粗轧宽度自动控制.doc

粗轧宽度自动控制（新钢钒热轧板厂）姓名：田绍春2009年6月6日粗轧宽度自动控制摘要：宽度是粗轧生产的最重要技术指标之一，决定着成品的尺寸精度，自动宽度控制是提高粗轧尺寸精度的重要手段，而宽度二级模型是自动控制的灵魂，具有至关重要的作用关键词：自动宽度控制 不均匀变形 宽展 模型1前言从目前热轧带钢生产情况看，热轧带钢的原料来源于上游钢厂的连铸坯，由于连铸结晶器在线调宽比较困难，所以一般都采用才粗轧区安放大立辊轧机或压力调宽机，我厂采用在粗轧区安放E1，E2两台大立辊轧机实现带钢宽度的控制与调节。宽度是粗轧区最为重要的一个生产技术指标。粗轧出口的中间坯宽度控制准确与否直接关系到精轧出口的成品宽度精度。而中间坯的宽度又由精轧的自然宽展，拉窄量和精轧出口宽度决定。而从自动控制方面来说，宽度的控制精度还要受模型的计算精度，模型的自学习精度，现场的监测设别的采样精度和现场控制设备的动作精度。本文主要讨论宽度自动控制模型。2模型自动控制流程 图1 粗轧宽度控制模型组成如图1所示粗扎区模型由：模型预计算，模型重计算和模型自学习三部分组成。当钢装炉时模型进行第一次计算而后在钢在将要出炉的第三块钢，第二块钢，第一块钢的位置分别进行三次计算，最后在出炉时在进行一次预计算。在钢在粗扎各道次轧之后进行一次重计算，最后把粗扎各道次的宽度和精轧的出口宽度反馈给模型，模型进行自学习。3不均匀宽展计算模型3.1立辊的磨损模型立辊更换周期较长，一般3个月才更换一次，而带钢得宽度主要是通过设定AWC液压缸伸出量来控制立辊的辊缝来完成。由于每天立辊磨损不大，依靠立辊的计算机自学习系数完全可以弥补，随着立辊的磨损增大，立辊自学习系数随着增加，这样当立辊磨损很大时，自学习系数也变得很大，这样模型就适应了磨损后的直径。但换完立辊后，几个月累积的磨损已经很大，不能忽略了，这时模型算出的AWC液压缸伸出量还是没换立辊之前的，由于换辊后立辊直径增大，而辊缝则变小了，带钢就会窄尺。所以要建立立辊磨损模型，在更换立辊后对立辊磨损清零，就能解决因更换立辊造成的模型窄尺。立辊磨损量为：F为轧制力，W为带钢的厚度，L为带钢长度，c为磨损系数，由于，所以可以通过实测每一千吨钢的磨损量，在根据生产中实测的WFL的平均值就可得到磨损系数的平均值。然后在每次换辊后，旧辊在磨床上测出实际的磨损量再和模型计算值比较，反复跌代就可得到较精确的磨损量。3.2狗骨变形参数图2.狗骨参数示意图因为板坯立轧是典型的超高件轧制过程，他的突出特点是变形不能深入到轧件的内部，而会在变形集中的轧件端部形成所谓的狗骨变形。带有狗骨型的轧件在平轧过程中，狗骨处的金属将有相当的比例向宽展方向流动产生回展。所以平轧后的宽度与狗骨峰的位置，狗骨变形的影响范围和狗骨变形的峰值厚度以及板坯厚度和平轧压下量都需要数学模型来计算。描述狗骨变形主要有以下四个参数（如图2）狗骨变形的峰值厚度，与轧辊接触处的轧件厚度，狗骨的峰值位置，狗骨变形的影响范围。根据冈户克（Okado）等人给出的狗骨参数公式：狗骨形峰值厚度： 与轧辊接触处的轧件厚度： 狗骨峰值位置： 狗骨影响范围： 其中3.3平轧宽展影响因素几何尺寸的影响：图3.