CN111159649A - 一种冷连轧机变规格风险预测方法 - Google Patents

一种冷连轧机变规格风险预测方法 Download PDF

Info

Publication number
CN111159649A
CN111159649A CN202010004551.0A CN202010004551A CN111159649A CN 111159649 A CN111159649 A CN 111159649A CN 202010004551 A CN202010004551 A CN 202010004551A CN 111159649 A CN111159649 A CN 111159649A
Authority
CN
China
Prior art keywords
rolling
strip steel
difference
roll gap
tension
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.)
Granted
Application number
CN202010004551.0A
Other languages
English (en)
Other versions
CN111159649B (zh
Inventor
孙文权
李立刚
张喜榜
何安瑞
荆丰伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
USTB Design and Research Institute Co Ltd
Original Assignee
University of Science and Technology Beijing USTB
USTB Design and Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB, USTB Design and Research Institute Co Ltd filed Critical University of Science and Technology Beijing USTB
Priority to CN202010004551.0A priority Critical patent/CN111159649B/zh
Publication of CN111159649A publication Critical patent/CN111159649A/zh
Application granted granted Critical
Publication of CN111159649B publication Critical patent/CN111159649B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

本发明提供一种冷连轧机变规格风险预测方法，能够提高风险预测的准确率。所述方法包括：获取带钢生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数；根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值；获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级。本发明涉及轧钢技术领域。

