热连轧带钢宽度封锁溯源研究及应用

热连轧带钢宽度封锁溯源是指带钢轧制完成后，对宽度封锁带钢的缺陷类型进行判断，并对导致宽度封锁的原因进行追溯，以为现场技术人员提供参考。基于真实的热连轧带钢生产过程数据，先使用卡尔曼滤波方法对带钢全长宽度数据进行去噪，然后使用高斯拟合寻峰等方法提取带钢宽度特征并建立宽度缺陷分类规则，最后结合实际生产过程建立热连轧带钢宽度封锁溯源模型。将湛江1 780 mm热连轧机组3个月内出现的582条宽度封锁带钢用于模型性能测试，结果表明，模型对宽度缺陷的分类准确率达到96.72%,对宽度封锁溯源的准确率达到94.16%,有效实现了热连轧带钢宽度封锁的自动分类与自动溯源。     

七机架热连轧机组轧制温度综合优化技术

热连轧轧制过程中的轧制温度会影响带钢变形抗力以及轧制力的大小,进而改变带钢的出口厚度以及出口板形分布,因此,当轧制温度设定不合理时,会导致带钢的出口厚度精度变低、出口板形质量变差。充分考虑到热连轧机组的设备特点及其轧制工艺特点,首先,通过对变形抗力模型、出口厚度模型、宽展量模型以及出口板形模型的研究,定量分析了轧制温度对变形抗力、出口厚度、带钢宽展量以及出口板形的影响效果及其影响过程。然后,针对由于轧制温度设定不合理而导致的出口板形质量较差的问题,以板形分布的极值差值程度以及波动程度为约束条件建立了带钢板形横向控制目标函数与纵向控制目标函数,进而建立了带钢板形综合控制目标函数,针对由于轧制温度设定不合理而导致的出口厚度精度较低的问题,以出口厚度偏差的标准差以及出口厚度偏差的平均值为约束条件建立了带钢厚度偏差综合控制目标函数,并在此基础上以出口板形最优以及出口厚度偏差最小为目标,以7个机架的极限轧制力、宽展量以及轧制温度变化范围为约束条件建立了七机架热连轧机组轧制温度综合优化设定目标函数,实现了七机架热连轧机组轧制温度设定值的综合优化,将该优化技术应用到了国内某热连轧机组的带钢生产中后使...     

2050热连轧机组弯辊综合优化设定技术

针对2050热连轧机组在轧制过程中因弯辊力设定不合理导致轧制力波动幅度较大，并引起带钢出口板形质量较差的问题，结合该热连轧机组的设备参数及工艺特性，基于热连轧的轧制力模型和板形控制模型，提出了一套适用于热连轧机组的弯辊综合优化设定模型。将该模型应用到实际生产中，机组轧制力和非对称板形平直度波动幅度明显减小，有效改善了带钢的出口板形质量，同时提高了机组的经济效益。     

高精度薄带材冷连轧过程智能优化控制

带钢冷连轧控制是系统性极强、技术难度极大、精度要求极高的综合性技术，是保证冷轧带钢产品质量和生产效率的主要手段。东北大学自主开发了冷连轧全套自动化系统，涵盖了轧机主令控制、自动厚度控制、自动板形控制、物流跟踪、模型设定等功能，并研发了高精度数学模型、轧制规程多目标优化算法、加减速过程带钢厚度与张力补偿及轧制工艺优化等先进控制技术。所开发的系统已推广应用到多条冷连轧生产线中，现场应用表明,系统运行稳定，实现了0. 17mm极薄规格带钢高速稳定轧制，厚度偏差小于±2. 5μm，板形标准差小于7I。最后对轧制过程的智能化发展进行了展望。     

高精度薄带材冷连轧过程智能优化控制

带钢冷连轧控制是系统性极强、技术难度极大、精度要求极高的综合性技术,是保证冷轧带钢产品质量和生产效率的主要手段。东北大学自主开发了冷连轧全套自动化系统,涵盖了轧机主令控制、自动厚度控制、自动板形控制、物流跟踪、模型设定等功能,并研发了高精度数学模型、轧制规程多目标优化算法、加减速过程带钢厚度与张力补偿及轧制工艺优化等先进控制技术。所开发的系统已推广应用到多条冷连轧生产线中,现场应用表明,系统运行稳定,实现了0.17 mm极薄规格带钢高速稳定轧制,厚度偏差小于±2.5μm,板形标准差小于7 I。最后对轧制过程的智能化发展进行了展望。     

梅钢热轧厚度控制过程

热轧带钢厚度精度一直是热轧带钢产品质量的重要指标,而厚度控制技术是实现轧制高精度热轧产品的重要手段。介绍了梅钢热轧产线的厚度控制系统,阐述了模型厚度设定程序及控制方法,包括厚度计AGC、前馈AGC、流量AGC、监控AGC的应用,并分析了几种厚度异常原因和解决措施。     

