一种基于自学习的可逆粗轧机轧件尾部跟踪方法技术

本发明专利技术提供一种基于自学习的可逆粗轧机轧件尾部跟踪方法，属于金属压力加工技术领域。该方法首先根据每道次轧机出口厚度、出口宽度、轧机速度及前滑值计算出轧件剩余未轧体积，然后根据轧机入口来料厚度和宽度计算出轧件剩余未轧长度，最后，通过对轧件剩余长度计算结果和轧件总体积进行自学习，提高轧件尾部剩余长度跟踪精度。本发明专利技术可在不依赖于金属检测仪的情况下，对轧件尾部长度进行精确的跟踪。

A self-learning based tail tracking method for reversible roughing mill

The invention provides a self-learning based tail tracking method for rolling piece of reversible roughing mill, which belongs to the technical field of metal pressure processing. The method first calculates the remaining unrolled volume of the rolling piece according to the exit thickness, exit width, rolling speed and forward slip value of each pass, then calculates the remaining unrolled length of the rolling piece according to the inlet thickness and width of the rolling mill. Finally, through self-learning of the calculation results of the remaining length of the rolling piece and the total volume of the rolling piece, it improves the rolling volume. Tracking accuracy of the residual length at the end of the rolled piece. The invention can accurately track the tail length of a rolling piece without relying on a metal detector.

【技术实现步骤摘要】
一种基于自学习的可逆粗轧机轧件尾部跟踪方法
本专利技术涉及金属压力加工
，特别是指一种基于自学习的可逆粗轧机轧件尾部跟踪方法。
技术介绍
粗轧工序是轧制工艺重要的一个环节，经过可逆粗轧机多个道次的轧制，将铸锭轧制为较薄厚度的中间坯，送给精轧轧制或剪切为中厚板。目前，粗轧轧制过程为全自动轧制，实现了道次的自动切换，轧机的自动升降速，厚度的自动控制等。要实现全自动轧制，轧件的精确跟踪尤为重要，尤其是轧件尾部跟踪，轧机自动减速功能和弯辊力平衡切换逻辑都要用到轧件尾部跟踪。轧机自动减速功能需要根据轧件尾部跟踪位置来启动减速逻辑，如果减速过早，轧完剩余轧件则需要更多时间，如果减速过晚，轧件抛出距离会较长，增加下道次咬入时间，过早或过晚的减速，都会影响生产效率，进而影响产量。弯辊力要根据轧件尾部跟踪位置，在抛出轧机前，要从负弯力切换为平衡力，如果弯辊平衡力切换过早，尾部较长一段距离板形会变差，如果切换过晚，在轧件抛出瞬间，又会导致轧辊的擦伤。为了便于下道次轧件顺利进入轧机，目前粗轧机每道次都会增加压尾功能，使轧件尾部厚度更薄，压尾长度一般在0.5～2.0米。实现精确压尾功能的前提就是精确的本文档来自技高网...

【技术保护点】
1.一种基于自学习的可逆粗轧机轧件尾部跟踪方法，其特征在于：包括步骤如下：(1)在第一道次，以来料板坯厚度H、宽度W、长度L计算轧件总体积V；(2)每道次轧制过程中，根据轧机出口厚度h1、出口宽度w1、轧机速度v、前滑值f，计算轧件已轧体积V1；(3)根据步骤(1)中得到的轧件总体积V和步骤(2)中得到的已轧体积V1，计算未轧制体积V0，然后再根据轧机入口厚度h0、入口宽度w0，计算轧件尾部跟踪长度L0；(4)每道次轧制完成之后，根据计算的已轧体积V1与轧件总体积V的偏差，对轧件总体积V进行修正自学习；(5)根据轧机负荷继电器信号，对轧件尾部跟踪长度L0进行修正自学习。

【技术特征摘要】
1.一种基于自学习的可逆粗轧机轧件尾部跟踪方法，其特征在于：包括步骤如下：(1)在第一道次，以来料板坯厚度H、宽度W、长度L计算轧件总体积V；(2)每道次轧制过程中，根据轧机出口厚度h1、出口宽度w1、轧机速度v、前滑值f，计算轧件已轧体积V1；(3)根据步骤(1)中得到的轧件总体积V和步骤(2)中得到的已轧体积V1，计算未轧制体积V0，然后再根据轧机入口厚度h0、入口宽度w0，计算轧件尾部跟踪长度L0；(4)每道次轧制完成之后，根据计算的已轧体积V1与轧件总体积V的偏差，对轧件总体积V进行修正自学习；(5)根据轧机负荷继电器信号，对轧件尾部跟踪长度L0进行修正自学习。2.根据权利要求1所述的基于自学习的可逆粗轧机轧件尾部跟踪方法，其特征在于：所述步骤(1)中轧件总体积V＝HWL。3.根据权利要求1所述的基于自学习的可逆粗轧机轧件尾部跟踪方法，其特征在于：所述步骤(2)中轧件已轧体积V1＝∫w1h1v(1+f)dt，其中，轧机出口厚度h1＝S0+(P-P0)/M，式中，S0为轧机实际辊缝，P为实际轧制力，P0为零调轧制力，M为轧机刚度；出口宽度式中，Sw为宽展系数；前滑值f＝(aε+b)1/2-C，式中，ε为当前道次轧件变形率，...

【专利技术属性】
技术研发人员：任晓怀，张飞，
申请(专利权)人：北京科技大学设计研究院有限公司，
类型：发明
国别省市：北京,11