CN110153196A - 一种厚板轧制翘扣头的控制方法 - Google Patents

Abstract

本发明公开了一种厚板轧制翘扣头的控制方法，通过翘扣头检测装置数据将轧制品种规格、道次、压下量、上下表面计算温度与翘扣头发生的时刻和特征进行大数据分析，得到与轧制品种规格相关的翘扣头发生规律，在控制上在轧制翘扣头发生前进行提前的预防干预，减小轧制翘扣头的发生概率以及对生产的影响。对干预后产生的效果再次进行测量反馈给计算机，并重新统计规律，循环式改进措施。可实现厚板轧制生产线对轧制翘扣头的系统性分析和预防性控制，属于基于数据积累的前馈式预先控制，并能够循环改进。此方法总结了翘扣头的规律，在大生产中可有效抑制翘扣头的发生概率。

Description

一种厚板轧制翘扣头的控制方法

技术领域

本发明热态轧制控制技术，更具体地说，涉及一种厚板轧制翘扣头的控制方法。

背景技术

翘扣头控制是钢铁行业热态轧制过程的常见问题，目前也有很多研究成果和相关的专利申请，通过查阅相关专利文献，综合分析如下：

一种是检测轧制翘扣头的装置类的专利，例如日本专利METHOD FOR DETECTINGWARPING ANGLE OF ROLLED STEEL PLATE<JP19820017994>，及中国专利热轧带钢翘扣头检测装置<ZL200920070471.4>，主要讲述了如果通过光学元件或机械元件检测出轧制钢板出轧机后的翘扣头特征，包括高度和长度及弯曲度，即检测出实时轧制翘扣头。

例如日本专利APPARATUS TO BE PROVIDED IN REVERSE ROLLING MILL TOPREVENT DOWNWARD WARPING,AND METHOD FOR PREVENTING DOWNWARD WARPING<JP20060150944>，主要讲述了通过可移动式类型辊护板的装置来防止钢板向下弯曲的，或是通过增设夹持辊，对弯曲的钢板头部或尾部进行处理。改善平直度，即在翘扣头发生后，通过非轧机主体设备改善翘扣头。

另一种是控制轧制翘扣头的方法类的专利，此类专利中也分两种方法，一种是轧制工艺方法，包括利用调节上下轧辊的速度差来改善翘扣头；通过调节加热炉温度控制上下表温差来改善翘扣头等。即，轧制翘扣头已经出现，通过工艺方法控制的方法，属于翘扣头产生机理的反应用。

另一种是通过温度检测或翘扣头检测结果，通过计算机控制当前参数来改善翘扣头。即，轧制翘扣头已经出现，并且由可靠仪器检测到了翘扣头的特征，然后通过计算机控制执行工艺控制参数(前一种的工艺方法)来改善继续轧制过程中的方法。如以下专利：

METHOD FOR SUPPRESSING NOSE WARPING OF MATERIAL TO BE ROLLED<JP2005254287(A)>；

METHOD FOR CORRECTING WARPING OF TIP OF ROLLED STOCK IN EXIT SIDE OFROLLING MILL<JP19830153617>；

一种防止带钢在热轧过程中出现头部弯曲的控制方法

<ZL200510110984.X>

粗轧轧制过程中带钢翘扣头检测控制装置及方法<ZL200910052973.9>。

如图1所示，厚板1在轧制过程中，受到上下表温度差别、上下辊接触变形区长度的差别、变形区内摩擦力上下不同的差别等因素影响会出现轧制的翘扣头问题，L为翘扣头长度，h为翘扣头高度，θ为翘扣头角度。现在经典轧制理论和生产经验对轧制翘扣头有较丰富的研究，控制工艺方法有：调节上下轧辊的速度控制变形区长度、调节轧制标高线控制变形区长度、通过除鳞水单独喷射控制上下表温度、调节加热方式控制上下表温度。

另外，现在各工厂所拥有的检测轧制翘扣头的装置主要有2类，CCD拍照类和机械触碰测量类。

通过上述分析，可以发现现有专利主要集中在轧制翘扣头发生后的检测和控制，为反馈式控制，并没有系统性分析和预测性的技术。在大生产中如果轧制翘扣头产生的概率很高，这种反馈式控制没有对翘扣头发生规律的总结，而仅仅是单次翘扣头事件的改善。

发明内容

针对现有技术中存在的上述缺陷，本发明的目的是提供一种厚板轧制翘扣头的控制方法，实现通过大数据对轧制翘扣头规律的掌握，并指导预测轧制翘扣头的发生，在发生前通过工艺参数调整减小轧制翘扣头的发生概率以及对生产的影响。