基于组织性能预报技术的X60管线钢CSP流程生产工艺优化

 利用有限元分析软件建立了带钢热连轧过程的热力耦合综合有限元模型,对于试算的CSP流程沿带钢厚度方向上等效塑性应变呈“V”形或“U”形分布,轧制过程有限元模型预测的轧制力与实际吻合较好;适量增加铸坯厚度,并在较靠前的机架分配较大的压下量有利于提高轧制过程的应变均匀性。依托组织性能预报技术集成了较适合于含铌微合金化钢的组织演变模型,利用集成系统的多次试算提出了CSP生产X60管线钢的较优工艺。     

冷轧极薄规格带钢羽痕缺陷生成机理与控制

针对双机架平整机生产极薄规格带钢时表面出现的羽痕缺陷生成机理进行了分析。通过研究发现,羽痕生成是由于极薄规格带钢在宽度方向上由轧制力和张力共同作用下出现不均匀变形,该变形产生的分界线在平整过程中出现了不均匀延伸;而在平整过程中由于弯辊和窜辊的预设定参数不合理、单位张力设定偏低、平整过程中弯辊力与轧制力不匹配等因素导致带钢局部延伸偏大,形成了明显的浪形,此浪形若经过平整机辊缝碾压则生成羽痕缺陷。通过将平整机设定张力提高30%、调整板形曲线为1~8 IU的大边浪、依照带钢厚度调整平整机板形预设定参数以及开发轧制力弯辊力跟随控制模型等措施,极薄规格带钢羽痕缺陷带出品由 206降至51 t/月,基板表面质量满足了国内外多家高端用户的要求。     

冷轧基板起筋成因分析及控制实践

针对1 450、2 032 mm热连轧线生产的冷轧基板在下游工序出现的批量起筋缺陷，结合两条热轧线的装备控制特点,从板形控制、轧制工艺规范管控的变化对其产生原因和机理进行分析，得出热轧带钢凸度控制失稳是导致起筋的重要原因。通过进行HVC板形控制模型的优化及生产工艺管理制度的调整，实现轧制过程的“均匀变形、板凸度一致”控制，保证带钢断面质量及凸度命中效果，冷轧产品起筋缺陷发生率同比下降95.12%，产品质量得到明显改善。     

单机架冷轧机控制系统的研发与工业应用

为了提高冷轧带钢产品质量,东北大学轧制技术及连轧自动化国家重点实验室自主开发了成套的单机架冷轧机自动化系统,主要包括轧机主令控制、液压伺服控制、自动厚度控制、自动板形控制、钢卷跟踪、数据采集、模型设定等功能,并研发了高精度的数学模型、基于成本函数的轧制规程多目标优化、加减速过程的高精度张力控制策略、加减速过程带钢厚度补偿策略及轧制工艺优化等先进控制技术。所开发的自动化控制系统已推广应用到多条单机架冷轧机生产线中,现场应用表明:所开发的控制系统运行稳定,轧制规程设定合理,模型预报精度高;在轧制0.18mm极薄规格带钢时,稳速轧制的厚度偏差可控制在±2μm以内,产品成材率和产品质量大幅度提高。     

带钢热轧过程厚度分配的仿真分析

带钢轧制过程中,各道次的厚度分配是控制轧制的重要环节,直接影响成品的质量。运用Visual Studio软件开发工具,开发出基于MVC框架的往复式双机架炉卷轧机轧制过程的网络仿真系统,研究了带钢轧制过程中各道次的厚度分配,设计了相应的仿真模块。通过输入实际数据进行仿真分析,所得到的数据与实际的热轧生产数据进行对比,该仿真系统可有效地仿真出轧制过程厚度的变化,能实现带钢厚度分配的预报。     

复用等储备负荷法在热连轧粗轧负荷分配中的应用

 基于带钢热连轧粗轧区的特点,提出了复用等储备负荷法。该方法运用多层迭代算法进行粗轧机组负荷分配,外层对总轧制道次进行递增迭代,内层通过交替迭代确定带钢厚度和宽度轧制方向的综合负荷函数值,逐步优化平 立辊轧制规程。基于该方法设计了带钢热连轧粗轧过程设定系统软件,并结合实例进行了分析。分析结果表明该方法的适应性和灵活性很强,可适用于实时粗轧轧制过程中的设定计算。     

