一种平整轧制压力设定、预报及自学习方法技术

本发明专利技术公开一种平整轧制压力设定、预报及自学习方法，包括以下步骤：ａ．收集ｎ组实际平整轧制工艺参数及与之对应的ｎ组实际轧制压力数据；ｂ．引入平整机钢种与工况影响系数ａ↓［０］，ａ↓［１］，构造出适合于平整轧制的反映各轧制工艺参数与轧制压力之间基本函数关系的轧制压力基本模型；ｃ．计算钢种与工况影响系数ａ↓［０］，ａ↓［１］的初始最佳值；ｄ．完成钢种与工况影响系数ａ↓［０］，ａ↓［１］的初始最佳值的修正；ｅ．平整轧制压力的设定与预报；ｆ．平整轧制压力模型的自学习。本发明专利技术通过对钢种与工况影响系数的不断自学习在不损害摩擦系数及变形抗力等关键轧制参数物理意义的前提下有效的保证模型的计算精度。同时，本发明专利技术方法的原理清晰明了，计算速度快，适于在线使用。

A method for setting, predicting and self-learning rolling and rolling pressure

The invention discloses a rolling pressure setting, forecasting and self-learning method, which comprises the following steps: collecting A. N group rolling process parameters and the corresponding N group actual rolling pressure data; B. into flat steel with machine condition impact coefficient a: 0, a: 1, construct suitable for rolling reflect the basic model of the rolling pressure basic function relationship between the parameters of rolling and rolling pressure calculation; C. steel and influence coefficient a: condition 0, the optimal initial a value: 1; D. steel and influence coefficient a down condition 0, a: 1 the initial value of the best correction; setting and predicting E. of the rolling force of F. rolling force; self-learning model. By continuously learning the influence coefficient of steel and working conditions, the invention can effectively guarantee the calculation accuracy of the model without damaging the physical meaning of the key rolling parameters such as friction coefficient and deformation resistance. At the same time, the principle of the method is clear and clear, the calculation speed is fast, and the method is suitable for on-line use.

