CN103920719B - 热轧板形的凸度控制方法 - Google Patents

Abstract

本发明公开了一种热轧板形的凸度控制方法，包括：步骤S100，计算当前控制周期内精轧机组出口输出带钢的凸度偏差；步骤S200，根据所得的凸度偏差，计算精轧机组中前六个精轧机架各自得分配凸度偏差；步骤S300，计算各精轧机架的弯辊调整量，并对其弯辊力进行调整。本发明的热轧板形的凸度控制方法，可对热轧带钢的凸度进行实时的动态控制，并且调整精确、稳定。

Description

热轧板形的凸度控制方法

技术领域

本发明涉及钢铁生产中的热轧板形控制，更具体地说，是一种用于对热轧中带钢凸度进行控制的热轧板形的凸度控制方法。

背景技术

随着钢铁生产企业的技术进步以及最终用户要求的不断提高，对板带材的尺寸、外观质量提出高要求。板形是热轧带钢的一项重要质量指标,一般说来包括断面形状（Profile）和平直度控制（Flatness）两方面内容。断面形状一般由凸度、楔形度等参数表示，其中又以凸度为主要控制参数。在热带钢轧制轧制过程中，带钢的实际断面形状往往不是呈完全矩形形状，其中部与边部总存在一定程度的厚差，这种带钢中部厚度与边部厚度之间的差值被称为带钢凸度。而平直度一般用相对延伸差或急峻度（又称翘曲度）来表示。因此，热轧板形控制的主要任务就是实现热轧带钢的凸度和平直度良好。

目前国内钢铁企业热轧带钢的板形凸度控制主要是以利用CVC轧机、PC轧机、正负弯辊、工作辊窜辊控制等方法来实现，而在实时板形监控与调整方面主要是以操作人员的手动干预弯辊力为主，缺乏准确的量化标准。

授权公告号为CN1253251C的发明专利公开了一种热轧带钢中浪形控制法，主要是采用中浪板形控制法，对带钢头部采用中浪PSCU设定控制，对其后部分采用动态ASC中浪控制，以解决热轧带钢因冷却而造成的双边浪缺陷。

授权公告号为CN100443205C的发明专利公开了一种基于平滑变化轧制规程的热轧带钢凸度控制方法，其采用平滑过渡函数结构对各机架压下力进行调整，从而达到对带钢凸度和平直度的控制。

发明内容

本发明的目的，在于提供一种能够对热轧中带钢凸度进行控制的热轧板形的凸度控制方法。

本发明的热轧板形的凸度控制方法，用于在多个控制周期内，对通过精轧机组进行精轧处理的带钢进行凸度控制，所述精轧机组包括七个精机架F1~F7，带钢通过精轧机组入口依次经该七个精轧机架轧制后，由精轧机组出口输出，该方法包括以下步骤：

a，在当前控制周期内，对从该精轧机组出口输出的带钢的实际凸度进行检测，并根据目标凸度，计算当前轧制周期内的凸度偏差d_cm(k）；

b，根据当前控制周期内的凸度偏差，利用以下公式计算所述精轧机组中前六个精轧机架F1~F6的各自的分配凸度偏差e₁(k)~e₆(k):

$e_i\left(k\right)=\frac{0.8\·d_{\mathrm{cm}}\left(k\right)}{\underset{i=6}{\overset{i}{\mathrm{\Π}}}\mathrm{eata}\left(i\right)},$

其中，e_i(k)为当前控制周期内第i（i=1,2,3,4,5,6）机架的分配凸度偏差，eata(i）为第i机架的凸度遗传系数；

c,根据所述精轧机组中前六个精轧机架F1~F6的分配凸度偏差e₁~e₆，对该前六个精轧机架中各精轧机架的弯辊力进行调整，在当前控制周期内该前六个精轧机架中各精轧机架的弯辊调整量ΔF_Bi(k)为：

