一种铁素体轧制工艺的精轧控制方法及装置制造方法及图纸

本发明专利技术提供了一种铁素体轧制工艺的精轧控制方法及装置，方法包括：建立基于铁素体轧制工艺的钢种族号；建立基于铁素体轧制工艺的精轧变形抗力模型；设定精轧变形抗力模型中自学习参数的初始值；其中，在精轧过程中，根据钢种的化学成分对变形抗力模型的调整因子ξ

【技术实现步骤摘要】
一种铁素体轧制工艺的精轧控制方法及装置
本专利技术属于热轧
，尤其涉及一种铁素体轧制工艺的精轧控制方法及装置。
技术介绍
纯铁素体组织具有良好的塑性和韧性，铁素体钢因耐腐蚀性能与抗氧化性能均比较好，因而被广泛应用各行业。在在常规热轧产线上生产铁素体钢时，精轧入口和终轧温度相比常规轧制工艺来说要低，导致不容易控制；并且由于受产线设计条件的限制，会使带钢精轧变形抗力计算、轧制速度以及轧制力等精轧关键参数的模型计算产生较大偏差，影响了轧制稳定性和过程指标控制精度，进而影响铁素体钢的质量。基于此，本专利技术提供一种铁素体轧制工艺的精轧控制方法及装置，以解决现有技术中的上述问题。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供了一种铁素体轧制工艺的精轧控制方法及装置，用于解决现有技术中利用常规热轧生产线声场铁素体钢时，精轧机架的变形抗力、轧制力等轧制参数的偏差较大，影响轧制的稳定性，导致铁素体钢的质量得不到保证的技术问题。本专利技术提供一种铁素体轧制工艺的精轧控制方法，所述方法包括：建立基于铁素体轧制工艺的钢种族号；建立基于铁素体轧制工艺的精轧变形抗力模型；设定所述精轧变形抗力模型中自学习参数的初始值；其中，在精轧过程中，根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整；其中，i为精轧机的序号，i＝1……7。上述方案中，所述变形抗力模型为kmi＝ZLKi·kSi·ΔkKi；其中，所述kmi为第i机架Fi的平均变形抗力；所述ZLKi为第i机架Fi的自学习参数；所述ksi为第i机架Fi变形抗力计算值；所述ΔkKi所述变形抗力模型的动态组成项。上述方案中，所述自学习参数具体包括：变形抗力、轧制力及轧制温度。上述方案中，其中，所述n为应变硬化组成；C1i为第一幅度系数；为Fi的累积应变。上述方案中，其中，所述m为比率敏感度；所述a1i为第一温度系数；所述Ti为Fi的轧制区材料平均温度；所述为Fi的平均应变速率；所述Ts为标准温度。上述方案中，所述ξi＝1.0+fNb(Nb)+fMn(Mn)+fTi(Ti)+fMo(Mo)+fCr(Cr)+fCu(Cu)+fNb(Nb)+fB(B)+fSi(Si)++fV(V)+fNi(Ni)；其中，fNb(Nb)为化学成分Nb的调整函数；fMn(Mn)为化学成分Mn的调整函数；fTi(Ti)为化学成分Ti的调整函数；fMo(Mo)为化学成分Mo的调整函数；fCr(Cr)为化学成分Cr的调整函数；fCu(Cu)为化学成分Cu的调整函数；fB(B)为化学成分B的调整函数；fSi(si)为化学成分Si的调整函数；fV(V)为化学成分V的调整函数；fNi(Ni)为化学成分Ni的调整函数。上述方案中，当Nb＞Nb(k)时，所述当Nb≤Nb(k)时，所述fNb(Nb)为零；其中，所述a为系数项，b为常数项，c为指数项。上述方案中，根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整后，所述方法还包括：控制精轧机架的入口的初始速度的增量为0.5～1m/s。本专利技术还提供一种铁素体轧制工艺的精轧控制装置，所述装置包括：第一建立单元，所述第一建立单元用于建立基于铁素体轧制工艺的钢种族号；第二建立单元，所述第二建立单元用于建立基于铁素体轧制工艺的精轧变形抗力模型；设定单元，所述设定单元用于设定所述精轧变形抗力模型中自学习参数的初始值；调整单元，所述调整单元用于在精轧过程中，根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整；其中，i为精轧机的序号，i＝1……7。上述方案中，所述装置还包括：控制单元，用于控制精轧机架的入口的初始速度的增量为0.5～1m/s。本专利技术提供了一种铁素体轧制工艺的精轧控制方法及装置，所述方法包括：建立基于铁素体轧制工艺的钢种族号；建立基于铁素体轧制工艺的精轧变形抗力模型；设定所述精轧变形抗力模型中自学习参数的初始值；其中，在精轧过程中，根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整；其中，i为精轧机的序号，i＝1……7。如此，通过单独建立铁素体轧制工艺的钢种族号，避免在轧制铁素体钢时，铁素体钢的轧制参数与常规轧制工艺的轧制参数之间相互干扰；并且，根据常规轧制工艺的实际数据来模拟铁素体钢的轧制工艺，不断调整变形抗力模型的自学习参数，最终确定自学习参数的初始值，并在轧制过程中通过调整因子ξi对初始值进行调整，使得在铁素体钢在轧制过程中，精轧机架的变形抗力、轧制力等轧制参数的偏差控制在预设的误差范围内，进而保证了铁素体钢的质量。附图说明图1为本专利技术实施例一提供的铁素体轧制工艺的精轧控制方法流程示意图；图2为本专利技术实施例二提供的铁素体轧制工艺的精轧控制装置结构示意图。具体实施方式利用常规热轧生产线声场铁素体钢时，为了解决精轧机架的变形抗力、轧制力等轧制参数的偏差较大，影响轧制的稳定性，导致铁素体钢的质量得不到保证的技术问题，本专利技术提供了一种铁素体轧制工艺的精轧控制方法及装置，所述方法包括：建立基于铁素体轧制工艺的钢种族号；建立基于铁素体轧制工艺的精轧变形抗力模型；设定所述精轧变形抗力模型中自学习参数的初始值；其中，在精轧过程中，根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整；其中，i为精轧机的序号，i＝1……7。下面通过附图及具体实施例对本专利技术的技术方案做进一步的详细说明。实施例一本实施例提供一种铁素体轧制工艺的精轧控制方法，如图1所示，所述方法包括以下步骤：步骤110，建立基于铁素体轧制工艺的钢种族号。本步骤中，因是利用常规轧制工艺生产线轧制铁素体钢，为了避免铁素体轧制的自学习参数与常规轧制参数相互影响，因此建立基于铁素体轧制工艺的钢种族号，将铁素体轧制的自学习参数隔离开来。其中，所述自学习参数具体包括：变形抗力、轧制力及轧制温度。步骤111，建立基于铁素体轧制工艺的精轧变形抗力模型。本步骤中，当基于铁素体轧制工艺的钢种族号建立好之后，建立基于铁素体轧制工艺的精轧变形抗力模型，以能在轧制过程中对变形抗力进行控制，使得变形抗力的误差控制在预设的误差范围内。具体地，所述变形抗力的模型如公式(1)所示：kmi＝ZLKi·kSi·ΔkKi(1)其中，在公式(1)中，所述kmi为第i机架Fi的平均变形抗力；所述ZLKi为第i机架Fi的自学习参数；所述ksi为第i机架Fi变形抗力计算值；所述ΔkKi为所述变形抗力模型的动态组成项。所述i为精轧机的序号，i＝1……7。这里，所述ksi可以由公式(2)计算得出：在公式(2)中，所述n为应变硬化组成；C1i为第一幅度系数；为Fi的累积应变。这里，Cji可以由公式(3)计算得出，所述可以由公式(4)计算得出:在公式(3)中，为幅度系数向量，为板坯化学成分向量，所述j＝1……7。在公式(4)中，所述为Fi的累积压下量率，所述HR为中间坯厚度，所述hi为Fi的出口厚度。其中，可由公式(5)计算得出：进一步地，所述ΔkKi可以由公式(6)计算得出：在公式(6)中，所述a1i为第一温度系数；所述Ti为Fi的轧制区材料平均温度；所述Ts为标准温度。其中，aji可以由公式(7)计算得出：在公式(7)中，为温度系数向量。所述为Fi的平均应变速率，可以由公式(8)计算得出：在公式(8)中，所述Vi为Fi的工作辊线速度本文档来自技高网...