【技术实现步骤摘要】

本专利技术涉及一种平整生产工艺技术，特别涉及一种工程上实用的平整轧制时轧制压力设定、预报及自学习方法。
技术介绍
根据基本轧制理论可以知道，在冷轧生产过程中用于设定与预报轧制压力的模型很多，比较著名的有Stone模型(Stone M D.Iron and SteelEngineer Year Book.PittsburghAssociation of iron and engineer publisher，1953，115～128)、Hill模型(曹鸿德.塑性变形力学基础与轧制原理.北京机械工业出版社，1981)、Bland-Ford模型(Ford H，Alexander J M J.Inst.Metals，1959，34(88)47～55)、连家创模型(冷轧薄板轧制压力和极限最小厚度的计算.重型机械.1979，(2，3)20～37；21～34)等等。这些模型都有一个共同的特点，就是认为轧制过程中轧辊在金属变形区内仍然具有圆柱性质，因而采用赫希柯克公式(包括以类似方法推导出来的其它计算接触弧长的公式)来计算轧辊与带材之间的接触弧长度。但是，在平整轧制过程中由于其压下率很小(一般情况下为0.3～1％左右)，辊缝中的有效摩擦系数比通常的冷轧约要大一个数量级，在轧辊与带材的每一交界面的接触弧就更具有平面性质，而非圆柱表面性质，因此传统的以赫希柯克公式为基础的轧制压力模型都不适合于平整轧制。虽然，W.L.罗伯茨根据平整的工艺特点开发出一套平整轧制压力模型，但该模型仅仅是一个经验公式，主要针对的是一般低碳钢，不具有通用性，不能直接推广到不同机组。其它相关文献(白振华.薄带平整轧制时轧制压力模型的研究，机械工程学报，2004，40(8)63-66；白振华，连家创.宝钢2050热轧平整机轧制压力模型的研究.重型机械，2002，(6)11-13)所述相关平整轧制压力模型虽然能够达到较高的计算精度，但由于该模型中涉及到迭代过程，计算不是很稳定，计算时间也不可控制，因此相关模型比较适合用于离线分析与预报，而不适合在线分析与预报；与此同时，目前现场在实际生产过程中为了提高轧制压力模型的预报精度，往往采用对摩擦系数或者变形抗力进行自学习的方案，把现场所有工况的变化以及来料波动的影响都归结到摩擦系数或者变形抗力中，通过不断的修正摩擦系数或者变形抗力来保证模型的精度。采用该方法的最大弊端就在于多次自学习之后，摩擦系数或者变形抗力经过多次修正之后失去了原有的物理意义，成为“伪变形抗力”或者“伪摩擦系数”，不但保证不了模型的预报精度而且不利于现场的故障分析、轧制工艺参数的优化。为此，本专利技术在大量的现场试验与理论研究的基础上，根据平整轧制过程中变形区摩擦系数比较大、轧辊与带材交界面处接触弧具有平面性质的特点，充分考虑到不同平整机组的设备工艺特点与实际工况，综合轧制速度、变形抗力、张力、延伸率等平整轧制工艺参数的影响，提出了一套工程上实用的平整轧制压力预报、设定技术，并在此基础上，提供，通过对钢种与工况影响系数的不断自学习在不损害摩擦系数及变形抗力等关键轧制参数物理意义的前提下有效的保证模型的计算精度。
技术实现思路
本专利技术的目的在于提供，使得现场可以根据该方法在线预报及设定轧制压力，并对轧制压力进行在线自学习，在不损害摩擦系数及变形抗力等关键轧制参数物理意义的前提下有效的保证模型的计算精度，以利于现场的故障分析与其它轧制工艺参数的优化。 为了实现上述目的，本专利技术采用了以下技术方案这种工程上实用的平整轧制时轧制压力设定、预报及自学习方法，包括以下步骤 a.收集n组实际平整轧制工艺参数{εi，Vi，σ0i，σ1i，B，Di i＝1，2，…，n}(其中，εi，Vi，σ0i，σ1i，h0i，Bi，Di分别为第i组实际轧制工艺参数中带材的延伸率、轧制速度、后张力、前张力、入口厚度、宽度以及平整机轧辊直径)及与之对应的n组实际轧制压力{Pi i＝1，2，…，n}； b.引入平整机钢种与工况影响系数a0，a1，构造出适合于平整轧制的反映各轧制工艺参数与轧制压力之间基本函数关系的轧制压力基本模型如下 P＝fBL σp＝k3·(σs+alog101000e)-(k1·σ0+k2·σ1) 式中 P-总轧制压力； f-单位轧制力； B-带材宽度； L-轧制变形区中轧辊与带材接触弧长度； D-工作辊直径； ε-带材延伸率； μ-摩擦系数； h0-入口厚度； σP-当量变形抗力； e-应变速率； V-轧制速度； k3-变形抗力影响系数； σs-带材屈服强度； a-应变速率系数； σ1，σ0-带材前后张力； k1，k2-前、后张力加权系数，一般而言k1＝k2＝0.5。 c.计算钢种与工况影响系数a0，a1的初始最佳值，包括以下步骤 c1)定义初始目标值F0，并将F0赋一个非常大的值，如令F0＝1010；同时定义两个中间变量m1，m2，并令m1＝0，m2＝0； c2)给定a0的搜索步长Δ0，并令a0＝-10.0+m1*Δ0； c3)给定a1的搜索步长Δ1，并令a1＝-6.0+m2*Δ1； c4)利用步骤b中的基本轧制压力模型计算出当前a0，a1状况下的各个钢卷的轧制压力值}{P′i i＝1，2，…，n}； c5)计算当前状况下目标函数的具体数值 c6)定义初始最佳钢种与工况影响系数为a0y，a1y，与之对应的轧制压力计算值为P′yi，判断不等式F1＜F0是否成立？如果成立，则令F0＝F1，a0y＝a0，a1y＝a1，P′yi＝P′i，m2＝m2+1，转入步骤c7)。如果不成立，则令m2＝m2+1后转入步骤c7； c7)判断不等式m2≤12/Δ1是否成立，如果成立，则转入步骤c3；否则，令m1＝m1+1转入步骤c8； c8)判断不等式m1≤20/Δ0是否成立，如果成立，则转入步骤c2，否则输出初始最佳钢种与工况影响系数为a0y，a1y以及与之对应的轧制压力计算值为P′yi，结束计算。 d.完成钢种与工况影响系数a0，a1的初始最佳值的修正，包括以下步骤 d1)定义δPi为实际轧制压力Pi与a0y，a1y所对应的轧制压力计算值P′yi差的绝对值，即取δPi＝|Pi-P′yi|； d2)将每个δPi与对应的实际轧制工艺参数{εi，Vi，σ0i，σ1i，h0i，Bi，Di i＝1，2，…，n}与实际轧制压力{Pi i＝1，2，…，n}建立一一映射关系，构成一簇数据组{δPi，εi，Vi，σ0i，σ1i，h0i，Bi，Di，Pi i＝1，2，…，n}； d3)对δPi按照其数值的大小进行排序，而实际轧制工艺参数{εi，Vi，σ0i，σ1i，h0i，Bi，Di i＝1，2，…，n}与实际轧制压力{Pi i＝1，2，…，n}将随着δPi顺序的变化进行相应的变化，相关数据簇可以写成{δPi，εj，Vj，σ0j，σ1ij，h0j，Bj，Dj，Pj j＝1，2，…，n}。并且在该数据簇中满足以下不等式δP1≤δP2≤…≤δPj≤δPj+1…≤δPn； d4)去掉数据簇中10％的排在后面的相关数据，构成新的数据簇本文档来自技高网...

【技术保护点】
一种平整轧制时轧制压力设定、预报及自学习方法，其特征是：包括以下步骤：ａ．收集ｎ组实际平整轧制工艺参数｛ε↓［ｉ］，Ｖ↓［ｉ］，σ↓［０ｉ］，σ↓［１ｉ］，ｈ↓［０ｉ］，Ｂ，Ｄ↓［ｉ］ｉ＝１，２，…，ｎ｝及与之对应的ｎ组实际轧制压力｛Ｐ↓［ｉ］ｉ＝１，２，…，ｎ｝；其中，ε↓［ｉ］，Ｖ↓［ｉ］，σ↓［０ｉ］，σ↓［１ｉ］，ｈ↓［０ｉ］，Ｂ↓［ｉ］，Ｄ↓［ｉ］分别为第ｉ组实际轧制工艺参数中带材的延伸率、轧制速度、后张力、前张力、入口厚度、宽度以及平整机轧辊直径；ｂ．引入平整机钢种与工况影响系数ａ↓［０］，ａ↓［１］，构造出适合于平整轧制的反映各轧制工艺参数与轧制压力之间基本函数关系的轧制压力基本模型；ｃ．计算钢种与工况影响系数ａ↓［０］，ａ↓［１］的初始最佳值；ｄ．完成钢种与工况影响系数ａ↓［０］，ａ↓［１］的初始最佳值的修正；ｅ．平整轧制压力的设定与预报；ｆ．平整轧制压力模型的自学习。

【技术特征摘要】

【专利技术属性】
技术研发人员：白振华，
申请(专利权)人：燕山大学，
类型：发明
国别省市：13[中国|河北]