热轧带钢头部拉窄与活套关系的研究与优化

热轧精轧机组的活套偶尔存在使带钢拉窄或者抖动现象,通过研究活套位置控制和张力控制的原理,分析生产过程中存在问题的原因,制定针对性的措施优化起套过程的转矩设定、建张角。优化后的轧机稳定性得到提高、带钢拉窄数量减少。     

微张力算法在活套控制中的应用

带钢热连轧现场中的精轧区域经常由于二级设定秒流量不匹配导致前后机架速度设定不匹配,这种机架间速度的不匹配造成带钢头部拉窄、拉薄,通常将此现象称之为拉钢。通过计算活套上游机架的主电机功率得到实际的带钢张力,利用此算法对活套高度闭环做出及时的补偿,使拉钢时间尽量缩短。该算法在某带钢热轧现场投入使用并取得了一定的应用效果。     

针对热轧带钢头部拉窄的活套控制系统改进

为了解决热轧板带头部因金属流量失衡而导致的拉窄问题,以热连轧机液压活套系统为研究对象,对活套的高度控制进行了研究分析,并在此基础上提出了头部流量快速补偿等起套控制的改进策略,以达到活套对带钢头部的张力和套量的精确控制。并以马钢2 250 mm热轧精轧产线为试验平台,按照制定的改进策略进行了起套的功能改进和参数校正试验。通过试验,解决了带钢头部长距离拉窄问题,提升了起套的控制性能,并建立了活套起套性能指标的参考标准。     

低碳冷轧带钢卷取拉钢的控制

针对唐山不锈钢有限责任公司1580mm热轧带钢生产线低碳冷轧料在距离带钢头部110m处出现宽度严重拉窄缩颈的现象,通过调整卷取机咬入过程的力矩限幅程序,优化层冷辊道超前率、夹送辊超前率、带钢屈服强度、张力分配等参数,基本解决了带钢头部的颈缩现象,满足了用户的使用要求。     

1750mm热轧精轧活套控制高度技术研究

在热连轧精轧轧制过程中,活套高度的控制直接影响了轧制的稳定性和宽度精度,带钢控制从拉窄本身控制来讲,活套角度越高,张力控制越小,越不容易产生拉窄。但在实际生产过程中,由于活套角度较高,张力控制较小,就容易产生跑偏及废钢。主要介绍为兼顾稳定性影响(轧破、甩尾)及宽度控制而采取措施。。     

冷轧基板轧制头部拉窄问题及改进措施

分析了唐钢1 580 mm热轧机生产线生产冷轧基板过程中出现带钢头部拉窄的问题,通过对拉窄位置的测量以及仪表检测情况的调查,确定冷轧基板头部产生拉窄的主要原因来自卷取区域,因此针对性地优化了冷轧基板的卷取张力等相关参数、层冷的冷却模式,完善了卷取的一级控制程序,精确了卷取操作人员的控制要点,有效解决了冷轧基板头部宽度拉窄的问题,满足了用户切边对宽度的要求,同时也提高了公司产品的宽度控制精度,保证了产品的质量信誉。     

1 780 mm热连轧机带钢头尾宽度控制

宝山钢铁股份有限公司不锈钢分公司1 780 mm热连轧机投产二年多来,碳钢与不锈钢的功能考核已经完成,但由于参数优化的原因,各项精度指标在控制上还存在一定问题。本文就碳钢的宽度而言,针对带钢头尾宽度拉窄的现象,通过对模型相关参数的优化调整,有效解决了头尾宽度拉窄的问题,提高了带钢的宽度精度。     

活套高度闭环和张力闭环控制投入时机的选择

热连轧过程中利用位置环起套时经常会造成活套位置超调,从而造成带钢头部被拉窄拉薄。但是通过跟踪套量变化曲线,可以预先判断活套与带钢接触的时机,从而快速退出位置环,减小由于活套位置环起套超调造成的拉钢。针对活套起套过程,提出一种确定活套高度闭环和张力闭环投入时机的算法,经过现场实际应用,效果明显,使起套过程控制获得极大改善,确认这是一种行之有效的方法。文中还就该算法在起套过程中遇到的几个问题进行了探讨。     