【技术保护点】
一种铁素体轧制工艺的精轧控制方法，其特征在于，所述方法包括：建立基于铁素体轧制工艺的钢种族号；建立基于铁素体轧制工艺的精轧变形抗力模型；设定所述精轧变形抗力模型中自学习参数的初始值；其中，在精轧过程中，根据钢种的化学成分对所述变形抗力模型的调整因子ξ

【技术特征摘要】
1.一种铁素体轧制工艺的精轧控制方法，其特征在于，所述方法包括：建立基于铁素体轧制工艺的钢种族号；建立基于铁素体轧制工艺的精轧变形抗力模型；设定所述精轧变形抗力模型中自学习参数的初始值；其中，在精轧过程中，根据钢种的化学成分对所述变形抗力模型的调整因子ξi进行调整；其中，i为精轧机的序号，i＝1……7。2.如权利要求1所述的方法，其特征在于，所述变形抗力模型为kmi＝ZLKi·kSi·ΔkKi；其中，所述kmi为第i机架Fi的平均变形抗力；所述ZLKi为第i机架Fi的自学习参数；所述ksi为第i机架Fi变形抗力计算值；所述ΔkKi所述变形抗力模型的动态组成项。3.如权利要求2所述的方法，其特征在于，所述自学习参数具体包括：变形抗力、轧制力及轧制温度。4.如权利要求2所述的方法，其特征在于，其中，所述n为应变硬化组成；C1i为第一幅度系数；为Fi的累积应变。5.如权利要求2所述的方法，其特征在于，其中，所述m为比率敏感度；所述a1i为第一温度系数；所述Ti为Fi的轧制区材料平均温度；所述为Fi的平均应变速率；所述Ts为标准温度。6.如权利要求5所述的方法，其特征在于，所述ξi＝1.0+fNb(Nb)+fMn(Mn)+fTi(Ti)+fMo(Mo)+fCr(Cr)+fCu(Cu)+fNb(Nb)+fB(B)+fSi(Si)++fV(V)+fNi(Ni)；其中，fNb(Nb)为化学成分Nb的调整函数；fM...

【专利技术属性】
技术研发人员：王建功，李东宁，史金芳，周旬，夏银锋，艾矫健，王晓东，周政，
申请(专利权)人：首钢京唐钢铁联合有限责任公司，
类型：发明
国别省市：河北,13