为实现上述目的，本发明采用如下技术方案：

一种厚板轧制翘扣头的控制方法，包括以下步骤：

S1.轧制翘扣头测量数据收集及上传，具体如下：

采用红外摄像仪作为轧制翘扣头测量工具，对轧制出轧机的钢板头部和进入轧机的钢板尾部均进行拍照，取平均值作为钢板弯曲的表征值，并将红外摄像仪测量数据上传至数据库；

S2.钢板生产特性数据收集及上传，具体如下：

将道次相关翘扣头的信息纳入数据库并与数据库中测量数据相连接；

S3.数据库中大数据分析，具体如下：

按钢板品种规格分类，对钢板温度均匀性、压下率、扭矩、轧制上下辊速差过程因素特性进行分析，判断是否异常，并回归出最主要的前三位的影响因素；

S4.配置预干预解决方案，具体如下：

根据钢板品种规格过程因素特性对于出现翘扣头概率高的道次进行提前干预，利用工艺知识与数据规律相结合来制订解决方案，制成配置表；

S5.模型控制系统根据解决方案预干预，具体如下：

模型控制系统在原计算及取值的基础上，优先读取配置表，当配置表参数与计算参数不同时，采用配置表参数设定，配置表中不涉及的仍按原模型设定；

S6.轧制过程再跟踪及反馈循环，具体如下：

采用配置表解决方案实施的钢板将会有新的标记，对新标记钢板的翘扣头情况再次进行轧制翘扣测量及数据上传，并进行新的数据分析，待采样频率达到模型要求后再次进行大数据分析并筛选影响因素，根据新的影响因素进行优化配置表，不断循环改进。

所述的S1中的表征值，包括：弯曲据端部位置、弯曲高度和弯曲角度。

所述的S2中的道次相关翘扣头的信息，包括：钢板基本信息、道次信息和温度信息。

所述的S3中的按钢板品种规格分类，具体为：按钢级、规格按厚度按3mm每档，宽度按2500mm以下为一档，2500mm以上每500mm为一档，待温厚度按65为目标中线每10mm设定一档。

所述的S3中当同类产品达100块，同道次翘扣头程度相近达50次开始分析出影响因素，并回归出最主要的前三位的影响因素。

所述的S4中的配置表通过人工修改来作为系统模型的补充，配置参数主要是对应道次对速度参数的设定、除鳞道次的设定、上下辊速度差及作用长度进行设定。

在上述的技术方案中，本发明所提供的一种厚板轧制翘扣头的控制方法，通过翘扣头检测装置数据将轧制品种规格、道次、压下量、上下表面计算温度与翘扣头发生的时刻和特征进行大数据分析，得到与轧制品种规格相关的翘扣头发生规律，在控制上在轧制翘扣头发生前进行提前的预防干预，减小轧制翘扣头的发生概率以及对生产的影响。对干预后产生的效果再次进行测量反馈给计算机，并重新统计规律，循环式改进措施。可实现厚板轧制生产线对轧制翘扣头的系统性分析和预防性控制，属于基于数据积累的前馈式预先控制，并能够循环改进。此方法总结了翘扣头的规律，在大生产中可有效抑制翘扣头的发生概率。

附图说明

图1是钢板翘扣头的示意图；

图2是本发明流程的示意图；

图3是本发明红外摄像仪拍摄时的示意图；

图4是本发明模型优化系统优化的流程图；

图5是本发明温度拟合数据分析示意图；

图6是本发明扭矩最大发生位置统计图。

具体实施方式

下面结合附图和实施例进一步说明本发明的技术方案。

请结合图2至图6所示，本发明所提供的一种厚板轧制翘扣头的控制方法，包括以下步骤：

S1.轧制翘扣头测量数据收集及上传，具体如下：

采用红外摄像仪作为轧制翘扣头测量工具，因厚板轧机轧制为可逆轧制，非轧制首道次和末道次，轧件头部均会2次经过红外摄像仪。即作为测量装置的红外摄像仪对轧制出轧机的钢板头部和进入轧机的钢板尾部均进行拍照(图3中箭头方向为红外摄像仪的拍摄方向)，取平均值作为钢板弯曲的表征值，包括弯曲据端部位置、弯曲高度和弯曲角度，并将红外摄像仪测量数据上传至数据库。

S2.钢板生产特性数据收集及上传，具体如下：

将道次相关翘扣头的信息纳入数据库并与数据库中测量数据相连接。如下表所列：

S3.数据库中大数据分析，具体如下：

最初汇总几个月的数据用于分类和分析，按钢板品种规格分类，按钢级、规格按厚度按3mm每档，宽度按2500mm以下为一档，2500mm以上每500mm为一档，待温厚度按65为目标中线每10mm设定一档。当同类产品达100块，同道次翘扣头程度相近达50次开始分析出影响因素，并回归出最主要的前三位的影响因素。

数据分析方法主要考虑，钢板温度均匀性、压下率、扭矩、轧制上下辊速差等过程因素特性是否异常，是否对翘扣头结果产生负责。正常规律下表温度高，则钢板容易发生翘头，上辊辊速快，则钢板容易发生扣头。如附图4所示，为温度均匀性分析，X轴为时间轴，标记板坯出炉到轧制结束离开生产线，上、下表温度、心部温度、温度计测量温度的分布情况。当发生翘扣头时，关联发生翘扣头时刻温度的分布，并判断温度差别是否为造成翘扣头的主因素。

