CN111250544A - 一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 - Google Patents
一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 Download PDFInfo
- Publication number
- CN111250544A CN111250544A CN202010092038.1A CN202010092038A CN111250544A CN 111250544 A CN111250544 A CN 111250544A CN 202010092038 A CN202010092038 A CN 202010092038A CN 111250544 A CN111250544 A CN 111250544A
- Authority
- CN
- China
- Prior art keywords
- rolling
- moment
- strip steel
- power consumption
- 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
Links
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明提供一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法,属于轧钢技术领域。该方法包括力矩预测、轧机电耗预测、卷取机电耗预测、其它公辅电耗预测、模型自学习五部分,具体过程如下:1)基于冷轧数学模型计算各个机架的轧制力矩、张力力矩、损失力矩;2)根据计算得到的力矩参数,计算各机架电耗;3)根据卷取机卷取圈数和对应半径计算卷取机的电耗;4)通过对历史数据进行统计预测带钢公辅电耗;5)根据实测数据对模型自适应系数进行修正,提高模型预测精度。通过本发明可以提前预测轧制计划中每卷带钢在整个酸轧联合机组的生产电耗,这对于钢铁企业错峰生产、节省成本具有重大的意义。
Description
技术领域
本发明涉及轧钢技术领域,特别是指一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法。
背景技术
众所周知,冷轧产品更加接近于消费者,广泛应用于家用电器、汽车、电子等领域,因此冷轧产品质量关乎一个企业的生死。但是,随着各个钢厂技术的不断进步,同行间的竞争日益激烈,利润率逐渐下滑,因此生产成本的控制逐步被提到同等重要的地位。在酸轧联合机组生产线中,能源消耗是生产成本的主要部分,工业电价随着不同的用电高峰期,价格不一,因此钢厂期望可以在廉价时间生产高能耗产品,在高价时间生产低能耗产品。
在冷轧生产线中,电耗占比超过总能耗的70%以上,因此电耗预测能够帮助企业灵活调度生产任务,更好的节约生产成本。专利1(冷连轧过程以吨钢电耗控制为目标的轧制规程优化方法,201510725285.X)使用迭代算法寻找使能耗达到最小的轧机压下率和张力,该专利存在以下不足:1)仅考虑了轧机电耗;2)未对电耗进行预测,无法指导现场灵活调整生产计划;3)假设了带钢轧制过程中末机架出口速度保持不变,实际生产中轧机升降速,高速可能是低速的30倍;4)模型未进行自学习,无法保证模型精度和适应性。
从目前可以检索到的资料来看,还没有发现可以精确预测轧机电耗的方法。只有在精确预测电耗的基础上,才能优化排产,节省成本。为此,本发明提出了一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法,其创新点在于:1)模型增加了卷取机电耗和其它公辅电耗的预测;2)可以预测整个酸轧联合机组,包括轧机,卷取机,以及张力辊、控制辊、酸再生、泵站等公辅设备的电耗;3)轧机电耗预测模型无需计算轧制速度,减少了中间误差;4)模型有自适应机制,保证模型计算精度。因此本专利可以协助钢厂灵活调度生产计划,节约生产成本,为企业创造效益。
发明内容
本发明要解决的技术问题是提供一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法,通过预测生产计划中每卷带钢的轧制力矩、张力力矩、损失力矩得到轧机需要消耗的电能,通过卷取机卷取圈数和对应半径计算卷取机电耗,通过对历史数据进行统计计算其它公辅电耗,并通过自学习不断优化模型精度。