不同宽度轧件最短线法则分区示意图金属在变形时金属向阻力最小的方向流动，如果忽略在变形区内的摩擦系数的差别，可以用最短线法则表达最小阻力定律，如果除了轧件宽度外，其他条件一样的话轧件越宽，轧件中部区域的金属要向宽展方向就越困难，如图3，图中阴影区的金属到宽度方向的流动线路最短，随着轧件宽度增加阴影区所占的比例就下降，宽展也减小。若轧件宽度一定，轧制压下量不同，宽展也不同。随着压下量增加，接触弧长增加，使金属纵向流动的阻力增加，宽展增加。同样，如果增加轧辊半径，使接触弧增加，也使轧制宽展增加。摩擦对宽展的影响：随着摩擦增加，宽展增加；随着轧制温度的降低，摩擦增加，所以宽展增加；随着轧制速度的增加，摩擦减小，宽展减小；随轧辊摩擦系数的不同，宽展不同。3.4出口宽度模型根据芝原等人的宽展公式：自然宽展： 狗骨形回展： 如果是奇道次，则出口宽度为： 如果是偶道次，则出口宽度为： 为各道次修正系数，为自学习系数。由于冈户克公式及芝原公式没有考虑钢质，摩擦系数，轧件温度等参数，所以需要用对公式进行修正，另外，要用立辊磨损量模型对立辊辊径进行修正，以保证在以上模型中使用的是真实的立辊辊径。而水平辊跟换周期较快，所以磨损量对辊径影响可以忽略。3.5对出口宽度模型的实际验证 图4各道次出口宽度如上图中A、B、C、D、E、F分别是R1三道次出口宽度和R2 轧机三道次出口宽度，图中实现是抽取42块我厂现在使用的Q235B钢1300轧1250的二级模型算出宽度，图中虚线是由冈户克公式及芝原公式算出的出口宽度，由上图可以看到两条曲线吻合度较好，由此可证明：冈户克公式及芝原公式可以用于E1R1，E2R2出口宽度的计算。3.6模型自学习图5 立辊模型设定计算流程3.7对我厂粗轧宽度控制模型的建议从粗轧宽度模型的运行情况来看，模型会出现有时宽度波动范围较大，或是有时出现一批大量的尺寸不合，操作工用手动的方式对宽度进行了手动干预，造成模型不学习，在后面的带钢轧制时模型的宽度设定值依然不符合尺寸要求。在出现这两种情况后都需要操作工介入宽度闭环控制系统，实现对宽度的开环控制。而对宽度进行这种手动干预必须在立辊定位完成后进行，不然模型数据下传到一级时会将手动干预的数据覆盖掉，使手动干预无效。而立辊定位完成后，轧机的其它系统还在正常运转，带钢还是以预定速度进入轧机。这就留给操作工手动对宽度修正的时间较少，这就可能造成操作工对宽度不成功，甚至造成设备和安全事故。为质量安全和人身安全埋下隐患。造成模型有时的波动太大的原因可能是某个传感器的检测严重失真或没检测造成的计算偏差过大而产生的模型波动，或者是前一块钢的某个检测失真，使自学习系数变大，使后一块钢的模型产生较大波动。为了消除这种原因产生的模型波动，首先应该对自学习系数进行一个范围的限制，使它不至于对后一块钢产生突变的影响，然后用双端差分接入法连接传感器，从硬件层面上对信号是否失真进行一次判断，然后再用程序限幅滤波的方法对信号失真在进行一次判断。如果信号没有失真，则用这个数据，如果失真则重新新采样判断。对于程序限幅滤波系数根据现场的实际情况确定（，为第n次采样值，为第n-1次采样值）。这样就可以消除传感器偶然采样失真产生的模型波动。对于象我厂高温计测得的温度误差属于系统误差，它在一定气温范围内较为稳定，所以在不同的季节给不同量的补偿即可。对于模型预设值不符合宽度要求和手动干预后模型不学习的情况可以采用人工神经网络的方法对模型进行辅助的方式来解决。