如附图5所示，为扭矩峰值分析，X轴为轧制长度，Y轴为扭矩达到极值的频率，代表了某规格某道次扭矩极值与轧制长度的关系。一般发生翘扣头时刻的扭矩在平稳轧制过程中是最大的，用此方法可以推算翘扣头发生的位置，为预控制定位轧制长度信息。

S4.配置预干预解决方案，具体如下：

工艺工程师根据钢板品种规格过程因素特性对于出现翘扣头概率高的道次进行提前干预，利用工艺知识与数据规律相结合来制订解决方案。

配置表通过人工修改来作为系统模型的补充，可实时修改。配置参数主要是对应道次对速度参数的设定、除鳞道次的设定、上下辊速度差及作用长度进行设定。

S5.模型控制系统根据解决方案预干预，具体如下：

模型控制系统在原计算及取值的基础上，优先读取配置表，当配置表参数与计算参数不同时，采用配置表参数设定，配置表中不涉及的仍按原模型设定；

S6.轧制过程再跟踪及反馈循环，具体如下：

采用配置表解决方案实施的钢板将会有新的标记，对新标记钢板的翘扣头情况再次进行轧制翘扣测量及数据上传，并进行新的数据分析，待采样频率达到模型要求后再次进行大数据分析并筛选影响因素，根据新的影响因素进行优化配置表，不断循环改进。

采用本发明统计了100块钢板生产，轧制钢板第一道次扣头概率达到了98％，扣头高度平均-16mm(大于200mm厚时的扣头标准为-8mm，认定为扣头)。综合数据发现板坯在加热炉内上表温度普遍高于下表，故造成轧制过程上表易于变形，发生下扣；工艺人员配置了解决方案：第一道次调整下辊辊速较上辊辊速为1.02，作用长度为1m。执行后统计100块钢板第一道次扣头的概率42％，平均扣头高度-6mm，效果明显。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (6)

1.一种厚板轧制翘扣头的控制方法，其特征在于，包括以下步骤：

S1.轧制翘扣头测量数据收集及上传，具体如下：

采用红外摄像仪作为轧制翘扣头测量工具，对轧制出轧机的钢板头部和进入轧机的钢板尾部均进行拍照，取平均值作为钢板弯曲的表征值，并将红外摄像仪测量数据上传至数据库；

S2.钢板生产特性数据收集及上传，具体如下：

将道次相关翘扣头的信息纳入数据库并与数据库中测量数据相连接；

S3.数据库中大数据分析，具体如下：

按钢板品种规格分类，对钢板温度均匀性、压下率、扭矩、轧制上下辊速差过程因素特性进行分析，判断是否异常，并回归出最主要的前三位的影响因素；

S4.配置预干预解决方案，具体如下：

根据钢板品种规格过程因素特性对于出现翘扣头概率高的道次进行提前干预，利用工艺知识与数据规律相结合来制订解决方案，制成配置表；

S5.模型控制系统根据解决方案预干预，具体如下：

模型控制系统在原计算及取值的基础上，优先读取配置表，当配置表参数与计算参数不同时，采用配置表参数设定，配置表中不涉及的仍按原模型设定；

S6.轧制过程再跟踪及反馈循环，具体如下：

采用配置表解决方案实施的钢板将会有新的标记，对新标记钢板的翘扣头情况再次进行轧制翘扣测量及数据上传，并进行新的数据分析，待采样频率达到模型要求后再次进行大数据分析并筛选影响因素，根据新的影响因素进行优化配置表，不断循环改进。

2.如权利要求1所述的一种厚板轧制翘扣头的控制方法，其特征在于：所述的S1中的表征值，包括：弯曲据端部位置、弯曲高度和弯曲角度。

3.如权利要求1所述的一种厚板轧制翘扣头的控制方法，其特征在于：所述的S2中的道次相关翘扣头的信息，包括：钢板基本信息、道次信息和温度信息。

4.如权利要求1所述的一种厚板轧制翘扣头的控制方法，其特征在于：所述的S3中的按钢板品种规格分类，具体为：按钢级、规格按厚度按3mm每档，宽度按2500mm以下为一档，2500mm以上每500mm为一档，待温厚度按65为目标中线每10mm设定一档。

5.如权利要求1所述的一种厚板轧制翘扣头的控制方法，其特征在于：所述的S3中当同类产品达100块，同道次翘扣头程度相近达50次开始分析出影响因素，并回归出最主要的前三位的影响因素。

6.如权利要求1所述的一种厚板轧制翘扣头的控制方法，其特征在于：所述的S4中的配置表通过人工修改来作为系统模型的补充，配置参数主要是对应道次对速度参数的设定、除鳞道次的设定、上下辊速度差及作用长度进行设定。