工艺润滑性能并降低轧制压力，最大程度的发挥二次冷轧机组直喷乳化液工艺润滑性能。

表2实施例2中带钢在乳化液工艺润滑性能优化前后轧制压力对比

Claims (1)

1.一种提升二次冷轧机组直喷系统乳化液工艺润滑性能的方法，其特征在于：它包括以下由计算机执行的步骤：

(A)构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型：

式中，ξ_p为带钢表面析出的油膜厚度；Q为乳化液流量；C为乳化液浓度；L为乳化液喷嘴到轧机辊缝距离、V_S为带钢入口轧制速度；B为带钢宽度；η_C为乳化液浓度析出效率；η_Q为乳化液流量剩余效率；λ_t为乳化液浓度析出效率时间影响系数；λ_C为乳化液浓度析出效率浓度影响系数；δ_t为乳化液流量剩余效率时间影响系数；δ_Q为乳化液流量剩余效率流量影响系数；

(B)收集二次冷轧机组主要设备工艺参数、轧制油理化性能参数与摩擦特性参数，包括：工作辊半径R、工作辊弹性模量E、工作辊泊松比ν、乳化液喷嘴到轧机辊缝距离L、轧制油动力粘度η₀、压力粘度系数θ、液体润滑摩擦影响系数a、边界润滑摩擦影响系数b、摩擦系数衰减指数B_ξ；

(C)采用Powell优化算法，计算带钢表面析出油膜厚度模型中乳化液浓度析出效率时间影响系数λ_t、乳化液浓度析出效率浓度影响系数λ_C、乳化液流量剩余效率时间影响系数δ_t、乳化液流量剩余效率流量影响系数δ_Q的最优值，具体包括以下步骤：

C1)收集二次冷轧机组现场已生产的N组带钢的生产工艺参数，包括：乳化液流量Q_i、乳化液浓度C_i、带钢入口轧制速度V_Si、工作辊线速度V_Ri、带钢宽度B_i、带钢入口厚度H_i、带钢出口厚度h_i、压下量Δh_i、轧制咬入角α_i、带钢后张应力σ_0i、带钢前张应力σ_1i、带钢变形抗力K_i、轧制压力实测值P_mi、i为带钢组数编号，i＝1,2，……，N；

C2)定义析出油膜厚度影响系数数组X＝{λ_t,λ_C,δ_t,δ_Q}，初始化X₀＝{λ_t0,λ_C0,δ_t0,δ_Q0}及其搜索步长ΔX＝{Δλ_t,Δλ_C,Δδ_t,Δδ_Q}；

C3)按照步骤(A)构造的模型计算已生产N组带钢表面析出的油膜厚度ξ_pi：

C4)计算已生产N组带钢在轧制变形区形成的油膜厚度ξ_i：

C5)计算已生产N组带钢在轧制变形区的摩擦系数μ_i：

μ_i＝a+bexp(B_ξξ_i)

C6)采用Hill公式，计算已生产N组带钢的轧制压力计算值P_i：

式中，Q_f为外摩擦影响系数；R_y为工作辊弹性压扁半径；σ为等效张应力；

C7)计算析出油膜厚度影响系数优化目标函数G(X)：

式中，

为权重系数，

C8)判断Powell条件是否成立？若成立，则转入步骤C9)；若不成立，则更新数组X及其搜索步长ΔX，转入步骤C3)；

C9)输出优化目标函数最小值对应的析出油膜厚度影响系数数组最优值X_y＝{λ_ty,λ_Cy,δ_ty,δ_Qy}；

(D)将带钢表面析出油膜厚度模型中各影响系数的最优值λ_ty、λ_Cy、δ_ty、δ_Qy代入步骤(A)所构造二次冷轧机组乳化液在带钢表面析出油膜厚度的计算模型：

(E)收集二次冷轧机组待生产带钢的预设定工艺参数，包括：带钢入口轧制速度V_S、工作辊线速度V_R、带钢宽度B、带钢入口厚度H、带钢出口厚度h、压下量Δh、轧制咬入角α、带钢后张应力σ₀、带钢前张力σ₁、带钢变形抗力K、轧制油消耗量设定值W；

(F)计算二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)，具体包括以下步骤：

F1)收集二次冷轧机组乳化液流量的最小值Q_min、乳化液流量的最大值Q_max、乳化液浓度的最小值C_min、乳化液浓度的最大值C_max；

F2)初始化轧制压力最小值P_y＝1000ton；

F3)定义乳化液流量优化步长ΔQ、优化步数j，并初始化j＝0；

F4)计算此时乳化液流量Q_j与浓度C_j：

F5)判断C_min≤C_j≤C_max是否成立，若成立，则转入步骤F6)；若不成立，则转入步骤F11)；

F6)根据步骤(D)优化后的油膜厚度模型，计算带钢表面析出油膜厚度ξ_pj：

F7)计算此时轧制变形区形成的油膜厚度ξ_j：

F8)计算此时带钢在轧制变形区的摩擦系数μ_j：

μ_j＝a+bexp(B_ξξ_j)

F9)采用Hill公式，计算此时带钢的轧制压力P_j：

F10)判断P_j＜P_y是否成立，若成立，则令轧制压力最小值P_y＝P_j、对应的乳化液流量与浓度的最优组合(Q_y,C_y)＝(Q_j,C_j)，转入步骤F11)；若不成立，直接转入步骤F11)；

F11)判断Q_j≥Q_max是否成立，若成立，则转入步骤F12)；若不成立，则令j＝j+1，转入步骤F4)；

F12)输出二次冷轧机组最佳润滑性能对应的乳化液流量与浓度的最优组合(Q_y,C_y)。

Images