${\mathrm{\ΔF}}_{\mathrm{Bi}}\left(k\right)=K_{a2i}[K_{\mathrm{pi}}{e}_i\left(k\right)+K_{\mathrm{Ii}}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{e}_i\left(j\right)]/K_C,$

其中，K_a2i为凸度反馈控制模型调整系数，Kpi为第i机架的凸度反馈比例系数，K_Ii为第i机架的凸度反馈积分系数，K_C为弯辊力对凸度的影响系数。

优选地，eata（i）通过以下公式计算得出：

eata[i]＝cetb[i](1.0-zeta[i])（1.0-ε），

其中，cetb[i]为调节系数，ε为相对下压量，zeta[i]为由神经网络计算出的输出层。

本发明的热轧板形的凸度控制方法，可对热轧带钢的凸度进行实时的动态控制，并且调整精确、稳定。

附图说明

图1为本发明的热轧板形的凸度控制方法的流程示意图。

具体实施方式

以下根据附图和具体实施方式，对本发明的热轧板形的凸度控制方法的流程步骤进行详细说明。

总体上说，本发明的热轧板形的凸度控制方法，用于在多个控制周期内，对通过精轧机组进行精轧处理的带钢进行凸度控制。并且，精轧机组包括七个精机架F1~F7，带钢通过精轧机组入口依次经该七个精轧机架轧制后，由精轧机组出口输出。结合图1，大致上，该方法包括步骤S100-S300，其中，在步骤S100中，计算当前控制周期内精轧机组出口输出带钢的凸度偏差；在步骤S200中，根据所得的凸度偏差，计算精轧机组中前六个精轧机架各自得分配凸度偏差；在步骤S300中，计算各精轧机架的弯辊调整量，并对其弯辊力进行调整。以下对各步骤进行更详细说明。

步骤S100。

步骤S100中，在当前控制周期内，对从该精轧机组出口输出的带钢的实际凸度进行检测，并根据目标凸度，计算当前轧制周期内的凸度偏差d_cm(k）。

对输出带钢的实际凸度测量，可利用凸度仪完成，然后将实际凸度值和目标凸度进行比较，所得的差值即为凸度偏差d_cm(k)。

步骤S200。

在步骤S200中，根据当前控制周期内的凸度偏差，利用以下公式计算所述精轧机组中前六个精轧机架F1~F6的各自的分配凸度偏差e₁(k)~e₆(k):

$e_i\left(k\right)=\frac{0.8\·d_{\mathrm{cm}}\left(k\right)}{\underset{i=6}{\overset{i}{\mathrm{\Π}}}\mathrm{eata}\left(i\right)},$ （公式1）

上述公式1中，e_i(k)为当前控制周期内第i（i=1,2,3,4,5,6）机架的分配凸度偏差，eata(i）为第i机架的凸度遗传系数。

更具体地，第i个机架的凸度遗传系数eata(i）可通过常规的凸度预计算模型得出。在本发明的一个实施方式中，eata(i）可通过以下公式计算得出：

eata[i]＝cetb[i](1.0-zeta[i])（1.0-ε）；（公式2）

公式2中，cetb[i]为调节系数，它是针对各机架的预设值，ε为相对下压量（即各机架厚度差与该机架入口厚度的比值），zeta[i]为由常规的神经网络算法计算出的输出层。更具体地，在神经网络计算中，网络输入为带钢宽度、入口厚度、相对下压量、工作辊直径、轧制力以及距边部位置，通过常规的神经网络算法，计算出作为输出层的zeta[i]。

在本发明的一个优选的实施方式中，cetb[i]的值优选地设置在0.9至1.1之间，而由神经网络算法计算出的zeta[i]的数值范围在0.25-0.5之间。

步骤S300。

在步骤S300中，根据精轧机组中前六个精轧机架F1~F6的分配凸度偏差e₁~e₆，对该前六个精轧机架中各精轧机架的弯辊力进行调整，每个机架的调整都采用PI控制（即比例积分控制）手段，具体地，在当前控制周期内该前六个精轧机架中各精轧机架的弯辊调整量ΔF_Bi（k)为：