该方法包括步骤如下:
(1)力矩预测:轧制计划下发后,根据带钢的原料规格、成品规格等参数计算每个机架的轧制力矩、张力力矩、损失力矩;
(2)轧机电耗预测:根据步骤(1)中计算得到的轧制力矩、张力力矩、损失力矩,计算每个机架所需的电耗;
(3)卷取机电耗预测:根据卷取机圈数和对应半径计算卷取机电耗;
(4)其它公辅电耗预测:通过对历史数据进行统计预测带钢公辅电耗;
(5)模型自学习:根据实测电机扭矩,反向计算轧制力矩作为实际轧制力矩,与预测的轧制力矩进行对比,修正自适应系数。
其中,步骤(1)中轧制力矩计算方法如下:
X=1/2×(R/R′)1/2
GR=2·X·L·P·ZL
L=(R′×(H-h))1/2
其中,R为轧辊原始半径;R'为轧辊压扁半径;X为力臂系数;L为接触弧长;P为轧制力;GR为轧制力矩;H为带钢入口厚度;ZL为自适应系数;h为带钢出口厚度。
步骤(1)中张力力矩计算方法如下:
GT=R·b·(tb·H-tf·h)
其中,R为轧辊原始半径;b为带钢宽度;tb为机架单位后张力;H为带钢入口厚度;tf为机架单位前张力;h为带钢出口厚度;GT为张力力矩,前后单位张力根据工艺表获取。
步骤(1)中损失力矩计算方法如下:
其中,v为轧辊速度;gL0~gL4为常数;R为轧辊原始半径;P为轧制力;GL为损失力矩。
步骤(2)中电耗计算方法如下:
其中,En为机架所用电耗;GR为轧制力矩;GT为张力力矩;GL为损失力
矩;R为轧辊原始半径;Ln为该机架的带钢通过长度。
其推导过程如下:首先根据物理学中力矩和能量的关系得到下式:
其中,t1、t2为带钢进入该机架时间和带钢离开该机架时间;ω为角速度;En为该机架所用电耗。根据数学知识进一步转化为下式:
根据线速度与角速度地关系,进一步转化为下式:
进一步地转换为:
线速度按照轧制时间积分等于带钢长度,因此最终得到如下关系式:
其中,Ln为该机架的带钢通过长度,上述公式在轧制角速度、轧制时间都无法精确预知地情况下将其转换成带钢长度,保证了模型计算地准确性。
带钢通过长度Ln的计算方法如下:
Ln=Wt/ρ/Wid/hn
其中,Wt为带钢重量;ρ为带钢密度;Wid为带钢宽度;hn为带钢经过该机架的出口厚度。
步骤(3)中卷取机电耗计算方法如下:
其中,Tj为卷取机张力设定值;n为带钢卷取圈数;Rji为对应半径;Ej为卷取机电耗。
带钢卷取圈数和对应半径确定方法如下:
其中,Rj0为卷取机原始半径,i为卷取圈数,1<i<10000;hout为带钢成品厚度;L5为带钢成品长度;随着i的不断累加,当2·π·Rji>=L5时停止迭代,此时的i即为带钢卷取圈数n,Rji为对应半径。
步骤(4)中其它公辅电耗计算需要对一段时间内的历史数据进行统计,分钢种、厚度、宽度、单位宽度卷重统计出带钢公辅能耗。预测时根据带钢的钢种、厚度、宽度、单位宽度卷重查询对应的统计数据。
步骤(5)中根据实测数据计算得到实际张力力矩、损失力矩,然后根据实测的电机扭矩反算得到实际轧制力矩:
G′R=G·Ri-G′T-G′L
其中,G为实测电机扭矩平均值;G′T为按照实测数据计算得到的张力力矩;G′L为按照实测数据计算得到的损失力矩;Ri为轧辊与电机的传动比,常数;G′R为推算出的实际轧制力矩。
步骤(5)中获得实际轧制力矩后,采用指数平滑法对自适应系数进行修正,公式如下:
Z′L=G′R/GR
ZL=ZL-1+α(ZL-1-Z′L)
其中,Z′L为实际轧制力矩与预测力矩的比值,ZL-1为模型自适应系数旧值,α为平滑系数,0<α<1。
本发明的上述技术方案的有益效果如下:
1)模型包含了轧机、卷取机和其它公辅电耗预测,可以实现整个酸轧联合机组电耗的预测;2)计算轧机电耗时无需计算轧制速度,减少了中间误差;3)模型有自适应机制,保证模型计算精度。因此本发明方法可以协助钢厂灵活调度生产计划,节约生产成本,为企业创造效益。
附图说明
图1为本发明的基于冷轧数学模型的酸轧联合机组电能消耗预测方法工艺流程图;
图2为本发明的基于冷轧数学模型的酸轧联合机组电能消耗预测方法中轧制力矩示意图;
图3为本发明实施例中电耗预测相对偏差曲线图。
