一种冷连轧带钢全长变形抗力预测方法及优化方法技术

本发明专利技术提供了一种冷连轧带钢全长变形抗力预测方法及优化方法，属于冶金轧制领域。所述方法基于带钢冷轧历史生产数据，求出冷轧各机架的变形抗力，再拟合求解出变形抗力方程的参数，构建训练集和验证集；再构建带钢全长变形抗力预测模型，并采集训练集对模型进行训练，以热轧历史生产数据为输入，以变形抗力方程的参数为输出，训练和验证后得到成熟的预测模型，采集当前带钢热轧生产数据，并将数据输入成熟的预测模型中，输出当前带钢的全长变形抗力预测结果，并以头尾厚差为标准建立优化规则，对变形抗力及参数进行优化。本发明专利技术提高了预测的全面性、准确性及精度，提高了优化效果，并进一步提高了冷连轧带钢质量及生产效率。并进一步提高了冷连轧带钢质量及生产效率。并进一步提高了冷连轧带钢质量及生产效率。

A prediction method and optimization method of full-length deformation resistance of tandem cold rolling strip

【技术实现步骤摘要】
一种冷连轧带钢全长变形抗力预测方法及优化方法


[0001]本专利技术属于冶金轧制领域，具体涉及一种冷连轧带钢全长变形抗力预测方 法及优化方法。
技术背景
[0002]变形抗力是冷连轧生产过程当中的重要指标，它反映了带钢的强度，即金 属抵抗塑性变形的能力。在冷连轧生产过程中，强度越高的金属，需要越高的 轧制力使其达到所需的厚度值；同时，在实际生产过程中，由于热轧生产时带 钢全长的温度差异，会导致带钢产生不均匀的相变情况，也就会导致带钢全长 的力学性能不均匀，对冷轧过程产生相应的影响。因此要获得厚度精准的带钢， 需要合理地制定变形抗力的工艺参数。
[0003]现有技术中，申请号为CN 202010427080.4的中国专利公开了一种基于大数 据的热轧卷曲温度与终轧温度对平整变形抗力影响预测方法，通过获取平整的 生产工艺参数及带钢的碳含量，通过算法寻找出热轧终轧温度、卷曲温度、实 际碳含量对于变形抗力的影响系数，并通过公式计算出变形抗力的预测值，但 对冷轧阶段的变形抗力并未做预测；申请号为CN202010208339.6的中国专利公 开了一种基于钢板化学成分预测冷轧变形抗力的方法，通过收集生产过程中的 化学成分及力学性能参数，建立了一套不同化学成分对力学性能的影响系数组 和目标函数，使用Powell算法对冷轧钢板变形抗力进行预测，通过带钢的化学 成分预测冷轧钢板的变形抗力，但未考虑热轧过程中出现的不均匀相的影响， 所预测的结果不准确；同时并不是针对全长进行预测，存在一定的局限性和不 全面性。