热轧卷取机夹送辊控制功能优化

针对热轧带钢卷取过程中,因夹送辊的控制不合理而造成的带钢失张、带钢头部塔形、尾部松卷等卷形不良以及带钢头部拉窄、表面划伤等质量问题,建立了数学模型并进行了功能优化。通过增加夹送辊防头部拉窄控制、防止夹送辊和芯轴之间带钢松卷的小张力控制、防止带钢表面划伤和尾部松卷的张力转移和上下夹送辊负荷平衡控制,优化了张力控制模型和参数,因夹送辊问题而导致的带钢卷形不良和表面质量问题得到有效解决。     

信息熵特征选择方法定位热轧带钢头部拉窄原因

针对某热轧带钢生产线时常会出现头部拉窄现象,本文从实际生产数据出发,首先采用动态弯曲时间算法将长度不同的各变量转换为相同长度,然后采用信息熵特征选择算法分析各生产过程变量对产品质量的影响程度,找出对头部拉窄影响最大的前若干个过程变量,初步定位热轧带钢头部拉窄原因.结果表明:信息熵特征选择方法可以有效初选热轧带钢头部拉窄原因,为生产调整提供方法支撑,将来还可推广到其他质量异常定位,甚至其他工序或者其他应用领域.     

热轧宽度模型改造

为了改善国内某热轧厂宽度控制稳定性和精度,在对原有模型和质量问题分析基础上,针对粗轧宽度模型实施了模型架构、模型算法、模型参数、自学习方式、短行程控制以及宽展预测模型的改造和优化。对钢种层别进行细分,自适应参数考虑了不同轧制生产模式的影响,带钢的头尾短行程控制曲线采用了可变多点方式,增加了立辊孔型模型以及立辊磨损模型,在宽展计算时考虑孔型的影响磨损量的贡献,提高了宽度模型预报精度。实际应用结果表明,经过优化改良的宽度模型有效提高了宽度控制稳定性和产品精度。     

基于深度学习的热轧带钢头部厚度的命中预测

 针对热轧带钢头部厚度精度较低的问题,提出了一种基于深度学习的热轧带钢头部厚度的命中预测方法。在精轧过程中,带钢头部张力较小,且通常温度较低;同时轧机工艺参数复杂,精准设定存在困难,轧制带钢头部经常会出现厚度不合格的现象。利用深度神经网络的非线性拟合能力,设计带钢头部厚度预测模型,给轧机的参数设定提供参考、提高头部厚度命中率、减少钢材浪费。深度神经网络(DNN)包含输入层、隐藏层、输出层,使用TensorFlow开源机器学习框架设计预测模型并用程序实现。调整神经网络各参数,通过研究它们对模型性能的影响,优化预测模型。最后使用多种厚度的带钢测试数据训练并检验头部厚度预测模型,结果显示,分类预测命中准确率在80%以上。     

基于优化RT-PLS的热轧带钢头部厚差诊断研究

摘要：头部厚度偏差是热轧带钢的重要产品质量指标,在板带轧制厚度控制中起着重要作用。实际生产中,基于多种原因带钢头部厚度常会出现偏差超限现象。为了分析头部厚差超限的主导原因,采用偏最小二乘法,结合马氏距离相对变换和潜变量优化选取方法,建立了基于优化相对变换偏最小二乘法(Relative Transformation Partial Least Squares,RT-PLS)的带钢头部厚差诊断模型。实例表明：优化RT-PLS诊断模型能够准确查找出导致带钢头部厚差超限的主要特征参数,指导生产现场的调节,成功降低了后续带钢的头部厚差,使厚度命中率由92.18%提升至97.13%,为带钢头部厚差的诊断研究提供了一种有效的诊断方法。     

提高带钢热连轧卷取温度控制质量的措施

以莱芜钢铁公司1500mm热连轧机层流冷却系统为对象，对如何提高带钢卷取温度控制质量进行了研究。在基于非线性函数分段线性化的预设定模型的基础上，加入了如下措施来改善控制质量：考虑模型中所用变量的波动，对预设定模型进行实时动态补偿；考虑模型中没有涉及到的因素及慢时变参数对卷取温度的影响，对带钢头部进行自学习。运行结果证明所采用的这些措施大大提高了控温精度，能够很好地满足产品质量的要求。     

Comprehensive tension setting optimisation technique for a cold rolled strip during continuous annealing

The previous tension setting for the continuous annealing process (CAP) is not comprehensive; that is, it does not synthetically consider the factors of strip deviation, buckling, flatness and width narrowing. To address this issue, this study integrated the mechanical and technological characteristics of a continuous annealing line to present a comprehensive control index that can characterise the stability of a travelling strip. Meanwhile, strip deviation, buckling, strip shape and width narrowing were regarded as constraints in each process section. A comprehensive optimisation technique for the tension setting during CAP was then established, and a related theory was applied during production. In addition, a comprehensive tension setting optimisation software was developed for a cold rolled strip during continuous annealing, and the comprehensive optimisation of the tension parameters in each process section was realised. A practical implementation proves that the developed technique exhibits good application effects and considerable application values.     

