IT201900003501A1

IT201900003501A1 - Metodo e sistema di controllo del gap in laminatoi

Info

Publication number: IT201900003501A1
Application number: IT102019000003501A
Authority: IT
Inventors: Francesco Toschi
Original assignee: Primetals Tech Italy S R L
Priority date: 2019-03-11
Filing date: 2019-03-11
Publication date: 2020-09-11
Also published as: EP3938851A1; WO2020182385A1; CN113518946A; US20220143661A1

Description

Descrizione

La presente invenzione ha come oggetto un metodo e un sistema di controllo del gap nelle gabbie di laminazione di un laminatoio, in particolare un laminatoio per barre, tondi o simili.

I laminatoi per le lavorazioni suddette, di tipo continuo o discontinuo, comprendono tipicamente una serie di gabbie in serie, che superano spesso la decina, e che operano successivamente le riduzioni di calibro del lavorato, e, se il caso la variazione della forma della sezione. Le coppie di cilindri delle gabbie, pertanto presentano canali sagomati. Il lavorato passa tra una coppia di canali opposti, e la pressione dei cilindri, determinata alla loro distanza (gap) e la morfologia dei canali opera la variazione di sezione che compete alla singola gabbia. Le gabbie possono prevedere anche più passaggi e più coppie di canali affiancate, che si avvicendano nei passaggi di successivi lavorati, aumentandone la vita utile.

I motori di tipo opportuno, per esempio di tipo sincrono, possono essere regolati in continuo in modo preciso per garantire lo scorrimento del lavorato, per esempio evitando l’insorgere di forze di trazione incontrollate tra una gabbia e l’altra, che influirebbero sulla sezione del lavorato.

Un problema connesso al funzionamento di laminatoi formati da più gabbie in serie è connesso alla notevole usura dei cilindri in corrispondenza dei canali, che ne cambiano la sezione e la morfologia continuamente durante una singola campagna di lavorazione. Questo, prima di richiede la sostituzione dei cilindri, richiede un aggiustamento del gap tra i cilindri di una gabbia. Le gabbie più moderne sono dotate di trasduttori e attuatori che permettono un aggiustamento preciso e automatizzato. Tuttavia, è molto difficile determinare quando ed in che misura operare gli aggiustamenti per conservare le caratteristiche del lavorato. È da considerare inoltre che maggiore è il numero di gabbie che operano in serie, tanto più il problema viene esasperato. Infatti, una variazione di sezione in uscita da una gabbia non solo cambia, nella gabbia successiva la morfologia in uscita del lavorato, ma cambia il tasso di usura della gabbia stessa, con effetti che si propagano e si moltiplicano lungo il laminatoio.

Per il controllo della sezione sono disponibili diversi tipi di sensore. Sono molto diffusi sensori magnetici, basati sull’induzione di correnti parassite (eddy currents), che sono compatti e relativamente economici, possono essere piazzati tra due gabbie assistendo, per esempio, la regolazione di velocità della gabbia a valle. Essi forniscono dati utili sulla sezione di lavorati di sezione tonda; tuttavia l’usura dei canali porta anche a variazioni di morfologia che non vengono rilevate, oltre a poter ridurre l’attendibilità dei sensori. Nel caso di diversi tipi di sezione, per esempio sezioni ellittiche, l’utilità di questi dispositivi è notevolmente ridotta.

Altri tipi di sensori, come quelli ottici, sono costosi e richiedono spazi notevoli, e, se piazzati tra due gabbie queste dovrebbero essere distanziate, aumentando le dimensioni del laminatoio. Pertanto, il loro uso è limitato, per esempio alla fine del laminatoio ed eventualmente, in una o poche unità piazzate in punti selezionati tra due serie di gabbie.

Il controllo dell’usura e della morfologia del lavorato è quindi un aspetto critico. Le esigenze di regolazione vengono comunemente soddisfatte in base all’esperienza degli addetti al laminatoio. La discontinuità delle regolazioni provoca discontinuità delle caratteristiche del lavorato e l’imprevedibilità dello stato dell’usura riduce anche la lunghezza delle campagne di lavorazione e la produttività.