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冷轧数学模型的酸轧联合机组电能消耗预测方法。
如图1所示,该方法包括步骤如下:
(1)力矩预测:轧制计划下发后,根据带钢的原料规格、成品规格参数计算每个机架的轧制力矩、张力力矩、损失力矩;
(2)轧机电耗预测:根据步骤(1)中计算得到的轧制力矩、张力力矩、损失力矩,计算每个机架所需的电耗;
(3)卷取机电耗预测:根据卷取机圈数和对应半径计算卷取机电耗;
(4)其它公辅电耗预测:通过对历史数据进行统计预测带钢公辅电耗;
(5)模型自学习:根据实测电机扭矩,反向计算轧制力矩作为实际轧制力矩,与预测的轧制力矩进行对比,修正自适应系数。
其中,步骤(1)中轧制力矩计算采用如下公式:
X=1/2×(R/R′)1/2
GR=2·X·L·P·ZL
L=(R′×(H-h))1/2
其中,R为轧辊原始半径;R'为轧辊压扁半径;X为力臂系数;L为接触弧长;P为轧制力;GR为轧制力矩;H为带钢入口厚度;ZL为自适应系数;h为带钢出口厚度。轧制力矩计算示意图如图2所示。
进一步地,张力力矩计算采用如下公式:
GT=R·b·(tb·H-tf·h)
其中,b为带钢宽度;tb为机架单位后张力;tf为机架单位后张力;GT为张力力矩,前后单位张力根据工艺表获取。
进一步地,损失力矩采用如下公式:
其中,v为轧辊速度;gL0~gL4为常数。
进一步地,步骤(2)使用步骤(1)确定的轧制力矩、张力力矩、损失力矩计算轧制电耗:
首先根据物理学中力矩和能量的关系得到下式:
其中,t1、t2为带钢进入该机架时间和带钢离开该机架时间;ω为角速度;En为该机架所用电耗。根据数学知识进一步转化为下式:
根据线速度与角速度地关系,进一步转化为下式:
进一步地转换为:
线速度按照轧制时间积分等于带钢长度,因此最终得到如下关系式:
其中,Ln为该机架的带钢通过长度,上述公式在轧制角速度、轧制时间都无法精确预知地情况下将其转换成带钢长度,保证了模型计算地准确性。
进一步地,带钢长度计算方法如下:
Ln=Wt/ρ/Wid/hn
其中,Wt为带钢重量;ρ为带钢密度;Wid为带钢宽度;hn为带钢经过该机架的出口厚度。
进一步地,卷取机卷取圈数按照如下公式进行迭代:
其中,Rj0为卷取机原始半径,i为卷取圈数,1<i<10000;hout为带钢成品厚度;Rji为卷取机累计半径;L5为带钢成品长度。随着i的不断累加,当2·π·Rji>=L5时停止迭代;
进一步地,卷取机电耗计算方法如下:
其中,Tj为卷取机张力设定值;n为带钢卷取圈数;Ej为卷取机电耗;
进一步地,其它公辅电耗计算需要对一段时间内的历史数据进行统计,分钢种、厚度、宽度、单位宽度卷重统计出带钢公辅能耗。预测时根据带钢的钢种、厚度、宽度、单位宽度卷重查询对应的统计数据。
进一步地,根据实测值按照步骤(2)中的公式计算实际张力力矩、损失力矩,再根据下式反算得到实际轧制力矩:
G′R=G·Ri·ψ-G′T-G′L
其中,G为实测电机扭矩平均值;G′T为按照实测数据计算得到的张力力矩;G′L为按照实测数据计算得到的损失力矩;Ri为轧辊与电机的传动比,常数;G′R为推算出的实际轧制力矩。
进一步地,获得实测轧制力矩后,采用指数平滑法修正模型自适应系数,公式如下:
Z′L=G′R/GR
ZL=ZL-1+α(ZL-1-Z′L)
其中,Z′L为实测轧制力矩与计算力矩的比值,ZL-1为模型自适应系数旧值,α为平滑系数,0<α<1。
下面结合具体实施例予以说明。
具体应用中,步骤如下:
S101,力矩预测:获取下发的轧制计划,根据带钢的原料规格、成品规格等参数计算每个机架的轧制力矩、张力力矩、损失力矩。
S102,轧机电耗预测:根据计算得到的轧制力矩、张力力矩、损失力矩,计算每个机架所需的电耗。
S103,卷取机电耗预测:根据卷取机半径计算卷取机电耗;
S104,其它公辅电耗预测:通过对历史数据进行统计预测带钢公辅电耗;
S105,模型自学习:根据带钢生产时采集的实测电机扭矩,反向计算轧制力矩作为实际轧制力矩,与预测的轧制力矩进行对比,修正自适应系数;