攀钢1 450 mm热连轧机自动宽度控制(AWC)技术

攀钢自动宽度控制系统由二级过程计算机和一级自动化系统TCS组成,二级计算机通过准确的跟踪系统跟踪带钢和处理数据,并通过模型系统计算AWC所需的辊缝等工艺参数;通过前馈和反馈技术,TCS按照二级模型给出的工艺参数实时变换立辊开口度来控制带钢的宽度。     

热轧带钢头尾短行程控制自学习策略

针对热轧带钢粗轧头尾宽度尺寸精度低的现状,分析了带钢头尾宽度超差的原因,提出了采用短行程控制(short stroke control,简称SSC)的解决方案。针对传统的短行程控制模型在实际应用过程中控制精度不高的问题,开发了短行程控制在线自学习功能。采用加法自学习的方法,利用轧后实测宽度数据对短行程控制模型参数进行自学习。国内某热轧厂现场实际应用表明:自学习后的短行程控制模型,能够将带钢头尾与稳定段宽度超差控制在2 mm之内;金属收得率提高到98%以上。     

Pre-alculation optimization of finishing delivery temperature of hot strip head based on data driven

The pre-alculation of finishing delivery temperature of strip head is an important content in finishing rolling setting. It is not only the basis of temperature control for the whole length of the strip, but also related to the preset parameters of rolling speed, rolling force and roll gap. It plays a key role in the quality control of finished strip steel. In practical production, the finishing delivery temperature of strip head mainly depends on semi mechanism model which combines statistical experience and adaptive correction. However, due to the complexity of the strip heat transfer process, the temperature cannot be calculated accurately by the semi mechanism model, which leads to the low accuracy of the pre calculation of finishing delivery temperature at the head of the strip. In order to solve this problem, a hybrid optimization model from a data driven point of view which based on the semi mechanism models and supplemented by BP neural network and improved particle swarm optimization (IPSO) algorithm was established. Through simulation experiment, the results show that: compared with a pure neural network model or mechanism model, the pre calculation accuracy and convergence speed of the hybrid optimization model have been greatly improved up to 9667%, and it has a good application prospect.     

数据驱动的热轧带钢头部终轧温度预计算优化

摘要：带钢头部终轧温度(finishing delivery temperature,FDT)的预计算是精轧设定中的一项重要内容。它不仅是带钢全长终轧温度控制的基础,而且关系到轧制速度、轧制力以及辊缝等模型参数的预设定,对成品带钢的质量控制起着关键性的作用。在实际生产中,带钢头部终轧温度主要是通过结合了统计经验和自适应修正的半机理模型来计算,但是由于带钢换热过程的复杂性难以用关系式精确表达,导致了带钢头部终轧温度的预计算精度不高。针对此问题,从数据驱动的角度出发,利用BP神经网络和改进粒子群优化算法（improved particle swarm optimization, IPSO）,以半机理模型为主,IPSO-P网络模型为辅,建立了一种混合优化模型。通过仿真实验和实际生产对比,结果表明：相比于单纯的神经网络模型或者半机理模型,混合优化模型的预计算精度和收敛速度均有了很大的提高,达到9667%,具有良好的应用前景。     

冷轧极薄规格带钢羽痕缺陷生成机理与控制

针对双机架平整机生产极薄规格带钢时表面出现的羽痕缺陷生成机理进行了分析。通过研究发现,羽痕生成是由于极薄规格带钢在宽度方向上由轧制力和张力共同作用下出现不均匀变形,该变形产生的分界线在平整过程中出现了不均匀延伸;而在平整过程中由于弯辊和窜辊的预设定参数不合理、单位张力设定偏低、平整过程中弯辊力与轧制力不匹配等因素导致带钢局部延伸偏大,形成了明显的浪形,此浪形若经过平整机辊缝碾压则生成羽痕缺陷。通过将平整机设定张力提高30%、调整板形曲线为1~8 IU的大边浪、依照带钢厚度调整平整机板形预设定参数以及开发轧制力弯辊力跟随控制模型等措施,极薄规格带钢羽痕缺陷带出品由 206降至51 t/月,基板表面质量满足了国内外多家高端用户的要求。