Sarebbe quindi desiderabile poter monitorare con precisione l’usura di più gabbie, possibilmente di ogni singola gabbia, preferibilmente in maniera continua o con una notevole frequenza temporale e, se possibile effettuare con frequenza maggiore gli interventi di correzione del gap nelle gabbie, controllando la continuità qualitativa del lavorato, contrastando gli effetti a cascata dell’usura di una gabbia sulle successive, e prevedere con precisione la necessità di sostituire i cilindri, tutto questo non riducendo, o anche aumentando la produttività.

I problemi sopra delineati sono stati risolti secondo la presente invenzione mediante un metodo di controllo dell’usura dei cilindri delle gabbie di un laminatoio comprendente le seguenti fasi:

lettura da parte di una rete neurale di una pluralità di dati relativi alle condizioni iniziali di uno o più cilindri di laminazioni, in particolare una o più coppie di cilindri appartenenti ciascuna ad una gabbia di laminazione, alle impostazioni ed allo svolgimento del processo;

generazione da parte della rete neurale di segnali relativi alle condizioni di usura dei cilindri, preferibilmente alle operazioni da svolgere di conseguenza.

Secondo un aspetto dell’invenzione i segnali generati dalla rete possono risultare in una serie di informazioni che vengono rese disponibili agli operatori, per esempio attraverso schermo o in altro modo noto, riguardanti l’aggiustamento della distanza fra i cilindri da operare, o la necessità di sostituire uno o più cilindri. Secondo un ulteriore aspetto preferito, i segnali generati sono impiegati per operare una regolazione della distanza tra i cilindri di una o più gabbie. In alternativa, oppure in combinazione, i segnali generati sono impiegati per operare una regolazione della velocità dei cilindri di una o più gabbie.

Secondo un ulteriore aspetto dell’invenzione, un database raccoglie i dati utilizzati dalla rete neurale e li alimenta ad essa. Il database può raccogliere dati preimpostati e, in continuo (con tale termine si intende ovviamente anche una raccolta dati periodica, con opportuna frequenza di campionamento), dati provenienti da sensori e dati di processo, dati preimpostati manualmente o automaticamente.

Secondo un aspetto preferito è prevista una rete neurale per più coppie di cilindri appartenenti ad una gabbia, preferibilmente per tutte le gabbie del laminatoio.

Secondo un aspetto dell’invenzione, la rete neurale è istruita mediante dati ricavati da un modello opportuno. Il modello può essere un modello fisico, basato su calcoli teorici ed osservazioni, per esempio un modello di tipo semi-empirico. Modelli di tale tipo possono essere presenti in letteratura, oppure ricavati da osservazioni sui laminatoi. Possono essere modellazioni ottenute con il metodo degli elementi finiti. Preferibilmente, si utilizza un secondo modello per validare dati di un primo modello. Per esempio vengono ricavati dati con un modello fisico, che vengono verificati in parte con dati ricavati da modellazione ad elementi finiti. In ogni caso, può essere utilizzato qualsiasi modello ritenuto opportuno. La rete neurale viene istruita mediante l’utilizzo di coppie di serie di dati in ingresso e dati in uscita (segnali in uscita) ad essi associati dal modello. In tal modo la rete neurale potrà eseguire le interpolazioni e, eventualmente, le estrapolazioni necessarie al suo funzionamento.

L’invenzione riguarda altresì un sistema comprendente almeno una rete neurale come descritto sopra ed un laminatoio dotato di sistema come sopra delineato.

Le caratteristiche summenzionate e quelle che saranno spiegate di seguito possono essere utilizzate non solamente nella combinazione particolare riportata, ma altresì in altre combinazioni o in forma indipendente, senza discostarsi dall'ambito di protezione delle rivendicazioni allegate.

Il trovato sarà spiegato con maggiore dettaglio di seguito con riferimento alla figura 1 allegata che mostra schematicamente la struttura ed il funzionamento di un sistema secondo la presente invenzione.

