轧制力优化对20辊冷轧硅钢厚度精度的影响

轧制力是影响冷轧带钢厚度精度的关键因素。为实现高精度的冷轧带钢厚度控制,通过优化变形抗力模型参数和摩擦系数模型参数提高冷轧轧制力模型计算精度,并使用指数平滑法的自学习算法保证轧制力精度的稳定性。在首钢股份公司迁安钢铁公司20辊森基米尔轧机生产线进行S12硅钢钢种轧制力优化试验,将优化的模型参数应用于L2并投入现场生产,结果表明该优化方法不仅提高了轧制力设定精度,而且减小了冷轧硅钢的厚度超差长度,提高了成材率。     

冷轧变形抗力模型研究

冷轧轧制力计算模型是过程控制的核心和基础,而轧制力计算的基础为变形抗力,因此提高变形抗力计算精度是提高轧制力计算精度的一条有效途径。为此,笔者首先通过实际轧制力数据反算变形抗力,然后使用数据分析软件对变形抗力进行曲线拟合。由于根据曲线拟合公式计算出的轧制力与实际轧制力存在差距,因此为了提高轧制力的设定精度,根据带钢压下率对轧制力进行了补偿。现场实际应用证明,这种方法能有效提高轧制力设定精度。     

提高轧制力设定精度的一种离线优化方法

轧制力参数设定是轧机设定模型的核心参数之一,对决定成品卷的厚度精度及板型质量至关重要。京唐酸轧二级模型计算轧制力时采用Bland-Ford-Hill公式,经分析确定影响轧制力计算精度的参数主要为变形抗力和摩擦力因数。因此提出了一种利用特定钢种的初始历史实际轧制数据离线调整其变形抗力和摩擦力因数的方法,从而提高本钢种在线轧制力模型的设定精度。实际应用表明,使用通过此方法优化后的变形抗力和摩擦力参数计算轧制力,轧制力设定模型的精度得到了明显提高,能够满足在线控制需求。     

基于热轧工艺参数的冷轧变形抗力预报建模研究

变形抗力作为冷轧工艺设定中重要的材料和控制参数，计算精度直接影响到轧制力设定精度，继而影响带钢平坦度等质量指标的控制精度。针对变形抗力机制模型设定精度低、无法考虑热轧过程参数遗传影响等问题，采用鲸鱼优化算法(WOA)优化BP神经网络建立预测模型(WOA-BP),并通过现场收集的热、冷轧历史过程工艺参数对模型进行训练。WOA-BP模型预测结果表明，平均绝对值误差为10.42,平均绝对百分比误差为1.22,平均均方根误差为13.13,均优于BP神经网络模型，弥补了BP神经网络处理复杂的非线性问题训练时间长、预测精度低等缺点。与传统依托冷轧单工序建立的机制模型相比，考虑热轧工艺参数后，变形抗力预测误差由±15%降低至±6%,应用于L2级系统模型设定后，轧制力精度平均提高了2.09%。     

基于数据挖掘的冷轧轧制力优化方法研究

针对广泛应用的Bland-Ford-Hill冷轧轧制力工艺模型,通过挖掘现场实际数据隐含的规律,对其变形抗力和摩擦因数的模型参数进行优化,以提高轧制力计算精度。首先,推导由轧制力计算变形抗力和摩擦因数的逆计算算法,采用L-M非线性多项式回归方法对变形抗力和摩擦因数的模型参数进行优化回归计算,建立轧制力优化算法;然后,根据现场海量的实际数据,采用数据挖掘的方法,使用上述优化方法计算更加符合现场实际的变形抗力和摩擦因数的模型参数。优化结果在线运行后,轧制力精度明显提高。     

梅钢1420冷连轧机轧制力模型的开发及应用

梅钢1420轧制力模型在Hill方程基础上,分解提炼3个关键因子,建立了显函数的轧制力模型,并进行变形抗力参数和摩擦系数参数的自适应修正以提高轧制力模型精度.经生产实践数据检验,该模型自适应系数在0.9～1.1以内,满足模型在线控制要求.     