Description

一种冷连轧机变规格风险预测方法
技术领域
本发明涉及轧钢技术领域，特别是指一种冷连轧机变规格风险预测方法。
背景技术
冷轧产品相对于热轧产品附加值更高，产品质量要求更高。冷连轧生产过程中使用焊接工艺将热轧原料进行拼接，因此冷连轧普遍存在两方面问题：
一是热轧原料卷往往头尾存在板型不好、厚度不均等问题；
二是冷连轧规格参数不宜跳跃过大。
以上两点都可能导致上下两卷过渡时产生断带、轧辊损坏等故障。
通过采取一定的措施，上述第一个问题可以很好的解决，例如可以通过获取到热轧原料的板型厚度数据，进行实时预警。但是目前第二个问题较难解决，由于无法提前预知生产该产品时的轧机参数，现有技术中，操作人员只能按照产品原料规格、成品规格粗略估计是否存在变规格风险，但是，由于变规格轧制时存在不稳定因素，无法精准预测冷连轧机变规格风险。
发明内容
本发明要解决的技术问题是提供一种冷连轧机变规格风险预测方法，以解决现有技术所存在的无法精准预测冷连轧机变规格风险的问题。
为解决上述技术问题，本发明实施例提供一种冷连轧机变规格风险预测方法，包括：
获取带钢生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数；
根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值；
获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级。
进一步地，所述获取钢卷生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数包括：
获取钢卷生产过程中的历史数据；
利用获取的历史数据计算本卷带钢的轧制力；
根据历史数据中的实测轧制力与轧制力计算值，计算本卷带钢的轧制力模型自适应系数；
根据材料种类、宽度、成品厚度所属分档对对应分档的轧制力模型自适应系数进行修正，得到该分档新的轧制力模型自适应系数ZL。
进一步地，带钢轧制力的计算模型表示为：
Figure BDA0002354753520000021
Figure BDA0002354753520000022
其中，Pcal为计算得到的带钢轧制力；b为带钢宽度；kp为变形抗力；κ为张力影响系数；μ为摩擦系数；Dp为摩擦力影响系数；ZL为对应分档的轧制力模型自适应系数；R'为轧辊压扁半径；H为带钢入口厚度；h为带钢出口厚度；r为变形率。
进一步地，每计算一卷带钢采用指数平滑法对对应分档的轧制力模型自适应系数进行修正，修正后的轧制力模型自适应系数表示为：
ZL＝ZL-1+α(ZL-1-Z′L)
Z′L＝Pact/Pcal
其中，ZL为对应分档的轧制力模型自适应系数新值，ZL-1为对应分档的轧制力模型自适应系数旧值，α为平滑系数，Z′L为本卷带钢的轧制力模型自适应系数，Pact为本卷带钢实测轧制力，Pcal为本卷带钢轧制力计算值。
进一步地，所述根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值包括：
根据预设时间段内发生的变规格故障时带钢的历史轧制实绩中记录的实际速度、张力和辊缝，计算故障时前后两卷带钢同一机架对应的速度差、张力差和辊缝差；
统计故障时前后两卷带钢同一机架对应的速度差、张力差和辊缝差，得到判定变规格风险所需的各机架的速度差阈值、张力差阈值和辊缝差阈值。
进一步地，速度差表示为：
Figure BDA0002354753520000031
其中，△vi表示轧制前后两卷带钢的第i机架的速度差，v′i、v′i+1分别为轧制上一卷带钢时第i机架和第i+1机架的速度实际值；vi、vi+1分别为轧制本卷带钢时第i机架和第i+1机架的速度实际值。
进一步地，张力差表示为：
△Ti＝Ti-Ti′
其中，△Ti表示轧制前后两卷带钢的第i机架的张力差，Ti、Ti′分别为轧制本卷带钢、上一卷带钢时第i机架的张力实测值；
辊缝差表示为：
△Si＝Si-S′i
其中，△Si表示轧制前后两卷带钢的第i机架的辊缝差，Si、S′i分别为轧制本卷带钢、上一卷带钢时第i机架的辊缝实测值。
进一步地，所述获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级包括：
获取下发的轧制计划，根据获取的轧制计划以及对应分档的轧制力模型自适应系数，计算轧制每卷带钢每个机架对应的速度、张力和辊缝；
根据轧制顺序确定轧制前后两卷带钢的张力差、辊缝差和速度差，其中，所述张力差、辊缝差和速度差都为残差；
根据张力差、辊缝差和速度差分别所在的张力差阈值、辊缝差阈值和速度差阈值范围，确定各个残差的等级，将所有残差的最高风险等级作为卷钢的变规格风险等级。
进一步地，采用弹跳方程计算辊缝，所述弹跳方程表示为：
