薄规格带钢凸度控制模型的改进

薄规格带钢凸度控制模型的改进

板的精度是两种弯曲钢的主要品质指数。1主要设备参数本文以1580mm生产线为研究对象,围绕产品质量及工艺问题,重点对该生产线板形控制系统中的凸度问题进行研究。图1为该生产线各工序概况图,按工艺设备可分为加热炉区、粗轧区、精轧区和卷取区。1580mm生产线生产的带钢规格为:厚1.2~12.7mm,宽700~1450mm,最大卷重27.7t,最大单位卷重23kg/mm。板坯在加热炉内加热到设定的板坯出炉温度后,通过高压水清除板坯表面氧化铁皮后送往定宽压力机,通过2台粗轧机组,在飞剪切头尾后经精轧高压水除鳞箱除去二次氧化铁皮,进入精轧机F1—F7进行轧制。1580mm生产线精轧机组各主要设备参数见表1。轧制中的板形控制主要就是在F1—F7的轧制过程中进行控制。2分析和优化方案的制定2.1凸度控制精度针对该生产线凸度命中率低的现状,依托板形模型,跟踪板形参数在设定过程中的变化顺序及相互关系,发现在连续生产相同钢种和规格的带钢中,当凸度命中率低时基本发生一个共性问题:凸度PDI目标被控制模型修改。表2是连续生产相同钢种和规格的5块带钢的板形数据、5块带钢的PDI目标凸度的改变情况以及和凸度命中率的关系。从表2中可以看出,生产前2块带钢时,模型还能按照转换的PDI来计算控制,但是从第3块开始,模型将PDI进行了修改,即模型按照其默认的参数进行设定计算时认为前3个机架已用尽了凸度调节能力,所以出现该问题时,无论怎样命中率都不会提高,因为模型已经不按实际要求的PDI进行控制了。目标凸度发生重置主要出现在3mm以下各个宽度规格的钢种,占精度不合格的比率约为30%左右。通过分析发现,目标凸度重置现象是模型计算过程中,由于一些参数的设置不合理,造成了计算结果和实际情况存在偏差,使轧机的凸度调节能力未能完全发挥。为此,需要针对相应钢种进行新的参数设计,以减免由于模型计算不合理导致的目标凸度重置问题,希望通过限制PDI目标重置、提高前几个机架的凸度控制能力来改善凸度控制精度。2.2热膨胀模型优化针对上述目标凸度重置问题,从模型计算方面分析,需要对模型中关于凸度的计算参数进行重新设计,以增加前3个机架的凸度调节能力。为了适应所有规格钢种的轧制并确保生产的安全稳定性,模型优化从以下2个方面进行设计:1)优化平坦度死区因子。通过调节3mm以下宽规格冷轧带钢的前3个机架的平坦度死区乘子,以适量放开前3个机架的凸度调节能力。2)优化模型的热膨胀计算系数。通过调节热膨胀计算乘子来降低模型计算的热膨胀值,间接地影响辊系热凸度值的计算,这主要针对窄规格钢种。因为该模型中的窄规格带钢的热凸度计算结果往往远大于实测值,这会导致整体辊系凸度的计算结果出现异常,进而影响带钢凸度的设定结果,使得模型的目标凸度在设定过程中发生改变以适应错误的计算结果。3凸度优化方法的实施效果分析3.1数据分析对厚度规格在3mm以下、宽度规格在1050mm以上的冷轧原料进行扩大平坦度死区因子的试验。选取试验前1个月内生产的宽规格钢种的数据做为试验前的原始样本,选取试验后1个月内生产的宽规格钢种的数据作为试验样本,分别对其进行命中率的统计与对比。数据对比结果表明,通过扩大平坦度死区因子的试验,宽规格冷轧基料的试验作用效果比较明显,凸度命中率由试验前的90.87%提高到试验后的95.18%。同时该方案在优化中进行了实施应用,对其应用情况进行了连续3个月的生产跟踪,其跟踪效果如图2所示。通过应用平坦度死区因子的优化方案,能够基本解决宽规格冷轧基料的目标凸度被模型修改的问题。由图2可见,对于宽规格钢种,优化后的凸度控制精度较试验前有了一定程度的提高,全长命中率的控制相对比较稳定,3个月以来一直维持在94%~95%。3.2热膨胀系数的优化效果3.2.1优化试验在轧制窄薄规格的钢种时,在连续轧制时出现大量的目标凸度重置现象,使凸度命中率突然下降。图3(a)和(c)所示为轧制某窄薄规格的钢种,当轧制到第13块时开始发生目标凸度被模型修改,随后使凸度命中率骤然下降至个位数的情况。该生产线轧制的窄薄规格钢种,其规格大多窄而薄,厚度通常在3mm以下,宽度一般为800~900mm,尤其在批量连续轧制过程中,会经常出现目标凸度被模型修改的现象,使凸度命中率的控制精度受到很大影响。这是由于模型在以其现有的设计算法进行设定计算时,尤其是窄规格带钢,其热凸度的计算结果远远大于实测值,这会导致整体辊系凸度的计算结果出现异常,进而影响辊缝凸度及带钢断面凸度的设定结果,使得模型的目标凸度在设定过程中发生重置以适应错误的计算结果。考虑到对生产稳定性的影响,对窄薄规格钢种的优化是分2步进行的,逐次优化热膨胀计算乘子。通过对模型热膨胀计算乘子的调节来降低模型热膨胀量的计算值,使模型计算的热膨胀值逐渐接近实测值,从而间接地优化了热凸度计算值和辊系凸度计算值,有效地避免了凸度目标被重置的反复发生。图3(b)和(d)为试验后连续轧制的批量该钢种的目标凸度重置现象发生情况和对应的凸度命中率情况,由图可见,通过优化,连续轧制的41块该钢种其凸度命中率均为100%。选取试验前1个月内生产某窄薄规格钢种数据做为试验前的原始样本,选取优化后1个月内生产的该钢种数据作为试验样本,对凸度全长命中率进行统计与对比。通过对热膨胀计算系数的优化,使模型凸度的计算精度不断提高,该品种的窄薄规格带钢的凸度命中率有所提高,凸度命中率由优化前的75.12%提高到最终优化后的96.94%。3.2.2试验样本的热膨胀量模型分析热辊形的测量采用磨床进行。F4工作辊平均热膨胀量的测量值为0.081mm,F5工作辊的平均热膨胀量的测量值为0.044mm。随机选取试验前连续轧制的窄薄规格某钢种为试验前原始样本,优化后的该钢种的连续轧制数据作为试验样本,将原始样本的模型计算的热膨胀量值和优化后样本的模型计算的热膨胀量值与实际测量值进行对比。由表3可见,通过优化模型的热膨胀计算乘子,可以有效地降低模型的热膨胀量计算值,使其更加接近实测值,从而间接地降低工作辊的热凸度,对避免于目标凸度重置起到积极作用。3.3研究样本选取通过优化措施的实施,对于宽、窄规格的所有钢种,凸度命中率的控制精度均有一定程度的提高。对所有规格的钢种,优化前选取1个月的生产数据作为原始样本,原始样本数13719块,涉及钢牌号91种;选取优化方案全部实施后的1个月数据作为优化后的对比样本,对比样本数12936块,涉及钢牌号81种。通过对优化前后的数据统计与对比,所有规格产品的凸度命中率由优化前的91.9%提高到优化后的94.5%。4热膨胀试验及优化1)优化平坦度死区因子可以有效地提高前3机架的凸度调节能力,能够避免宽规格钢种的目标凸度重置问题的发生。2