技术实现思路
<br/>[0004]鉴于现有技术中有上述问题，本专利技术实施例提供了一种冷连轧带钢全长变 形抗力预测方法及优化方法，同时考虑热轧和带钢自身成分的影响，并结合神 经网络模型，对冷连轧带钢全长变形抗力进行预测，提高预测的全面性、准确 性及精度，提高优化效果，并进一步提高冷连轧带钢质量及生产效率。
[0005]为了实现上述目的，本专利技术实施例采用如下技术方案：
[0006]第一方面，本专利技术实施例提供了一种冷连轧带钢全长变形抗力预测方法， 所述方法包括如下步骤：
[0007]步骤S1，获取带钢热轧历史生产数据及冷轧历史生产数据；
[0008]步骤S2，根据冷轧历史生产数据求出冷轧各机架的变形抗力，根据变形抗 力求解出带钢全长的变形抗力方程的参数；
[0009]步骤S3，对热轧历史生产数据进行预处理后，与相应的变形抗力方程参数 值构成对应采样点的数据对，若干组数据对作为数据集；将数据集分为训练集 和验证集；
[0010]步骤S4，构建带钢全长变形抗力预测模型，并采用训练集对模型进行训练， 以热轧历史生产数据为输入，以变形抗力方程的参数为输出，当达到预设训练 次数及计算精度时，再通过验证集进行验证，得到成熟的预测模型；
[0011]步骤S5，采集当前带钢热轧生产数据，并将数据输入成熟的预测模型中， 输出当前带钢的全长变形抗力预测结果。
[0012]作为本专利技术的一个优选实施例，所述热轧历史生产数据包括带钢长度序列 上的厚度、凸度、楔形、终轧温度及卷曲温度；冷轧历史生产数据包括冷轧长 度数据、各机架轧制力、各机架前后张力、带钢宽度、各机架出入口厚度、各 机架工作辊半径及摩擦系数。
[0013]作为本专利技术的一个优选实施例，所述根据冷轧历史生产数据求出冷轧各机 架的变形抗力，通过公式(1)
‑
(5)计算变形抗力：
[0014]M1＝P/[b
×
Dp
×
{R'
×
(H
‑
h)}
1/2
]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0015]M2＝
‑
1.05
×
tb
‑
0.1
×
tf
‑
M1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0016]M3＝M2
‑
1.15
×
tf+0.3
×
tb
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0017]M4＝M2
×
tf+0.15
×
tb2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0018]k
p
＝1/2
×
{(M32+4
×
M4)
1/2
‑
M3}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0019]式(1)
‑
(5)中，M1、M2、M3、M4为过程参数，P为采样点的轧制力， b为带钢宽度，Dp为摩擦影响系数，R
′
为轧辊压扁半径，H为带钢入口厚度，h为带钢出口厚度，tb为带钢后张力，tf为带钢前张力，k
p
为变形抗力；
[0020]摩擦影响系数Dp的计算公式如(6)所示，轧辊压扁半径R
′
的计算公式 如(7)所示：
[0021][0022][0023]式(6)和(7)中，r为压下率，μ为摩擦系数，C
H
为斯托克斯系数；
[0024]压下率r的计算公式如式(8)所示，摩擦系数μ的计算公式如式(9)所示：
[0025]r＝(H
‑
((1
‑
β)
·
H+β
·
h))/H
ꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0026][0027]式(8)和(9)中，β为固定系数，取0.75，v
r
为轧辊速度，N
r
为该工作辊 所轧制过的带钢块数，μ0‑
μ6为系统固定参数。
[0028]作为本专利技术的一个优选实施例，所述对所有机架的变形抗力进行拟合求解 出带钢全长的变形抗力方程的参数，包括：根据公式(10)计算变形抗力参数L、 M、N：
[0029]k
p
＝L(ln(1/(1
‑
r))+M)
N
·
(1000
·
ε)
α
ꢀꢀꢀꢀꢀ
(10)
[0030]式(10)中：
[0031]ε为应变速率，
[0032]当15≤k
s
≤85时，α＝5/(k
s
+23)
‑
0.046；当85≤k
s
时，α＝0，其中，k
s
＝k
p
/(1000ε)
α
；
[0033]L、M、N为变形抗力方程参数，M为预设值，一般为一个固定值。
[0034]作为本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冷连轧带钢全长变形抗力预测方法，其特征在于，所述方法包括如下步骤：步骤S1，获取带钢热轧历史生产数据及冷轧历史生产数据；步骤S2，根据冷轧历史生产数据求出冷轧各机架的变形抗力，根据变形抗力求解出带钢全长的变形抗力方程的参数；步骤S3，对热轧历史生产数据进行预处理后，与相应的变形抗力方程参数值构成对应采样点的数据对，若干组数据对作为数据集；将数据集分为训练集和验证集；步骤S4，构建带钢全长变形抗力预测模型，并采用训练集对模型进行训练，以热轧历史生产数据为输入，以变形抗力方程的参数为输出，当达到预设训练次数及计算精度时，再通过验证集进行验证，得到成熟的预测模型；步骤S5，采集当前带钢热轧生产数据，并将数据输入成熟的预测模型中，输出当前带钢的全长变形抗力预测结果。2.根据权利要求1所述的冷连轧带钢全长变形抗力预测方法，其特征在于，所述热轧历史生产数据包括带钢长度序列上的厚度、凸度、楔形、终轧温度及卷曲温度；冷轧历史生产数据包括冷轧长度数据、各机架轧制力、各机架前后张力、带钢宽度、各机架出入口厚度、各机架工作辊半径及摩擦系数。3.根据权利要求1所述的冷连轧带钢全长变形抗力预测方法，其特征在于，所述根据冷轧历史生产数据求出冷轧各机架的变形抗力，通过公式(1)
‑
(5)计算变形抗力：M1＝P/[b
×
Dp
×
{R'
×
(H
‑
h)}
1/2
]
ꢀꢀꢀꢀꢀꢀꢀ
(1)M2＝
‑
1.05
×
tb
‑
0.1
×
tf
‑
M1
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)M3＝M2
‑
1.15
×
tf+0.3
×
tb
ꢀꢀꢀꢀꢀꢀꢀꢀ
(3)M4＝M2
×
tf+0.15
×
tb2ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)k
p
＝1/2
×
{(M32+4
×
M4)
1/2
‑
M3}
ꢀꢀꢀꢀꢀꢀꢀ
(5)式(1)
‑
(5)中，M1、M2、M3、M4为过程参数，P为采样点的轧制力，b为带钢宽度，Dp为摩擦影响系数，R
′
为轧辊压扁半径，H为带钢入口厚度，h为带钢出口厚度，tb为带钢后张力，tf为带钢前张力，k
p
为变形抗力；摩擦影响系数Dp的计算公式如(6)所示，轧辊压扁半径R
′
的计算公式如(7)所示：的计算公式如(7)所示：式(6)和(7)中，r为压下率，...

【专利技术属性】
技术研发人员：孙文权，袁铁衡，何安瑞，高紫明，雍晟一，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：