热连轧精轧轧制力预报模型研究及优化

针对攀枝花钢钒有限公司1450热连轧生产规格变换频繁、同钢种带钢成分波动较大,导致换规格第1块带钢轧制力预报精度较低的情况,研究了精轧轧制力预报模型和其重要组成部分应力状态系数模型和变形抗力模型,结合现场生产数据,分析出化学成分修正系数和变形抗力自学习系数是影响轧制力预报精度的主要因素,从这两方面对模型进行优化,提高了轧制力预报精度。     

冷轧轧制过程摩擦系数模型优化方法研究

冷轧轧制过程摩擦系数模型为非线性多项式,为了获得更能反应实际轧制工况的摩擦系数模型参数,充分利用实际工艺数据,通过优化的方法对模型参数进行回归分析。实际应用证明,该方法可以提高轧制过程摩擦系数模型设定精度,为高精度轧制提供基础。     

马钢CSP生产线MGW1300电工钢变形抗力研究

针对马鞍山钢铁股份有限公司CSP生产线7机架连轧机轧制MGW1300电工钢产品时出现的轧制力设定值与实测轧制力误差较大的问题,对影响轧制力的主要因素--变形抗力进行了研究,提出通过保证良好的板凸度指标来间接修正变形抗力理论计算值的新方法.首先根据实测轧制力采用西姆斯公式计算变形抗力初始值,然后利用三维有限元模型对变形抗力初始值进行迭代修正,使板凸度误差达到5%以内.现场应用表明,在MGW1300产品轧制过程中,用该方法得到的变形抗力修正值,提高了在线轧制力预设定模型的预设定精度,减小了厚度波动,改善了板形质量,为电工钢稳定生产提供了保证.     

冷连轧变形抗力模型的优化

采用原始静态变形抗力模型,并考虑入口、出口弹性变形轧制力对模型的道次影响系数,进行计算优化,建立了1个优化的变形抗力模型。2种模型的对比表明,优化的模型精度更高,提高了轧制力的计算精度。     

宽厚不锈钢复合板轧制力计算与参数影响分析

 对宽厚不锈钢复合板层间真空热轧制变形过程进行受力分析,将热轧变形区分成I、II两个区间,运用主应力法建立各个区间的力平衡方程,根据边界条件和屈服准则求出各变形区的长度和各变形区所受压力,建立轧制力计算数学模型,在此基础上分析轧制工艺参数对宽厚不锈钢复合板轧制区间内不同应力分布的影响规律。将实际参数代入轧制模型计算公式,应用Matlab编程求得理论计算值,并与实测值进行比较。研究结果表明：轧制力模型可用于预测轧制力的大小,满足工程要求,轧制复合过程研究有助于优化成形工艺、预测产品性能,为今后此类材料的研究开发提供了参考依据。     

马钢CSP热连轧机轧制力模型的研究

基于将轧制变形区划分为若干微单元的思想,对轧制变形区内轧制力影响因素变化规律进行研究,根据Von-Mises塑性变形方程,建立单位轧制压力的数学模型。经现场生产数据验证,轧制力计算偏差在10%以内,具有较高的计算精度和效率。     

冷连轧轧制力计算模型及改进方案

过程控制系统要求数学模型能正确反映规律性,运算简单,并且有较高的预报精度。轧制力计算模型是过程控制数学模型的核心,轧制力的计算精度直接影响到板形与板厚控制的精度。为了提高轧制力计算的精度,通过对冷轧轧制力特点的分析和计算模型的研究,我们在现有Hill公式的基础上,考虑张力对计算冷轧带钢轧制力的影响并借助于自学习计算功能,通过添加张力影响因子和模型自学习系数对Hill公式进行了改进,在保证轧制力预报精度的同时实现轧制力的在线计算。实际数据测试结果表明轧制力在线计算模型的预报精度误差在±5%以内。     

板材轧制过程轧制力刚塑性有限元快速计算

 为了满足板材轧制过程在线控制快速计算的要求,首先建立了板材轧制平面应变刚塑性有限元能量泛函。其次,通过合理的简化建立了只考虑变形区的快速有限元模型,且对有限元建模的关键问题包括中性点、第一类速度奇异点和刚性区等进行了处理。最后,开发了板材轧制快速计算有限元程序,并且利用现场轧制数据测试了快速有限元程序的计算速度和精度,结果表明计算速度和精度满足在线快速计算的要求。     