Secondo un aspetto dell’invenzione, la rete neurale agisce, per ogni gabbia per cui è prevista, preferibilmente per ogni gabbia del laminatoio, come un sensore virtuale di usura dei cilindri, monitorando i parametri ad essa connessi durante la laminazione.

Durante il monitoraggio della laminazione sono considerati diversi gruppi di dati esemplificati sotto. Di ciascun gruppo possono essere impiegati, a seconda delle esigenze uno o più o tutti i dati sotto esemplificati, oppure altri dati ancora di cui si rilevi l’opportunità. Per lavorato si può intendere una barra, un tondo o simili, ad ogni stadio di lavorazione. Qui di seguito si potrà parlare genericamente di barre, in particolare in considerazione del laminato che viene alimentato al laminatoio, e con tale termine sono da intendersi barre, billette, o altri manufatti, e sono da intendersi, dipendentemente dal contesto anche i prodotti o semi-lavorati in ogni stadio della laminazione, per esempio tondi o altri profilati di qualsiasi sezione opportuna.

Un primo gruppo di dati è relativo ai parametri di svolgimento del processo:

Tempo di inizio laminazione lavorato;

velocità di rotazione dei cilindri;

forze e coppie di laminazione, se misurate, per esempio in modo noto;

temperatura del lavorato in ingresso;

temperature misurate lungo il laminatoio qualora e dove siano disponibili opportuni sensori;

distanza fra i cilindri (se nella gabbia sono presenti mezzi, ad esempio encoder, per la misura del gap, altrimenti questo dato può essere un dato preimpostato, che viene corretto in seguito ad eventuali regolazioni) lunghezza del lavorato transitato per la gabbia (o attraverso una gabbia di riferimento), che può essere, la lunghezza di una barra alimentata, reimpostando i dai per ogni barra successive, in caso di lavorazione tradizionale, o di una porzione di barra opportunamente definita in caso di laminatoi infiniti (endless o semiendless). La lunghezza può anche essere ottenuta integrando nel tempo la velocità di transito ricavata dalle misurazioni.

Un secondo gruppo di dati in ingresso è costituito da dati di processo preimpostati, che possono essere inseriti nel sistema dall’utente mediante interfaccia, o essere prelevati da database o sistemi informatici relativi all’impianto e possono essere: caratteristiche, in particolare caratteristiche meccaniche nelle condizioni di laminazione, in particolare la temperatura, del materiale, in particolare acciaio, lavorato;

distanza fra cilindri (se non misurata in impianto come visto sopra);

parametri dimensionali e morfologici del lavorato, per esempio, altezza e/o larghezza della barra in ingresso, in particolare alla prima gabbia monitorata dal sensore, area della sezione della barra in ingresso. Il terzo gruppo di dati è relativo ai cilindri delle gabbie monitorate. Anche tali dati sono, secondo un particolare aspetto dell’invenzione, dati preimpostati. Secondo una forma realizzativa, tali dati possono essere ricavati a partire da un dato identificativo del cilindro, per esempio una matricola, che permette di reperire automaticamente gli altri dati da database o sistemi di impianto. Tra i dati possono essere compresi:

canale in uso, nel caso di cilindri multi canale, come sopra accennato;

durezza del cilindro;

diametro del cilindro;

massima usura ammissibile per ogni canale del cilindro; soglie di usura per l’attivazione di operazioni come la generazione di allarmi o la regolazione della distanza fra cilindri;

altre caratteristiche, per esempio caratteristiche geometriche della calibratura.

La rete neurale, relativamente ad una gabbia può fornire una serie di dati in uscita, per esempio: usura del cilindro;

larghezza, altezza e area della sezione della barra in uscita dalla gabbia;

temperatura barra in uscita alla gabbia;

eventuale correzione della distanza fra cilindri da operare.

La rete neurale può anche generare allarmi relativi all’usura, per esempio indicando la necessità di operare correzioni manuali della distanza tra cilindri o di sostituire i cilindri.

