酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法技术

本发明专利技术提供一种酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法。本发明专利技术包括：收集一定生产周期内的n组带钢规格参数、力学性能参数等生产数据，酸轧机组的设备参数，基于上述参数计算摩擦系数，任意一组理论轧制力，计算优化目标函数。本发明专利技术根据带钢生产现场的实际情况，充分结合酸轧机组的设备特点，考虑到不同的生产条件下，带钢所需的热轧温度不同，对轧制过程中的摩擦系数影响也不同，通过对模型的计算求得热轧的终轧温度与卷曲温度对平整摩擦系数的影响系数，当在后续的生产过程中遇到相应的产品时能够对该产品的冷轧过程中的摩擦系数进行预测，有效解决了机组摩擦系数的预测问题，为现场机组的生产控制提供了一定的理论基础。

【技术实现步骤摘要】
酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法
本专利技术涉及冷轧连退
，尤其涉及一种酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法。
技术介绍
在冷轧的过程中，摩擦系数是带钢力学性能预报的基础,其计算精度直接影响到轧变形抗力、板形等参数的预报与设定精度,对成品带材质量具有举足轻重的影响。对轧制过程而言,上游工序的热轧时的终轧温度与卷曲温度将会在一定程度上影响摩擦系数。在带钢的冷轧过程中，上游工序的卷取温度和终轧温度对摩擦系数影响较大，因此，为提高带钢的产品质量，必须充分结合轧制现场的实际生产情况，在充分运用现场实际生产数据的前提下，结合热轧卷取温度和终轧温度对摩擦系数影响的特点，摸索出一套可以充分运用的热轧卷取温度与终轧温度对摩擦系数影响预测方法。
技术实现思路
根据上述提出的技术问题，而提供一种酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法。本专利技术采用的技术手段如下：一种酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法，包括如下步骤：r>A)A)收集一定本文档来自技高网...

【技术保护点】
1.一种酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法，其特征在于，包括如下步骤：/nA)收集一定生产周期内的n组带钢规格参数、力学性能参数，包括带钢入口厚度h

【技术特征摘要】
1.一种酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法，其特征在于，包括如下步骤：
A)收集一定生产周期内的n组带钢规格参数、力学性能参数，包括带钢入口厚度h0i，带钢出口厚度h1i，带钢入口变形抗力σ0i，带钢的杨氏模量E，带钢的泊松比v，带钢出口变形抗力σ1i，带钢入口宽度Bi，带钢出口宽度bi，其中，i{i＝1,2,3,···,i,···,n}表示数据组编号；
B)收集一定生产频次的酸轧机组的设备参数，包括机组标准热轧终轧温度与实际热轧终轧温度TFmi,TFaci，机组标准热轧卷取温度与实际热轧卷取温度TCmi,TCaci，轧机的出口轧制速度vi，轧机速度对摩擦系数的影响系数轧机速度对摩擦系数的衰减系数kVi，轧机工作辊换辊后带钢的轧制公里数li，轧机工作辊换辊后轧制公里数对摩擦系数的影响系数Bli，轧机乳化液的流量Qi，轧机乳化液的流量的影响系数BQi，轧机乳化液的流量对摩擦系数的衰减系数kQi，第i机架的相对压下量εi，轧机压下率对摩擦系数的影响系数Bεi，带钢的入口、出口厚度h0i,h1i，轧机带钢入口与出口厚度对摩擦系数的影响系数轧机的前张力F0i，轧机的后张力F1i，轧机带钢入口与出口张力对摩擦系数的影响系数机架的带钢平均变形抗力对摩擦系数的影响系数带钢平均变形抗力Ki，模型修正系数ai，轧机压扁前轧辊半径Ri，轧辊的杨氏模量ER，轧辊的泊松比vR，轧机的转数ni，轧机的实际轧制功率Ni'，第i机架实际轧制力pi’；
C)计算初始摩擦系数μ0i：



D)定义摩擦系数温度影响系数数组X＝{β1，β2，γ1，γ2}，给定数组初始值X0＝{β10，β20，γ10，γ20}，给定搜索步长初始值ΔX＝{Δβ1i，Δβ2i，Δγ1i，Δγ2i}，收敛精度α；
E)计算摩擦系数μi：



F)计算任意一组理论轧制力pi:
F1)令i＝1；
F2...

【专利技术属性】
技术研发人员：白振华，孙荣生，何召龙，华长春，
申请(专利权)人：燕山大学，鞍钢股份有限公司，
类型：发明
国别省市：河北;13