CN108906892B - 一种基于自学习的可逆粗轧机轧件尾部跟踪方法 - Google Patents
一种基于自学习的可逆粗轧机轧件尾部跟踪方法 Download PDFInfo
- Publication number
- CN108906892B CN108906892B CN201810573738.5A CN201810573738A CN108906892B CN 108906892 B CN108906892 B CN 108906892B CN 201810573738 A CN201810573738 A CN 201810573738A CN 108906892 B CN108906892 B CN 108906892B
- Authority
- CN
- China
- Prior art keywords
- rolled piece
- tail portion
- self study
- rolled
- roughing mill
- 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.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/16—Control of thickness, width, diameter or other transverse dimensions
- B21B37/18—Automatic gauge control
Abstract
本发明提供一种基于自学习的可逆粗轧机轧件尾部跟踪方法,属于金属压力加工技术领域。该方法首先根据每道次轧机出口厚度、出口宽度、轧机速度及前滑值计算出轧件剩余未轧体积,然后根据轧机入口来料厚度和宽度计算出轧件剩余未轧长度,最后,通过对轧件剩余长度计算结果和轧件总体积进行自学习,提高轧件尾部剩余长度跟踪精度。本发明可在不依赖于金属检测仪的情况下,对轧件尾部长度进行精确的跟踪。
Description
技术领域
本发明涉及金属压力加工技术领域,特别是指一种基于自学习的可逆粗轧机轧件尾部跟踪方法。
背景技术
粗轧工序是轧制工艺重要的一个环节,经过可逆粗轧机多个道次的轧制,将铸锭轧制为较薄厚度的中间坯,送给精轧轧制或剪切为中厚板。目前,粗轧轧制过程为全自动轧制,实现了道次的自动切换,轧机的自动升降速,厚度的自动控制等。要实现全自动轧制,轧件的精确跟踪尤为重要,尤其是轧件尾部跟踪,轧机自动减速功能和弯辊力平衡切换逻辑都要用到轧件尾部跟踪。轧机自动减速功能需要根据轧件尾部跟踪位置来启动减速逻辑,如果减速过早,轧完剩余轧件则需要更多时间,如果减速过晚,轧件抛出距离会较长,增加下道次咬入时间,过早或过晚的减速,都会影响生产效率,进而影响产量。弯辊力要根据轧件尾部跟踪位置,在抛出轧机前,要从负弯力切换为平衡力,如果弯辊平衡力切换过早,尾部较长一段距离板形会变差,如果切换过晚,在轧件抛出瞬间,又会导致轧辊的擦伤。为了便于下道次轧件顺利进入轧机,目前粗轧机每道次都会增加压尾功能,使轧件尾部厚度更薄,压尾长度一般在0.5~2.0米。实现精确压尾功能的前提就是精确的轧件尾部跟踪。
目前,轧件尾部跟踪不能实现实时的精确测量,常见的做法就是在轧机前后辊道上配置金属检测仪表,包括热金属检测仪表和冷金属检测仪表,根据金属检测仪表的信号进行轧件尾部跟踪,但金属检测仪表布置是分散的,且间距较大,要实现精确地尾部跟踪有一定的困难,同时,金属检测仪表的可靠性不是太高,会受到外部信号的干扰,产生误信号,影响跟踪的判断,进而影响自动轧制逻辑,严重时还会发生生产事故,对设备或人员造成损伤。
在已有论文和专利方面,论文“热轧生产线的轧件跟踪”(电气传动,2009,39(8):7~10)阐述了一种常规跟踪方法,利用速度积分来计算长度,然后再利用金属检测仪表信号来修正计算长度,这种方式依赖于金属检测仪表的安装密度和信号可靠性,跟踪精度和系统稳定性较差。专利“一种提高热连轧生产时带钢头尾部宽度精度的方法”,发明一种通过热金属检测仪信号来启动跟踪逻辑,根据秒流量相等原则,由轧机出口轧件速度,出口轧件厚度和入口轧件厚度,计算入口轧件速度,再利用入口速度的积分来进行尾部跟踪,由于轧件出入口厚度和出口速度都存在偏差,导致计算的入口速度也存在偏差,进而影响了跟踪精度。跟踪的稳定性同样依赖于热金属检测仪表的可靠性,若产生误信号,也会影响跟踪精度。
发明内容
本发明要解决的技术问题是提供一种基于自学习的可逆粗轧机轧件尾部跟踪方法,该方法能够在不依赖金属检测仪的情况下,利用轧件体积相等原则及自学习技术,实现轧件尾部精确跟踪的目的。