基于热连轧精轧厚度控制理论与头部厚度优化研究

提升热连轧带钢厚度精度一直是提高产品质量的主要目标。根据弹跳方程,从厚度控制原理方面阐述了自动厚度控制(automatic gauge control,AGC)补偿对于厚度控制的理论影响,并结合薄材酸洗钢头部易发的超薄现象,从F7通板后的AGC介入的3个阶段展开分析了厚度控制异常的机理原因,通过对于精轧AGC补偿量及小套量保护逻辑的控制优化,从理论与现场实际有效地结合,改善了头部厚度异常现象。     

一种基于遗传神经网络的热连轧带钢弯辊力预报方法

针对传统板形模型缺陷和带钢热连轧轧制特点,提出基于遗传神经网络的弯辊力优化预报方法.利用1580mm热轧Q235B钢种实际生产数据对网络进行训练和测试,并对结果进行分析比较.结果表明遗传神经网络预报能力不但优于传统弯辊力设定模型,而且优于单纯神经网络的预报能力,能较准确预报热连轧带钢弯辊力.基于遗传神经网络的弯辊力预报模型可提高头部板形控制精度,有实际应用的价值.     

基于神经网络的轧制力模型参数辨识

为了提高热连轧轧制力预设定值的精度,提出卫种新的轧制力模型参数辨识方法。利用人工神经网络对以往的大量生产数据进行了训练、预测、将预测结果结合轧制力模型,对思制力模型中的温度相关关系数ｍ１、变形速度相关系数ｍ３进行只。现场生产实践表明,采用辨识后的模型进行轧制力预设定,带钢头部厚度精度有明显提高。对于象本钢热连轧厂这样的老企业,这种新方法更具有在线应用的可行性。     

热连轧精轧设定模型及其优化方法研究

简要介绍了某厂热连轧生产线精轧过程设定模型,如温度模型、轧制力模型、变形抗力模型、前滑模型、辊缝模型及自适应模型等,并说明了相关模型参数优化方法和实际应用效果。     

基于有限元仿真的热连轧精轧带钢楔形控制分析

楔形是热轧带钢板形的关键评价指标，高质量的热轧带钢对楔形指标提出较高的要求。精轧带钢楔形控制与跑偏及单侧浪形等板形问题相耦合，楔形调节难度高。一方面，带钢楔形会引起跑偏造成轧制过程的生产问题；另一方面，板带楔形本身即为精轧出口质量的重要指标之一，若楔形控制不达标，极易引起小厚度的带钢在轧制过程起浪，造成严重的板形问题。同时，对于楔形控制，实际生产中依赖操作工的人工调控，存在严重的主观性及科学性和准确性差、效率低等问题。通过有限元建模并依据轧机两侧辊缝倾斜压下量和出口楔形的关系式，建立F7出口楔形闭环反馈控制模型。基于带钢不同的入口厚度、带钢宽度、整体压下量分析热连轧精轧两侧辊缝倾斜压下量对出口楔形的影响规律，提出基于遗传系数的多机架调控策略和基于楔形调控极限的辊缝倾斜压下量分配策略，形成精轧机组楔形控制的各机架辊缝倾斜压下值计算模型。研究结果已用于工业生产，可保证楔形调节过程中的轧制稳定性，并能避免单机架倾斜压下量过大造成附加板形问题。     

基于主成分分析-BP神经网络的热精轧带钢跑偏预测研究

由于带钢热轧过程中跑偏的影响因素复杂,传统的机理预测模型难以保证跑偏预测的准确性。本文从数据驱动的角度出发,结合带钢轧制过程跑偏产生原理和实际生产数据,提出了一种基于主成分分析(PCA)与BP神经网络的组合模型用于预测带钢跑偏。该模型精度较高,对提高热连轧成品质量和轧制设备的寿命都具有重大意义。     

热连轧过程中的轧制力模拟

 对目前用于带钢热连轧过程分析中的几种屈服应力模型进行了对比,并在此基础上改进了模型：用Orowan公式计算轧制过程中轧件的应力-应变,用有限差分法计算轧件的温度变化,建立了热连轧生产过程中温度变化和塑性变形计算相耦合的力能参数预报模型。用此模型对某钢厂热轧板带生产过程中力能参数的变化进行了解析计算。计算结果表明,模拟值与现场实测值吻合较好。     

基于KPLS的GM-AGC厚度预测方法

由于热连轧仅在精轧出口装有测厚仪,对带钢进行厚度控制时会产生严重的滞后,因此,GM-AGC常采用弹跳方程间接测厚的方法,但由于弹跳系数不易获得,且弹跳模型存在一定误差,这种方法不能有效提高带钢厚度质量.采用KPLS方法进行非线性特征抽取,获取辊缝、轧制力和厚度之间的相互关系,用于对带钢厚度进行预测,从而为GM-AGC提供较为精确的厚度预测值.