一种PC轧机精轧稳定性状态异常的在线识别与预警方法技术

本发明专利技术公开了一种PC轧机精轧稳定性状态异常的在线识别与预警方法，首先从基础自动化计算机获取一段时间内带钢的PC角、传动侧和工作侧的轧制力数据，进行无效数据剔除后，以所述PC角为自变量轧制力偏差为应变量进行线性分解，对分解后获得的稳定性状态动态变化指数进行高通和低通滤波处理，然后进行异常判别，最后根据预警阈值进行预警类型的判断，输出预警信号，将所述预警信号用于轧机稳定性状态异常的报警，提示技术人员进行及时处理。本发明专利技术能够方便且及时的实现PC轧机精轧稳定性异常缺陷的识别，并实现长期在线监测与预警。并实现长期在线监测与预警。并实现长期在线监测与预警。

【技术实现步骤摘要】
一种PC轧机精轧稳定性状态异常的在线识别与预警方法


[0001]本专利技术涉及热轧
，更具体地说，涉及一种PC轧机精轧稳定性状态异常的在线识别与预警方法。

技术介绍

[0002]热轧带钢生产过程中，精轧机稳定性是生产重点关注的问题，当轧机稳定性问题较轻时会造成影响生产效率，增加产品缺陷发生率；当稳定性问题严重时会影响生产稳定性，造成废钢事故的发生。
[0003]由于PC轧机对于控制带钢的凸度具有十分显著的功效，因而在热轧和冷轧具有广泛的应用。PC轧机的特点是上下轧辊成交叉状态，其交叉的角度最大达到1.5特，由于轧辊之间存在交叉，轧制过程中会产生较大的轴向力，这对轧机设备系统精度有很高的要求。当交叉设备精度产生偏差时易造成带钢跑偏等不稳定问题，对精轧机的稳定性会造成非常严重的影响。
[0004]当稳定性问题发生时，需要对产生问题的轧机设备及时处理，避免产生质量的进一步恶化。但由于热连轧精轧机组一般有7个机架，装备PC设备的机架一般3到7个，需要准确定位到具体的问题机架才能及时解决问题。
[0005]目前对于PC轧机稳定性状态的判断，主要通过停机时测量轧机两侧刚度偏差的方法，当偏差超出一定范围时认为该机架稳定性状态存在问题。这种方法存在两个问题：一是需要停机测量，二是测量时PC角度为0即轧辊不产生交叉，这与实际生产时PC角度不断变化的状态不一致，不能完全反映PC轧机动态变化对稳定性状态的影响。因此，容易出现错误判断情况，且判断结论存在滞后性且易出现大的损失。因此，如何方便且及时的实现稳定性异常的监测并准确预警是需要解决的关键问题。
[0006]在现有的专利申请中，如专利(申请)号201810322829.1公开了一种精轧稳定性控制方法，属于轧制工艺
所述精轧稳定性控制方法包括以下步骤：对精轧机负荷分配进行控制；对精轧机张力分配进行控制；对板带凸度比例进行控制；所述对板带凸度比例进行控制包括：根据机架间板型平直度控制理论，采用Ci/Hi＝Ci+1/Hi+1公式，其中，Ci为上游机架出口凸度，Hi为上游机架出口厚度，i为第i机架号，机架间凸度分配应该是设定凸度1；当机架出口厚度大于7mm时，则采用Ci/Hi＝(Ci+1/Hi+1)*该公式，所述δ为横向不均匀延伸系数。本专利技术精轧稳定性控制方法保证精轧轧制过程中的稳定性，解决了轧机振动问题与表面质量问题，中心线控制问题以及板型问题。该专利属于模型控制方法的利用，与本专利技术所涉及的
和实现技术方法不相关。
[0007]又如专利(申请)号201610044456.7公开了一种PC轧机交叉辊系统交叉精度在线监测方法，涉及专门适用于金属轧机或其加工产品的控制设备或方法，尤其涉及一种利用热轧生产换辊过程的零调偏差数据监测PC轧机交叉辊系统交叉精度的方法，包括以下步骤：采集各机架的静压油柱偏差和转车油柱偏差；计算并通过判断机架的油柱偏差判断机架的交叉精度是否超限，实现对轧机交叉辊系统的交叉精度进行评估。本专利技术的方法能够
在系统不停机的情况下，通过对平时设备动作过程的数据分析，实现轧机交叉精度的在线监测；通过对机架多次零调的油柱偏差进行趋势分析，及时发现交叉精度较差、需要停机安排测量和标定的机架。可以改善PC轧机开轧的稳定性，确保整个轧制的稳定，保证最终成品质量稳定受控。该专利属于离线PC轧机交叉精度的测量，与本专利技术实现稳定性异常识别技术不相关。