该方法基于体积相等,利用轧制前后轧件体积相等的原理,能够不依赖金属检测仪对轧件尾部进行精确的跟踪,并通过自学习的算法,对跟踪结果进行自学习修正。
该方法包括步骤如下:
(1)在第一道次,以来料板坯厚度H、宽度W、长度L计算轧件总体积V;
(2)每道次轧制过程中,根据轧机出口厚度h1、出口宽度w1、轧机速度v、前滑值f,计算轧件已轧体积V1;
(3)根据步骤(1)中得到的轧件总体积V和步骤(2)中得到的已轧体积V1,计算未轧制体积V0,然后再根据轧机入口厚度h0、入口宽度w0,计算轧件尾部跟踪长度L0;
(4)每道次轧制完成之后,根据计算的已轧体积V1与轧件总体积V的偏差,对轧件总体积V进行修正自学习;
(5)根据轧机负荷继电器信号,对轧件尾部跟踪长度L0进行修正自学习。
其中,步骤(1)中轧件总体积V=HWL。
步骤(2)中轧件已轧体积V1=∫w1h1v(1+f)dt,
其中,轧机出口厚度h1=S0+(P-P0)/M,
式中,S0为轧机实际辊缝,P为实际轧制力,P0为零调轧制力,M为轧机刚度;
出口宽度
式中,Sw为宽展系数;
前滑值f=(aε+b)1/2-C,
式中,ε为当前道次轧件变形率,a、b、C为经验常数。
宽展系数
式中,c为常数,Lc为轧辊与轧件接触弧长,其中,R为轧辊工作半径,Δh为厚度压下量。
步骤(3)中轧件尾部跟踪长度
式中,β为尾部跟踪自学习修正量。
步骤(4)中按下式对轧件总体积V进行修正自学习:
Vn+1=Vn+α1(V1-Vn)
式中,Vn+1为下道次轧件总体积,Vn为当前道次轧件总体积,α1为自学习系数。
步骤(5)中通过尾部跟踪自学习修正量β对轧件尾部跟踪长度L0进行修正自学习,具体按下式对尾部跟踪自学习修正量β进行修正自学习:
β=βn-1+α2(-L0′)
式中,βn-1为上一道次尾部跟踪自学习修正量,α2为自学习系数,L0’为轧机抛出瞬间轧件尾部跟踪长度。
该方法用于钢铁轧制的可逆粗轧机或有色金属轧制的可逆粗轧机。
本发明的上述技术方案的有益效果如下:
本发明所述方法对轧件尾部跟踪更精准,系统可靠性更高。前滑值和宽展的预计算跟实际情况会有一定的偏差,但是通过轧件体积的自学习和跟踪长度的自学习,能够把计算误差消除掉,从而增加了尾部跟踪精度。且该方法不依赖于金属检测仪表,不仅提高了跟踪系统的稳定性,而且还减少了检测仪表的日常维护工作。该方法实现简单,可逆粗轧机在不增加任何硬件的前提下即可以实现,成本低,效果明显。
附图说明
图1为本发明的基于自学习的可逆粗轧机轧件尾部跟踪方法单道次轧制示意图;
图2为本发明基于自学习的可逆粗轧机轧件尾部跟踪方法算法控制流程图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明提供一种基于自学习的可逆粗轧机轧件尾部跟踪方法,如图1和图2所示,该方法步骤如下:
(1)在第一道次,以来料板坯厚度H、宽度W、长度L计算轧件总体积V;
(2)每道次轧制过程中,根据轧机出口厚度h1、出口宽度w1、轧机速度v、前滑值f,计算轧件已轧体积V1;
(3)根据步骤(1)中得到的轧件总体积V和步骤(2)中得到的已轧体积V1,计算未轧制体积V0,然后再根据轧机入口厚度h0、入口宽度w0,计算轧件尾部跟踪长度L0;
(4)每道次轧制完成之后,根据计算的已轧体积V1与轧件总体积V的偏差,对轧件总体积V进行修正自学习;
(5)根据轧机负荷继电器信号,对轧件尾部跟踪长度L0进行修正自学习。
下面结合具体实施例予以说明。
该方案在某铝厂可逆粗轧机上实施,该厂粗轧机前后都布置有冷金属检测仪表,下文中称冷检,机前冷检与轧机距离为8.4m,机后冷检与轧机距离为7.0m,粗轧总轧制道次数为16,铸锭厚度530.0mm,铸锭宽度1300.0mm,铸锭长度6000.0mm。
实施例1
一种基于自学习的可逆粗轧机轧件尾部跟踪方法,具体实施步骤如下:
步骤一:在第一道次,以来料板坯厚度H,宽度W,长度L计算轧件总体积V:
V=HWL
步骤二:每道次轧制过程中,根据轧机出口厚度h1,出口宽度w1,轧机速度v,前滑值f,计算轧件已轧体积V1:
V1=∫w1h1v(1+f)dt
步骤三:根据轧件总体积V,已轧体积V1,计算未轧制体积V0,然后再根据轧机入口厚度h0,入口宽度w0,计算轧件尾部跟踪长度L0:
其中,β为尾部跟踪自学习修正量。
步骤四:每道次轧制结束,对轧件体积进行自学习修正:
Vn+1=Vn+α1(V1-Vn)
其中,Vn+1下道次轧件总体积,Vn为当前道次轧件总体积,α1为自学习系数,取值为0.15。