这是一种类似于人类经验的方法，利用大量的在线数据，把每种规格，没种钢质的数据在数据库里分开记录，如温度，压下量，辊缝等，然后模型算出来的宽度和实际宽度比较得到修正系数并把实际值和都记入数据库，通过大量数据的“训练”，计算机就知道了在这种钢质，这种规格，这种压下量的情况下取多少，然后在把模型算出来的值经过修正后的到的宽度那去和要求的目标宽度比较判断是否能满足要求，如果差距不大，则按照模型的设定进行设备定位，再用轧出的实际宽度确定自学习系数；如果差距太大，就按数据库里的历史数据进行设定立辊和水平辊的辊缝，这样的设定是可靠的，因为过去千百次都是在这种设定下完成了对板坯的宽度控制的。轧完后的实际数据在用来对进行修正。使模型更接近于实际。这种模型和神经网络相结合的方法利用了两者的优点：数学模型具有坚实的理论依据，能够反映宽度的主要变化趋势，所以可以用来预报宽度的主值，而以神经网络为其纠正偏差，这样对现有系统改动小，技术难度不大，改动风险也小，效果也能比较明显。能解决我厂模型的上述问题。4短行程宽度控制（SSC）短形程控制时宽度自动控制的一项很重要的功能，在大变宽大侧压的情况下，带钢头，尾由于变形不均匀会产生头，尾相当一段长度内宽度不合。为了不影响后续加工过程,在进入精轧前,这些不合格部分必须用飞剪加以切除,从而造成切头切尾损失,降低了主轧线的带钢成材率。通常,较为有效的控制头尾部切损的方法是在轧制过程中对带钢头尾实施短行程控制。由立辊轧制变形机理可知,由于板坯的宽厚比较大,立辊侧压变形属高件变形,所以变形主要集中于板宽边部的局部区域,而很难深入到轧件中间部分。此时,变形区内存在一个刚性区。从而造成轧件侧面隆起而形成双鼓形,即端面呈“狗骨”状。又因为立轧时,板坯头尾部没有约束,金属沿轧制方向的流动相对容易。而在中间稳定段,因前后刚端的作用,致使金属在轧件宽度方向流动受阻,边部聚集而局部增厚，所以沿轧制方向看,最大“狗骨”高度从轧件头尾向中间段逐渐增加,并在轧件中部达到稳定状态。带钢头尾失宽机理不尽相同。头部宽度失宽主要是由于立辊轧制造成边部和中心金属在纵向延伸不均匀。头部失宽量在立轧后就已经存在,再加上头部狗骨小,水平轧制所引起的宽展较小,对先前的失宽不能及时给予弥补,从而进一步增大了头部失宽量。尾部失宽则是由于立辊在靠近尾端处轧制时所形成的狗骨小,故随后的水平轧制宽展量也很小。所以短行程功能是依据现场采集的数据分别计算出两条曲线：头部和尾部立辊短行程控制曲线，然后二级过程计算机模型把两条控制曲线的系数送给一级控制系统，然后由一级控制立辊动作。5模型重计算由于粗轧采用多道次轧制方式，在每道次轧制后，模型都会将预设宽度和实际的宽度进行比较，若两者差距超过允许的范围，将启动模型重计算。对以后各道次进行重新计算，以达到准确的出口宽度。在带钢中部轧制时，整个轧制系统处于稳定轧制状态，这部分数据可靠性高，所以在模型重计算将使用这部分数据。6结语：冈户克公式和芝原公式用于粗轧大立辊侧压宽度控制模型能得到较为精确的结果。能用于实际生产。我厂的粗轧模型在实际生产中能很好的控制中间坯的尺寸精度，模型运行较稳定，大大减少切头，切尾。增加了成材率。由于模型的自学习系数受精轧出口宽度影响，因此要求精轧机