粗轧过程中轧制力和宽展的预测与分析

 板带轧制数学模型是实现自动控制的基础,高精度的数学模型是提升产品质量和市场竞争力的重要保障。在热连轧粗轧过程控制中,轧制力和宽展是关键参数,其模型精度不仅会影响粗轧轧制规程的设定,而且会影响最终热连轧带钢产品凸度。以矩形板坯热连轧粗轧过程为研究对象,针对轧制变形区建立了三维运动许可加权速度场,在此基础上充分考虑自然宽展效应,基于刚塑性材料的第一变分原理,采用可变上限积分法对塑性变形、剪切功率和摩擦功率进行积分获得变形区总功率泛函。利用Matlab优化工具箱对总功率泛函进行最小化,得到了轧制力、宽度分布的理论解。最后利用理论模型计算数据回归得到了板坯宽展及速度场中的加权系数模型。将基于所提出模型的轧制力和宽展预测值与现场实测值及部分有关学者所建立模型的预测值进行了对比,结果验证了所建立模型的准确性。研究得到的宽展模型和速度场加权系数表达式可以方便、灵活、快速地应用到粗轧现场中,为更高质量热连轧带钢产品的生产奠定了坚实基础。     

中厚板轧制过程中高精度的轧制力预测模型

结合首钢3500mm轧机改造项目，根据中厚板轧制工艺的特点，对影响轧制力的因素进行了详细的解析，包括变形区影响函数、变形率函数和变形速率影响函数等，给出了中厚板轧制过程中高精度的轧制力计算数学模型。分析了残余应变对轧制力计算的影响，得到了不同钢种的残余应变计算模型和轧制力在线计算时的修正策略。现场在线应用结果表明：给出的轧制力模型具有良好的预测精度，预测误差可以控制在5％以内。     

Experimental and theoretical analysis of roll flattening in the deformation zone for ultra-thin strip rolling

For ultra-thin strip rolling, the conventional rolling force models are no longer applicable. To obtain accurate rolling force in the shape and gauge control process, Fleck proposed a new roll flattening model. In this study, experimental analysis, finite element simulation, and theoretical analysis were conducted to evaluate the Fleck model. The experiments and simulations show a clear neutral zone in the deformation zone with decreasing strip thickness. The finite element simulation results show that the proportion of the elastic unloading zone is small, when an elastic unloading phenomenon appears in the neutral zone. Thus, to simplify the rolling force model, the effect of an elastic zone could be ignored. Based on this finding, we develop a rolling force model with quick calculation speed, high precision, and convenient online application. Finally, the accuracy of the simplified model is verified by the measured rolling force.     

薄带材轧制的最小可轧厚度理论及数值模拟

 智能制造、电子通信等行业向微型化、集成化方向发展要求不断提升精密轧制带材产品质量,提高厚度精度控制是其中关键组成部分,因此,精密带材轧制过程接触变形区理论研究有着极其重要的意义。以Stone轧制力模型为代表的传统薄带材冷轧理论假设轧辊在接触变形区内保持圆弧状轮廓,利用Hitchcock公式求解接触弧长进而求得平均单位压力,并在此基础上建立了Stone最小可轧厚度理论。在试验及实际生产中很多学者发现有时Stone轧制力计算值与实际值相差甚远,这是由于某些轧制工况下接触变形区内存在中性区,轧辊圆弧状假设不再适用。中性区的存在使轧制力剧烈增大而带材金属延伸变形增加甚微,即轧制难度增大、轧制效率降低。通过对不同厚度薄带材轧制过程进行有限元分析,得到了不同道次压下率下接触变形区轮廓与接触压力分布的变化规律,带材初始厚度越小或道次压下率越大,接触变形区内中性区所占比例越大,接触压力分布趋于椭圆形分布;基于Stone轧制力公式建立了考虑轧制效率的薄带材最小可轧厚度模型,对于一定初始厚度与Stone最小可轧厚度比值,根据轧制工艺参数可计算接触变形区内恰好不存在中性区时的临界道次压下率,以此临界道次压下率为依据可确定高效轧制厚度范围及Stone轧制力模型的适用条件,为精密薄带材轧制生产过程提供理论指导。     

Neural Network Friction Model for Cold Strip Rolling

A neural network friction model with very good prediction accuracy was developed on the basis of industrial data. Simulative calculation indicated that the accuracy of rolling force and motor power calculation can be improved using the calculated friction coefficient. It was found that reduction ratio and deformation resistance of strip has more effects than other parameters, and the effects of most parameters are affected by rolling speed.     

可逆冷轧机过程控制功率计算及其自适应学习

介绍了可逆冷轧机过程控制功率计算及其自适应学习方法,将功率计算值与现场实际功率进行对比,计算出功率模型中的自适应学习系数,用指数平滑法修正自适应学习系数提高该模型的设定精度,并分析了轧制力、轧制速度以及压下量对功率的影响。实例计算表明,采用这种方法计算功率,速度快且计算精度满足在线控制要求,适用于可逆冷轧机过程控制功率计算。