步骤五:每道次轧制结束,对尾部跟踪长度进行自学习修正:
β=βn-1+α2(-L0′)
其中,β为下道次尾部跟踪自学习修正量,βn-1为当前道次尾部跟踪自学习修正量,α2为自学习系数,取值为0.1,L0’为轧机抛出瞬间轧件尾部跟踪长度。
该轧机采用上述尾部跟踪方法之后,每道次跟踪误差在±0.7m范围内,有效的提高了尾部跟踪精度和系统稳定性。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于自学习的可逆粗轧机轧件尾部跟踪方法,其特征在于:包括步骤如下:
(1)在第一道次,以来料板坯厚度H、宽度W、长度L计算轧件总体积V;
(2)每道次轧制过程中,根据轧机出口厚度h1、出口宽度w1、轧机速度v、前滑值f,计算轧件已轧体积V1;
(3)根据步骤(1)中得到的轧件总体积V和步骤(2)中得到的已轧体积V1,计算未轧制体积V0,然后再根据轧机入口厚度h0、入口宽度w0,计算轧件尾部跟踪长度L0;
(4)每道次轧制完成之后,根据计算的已轧体积V1与轧件总体积V的偏差,对轧件总体积V进行修正自学习;
(5)根据轧机负荷继电器信号,对轧件尾部跟踪长度L0进行修正自学习。
2.根据权利要求1所述的基于自学习的可逆粗轧机轧件尾部跟踪方法,其特征在于:所述步骤(1)中轧件总体积V=HWL。
3.根据权利要求1所述的基于自学习的可逆粗轧机轧件尾部跟踪方法,其特征在于:所述步骤(2)中轧件已轧体积V1=∫w1h1v(1+f)dt,
其中,轧机出口厚度h1=S0+(P-P0)/M,
式中,S0为轧机实际辊缝,P为实际轧制力,P0为零调轧制力,M为轧机刚度;
出口宽度
式中,Sw为宽展系数;
前滑值f=(aε+b)1/2-C,
式中,ε为当前道次轧件变形率,a、b、C为经验常数。
4.根据权利要求3所述的基于自学习的可逆粗轧机轧件尾部跟踪方法,其特征在于:所述宽展系数
式中,c为常数,Lc为轧辊与轧件接触弧长,其中,R为轧辊工作半径,Δh为厚度压下量。
5.根据权利要求1所述的基于自学习的可逆粗轧机轧件尾部跟踪方法,其特征在于:所述步骤(3)中轧件尾部跟踪长度
式中,β为尾部跟踪自学习修正量。
6.根据权利要求1所述的基于自学习的可逆粗轧机轧件尾部跟踪方法,其特征在于:所述步骤(4)中按下式对轧件总体积V进行修正自学习:
Vn+1=Vn+α1(V1-Vn)
式中,Vn+1为下道次轧件总体积,Vn为当前道次轧件总体积,α1为自学习系数。
7.根据权利要求1所述的基于自学习的可逆粗轧机轧件尾部跟踪方法,其特征在于:所述步骤(5)中通过尾部跟踪自学习修正量β对轧件尾部跟踪长度L0进行修正自学习,具体按下式对尾部跟踪自学习修正量β进行修正自学习:
β=βn-1+α2(-L0′)
式中,βn-1为上一道次尾部跟踪自学习修正量,α2为自学习系数,L0’为轧机抛出瞬间轧件尾部跟踪长度。
8.根据权利要求1所述的基于自学习的可逆粗轧机轧件尾部跟踪方法,其特征在于:该方法用于钢铁轧制的可逆粗轧机或有色金属轧制的可逆粗轧机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573738.5A CN108906892B (zh) | 2018-06-06 | 2018-06-06 | 一种基于自学习的可逆粗轧机轧件尾部跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573738.5A CN108906892B (zh) | 2018-06-06 | 2018-06-06 | 一种基于自学习的可逆粗轧机轧件尾部跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108906892A CN108906892A (zh) | 2018-11-30 |
CN108906892B true CN108906892B (zh) | 2019-11-08 |
Family
ID=64418443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573738.5A Active CN108906892B (zh) | 2018-06-06 | 2018-06-06 | 一种基于自学习的可逆粗轧机轧件尾部跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108906892B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6943271B2 (ja) * | 2018-12-27 | 2021-09-29 | Jfeスチール株式会社 | 溶接点トラッキング修正方法及び溶接点トラッキング修正装置 |