本发明实施例所述的冷连酸轧联合机组电能消耗预测方法,获取下发的轧制计划,根据带钢的原料规格、成品规格等参数计算每个机架的轧制力矩、张力力矩、损失力矩。根据计算得到的轧制力矩、张力力矩、损失力矩,计算每个机架所需的电耗。根据卷取圈数和对应半径计算卷取机电耗,通过历史数据统计预测带钢其它公辅电耗。根据带钢生产时采集的实测电机扭矩,反向计算轧制力矩作为实际轧制力矩,与预测的轧制力矩进行对比,修正自适应系数。
在前述冷连酸轧联合机组电能消耗预测方法的具体实施方式中,进一步地,获取下发的轧制计划,根据带钢的原料规格、成品规格等参数计算每个机架的轧制力矩、张力力矩、损失力矩包括:
A1,每次轧制计划下发后,获取下发的轧制计划;
A2,根据轧制计划中带钢的原料规格、成品规格计算每个机架的轧制力矩;其中,带钢轧制力矩的计算模型表示为:
X=1/2×(R/R′)1/2
GR=2·X·L·P·ZL
L=(R′×(H-h))1/2
其中,R为轧辊原始半径;R'为轧辊压扁半径;X为力臂系数;L为接触弧长;P为轧制力;GR为轧制力矩;H为带钢入口厚度;ZL为自适应系数;h为带钢出口厚度。轧制力矩计算示意图如图2所示。
A3,根据轧制计划中带钢的原料规格、成品规格计算每个机架的张力力矩的计算模型表示为:
GT=R·b·(tb·H-tf·h)
其中,b为带钢宽度;tb为机架单位后张力;tf为机架单位后张力;GT为张力力矩,前后单位张力根据工艺表获取。
A4,根据轧制计划中带钢的原料规格、成品规格计算每个机架的损失力矩的计算模型表示为:
其中,v为轧辊速度;gL0~gL4为常数。
在前述冷连酸轧联合机组电能消耗预测方法的具体实施方式中,进一步地,所述根据计算得到的轧制力矩、张力力矩、损失力矩,计算每个机架所需的电耗包括:
B1,计算各个机架的带钢通过长度:
Ln=Wt/ρ/Wid/hn
其中,Ln为该机架的带钢通过长度,Wt为带钢重量;ρ为带钢密度;Wid为带钢宽度;hn为带钢经过该机架的出口厚度。
B2,根据轧制力矩、张力力矩、损失力矩和带钢通过长度计算各个机架的电耗:
在前述冷连酸轧联合机组电能消耗预测方法的具体实施方式中,进一步地,所述根据卷取机卷取圈数计算卷取机所需的电耗包括:
C1,卷取机卷取圈数和对应半径按照如下公式进行迭代:
其中,Rj0为卷取机原始半径,i为卷取圈数,1<i<10000;hout为带钢成品厚度;Rji为卷取机累计半径;L5为带钢成品长度。随着i的不断累加,当2·π·Rji>=L5时停止迭代;
C2,卷取机电耗计算方法如下:
其中,Tj为卷取机张力设定值;n为带钢卷取圈数;Ej为卷取机电耗;
在前述酸轧联合机组电能消耗预测方法的具体实施方式中,进一步地,对一段时间内(比如两年)的历史数据进行统计,分钢种、厚度、宽度、单位宽度卷重统计出带钢公辅能耗。轧制计划下发后,根据带钢的钢种、厚度、宽度、单位宽度卷重查询对应的统计数据。
本实施例中,针对某厂冷连轧生产线电耗成本过高,根据本发明提供的酸轧联合机组电能消耗预测方法,计算整个轧制计划中每卷钢通过每个机架以及卷取机和公辅电耗,表1列出了某生产计划前十卷计算的电耗:
表1 1-10卷计算电耗
表2列出了该生产计划第31-40卷带钢的计算电耗:
表2 31-40卷计算电耗
可以看出表2中计算的总电耗要小于表1中的总电耗,而且当下电价处于高峰期,为了达到错峰生产,降低成本的目的,决策人员将生产计划中的前10卷和第31-40卷钢的生产顺序对调,先生产第31-40卷,后生产1-10卷。
在前述冷连酸轧联合机组电能消耗预测方法的具体实施方式中,进一步地,所述根据带钢生产结束时采集的实测电机扭矩,反向计算轧制力矩作为实际轧制力矩,与预测的轧制力矩进行对比,修正自适应系数包括:
D1,根据实测采集的实测张力计算张力力矩,计算方法同步骤A3;
D2,根据实测采集的实测速度计算损失力矩,计算方法同步骤A4;
D3,反算得到实际轧制力矩,计算模型表示为:
G′R=G·Ri-G′T-G′L
其中,G为实测电机扭矩平均值;G′T为按照实测数据计算得到的张力力矩;G′L为按照实测数据计算得到的损失力矩;Ri为轧辊与电机的传动比,常数;G′R为推算出的实际轧制力矩。
D4,获得实测轧制力矩后,采用指数平滑法修正自适应系数,公式如下:
Z′L=G′R/GR
ZL=ZL-1+α(ZL-1-Z′L)
其中,Z′L为实测轧制力矩与计算力矩的比值,ZL-1为模型自适应系数旧值,ZL为模型自适应系数新值,α为平滑系数,0<α<1。