Figure BDA0002354753520000041
其中，S为计算得到的机架辊缝；S0为零调辊缝；h为带钢出口厚度；P0为零调轧制力；K为轧机刚度；Pcal为计算得到的带钢轧制力。
进一步地，在获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级之后，所述方法还包括：
将每卷带钢生产结束时的实测轧制力与轧制力计算值进行比较，根据偏差对对应分档的轧制力模型自适应系数进行修正。
本发明的上述技术方案的有益效果如下：
上述方案中，获取带钢生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数；根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值；获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级。这样，通过轧制计划中前后两卷带钢的速度差、张力差、辊缝差，预测带钢规格变化导致的轧制不稳定风险等级，能够提高风险预测的准确率。
附图说明
图1为本发明实施例提供的冷连轧机变规格风险预测方法的流程示意图；
图2为本发明实施例提供的冷连轧机变规格风险预测方法的详细流程示意图。
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。
本发明针对现有的无法精准预测冷连轧机变规格风险的问题，提供一种冷连轧机变规格风险预测方法。
如图1所示，本发明实施例提供的冷连轧机变规格风险预测方法，包括：
S101，模型离线训练：获取带钢生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数；
S102，统计获得阈值：根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值；
S103，变规格风险判定：获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级。
本发明实施例所述的冷连轧机变规格风险预测方法，获取带钢生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数；根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值；获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级。这样，通过轧制计划中前后两卷带钢的速度差、张力差、辊缝差，预测带钢规格变化导致的轧制不稳定风险等级，能够提高风险预测的准确率。
在前述冷连轧机变规格风险预测方法的具体实施方式中，进一步地，所述获取钢卷生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数包括：
A1，获取钢卷生产过程中的历史数据；
A2，利用获取的历史数据计算本卷带钢的轧制力；其中，带钢轧制力的计算模型表示为：
Figure BDA0002354753520000061
Figure BDA0002354753520000062
其中，Pcal为计算得到的带钢轧制力；b为带钢宽度(原料实际宽度)；kp为变形抗力；κ为张力影响系数；μ为摩擦系数；Dp为摩擦力影响系数；ZL为对应分档的轧制力模型自适应系数；R'为轧辊压扁半径；H为带钢入口厚度(原料实际厚度)；h为带钢出口厚度(成品厚度)；r为变形率；
A3，根据历史数据中的实测轧制力与轧制力计算值，计算本卷带钢的轧制力模型自适应系数；
Z′L＝Pact/Pcal
A4，每计算一卷带钢都需要采用指数平滑法对对应分档的轧制力模型自适应系数进行修正，修正后的轧制力模型自适应系数表示为：
ZL＝ZL-1+α(ZL-1-Z′L)
其中，ZL为对应分档的轧制力模型自适应系数新值，ZL-1为对应分档的轧制力模型自适应系数旧值，α为平滑系数，0<α<1，Z′L为本卷带钢的轧制力模型自适应系数，Pact为本卷带钢实测轧制力，Pcal为本卷带钢轧制力计算值。
在前述冷连轧机变规格风险预测方法的具体实施方式中，进一步地，所述根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值包括：
B1，根据预设时间段内(例如，近两年内)发生的变规格故障时带钢的历史轧制实绩中记录的实际速度、张力和辊缝，计算故障时前后两卷带钢同一机架对应的速度差、张力差和辊缝差；其中，
1)同一机架速度差表征带钢在前后两卷带钢过渡时，轧机速度变化程度，变化量越大，过渡风险越高，因此其对判定变规格风险至关重要，速度差表示为：
Figure BDA0002354753520000063
其中，△vi表示轧制前后两卷带钢的第i机架的速度差，v′i、v′i+1分别为轧制上一卷带钢时第i机架和第i+1机架的速度实际值；vi、vi+1分别为轧制本卷带钢时第i机架和第i+1机架的速度实际值，1＝<i<＝5；
2)张力差关系到两卷带钢切换时能否均匀变形，值过大很容易导致断带，张力差表示为：
△Ti＝Ti-Ti′
其中，△Ti表示轧制前后两卷带钢的第i机架的张力差，Ti、Ti′分别为轧制本卷带钢、上一卷带钢时第i机架的张力实测值；
3)辊缝差表征轧机在两卷带钢切换时的辊缝变化量，变化量越大，风险越大，辊缝差表示为：
△Si＝Si-S′i
其中，△Si表示轧制前后两卷带钢的第i机架的辊缝差，Si、S′i分别为轧制本卷带钢、上一卷带钢时第i机架的辊缝实测值；
本实施例中，每卷带钢按照1)、2)和3)，计算所有机架的轧制前后两卷带钢的同一机架的速度差、张力差和辊缝差。
B2，统计故障时前后两卷带钢同一机架对应的速度差、张力差和辊缝差，得到判定变规格风险所需的各机架的速度差阈值、张力差阈值和辊缝差阈值，部分阈值如表1所示：
表1部分阈值表
Figure BDA0002354753520000071
本实施例中，如表1所示，按照实际故障严重程度，设定D、C、B、A、四个危险等级的阈值，D为最高风险等级，对应最高风险，A为最低风险等级，对应最低风险；另外，还需说明的是：低于等级A表示没有风险，等级为N。
在前述冷连轧机变规格风险预测方法的具体实施方式中，进一步地，所述获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级包括：
C1，每次轧制计划下发后，获取下发的轧制计划，根据获取的轧制计划以及对应分档的轧制力模型自适应系数，计算轧制每卷带钢每个机架对应的速度、张力和辊缝；
本实施例中，速度根据变形率和带钢秒流量平衡公式计算；张力采用工艺给定的机架单位前后张力换算；辊缝需要根据轧制力计算，轧制力计算公式为上文的
Figure BDA0002354753520000081
在计算得到的轧制力基础上，可以根据弹跳方程计算辊缝，所述弹跳方程表示为：
Figure BDA0002354753520000082
其中，S为计算得到的机架辊缝；S0为零调辊缝；h为带钢出口厚度；P0为零调轧制力；K为轧机刚度；Pcal为计算得到的带钢轧制力，Pcal由带钢轧制力的计算模型计算。
本实施例中，步骤C1使用步骤A4得到的对应分档的轧制力模型自适应系数，计算轧制计划中所有带钢的轧制力；步骤C1计算轧制力时，理应使用当前在线轧辊的辊径，但是由于是提前预计算，如果后续换辊后将会导致计算失准，因此，需要对辊径进行记录和监控，如果后续换辊后，需要重新计算所有参数，以免换辊后导致预测失准。
C2，根据轧制顺序确定轧制前后两卷带钢的张力差、辊缝差和速度差，其中，所述张力差、辊缝差和速度差都为残差；
本实施例中，C2中的速度差、张力差、辊缝差的计算方法同步骤B1中的速度差、张力差、辊缝差的计算方法，区别在于步骤B1中使用的是实测值作差，C2使用过的是计算值作差。
C3，根据张力差、辊缝差和速度差分别所在的张力差阈值、辊缝差阈值和速度差阈值范围，确定各个残差的等级，将所有残差的最高风险等级作为卷钢的变规格风险等级,并将得到的卷钢的变规格风险等级输出到人机交互界面。
在前述冷连轧机变规格风险预测方法的具体实施方式中，进一步地，在获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级之后，如图2所示，所述方法还包括：
S104，模型自学习：将每卷带钢生产结束时的实测轧制力与轧制力计算值进行比较，根据偏差对对应分档的轧制力模型自适应系数进行修正，不断优化轧制力模型自适应系数，使轧制力模型能够不断修正外界不可控因素带来的误差，提高预测精度。
本实施例中，针对某厂2130mm冷连轧生产线经常出现断带、轧辊损坏等故障导致轧机故障停机问题，根据本发明提供的冷连轧机变规格风险预测方法，计算整个轧制计划中前后/相邻两卷带钢每个机架的张力差、辊缝差、速度差，表2列出了轧制计划中连续十卷带钢的前三机架对应的张力差、辊缝差、速度差：
表2张力差、辊缝差、速度差
Figure BDA0002354753520000091
如表2所示，前三卷带钢由于厚度分档不同，通过计算得到各个机架的残差明显较大，每卷带钢每个机架和表1中对应的阈值进行比较，最终得到该卷带钢的变规格风险等级，表3为前三卷带钢的风险等级：
表3预测变规格风险等级
Figure BDA0002354753520000101
通过近两个月离线预测，与实际发生断带等变规格故障的数据进行对比，预测风险准确率达到90％以上，充分说明本发明提供的冷连轧机变规格风险预测方法的实用性和准确性。
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 (10)

1.一种冷连轧机变规格风险预测方法，其特征在于，包括：
获取带钢生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数；
根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值；
获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级。
2.根据权利要求1所述的冷连轧机变规格风险预测方法，其特征在于，所述获取钢卷生产过程中的历史数据，对获取的历史数据进行离线处理，得到不同分档的轧制力模型自适应系数包括：
获取钢卷生产过程中的历史数据；
利用获取的历史数据计算本卷带钢的轧制力；
根据历史数据中的实测轧制力与轧制力计算值，计算本卷带钢的轧制力模型自适应系数；
根据材料种类、宽度、成品厚度所属分档对对应分档的轧制力模型自适应系数进行修正，得到该分档新的轧制力模型自适应系数ZL。
3.根据权利要求2所述的冷连轧机变规格风险预测方法，其特征在于，带钢轧制力的计算模型表示为：
Figure FDA0002354753510000011
Figure FDA0002354753510000012
其中，Pcal为计算得到的带钢轧制力；b为带钢宽度；kp为变形抗力；κ为张力影响系数；μ为摩擦系数；Dp为摩擦力影响系数；ZL为对应分档的轧制力模型自适应系数；R'为轧辊压扁半径；H为带钢入口厚度；h为带钢出口厚度；r为变形率。
4.根据权利要求3所述的冷连轧机变规格风险预测方法，其特征在于，每计算一卷带钢采用指数平滑法对对应分档的轧制力模型自适应系数进行修正，修正后的轧制力模型自适应系数表示为：
ZL＝ZL-1+α(ZL-1-Z′L)
Z′L＝Pact/Pcal
其中，ZL为对应分档的轧制力模型自适应系数新值，ZL-1为对应分档的轧制力模型自适应系数旧值，α为平滑系数，Z′L为本卷带钢的轧制力模型自适应系数，Pact为本卷带钢实测轧制力，Pcal为本卷带钢轧制力计算值。
5.根据权利要求1所述的冷连轧机变规格风险预测方法，其特征在于，所述根据预设时间段内发生的变规格故障时带钢的历史数据，采用统计法获得判定变规格风险所需的速度差阈值、张力差阈值以及辊缝差阈值包括：
根据预设时间段内发生的变规格故障时带钢的历史轧制实绩中记录的实际速度、张力和辊缝，计算故障时前后两卷带钢同一机架对应的速度差、张力差和辊缝差；
统计故障时前后两卷带钢同一机架对应的速度差、张力差和辊缝差，得到判定变规格风险所需的各机架的速度差阈值、张力差阈值和辊缝差阈值。
6.根据权利要求1所述的冷连轧机变规格风险预测方法，其特征在于，速度差表示为：
Figure FDA0002354753510000021
其中，△vi表示轧制前后两卷带钢的第i机架的速度差，v′i、v′i+1分别为轧制上一卷带钢时第i机架和第i+1机架的速度实际值；vi、vi+1分别为轧制本卷带钢时第i机架和第i+1机架的速度实际值。
7.根据权利要求1所述的冷连轧机变规格风险预测方法，其特征在于，张力差表示为：
△Ti＝Ti-T′i
其中，△Ti表示轧制前后两卷带钢的第i机架的张力差，Ti、T′i分别为轧制本卷带钢、上一卷带钢时第i机架的张力实测值；
辊缝差表示为：
△Si＝Si-S′i
其中，△Si表示轧制前后两卷带钢的第i机架的辊缝差，Si、S′i分别为轧制本卷带钢、上一卷带钢时第i机架的辊缝实测值。
8.根据权利要求1所述的冷连轧机变规格风险预测方法，其特征在于，所述获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级包括：
获取下发的轧制计划，根据获取的轧制计划以及对应分档的轧制力模型自适应系数，计算轧制每卷带钢每个机架对应的速度、张力和辊缝；
根据轧制顺序确定轧制前后两卷带钢的张力差、辊缝差和速度差，其中，所述张力差、辊缝差和速度差都为残差；
根据张力差、辊缝差和速度差分别所在的张力差阈值、辊缝差阈值和速度差阈值范围，确定各个残差的等级，将所有残差的最高风险等级作为卷钢的变规格风险等级。
9.根据权利要求1所述的冷连轧机变规格风险预测方法，其特征在于，采用弹跳方程计算辊缝，所述弹跳方程表示为：
Figure FDA0002354753510000031
其中，S为计算得到的机架辊缝；S0为零调辊缝；h为带钢出口厚度；P0为零调轧制力；K为轧机刚度；Pcal为计算得到的带钢轧制力。
10.根据权利要求1所述的冷连轧机变规格风险预测方法，其特征在于，在获取下发的轧制计划，根据轧制顺序以及对应分档的轧制力模型自适应系数，确定轧制前后两卷带钢的张力差、辊缝差和速度差，将得到的张力差、辊缝差和速度差分别和张力差阈值、辊缝差阈值和速度差阈值进行比较，根据比较结果判定带钢规格变化导致的轧制不稳定风险等级之后，所述方法还包括：
将每卷带钢生产结束时的实测轧制力与轧制力计算值进行比较，根据偏差对对应分档的轧制力模型自适应系数进行修正。
CN202010004551.0A 2020-01-03 2020-01-03 一种冷连轧机变规格风险预测方法 Active CN111159649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010004551.0A CN111159649B (zh) 2020-01-03 2020-01-03 一种冷连轧机变规格风险预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010004551.0A CN111159649B (zh) 2020-01-03 2020-01-03 一种冷连轧机变规格风险预测方法