I dati in uscita possono essere utilizzati come dati di ingresso (primo gruppo di dati) per la rete relativa ad un’altra gabbia, in particolare la gabbia a valle di quella considerata. I dati in uscita possono essere utilizzati per aggiornare un database di processo.

Con riferimento alla figura 1, è esemplificata una logica di controllo dell’usura.

I parametri di processo 1 (primo gruppo di dati), monitorati, per esempio ad intervalli di alcuni secondi, vengono rilevati e memorizzati dal sistema, per esempio in un database di processo 4, in cui sono stati caricati i dati preimpostati, del secondo 2 e terzo 3 gruppo. Elaborando i dati disponibili nel database 4, la rete neurale 5 calcola i dati di usura ed opera la correzione della distanza tra i cilindri, se previsto. La nuova distanza 6, viene reintrodotta come dato di processo nel database, per continuare il monitoraggio.

La rete neurale può essere strutturata in qualsiasi modo noto, per esempio può essere prevista una rete neurale per ogni gabbia e, come dati di ingresso può ricevere i dati relativi alla gabbia precedente, in particolare le dimensioni e morfologia del lavorato, anche in funzione dell’usura calcolata. In tal modo, tutti i dati in ingresso sono continuamente aggiornati ed il calcolo avviene con la massima precisione. Questo è equivalente ad un’unica rete neurale che riceve i dati aggiornati calcolati per ogni gabbia monitorata e fornisce i dati per ogni gabbia memorizzandoli. Possono anche essere trovate strutture differenti in base alle esigenze e al numero e posizione delle gabbie monitorate.

Le reti neurali possono essere di tipo noto, con uno o più layer nascosti, a seconda delle esigenze, che possono essere definiti in fase di addestramento della rete. Esse possono essere realizzate mediante programmazione (software) su una macchina (CPU) di tipo noto, oppure essere realizzate come unità logiche specificamente dedicate (hardware) o realizzando una combinazione delle diverse soluzioni.

Le reti neurali utilizzate nello sviluppo del metodo secondo la presente invenzione possono essere suddivise e addestrate in funzione delle tipologie della calibratura: ovale e/o tonda. Inoltre, all’interno di una tipologia di calibratura, la suddivisione può essere per intervalli di caratteristiche geometriche: diametro di fondo gola, profondità della calibratura, angoli di sfianco, raggio della calibratura e di raccordo. Si è verificato che è possibile mantenere lo stesso numero di nodi per calibrature diverse.

La normalizzazione dei dati per la rete neurale può avvenire in modo noto. Per esempio, la rete può essere organizzata secondo una logica fuzzy, per cui i dati possono essere normalizzati in intervalli di valore tra 0 ed 1, per esempio, dopo avere definito un intervallo di valori che un parametro può assumere nel normale funzionamento attribuendo un valore tra 0,01 e 0,99, mentre valori dei fuori dal normale intervallo di lavoro assumere i valori tra 0 e 0,01 e 0,99 e 1, con funzioni di normalizzazione e denormalizzazione di tipo sigmoidali.

Per l’addestramento delle reti neurali, si può operare eseguendo simulazioni mediante modelli. Per esempio, si possono definire gli intervalli di operatività di interesse per i processi di laminazione. Si ricavano una serie di simulazione mediante i modelli all’interno dell’intervallo. Per esempio, si ricava una serie di simulazioni con un modello fisico di tipo semi-empirico e si confronta una parte con simulazioni ottenute con il metodo degli elementi finiti, che richiede più tempo per effettuare una simulazione. In questo modo si ottengono simulazioni precise, validate con due metodi e si verifica la precisione dei modelli. Per esempio, le simulazioni per una gabbia possono tenere conto dei seguenti parametri: durezza e diametro dei cilindri, caratteristiche del lavorato (calibratura, morfologia e dimensioni), distanza dei cilindri, produttività, temperatura della barra in ingresso, velocità dei cilindri, potenza, lunghezza di barra transitata, caratteristiche dell’acciaio o altro materiale.