该专利现场实际应用以来,通过不断修正模型自适应系数,电耗预测精度偏差保持在5%以内,图3为近一年轧制电耗预测相对偏差曲线图,可以看出差值围绕零轴上下波动,说明模型预测精度很高,能够满足现场需求,电耗成本比上年度降低10%。
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)
1.一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法,其特征在于:包括步骤如下:
(1)力矩预测:轧制计划下发后,根据带钢的原料规格、成品规格参数计算每个机架的轧制力矩、张力力矩、损失力矩;
(2)轧机电耗预测:根据步骤(1)中计算得到的轧制力矩、张力力矩、损失力矩,计算每个机架所需的电耗;
(3)卷取机电耗预测:根据卷取机卷取圈数和对应半径计算卷取机电耗;
(4)其它公辅电耗预测:通过对历史数据进行统计预测带钢公辅电耗;
(5)模型自学习:根据实测电机扭矩,反向计算轧制力矩作为实际轧制力矩,与预测的轧制力矩进行对比,修正自适应系数。
2.根据权利要求1所述的基于冷轧数学模型的酸轧联合机组电能消耗预测方法,其特征在于:所述步骤(1)中轧制力矩计算方法如下:
X=1/2×(R/R′)1/2
GR=2·X·L·P·ZL
L=(R′×(H-h))1/2
其中,R为轧辊原始半径;R'为轧辊压扁半径;X为力臂系数;L为接触弧长;P为轧制力;GR为轧制力矩;H为带钢入口厚度;ZL为自适应系数;h为带钢出口厚度。
3.根据权利要求1所述的基于冷轧数学模型的酸轧联合机组电能消耗预测方法,其特征在于:所述步骤(1)中张力力矩计算方法如下:
GT=R·b·(tb·H-tf·h)
其中,R为轧辊原始半径;b为带钢宽度;tb为机架单位后张力;H为带钢入口厚度;tf为机架单位前张力;h为带钢出口厚度;GT为张力力矩,前后单位张力根据工艺表获取。
6.根据权利要求5所述的基于冷轧数学模型的酸轧联合机组电能消耗预测方法,其特征在于:所述带钢通过长度Ln的计算方法如下:
Ln=Wt/ρ/Wid/hn
其中,Wt为带钢重量;ρ为带钢密度;Wid为带钢宽度;hn为带钢经过该机架的出口厚度。
9.根据权利要求1所述的基于冷轧数学模型的酸轧联合机组电能消耗预测方法,其特征在于:所述步骤(5)中根据实测数据计算得到实际张力力矩、损失力矩,然后根据实测的电机扭矩反算得到实际轧制力矩:
G′R=G·Ri-G′T-G′L
其中,G为实测电机扭矩平均值;G′T为按照实测数据计算得到的张力力矩;G′L为按照实测数据计算得到的损失力矩;Ri为轧辊与电机的传动比,常数;G′R为推算出的实际轧制力矩。
10.根据权利要求1所述的基于冷轧数学模型的酸轧联合机组电能消耗预测方法,其特征在于:所述步骤(5)中获得实际轧制力矩后,采用指数平滑法对自适应系数进行修正,公式如下:
Z′L=G′R/GR
ZL=ZL-1+α(ZL-1-Z′L)
其中,Z′L为实际轧制力矩与预测力矩的比值,ZL-1为模型自适应系数旧值,α为平滑系数,0<α<1;ZL为自适应系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010092038.1A CN111250544B (zh) | 2020-02-14 | 2020-02-14 | 一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010092038.1A CN111250544B (zh) | 2020-02-14 | 2020-02-14 | 一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111250544A true CN111250544A (zh) | 2020-06-09 |
CN111250544B CN111250544B (zh) | 2021-09-07 |
Family
ID=70954459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010092038.1A Active CN111250544B (zh) | 2020-02-14 | 2020-02-14 | 一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111250544B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462699A (zh) * | 2020-11-02 | 2021-03-09 | 湖南华菱涟源钢铁有限公司 | 热轧生产电耗管理系统及方法 |
CN113806921A (zh) * | 2021-08-24 | 2021-12-17 | 北京科技大学 | 一种基于在线监测的冷连轧机架间张力软测量方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102744268A (zh) * | 2012-07-03 | 2012-10-24 | 中冶南方(武汉)信息技术工程有限公司 | 一种确定单机架可逆冷轧机压下分配的方法 |
CN103272853A (zh) * | 2013-05-22 | 2013-09-04 | 沈阳工业大学 | 一种冷连轧各机架压下量与轧制速度的设定装置及方法 |
CN104998913A (zh) * | 2015-06-29 | 2015-10-28 | 东北大学 | 一种冷轧轧制过程中电机功率的预测方法 |
CN105234186A (zh) * | 2015-10-29 | 2016-01-13 | 燕山大学 | 冷连轧过程以吨钢电耗控制为目标的轧制规程优化方法 |
CN105363794A (zh) * | 2014-08-21 | 2016-03-02 | 宝山钢铁股份有限公司 | 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 |
CN105512804A (zh) * | 2015-12-01 | 2016-04-20 | 燕山大学 | 冷连轧过程以成本综合控制为目标的乳化液流量设定方法 |
CN106513435A (zh) * | 2016-12-05 | 2017-03-22 | 重集团大连设计研究院有限公司 | 模具扁钢连续可逆轧制机组及模具扁钢轧制方法 |
CN108746216A (zh) * | 2018-05-24 | 2018-11-06 | 首钢智新迁安电磁材料有限公司 | 一种确定冷轧机传动力矩的方法及装置 |
CN109848221A (zh) * | 2018-12-21 | 2019-06-07 | 东北大学 | 一种热连轧轧制全流程负荷分配方法 |
CN109877168A (zh) * | 2019-04-15 | 2019-06-14 | 苏州大学 | 一种建立特厚板轧制力模型的方法 |
-
2020
- 2020-02-14 CN CN202010092038.1A patent/CN111250544B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102744268A (zh) * | 2012-07-03 | 2012-10-24 | 中冶南方(武汉)信息技术工程有限公司 | 一种确定单机架可逆冷轧机压下分配的方法 |
CN103272853A (zh) * | 2013-05-22 | 2013-09-04 | 沈阳工业大学 | 一种冷连轧各机架压下量与轧制速度的设定装置及方法 |
CN105363794A (zh) * | 2014-08-21 | 2016-03-02 | 宝山钢铁股份有限公司 | 一种基于力学性能预报和轧制能耗模型的精轧节能控制方法 |
CN104998913A (zh) * | 2015-06-29 | 2015-10-28 | 东北大学 | 一种冷轧轧制过程中电机功率的预测方法 |
CN105234186A (zh) * | 2015-10-29 | 2016-01-13 | 燕山大学 | 冷连轧过程以吨钢电耗控制为目标的轧制规程优化方法 |
CN105512804A (zh) * | 2015-12-01 | 2016-04-20 | 燕山大学 | 冷连轧过程以成本综合控制为目标的乳化液流量设定方法 |