CN110586658B (zh) * | 2019-09-27 | 2020-09-11 | 北京科技大学设计研究院有限公司 | 一种缩短可逆粗轧机轧制道次间隔时间的控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2981797B2 (ja) * | 1992-01-06 | 1999-11-22 | 新日本製鐵株式会社 | タンデム圧延機の走間スケジュール調整方法 |
CN102294362B (zh) * | 2010-06-25 | 2013-05-01 | 鞍钢股份有限公司 | 一种中厚板厚度精度控制方法 |
CN102284504B (zh) * | 2011-08-15 | 2013-06-05 | 唐山国丰钢铁有限公司 | 一种热轧线卷取跟踪丢失重建的控制方法 |
CN103372573B (zh) * | 2012-04-28 | 2015-12-09 | 宝山钢铁股份有限公司 | 一种热轧板坯映像可修正的跟踪控制方法 |
CN104759471B (zh) * | 2014-01-02 | 2017-01-11 | 上海梅山钢铁股份有限公司 | 一种热轧带钢跟踪信号的远程捕获方法 |
-
2018
- 2018-06-06 CN CN201810573738.5A patent/CN108906892B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108906892A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106475424B (zh) | 一种热轧带钢轧制跑偏的控制方法 | |
CN108906892B (zh) | 一种基于自学习的可逆粗轧机轧件尾部跟踪方法 | |
CN101745549B (zh) | 一种热连轧机带钢进钢温度的控制方法 | |
CN113000600A (zh) | 一种棒材全倍尺系统及控制方法 | |
CN108714629B (zh) | 一种热连轧卷取侧导板压力位置综合控制方法 | |
CN101905246A (zh) | 轧机动态变规格焊缝自动控制方法 | |
KR950001805B1 (ko) | 냉간압연에서의 에지드롭 제어방법 | |
US6766934B2 (en) | Method and apparatus for steering strip material | |
CN107321797A (zh) | 短流程esp精轧机组在线换辊方法 | |
CN102873105B (zh) | 矩形扁平材角轧宽度的预测方法 | |
CN105149678A (zh) | 一种冷轧圆盘剪挂边问题的预警方法 | |
CN104923568A (zh) | 一种防止薄带钢冷轧过程断带的控制方法 | |
CN106311762A (zh) | 提高热轧薄带轧制稳定性的负荷分配方法 | |
CN110586647B (zh) | 一种粗轧r1轧机无间歇轧制方法 | |
CN112958634A (zh) | 一种基于镰刀弯头部的精轧机架预调平方法 | |
CN114309087B (zh) | 一种精轧机组带钢尾部跑偏前馈连续控制方法 | |
CN108339857A (zh) | 一种轧制变厚板的板形调节方法 | |
CN107116101B (zh) | 一种控制精轧机组的方法及装置 | |
CN108057721B (zh) | 一种冷轧法生产铝合金板材时的板型控制方法 | |
CN110369515A (zh) | 一种铝热连轧机组薄板带的变规格穿带控制方法 | |
CN113275385A (zh) | 一种动态控制单机架轧机待轧位置的方法 | |
CN105772513B (zh) | 一种冷连轧极限厚度带钢的带头轧制方法 | |
CN110586663A (zh) | 一种减少热轧中间坯温降的生产方法 | |
CN110871216B (zh) | 一种防止小型热轧h型钢精轧机组卡钢的方法 | |
CN112024601B (zh) | 一种炉卷轧机带钢头部位置跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |