CN111832155B - 一种考虑中间坯凸度的热轧粗轧负荷分配方法 - Google Patents

Abstract

本发明公开了一种考虑中间坯凸度的热轧粗轧负荷分配方法，属于控制技术领域。本发明建立热连轧粗轧轧制工艺数学模型，考虑中间坯凸度前提下确定目标优化函数，在优化设定约束条件下，使用三种群差分进化粒子群算法对粗轧负荷分配进行优化设计。本发明采用“离线优化+在线控制”的分配方法以及三种群差分算法，具有较快的计算速度，满足在线计算要求，能够实现负荷分配优化设定和中间坯凸度预报。

Description

一种考虑中间坯凸度的热轧粗轧负荷分配方法

技术领域

本发明属于控制技术领域，涉及一种考虑中间坯凸度的热轧粗轧负荷分配方法。

背景技术

由于热连轧厚度控制的能力越来越高，热连轧生产的产品可以作为最终成品交付给客户，因此其板形问题变得越来越重要。负荷分配是热连轧核心控制技术，合理的负荷分配能够在轧制条件相同的条件下更加合理使用轧机设备，提高板形的控制能力。为实现负荷分配的结果最优，现多采用差分算法等优化算法求解，主要是根据参数模型来建立多目标优化，在工艺和设备的约束条件下建立优化目标函数，利用算法计算出最优负荷分配结果。在热连轧生产中，特别是轧制高强度带钢时，粗轧的轧制压力和压下量过大，粗轧工作辊磨损严重，中间坯凸度往往与精轧控制模型凸度设定值差距过大，导致精轧凸度分配不合理，造成板形质量隐患。因此以中间坯凸度为主要优化目标，来进行负荷分配优化，减小对下游板形质量的影响。

目前，有关负荷分配的设定方法出现一些公开的相关文件，例如文献《综合等负荷函数法在双机架粗轧负荷分配中的应用》[《东北大学学报(自然科学版)》-2007],使用运用等负荷函数的交替迭代运算法对双机架粗轧进行负荷分配，分配时兼顾水平辊和立辊轧制的影响。文献《复用等储备负荷法在热连轧粗轧负荷分配中的应用》[《钢铁研究学报》-2006]运用多层迭代算法进行粗轧机组负荷分配,外层对总轧制道次进行递增迭代,内层通过交替迭代确定带钢厚度和宽度轧制方向的综合负荷函数值,逐步优化平-立辊轧制规程。但是上述方法存在不足，一是使用在单机架初轧机组中，没有形成应对双机架粗轧机组的负荷分配，二是都利用等复合分配方法，利用交替迭代计算方法，计算速度和精度不及“离线优化+在线控制”的分配方法，三是没有考虑中间坯凸度作为优化条件，中间坯凸度不合理会导致精轧凸度分配不合理，埋下了板形隐患。

发明内容

基于上述技术特点，本发明提供一种种考虑中间坯凸度的热轧粗轧负荷分配方法，发明采用“离线优化+在线控制”的分配方法以及速度更快的三种群差分算法，具有较快的计算速度，满足在线计算要求，能够实现负荷分配优化设定和中间坯凸度预报。

一种种考虑中间坯凸度的热轧粗轧负荷分配方法，具体包括如下步骤：

步骤1：建立的轧制工艺特征参数计算模型，包括(1)、(2)和(3)：

(1)轧制力模型：

P＝Bl_cQ_pKK_T

其中，P为轧制力，单位：KN；l_c为考虑压扁后的轧辊与轧件接触弧水平投影，单位：mm；Q_P为接触弧上摩擦力造成应力状态的影响因素；K为决定于金属材料化学成分以及变形的物理条件——变形温度、变形速度及变形程度的金属变形阻力，单位：Mpa；K_T为前后张应力对轧制力的影响因素，在粗轧中可认为前后张应力均为0；B为中间坯带宽，单位：m。

(2)轧制力矩模型：

M_P＝2Pψl_c

其中，ψ为轧制力力臂系数，粗轧ψ＝0.4～0.48。

(3)轧制功率模型：

其中，M_P为轧制力矩，单位：KN·m；M_f为附加摩擦力矩，单位：KN·m；M_x为空转力矩，单位：KN·m；M_d为动力矩，单位：KN·m；r为主传动速比；n为电机轴转速，单位：rpm。

步骤2：建立负荷分配单目标优化函数，具体包括(1)、(2)和(3)：

(1)中间坯凸度目标函数的优化目标为中间坯最后道次出口凸度值与精轧入口凸度设定值的差的绝对值最小，表达式为：

minS₁＝Min|CR_last-CR_M|

其中，CR_last为中间坯最后道次出口凸度值；CR_M为精轧入口凸度设定值。

其中中间坯最后道次出口凸度值CR_last计算方法为：

其中，P_last为热连轧粗轧最后道次轧制力，单位：KN；K_P为轧机横向刚度，单位：mm/KN；E_Σ为轧辊综合凸度影响系数，单位：mm/mm；ω_H为轧辊热凸度，单位：mm；ω_W为轧辊磨损凸度，单位：mm；ω₀为轧辊初始凸度，单位：mm；E₀为入口带钢凸度影响系数，单位：mm；Δ为入口带钢凸度。

(2)功率均衡目标函数的优化目标为中间坯轧制过程中各道次的功率消耗的差值绝对值最小，表达式为：

其中，N_i为第i道次轧制功率,单位：kw；N_i,max为第i道次额定功率,单位：kw。

(3)，电力成本目标函数的优化目标为中间坯轧制过程中各道次的功率的总和最小，表达式为：

其中，N_i为第i道次轧制功率,单位：kw。

步骤3：根据多种单目标函数建立的基于权重的多目标优化函数为：

式中：λ₁、λ₂、λ₃为各项的权重系数，代表负荷分配优化的不同侧重点。

步骤4：根据粗轧机设备及工艺软极限，得到粗轧负荷分配优化设定的约束条件，包括(1)、(2)、(3)和(4)：

(1)所述咬入条件：

tanα≤μ_e

其中，μ_e为咬入摩擦系数；α为实际咬入角。

(2)防止打滑条件：

其中，α_y为轧辊与轧件接触角；n(≥1)为合力移动系数，一般介于1到2。

(3)轧制力、轧制功率、轧制力矩极限条件：

0≤P_i≤P_max

0≤N_i≤N_max

0≤M_i≤M_max

其中，P_i，N_i，M_i为第i道次的轧制压力、轧制功率、轧制力矩；P_max，N_max，M_max为粗轧机最大轧制压力、最大轧制功率、最大轧制力矩。

(4)压下量范围条件：

Δh_min,i≤Δh_i≤Δh_max,i

其中，Δh_i为第i道次压下量；Δh_min,i为第i道次压下量下限值；Δh_max,i为第i道次压下量上下限。

步骤5：采用三种群差分优化算法，计算多目标优化函数的最优解，获得粗轧压下量优化设定结果，完成粗轧负荷分配的优化。

本发明的有益效果如下：

本发明提供一种种考虑中间坯凸度的热轧粗轧负荷分配方法，能够实现负荷分配优化设定和中间坯凸度预报；

本发明采用“离线优化+在线控制”的分配方法以及三种群差分算法，安全可靠，计算精度高，能够成功适用热连轧双机架粗轧负荷分配的过程，以中间坯凸度为主要优化目标，以功率均衡和电力成本为兼顾设备稳定性和成本目标，通过优化算法进行负荷分配，进而得到中间坯凸度预报，从而保证精轧板形质量。

附图说明

图1为本发明中一个实施例所提供的计算流程示意图；

图2为本发明中一个实施例所提供的Thr-PSODE算法流程图；

图3为本发明中一个实施例所提供的粗轧设备布置图；

图4为本发明中一个实施例所提供的优化前后中间坯带钢断面厚度分布图。

具体实施方式

下面结合具体实施案例对发明专利做进一步说明，本实施案例为热连轧粗轧双机架生产线，布置如图3所示，粗轧R1设备参数如表1所示，粗轧R2设备参数如表2所示。

表1粗轧R1设备参数

表2-2粗轧R2设备参数

一种种考虑中间坯凸度的热轧粗轧负荷分配方法，具体包括如下步骤：

步骤1：建立的轧制工艺特征参数计算模型，包括(1)、(2)和(3)：

(1)轧制力模型：

P＝Bl_cQ_pKK_T

其中，P为轧制力，KN；l_c为考虑压扁后的轧辊与轧件接触弧水平投影，mm；Q_P为接触弧上摩擦力造成应力状态的影响因素，mm；K为决定于金属材料化学成分以及变形的物理条件——变形温度、变形速度及变形程度的金属变形阻力，Mpa；K_T为前后张应力对轧制力的影响因素，在粗轧中可认为前后张应力均为0；B为中间坯带宽，m。