Publications (2)

Publication Number Publication Date
CN111159649A true CN111159649A (zh) 2020-05-15
CN111159649B CN111159649B (zh) 2022-03-04

Family

ID=70560951

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010004551.0A Active CN111159649B (zh) 2020-01-03 2020-01-03 一种冷连轧机变规格风险预测方法

Country Status (1)

Country Link
CN (1) CN111159649B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112108523A (zh) * 2020-08-12 2020-12-22 北京首钢自动化信息技术有限公司 一种冷连轧生产中带钢表面缺陷处理方法及系统
TWI798047B (zh) * 2022-04-08 2023-04-01 中國鋼鐵股份有限公司 鋼板軋延力預測方法與軋延系統

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05131207A (ja) * 1991-11-08 1993-05-28 Toshiba Corp ルーパ多変数制御装置
CN103252346A (zh) * 2012-02-17 2013-08-21 宝山钢铁股份有限公司 一种提高动态变规格轧制稳定性的通板方法
CN103286142A (zh) * 2013-06-13 2013-09-11 北京首钢自动化信息技术有限公司 一种冷连轧动态变规格时的动态辊缝补偿方法
CN104226697A (zh) * 2013-06-09 2014-12-24 上海梅山钢铁股份有限公司 冷连轧机动态变规格速度控制方法
CN104289523A (zh) * 2014-09-15 2015-01-21 首钢京唐钢铁联合有限责任公司 一种改善动态变规格过程断带的控制方法
CN108326049A (zh) * 2017-12-22 2018-07-27 中冶南方工程技术有限公司 一种冷连轧轧制力的自学习方法
CN110064653A (zh) * 2019-04-18 2019-07-30 首钢京唐钢铁联合有限责任公司 一种应用于冷连轧机过渡段轧制的方法和装置
CN110479760A (zh) * 2018-03-27 2019-11-22 上海梅山钢铁股份有限公司 冷连轧动态变规格钢带时防止断带和失张的辊缝补偿方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05131207A (ja) * 1991-11-08 1993-05-28 Toshiba Corp ルーパ多変数制御装置
CN103252346A (zh) * 2012-02-17 2013-08-21 宝山钢铁股份有限公司 一种提高动态变规格轧制稳定性的通板方法
CN104226697A (zh) * 2013-06-09 2014-12-24 上海梅山钢铁股份有限公司 冷连轧机动态变规格速度控制方法
CN103286142A (zh) * 2013-06-13 2013-09-11 北京首钢自动化信息技术有限公司 一种冷连轧动态变规格时的动态辊缝补偿方法
CN104289523A (zh) * 2014-09-15 2015-01-21 首钢京唐钢铁联合有限责任公司 一种改善动态变规格过程断带的控制方法
CN108326049A (zh) * 2017-12-22 2018-07-27 中冶南方工程技术有限公司 一种冷连轧轧制力的自学习方法
CN110479760A (zh) * 2018-03-27 2019-11-22 上海梅山钢铁股份有限公司 冷连轧动态变规格钢带时防止断带和失张的辊缝补偿方法
CN110064653A (zh) * 2019-04-18 2019-07-30 首钢京唐钢铁联合有限责任公司 一种应用于冷连轧机过渡段轧制的方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ADRIAN E. RAFTERY 等: "Online Prediction Under Model Uncertainty via Dynamic Model Averaging: Application to a Cold Rolling Mill", 《TECHNOMETRICS》 *
孙抗: "京唐2230mm冷连轧机厚度控制系统改造设计", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *
张磊 等: "冷连轧机动态变规格轧制失稳原因分析及控制措施", 《甘肃冶金》 *
张良 等: "1700 冷连轧机FGC断带原因分析与控制", 《第十一届中国钢铁年会论文集》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112108523A (zh) * 2020-08-12 2020-12-22 北京首钢自动化信息技术有限公司 一种冷连轧生产中带钢表面缺陷处理方法及系统
TWI798047B (zh) * 2022-04-08 2023-04-01 中國鋼鐵股份有限公司 鋼板軋延力預測方法與軋延系統

Also Published As

Publication number Publication date
CN111159649B (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
CN111159649B (zh) 一种冷连轧机变规格风险预测方法
CN104874613B (zh) 通过轧机速度补偿实现热连轧机架间秒流量平衡的方法
KR102645431B1 (ko) 제조 설비의 설정 조건 결정 방법, 압연기의 밀 셋업 설정값의 결정 방법, 압연기의 밀 셋업 설정값의 결정 장치, 제조물의 제조 방법 및 압연재의 제조 방법
CN103962414A (zh) 一种卷取机助卷辊阶梯速度控制方法及其控制系统
US20230118015A1 (en) Method Of Controlling Flatness Of Strip Of Rolled Material, Control System And Production Line
CN111266419B (zh) 一种卷取入口侧导板预设开口度的控制方法及控制装置
CN117696635A (zh) 一种减定径机轧制的控制方法及系统
JP4705275B2 (ja) 非対称形鋼圧延時の圧延ロールおよびガイドの最適位置設定・制御方法
JP2018176197A (ja) タンデム圧延機における走間板厚変更方法
CN115218603B (zh) 冷却流量控制方法及装置
JP4986463B2 (ja) 冷間圧延における形状制御方法
JP4089658B2 (ja) 鋼板の製造方法
CN113751511B (zh) 一种钢板厚度控制方法、计算机可读介质及电子设备
JP3636151B2 (ja) 金属帯の製造法
JP2023533257A (ja) 安定した圧延プロセスのためのパススケジュールを演算する方法及びコンピュータプログラム製品
CN114029346A (zh) 一种适用于自由规程轧制的精轧机组辊缝调平修正方法
JP2022137703A (ja) 熱間圧延におけるレベリング制御方法、レベリング制御装置及び熱間圧延設備
JP4162622B2 (ja) 冷間圧延におけるエッジドロップ制御方法
JP3520868B2 (ja) 鋼板の製造方法
KR100920574B1 (ko) 박물재의 연속 냉간 압연 방법
JP3719226B2 (ja) 板プロフィルの良好な金属板の製造方法
JP4227686B2 (ja) 冷間圧延時のエッジドロップ制御方法
CN111767629B (zh) 一种轧制力模型适用性评估与平稳切换的方法
JPH05208204A (ja) ストリップ圧延における形状制御方法
CN117139382B (zh) 一种热轧板带钢轧制的凸度自学习方法和系统

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