Ricavati i valori che la rete deve calcolare, con le simulazioni si può addestrare la rete, per renderla in grado di fornire, in un processo, i dati di uscita visti sopra. In particolare, si valuta l’usura, come valore lineare, per esempio della variazione di profondità di un solco in un punto predeterminato, e un valore di variazione dell’area della sezione della barra in uscita. I due valori combinati forniscono sia un dato riguardante l’usura, sia della sua precisione, essendo l’area influenzata da variazioni di dimensioni del solco anche in punti non valutati con misure lineari.

È evidente che le condizioni di lavoro del laminatoio devono essere il più possibile quelle eseguite per il calcolo, per esempio evitando pretensioni nell’alimentare la prima gabbia del laminatoio.

Esempio

Sono state eseguite due campagne di produzione (I e II) di tondi in un laminatoio di più gabbie (da S6 a S11 delle tabelle 1 e 2) e ricavati i valori di usura (variazione di profondità del solco nella parte centrale)(tabella 1) e di variazione della sezione della barra in uscita (tabella 2), per tutte le gabbie, distinguendo i singoli solchi (i diametri dei solchi sono riportati nella colonna “solco” di una stessa gabbia, dove presenti più solchi. I valori sono ricavati sia con una rete neurale addestrata in base a simulazioni ricavate con il modello Oike (colonne ANN) e misurati alla fine della produzione (colonna misure). I dati di processo considerati (primo gruppo), usati dalla rete neurale erano velocità dei motori, lunghezza barra transitata, temperatura misurata dopo la gabbia S7 (con pirometro) diametro della barra e potenza dei motori. I dati preimpostati (secondo e terzo gruppo) erano: diametro e durezza dei cilindri, distanza cilindri (non regolata in queste prove), produttività, temperatura barra in ingresso al laminatoio, dimensioni della barra in ingresso alla gabbia, caratteristiche geometriche del solco (larghezza e profondità), caratteristiche dell’acciaio. Gli errori contenuti, in ogni caso al disotto del 4%, indicano l’affidabilità delle reti neurali nel prevedere l’usura.

Riferimenti numerici:

1 primo gruppo di dati

2 secondo gruppo di dati 3 terzo gruppo di dati

4 database

5 rete neurale

6 dati in uscita dalla rete

Tabella 1

Tabella 2

Claims

Rivendicazioni 1. Metodo di controllo dell’usura dei cilindri delle gabbie di un laminatoio, in particolare per barre o tondi, comprendente le seguenti fasi: lettura da parte di una rete neurale (5) di una pluralità di dati (1, 2, 3) relativi alle condizioni iniziali (3) di uno o più cilindri di laminazioni, in particolare una o più coppie di cilindri appartenenti ciascuna ad una gabbia di laminazione, alle impostazioni (2, 3) ed allo svolgimento del processo (1); generazione da parte della rete neurale (5) di segnali (6) relativi alle condizioni di usura dei cilindri.
2. Metodo secondo la rivendicazione 1, in cui viene regolata la distanza fra i cilindri di una o più gabbie monitorate.
3. Metodo secondo qualsiasi rivendicazione precedente, in cui viene regolata la velocità di rotazione dei cilindri di una o più gabbie monitorate.
4. Metodo secondo qualsiasi rivendicazione precedente, in cui una o più rete neurale monitora l’usura di più gabbie di un laminatoio.
5. Metodo secondo qualsiasi rivendicazione precedente, in cui un database (4) memorizza i dati preimpostati e i dati in uscita dalle reti neurali e viene letto dalle reti neurali.
6. Metodo secondo qualsiasi rivendicazione precedente, in cui detta rete neurale è addestrata con simulazioni basate su modelli semi-empirici e/o ricavate col metodo degli elementi finiti.
7. Sistema di controllo dell’usura dei cilindri delle gabbie di un laminatoio, comprendente una rete neurale, atto a svolgere un metodo secondo qualsiasi rivendicazione precedente.
8. Laminatoio dotato di sistema secondo la rivendicazione 7.