(2)轧制力矩模型：

M_P＝2Pψl_c

其中，ψ为轧制力力臂系数，粗轧ψ＝0.4～0.48。

(3)轧制功率模型：

其中，M_P为轧制力矩，KN·m；M_f为附加摩擦力矩，KN·m；M_x为空转力矩，KN·m；M_d为动力矩，KN·m；r为主传动速比；n为电机轴转速，rpm。

步骤2：建立负荷分配单目标优化函数，具体包括(1)、(2)和(3)：

(1)中间坯凸度目标函数的优化目标为中间坯最后道次出口凸度值与精轧入口凸度设定值的差的绝对值最小，表达式为：

minS₁＝Min|CR_last-CR_M|

其中，CR_last为中间坯最后道次出口凸度值；CR_M为精轧入口凸度设定值。

其中中间坯最后道次出口凸度值CR_last计算方法为：

其中，P_last为热连轧粗轧最后道次轧制力，KN；K_P为轧机横向刚度，mm/KN；E_Σ为轧辊综合凸度影响系数，mm/mm；ω_H为轧辊热凸度，mm；ω_W为轧辊磨损凸度，mm；ω₀为轧辊初始凸度，mm；E₀为入口带钢凸度影响系数，mm；Δ为入口带钢凸度。

(2)功率均衡目标函数的优化目标为中间坯轧制过程中各道次的功率消耗的差值绝对值最小，表达式为：

其中，N_i为第i道次轧制功率,kw；N_i,max为第i道次额定功率,kw。

(3)，电力成本目标函数的优化目标为中间坯轧制过程中各道次的功率的总和最小，表达式为：

其中，N_i为第i道次轧制功率,kw。

步骤3：根据多种单目标函数建立的基于权重的多目标优化函数为：

式中：λ₁、λ₂、λ₃为各项的权重系数，代表负荷分配优化的不同侧重点。本发明专利主要是为了降低中间坯凸度，取λ1＝1.0、λ2＝0.1、λ3＝0.2。

步骤4：根据粗轧机设备及工艺软极限，得到粗轧负荷分配优化设定的约束条件，包括(1)、(2)、(3)和(4)：

(1)所述咬入条件：

tanα≤μ_e

其中，μ_e为咬入摩擦系数；α为实际咬入角。

(2)防止打滑条件：

其中，α_y为轧辊与轧件接触角；n(≥1)为合力移动系数，一般介于1到2。

(3)轧制力、轧制功率、轧制力矩极限条件：

0≤P_i≤P_max

0≤N_i≤N_max

0≤M_i≤M_max

其中，P_i，N_i，M_i为第i道次的轧制压力、轧制功率、轧制力矩；P_max，N_max，M_max为粗轧机最大轧制压力、最大轧制功率、最大轧制力矩。

(4)压下量范围条件：

Δh_min,i≤Δh_i≤Δh_max,i

其中，Δh_i为第i道次压下量；Δh_min,i为第i道次压下量下限值；Δh_max,i为第i道次压下量上下限。

步骤5：采用三种群差分优化算法，计算多目标优化函数的最优解，获得粗轧压下量优化设定结果，完成粗轧负荷分配的优化，所述三种群差分算法流程图如图2所示。

本实施案例中热连轧双机架粗轧实际现场设定数据如表3所示，通过优化计算的负荷分配设定计算结果如表4所示。

表3粗轧现场原负荷分配设定计算

表4粗轧负荷分配优化设定计算结果

对比表1和表2中粗轧现场负荷分配数据和优化设定结果可以发现：负荷分配有很大的前前移，R2第5道次轧制力减小了35％以上，轧制力对应减少了约700t，减少比例为26.4％，各项设备参数和工艺参数均在极限值范围内，且余量较大。

图4为粗轧负荷分配优化前后中间坯的的测厚数据，凸度值分别为1.53mm和1.323mm，中间坯凸度减小约207μm，与实际生产数据相匹配。通过实验可知，负荷分配优化控制轧制力可以成为控制中间坯凸度的手段。

以上所述的实施例，只是本发明较优选的具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (5)

1.一种考虑中间坯凸度的热轧粗轧负荷分配方法，其特征在于：包括以下步骤：

步骤S1：建立轧制工艺特征参数计算模型，所述计算模型包含轧制力模型、轧制力矩模型和轧制功率模型；

步骤S2：建立负荷分配单目标优化函数，所述单目标优化函数包含中间坯凸度目标函数、功率均衡目标函数和电力成本目标函数

步骤S3：根据多种单目标函数建立基于权重的多目标优化函数；

步骤S4：根据粗轧机设备及工艺软极限，得到粗轧负荷分配优化设定的约束条件，所述约束条件包含咬入条件、防止打滑条件、轧制力极限条件、轧制功率极限条件、轧制力矩极限条件和压下量范围条件；