CN106513435A (zh) * | 2016-12-05 | 2017-03-22 | 重集团大连设计研究院有限公司 | 模具扁钢连续可逆轧制机组及模具扁钢轧制方法 |
CN108746216A (zh) * | 2018-05-24 | 2018-11-06 | 首钢智新迁安电磁材料有限公司 | 一种确定冷轧机传动力矩的方法及装置 |
CN109848221A (zh) * | 2018-12-21 | 2019-06-07 | 东北大学 | 一种热连轧轧制全流程负荷分配方法 |
CN109877168A (zh) * | 2019-04-15 | 2019-06-14 | 苏州大学 | 一种建立特厚板轧制力模型的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462699A (zh) * | 2020-11-02 | 2021-03-09 | 湖南华菱涟源钢铁有限公司 | 热轧生产电耗管理系统及方法 |
CN113806921A (zh) * | 2021-08-24 | 2021-12-17 | 北京科技大学 | 一种基于在线监测的冷连轧机架间张力软测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111250544B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111250544B (zh) | 一种基于冷轧数学模型的酸轧联合机组电能消耗预测方法 | |
CN102240676B (zh) | 一种制备高强韧、高成形性镁合金薄板带卷用的轧制装置 | |
CN100406146C (zh) | 带钢平整工艺参数的优化预设定方法 | |
CN101507978B (zh) | 冷连轧机基于机理与工况相结合的工作辊磨损预报方法 | |
CN103544340B (zh) | 五机架冷连轧机组极薄带轧制中乳化液浓度的设定方法 | |
CN102941232A (zh) | 一种热连轧精轧过程控制方法 | |
CN103464469A (zh) | 一种冷轧无取向硅钢的边缘降量控制方法 | |
CN105512804A (zh) | 冷连轧过程以成本综合控制为目标的乳化液流量设定方法 | |
CN101733289A (zh) | 一种热轧板带连轧轧制规程动态设定的方法 | |
CN102513351A (zh) | 一种带钢冷连轧轧制方法及装置 | |
CN101797588A (zh) | 一种热轧机二级控制轧制力预报方法 | |
CN103521551B (zh) | 一种轧钢工艺中开卷机或卷取机的钢卷卷径确定方法 | |
TW201235124A (en) | Energy consumption prediction device | |
CN101658871A (zh) | 不可逆铝板带冷轧机轧制规程的优化方法 | |
CN105234186B (zh) | 冷连轧过程以吨钢电耗控制为目标的轧制规程优化方法 | |
CN115815342A (zh) | 一种基于机理和数据融合模型的冷轧轧制力预测方法 | |
CN105234188B (zh) | 冷连轧过程中以效益控制为目标的轧制速度优化方法 | |
CN102489524A (zh) | 一种降低热轧带钢轧制过程能耗的机架负荷分配方法 | |
EP2067541A1 (en) | Method for continuously manufacturing cold-rolled steel | |
CN104951639A (zh) | 连退机组特定工艺段内炉辊辊面原始粗糙度的优化方法 | |
CN108339857B (zh) | 一种轧制变厚板的板形调节方法 | |
CN107234135B (zh) | 一种适用于热连轧机组出口带钢表面粗糙度控制方法 | |
CN108153250B (zh) | 一种用于热矫直机智能模型系统的控制方法 | |
CN202162205U (zh) | 一种制备高强韧、高成形性镁合金薄板带卷用的轧制装置 | |
CN108906885B (zh) | 热轧带钢的方法 |
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 |