技术实现思路

[0008]针对现有技术中存在的上述缺陷，本专利技术的目的是提供一种PC轧机精轧稳定性状态异常的在线识别与预警方法，能够方便且及时的实现PC轧机精轧稳定性异常缺陷的识别，并实现长期在线监测与预警。
[0009]为实现上述目的，本专利技术采用如下技术方案：
[0010]一种PC轧机精轧稳定性状态异常的在线识别与预警方法：
[0011]首先从基础自动化计算机获取一段时间内带钢的PC角、传动侧和工作侧的轧制力数据，进行无效数据剔除后，以所述PC角为自变量轧制力偏差为应变量进行线性分解，对分解后获得的稳定性状态动态变化指数进行高通和低通滤波处理，然后进行异常判别，最后根据预警阈值进行预警类型的判断，输出预警信号，将所述预警信号用于轧机稳定性状态异常的报警，提示技术人员进行及时处理。
[0012]较佳的，所述从基础自动化计算机获取一段时间内带钢的PC角、传动侧和工作侧的轧制力数据，具体如下：
[0013]从所述基础自动化计算机获取每块带钢各个机架头部一段长度的数据集，并按照公式(1)计算出所述传动侧和所述工作侧的轧制力偏差百分比DiffP_j；
[0014]DiffP_j＝(Pdj
‑
Pwj)Pwj/*100
ꢀꢀꢀ
(1)
[0015]公式(1)中，Pdj表示所述传动侧的轧制力数据，单位KN；Pwj表示所述工作侧的轧制力数据，单位KN；j表示机架号。
[0016]较佳的，所述基础自动化计算机获取每块带钢各个机架头部10～20米的数据集。
[0017]较佳的，所述无效数据剔除具体如下：
[0018]将所述PC角小于0小和大于1.2，、所述轧制力小于4000KN和大于40000KN的数据剔除。
[0019]较佳的，所述应变量进行线性分解具体如下：
[0020]对获取的实际检测数据按照生产时间进行分组，以天为间隔，使用最小二乘法按照公式(2)对每天的数据组进行线性拟合，计算获得稳定性状态动态变化指数Dynlndex；
[0021]DiffP_ij＝Dynlndex_ij
×
Pcact_ij+Sta_ij
ꢀꢀꢀ
(2)
[0022]公式(2)中，i表示按天为间隔分组的序号；j表示机架号；Dynlndex_ij表示i天j机架的稳定性状态动态变化指数；Pcact_ij表示i天j机架的PC角的数据；Sta_ij表示i天j机架的稳定性状态静态变化指数。
[0023]较佳的，所述稳定性状态动态变化指数进行高通和低通滤波处理具体如下：
[0024]对Dynlndex_ij进行高通、低通滤波，高通滤波后的数据为High_DiffP_ij，低通滤波后的数据为Low_DiffP_ij。
[0025]较佳的，所述高通、低通滤波通过三阶巴特沃斯滤波器完成，低通滤波的截止频率
范围为0.06～0.08，高通滤波的截止频率范围为0.09～0.11。
[0026]较佳的，所述预警类型包括趋势性预警判断和波动性预警判断；
[0027]所述趋势性预警判断具体如下：
[0028]按照公式(3)计算预警评价当天的前n天Low_DiffP_ij的均值Ave_Low_DiffP_ij，按照公式(4)计算偏离百分比Diff_Low_ij；
[0029]若Diff_Low_ij的绝对值大于趋势性预警阈值G_LOW，则判定为轧机稳定性趋势异常，发出预警信号；
[0030][0031]Diff_Low_ij＝(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PC轧机精轧稳定性状态异常的在线识别与预警方法，其特征在于：首先从基础自动化计算机获取一段时间内带钢的PC角、传动侧和工作侧的轧制力数据，进行无效数据剔除后，以所述PC角为自变量、以轧制力偏差为应变量进行线性分解，对分解后获得的稳定性状态动态变化指数进行高通和低通滤波处理，然后进行异常判别，最后根据预警阈值进行预警类型的判断，输出预警信号，将所述预警信号用于轧机稳定性状态异常的报警，提示技术人员进行及时处理。2.根据权利要求1所述的PC轧机精轧稳定性状态异常的在线识别与预警方法，其特征在于，所述从基础自动化计算机获取一段时间内带钢的PC角、传动侧和工作侧的轧制力数据，具体如下：从所述基础自动化计算机获取每块带钢各个机架头部一段长度的数据集，并按照公式(1)计算出所述传动侧和所述工作侧的轧制力偏差百分比DiffP_j；DiffP_j＝(Pdj
‑
Pwj)Pwj/*100(1)公式(1)中，Pdj表示所述传动侧的轧制力数据，单位KN；Pwj表示所述工作侧的轧制力数据，单位KN；j表示机架号。3.根据权利要求2所述的PC轧机精轧稳定性状态异常的在线识别与预警方法，其特征在于：所述一段长度为10～20米。4.根据权利要求1所述的PC轧机精轧稳定性状态异常的在线识别与预警方法，其特征在于，所述无效数据剔除具体如下：将所述PC角小于0小和大于1.2轧、所述轧制力小于4000KN和大于40000KN的数据剔除。5.根据权利要求2所述的PC轧机精轧稳定性状态异常的在线识别与预警方法，其特征在于，所述应变量进行线性分解具体如下：对获取的实际检测数据按照生产时间进行分组，以天为间隔，使用最小二乘法按照公式(2)对每天的数据组进行线性拟合，计算获得稳定性状态动态变化指数Dynlndex；DiffP_ij＝Dynlndex_ij
×
Pcact_ij+Sta_ij
ꢀꢀꢀ
(2)公式(2)中，i表示按天为间隔分组的序号；j表示机架号；Dynlndex_ij表示i天j机架的稳定性状态动态变化指数；Pcact_ij表示i天j机架的PC角的数据；Sta_ij表示i天j机架的稳定性状态静态变化指数。6.根据权利要求5所述的PC轧机精轧稳定性状态异常的在线识别与预警方法，其特征在于，所述稳定性状态动态变化指数进行高通和低通滤波处理具体如下：对Dynlnd...

【专利技术属性】
技术研发人员：巴力颖，朱海华，张贺咏，
申请(专利权)人：宝山钢铁股份有限公司，
类型：发明
国别省市：