步骤S5：采用优化算法，计算多目标优化函数的最优解，获得粗轧压下量优化设定结果，完成粗轧负荷分配的优化；

所述步骤S2中，中间坯凸度目标函数的优化目标为中间坯最后道次出口凸度值与精轧入口凸度设定值的差的绝对值最小minS₁，表达式为：

minS₁＝Min|CR_last-CR_M|

其中，CR_last为中间坯最后道次出口凸度值；CR_M为精轧入口凸度设定值,S₁为中间坯最后道次出口凸度值与精轧入口凸度设定值的差的绝对值；

所述中间坯最后道次出口凸度值计算方法为：

其中，P_last为热连轧粗轧最后道次轧制力，单位：KN；K_P为轧机横向刚度，单位：mm/KN；E_Σ为轧辊综合凸度影响系数，单位：mm/mm；ω_H为轧辊热凸度，单位：mm；ω_W为轧辊磨损凸度，单位：mm；ω₀为轧辊初始凸度，单位：mm；E₀为入口带钢凸度影响系数，单位：mm；Δ为入口带钢凸度；

所述步骤S2中，功率均衡目标函数的优化目标为中间坯轧制过程中各道次的功率消耗的差值绝对值最小MinS₂，表达式为：

其中，N_i为第i道次轧制功率,单位：kw；N_i,max为第i道次额定功率,单位：kw,n为轧制总道次，j为第i道次轧制的下一道次轧制,S₂为各道次的功率消耗的差值；

所述步骤S2中，电力成本目标函数的优化目标为中间坯轧制过程中各道次的功率的总和最小MinS₃，表达式为：

其中，N_i为第i道次轧制功率,单位：kw,S₃为各道次的功率的总和。

2.根据权利要求1所述的一种考虑中间坯凸度的热轧粗轧负荷分配方法，其特征在于，所述步骤S1中，建立的轧制工艺特征参数计算模型具体如下：

轧制力模型：

P＝Bl_cQ_pKK_T

其中，P为轧制力，单位：KN；l_c为考虑压扁后的轧辊与轧件接触弧水平投影，单位：mm；Q_P为接触弧上摩擦力造成应力状态的影响因素；K为决定于金属材料化学成分以及变形的物理条件，单位：Mpa，所述变形的物理条件包括变形温度、变形速度及变形程度的金属变形阻力；K_T为前后张应力对轧制力的影响因素，在粗轧中前后张应力均为0；B为中间坯带宽，单位：m；

轧制力矩模型：

M_P＝2Pψl_c

其中，ψ为轧制力力臂系数，粗轧ψ＝0.4～0.48；

轧制功率模型：

其中，M_P为轧制力矩，单位：KN·m；M_f为附加摩擦力矩，单位：KN·m；M_x为空转力矩，单位：KN·m；M_d为动力矩，单位：KN·m；r为主传动速比；n为电机轴转速，单位：rpm。

3.根据权利要求1所述的一种考虑中间坯凸度的热轧粗轧负荷分配方法，其特征在于，所述步骤S3中，基于权重的多目标优化函数为：

式中：λ₁、λ₂、λ₃为各项的权重系数，代表负荷分配优化的不同侧重点，P₆为P_last，具体为热连轧粗轧最后道次轧制力，单位：KN；K_P为轧机横向刚度，单位：mm/KN。

4.根据权利要求3所述的一种考虑中间坯凸度的热轧粗轧负荷分配方法，其特征在于，所述步骤S4中，根据粗轧机设备及工艺软极限，得到粗轧负荷分配优化设定的约束条件，分别为：

所述咬入条件：

tanα≤μ_e

其中，μ_e为咬入摩擦系数；α为实际咬入角；

防止打滑条件：

其中，α_y为轧辊与轧件接触角；n为合力移动系数，介于1到2；

轧制力、轧制功率、轧制力矩极限条件：

0≤P_i≤P_max

0≤N_i≤N_max

0≤M_i≤M_max

其中，P_i，N_i，M_i为第i道次的轧制压力、轧制功率、轧制力矩；P_max，N_max，M_max为粗轧机最大轧制压力、最大轧制功率、最大轧制力矩；

压下量范围条件：

Δh_min,i≤Δh_i≤Δh_max,i

其中，Δh_i为第i道次压下量；Δh_min,i为第i道次压下量下限值；Δh_max,i为第i道次压下量上下限。

5.根据权利要求1所述的一种考虑中间坯凸度的热轧粗轧负荷分配方法，其特征在于，所述步骤S5中，优化算法为三种群差分进化粒子群优化算法。

Images