${\mathrm{\ΔF}}_{\mathrm{Bi}}\left(k\right)=K_{a2i}[K_{\mathrm{pi}}{e}_i\left(k\right)+K_{\mathrm{Ii}}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{e}_i\left(j\right)]/K_C,$ （公式3）

其中，K_a2i为凸度反馈控制模型调整系数，Kpi为第i机架的凸度反馈比例系数，K_Ii为第i机架的凸度反馈积分系数，K_C为弯辊力对凸度的影响系数。

当计算出各精轧机架的弯辊调整量ΔF_Bi(k)后，即可利用工作辊弯辊控制系统，对各精轧机架的弯辊力进行调整。弯辊控制系统可利用常规的弯辊力控制手段来实现。例如，在一种现有的弯辊控制系统中，包括一个液压系统，其具有电磁控制和数字闭环调节器。并且，该系统还包括安装在工作辊油钢上的电动液压阀，可引导液体流入或流出液压缸。系统根据弯辊调整量ΔF_Bi(k)，对控制回路中的电流进行调节，进而通过电动液压阀，控制液压系统中的向液压缸内流入或流出的液体量，从而对弯辊力进行调整。当然，容易理解，弯辊力的调整，也可以使用行业内常规使用的其它手段来进行。

容易理解，在利用上述步骤实现凸度控制的过程中，各机架弯辊力的调整量需要考虑设备的极限条件。另外，该流程应当在凸度仪正常工作并检测到带钢通过信号后开始，整个流程的周期以及凸度仪检测凸度信号的周期在2秒左右。

综上所述，本发明的热轧板形的凸度控制方法，可对热轧带钢的凸度进行实时的动态控制，并且调整精确、稳定。

Claims (2)

1.一种热轧板形的凸度控制方法，用于在多个控制周期内，对通过精轧机组进行精轧处理的带钢进行凸度控制，所述精轧机组包括七个精机架F1～F7，带钢通过精轧机组入口依次经该七个精轧机架轧制后，由精轧机组出口输出，其特征在于，该方法包括以下步骤：

a，在当前控制周期内，对从该精轧机组出口输出的带钢的实际凸度进行检测，并根据目标凸度，计算当前轧制周期内的凸度偏差d_cm(k)；

b，根据当前控制周期内的凸度偏差，利用以下公式计算所述精轧机组中前六个精轧机架F1～F6的各自的分配凸度偏差e₁(k)～e₆(k):

$e_i\left(k\right)=\frac{0.8\·d_{\mathrm{cm}}\left(k\right)}{\underset{i=6}{\overset{i}{\mathrm{\Π}}}\mathrm{eata}\left(i\right)},$

其中，e_i(k)为当前控制周期内第i机架的分配凸度偏差，其中i＝1,2,3,4,5,6，eata(i)为第i机架的凸度遗传系数；

c,根据所述精轧机组中前六个精轧机架F1～F6的分配凸度偏差e₁～e₆，对该前六个精轧机架中各精轧机架的弯辊力进行调整，在当前控制周期内该前六个精轧机架中各精轧机架的弯辊调整量ΔF_Bi(k)为：

$\mathrm{\Δ}{F}_{\mathrm{Bi}}\left(k\right)=K_{a2i}[K_{\mathrm{pi}}{e}_i\left(k\right)+K_{\mathrm{Ii}}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{e}_i\left(j\right)]/K_C,$

其中，K_a2i为凸度反馈控制模型调整系数，Kpi为第i机架的凸度反馈比例系数，K_Ii为第i机架的凸度反馈积分系数，K_C为弯辊力对凸度的影响系数。

2.根据权利要求1所述的热轧板形的凸度控制方法，其特征在于，eata(i)通过以下公式计算得出：

eata[i]＝cetb[i](1.0-zeta[i])(1.0-ε)，

其中，cetb[i]为调节系数，ε为相对下压量，zeta[i]为由神经网络计算出的输出层。