一种带钢冷连轧轧制方法及装置

摘要

一种带钢冷连轧轧制方法及装置，属于冶金过程控制技术领域，本发明在带钢冷连轧实际生产现场情况的基础上，充分考虑了轧制力优化计算的合理性，选用了能耗最低为优化目标，并采用了大量实际轧制生产过程中的约束条件，并在轧制机理关系的基础上利用改进的PSO优化算法进行最优计算，可以快速计算出优化的轧制规程信息，以避免由于经验规程没有综合考虑而带来的额外成本，通过本发明的优化方法及装置，可以充分发挥整个冷连轧系统的生产能力，在改善产品质量的同时，降低轧机的电机总功率，从而实现节能降耗。

主权项

一种带钢冷连轧轧制方法，其特征在于：包括以下步骤：步骤1：采集数据，包括冷连轧轧机的设备参数、冷连轧轧机的工艺信息参数、冷轧带钢的规格参数及冷轧带钢的成品要求参数；步骤2：以轧制时每个机架所消耗的能耗最小为目标，建立轧制力优化模型：包括以下步骤：步骤2‑1：确定优化目标为轧制时使每个机架所消耗的电机功率之和最低，公式如下： Minimize Σ i = 1 n HP i i = 1,2 , . . . , n - - - ( 1 ) 式中，n为冷连轧系统的机架总数，i为机架的编号，HPi为第i个机架的电机功率；所述的电机功率，计算过程如下：利用机理公式确定轧制工艺参数，所述的轧制工艺参数包括：工作辊压扁半径、机架的中性角、机架的前滑值、带钢出口速度、机架的轧制速度、轧制力、电机转矩、电机轧制转矩和电机损失转矩和电机功率HPi，具体公式如下：计算机架出口厚度，公式如下： h i = H i - α i P i K pi + β i i = 1,2 , . . . , n - - - ( 2 ) 式中，hi为第i个机架出口厚度，Pi为第i个机架的轧制力，KPi为第i个机架的轧制力横向刚度，αi、βi为第i个机架的分配系数和调整系数；利用海特科克公式，计算工作辊压扁半径，公式如下： R i ′ = ( 1 + C H · P i B · ( H i - h i ) ) · R i i = 1,2 , . . . , n - - - ( 3 ) 式中，R′i为第i个工作辊压扁半径，Ri为第i个工作辊半径，B带钢宽度，CH为海特科克公式系数，取值为0.214×10‑3，Hi为第i个机架入口厚度；计算机架的中性角，公式为： φ i = 1 2 · H i - h i R i ( 1 - 2 2 μ i H i - h i R i ) i = 1,2 , . . . , n - - - ( 4 ) 式中，φi为第i个机架的中性角，μi为第i个机架的摩擦系数；利用BLAND‑FORD前滑公式计算机架的前滑值，公式如下： f i = R i ′ h i · φ i 2 i = 1,2 , . . . n - - - ( 5 ) 式中，fi为第i个机架的前滑值；根据秒流量恒等法则计算带钢出口速度，公式如下： v i = v m h m h i i = 1,2 , . . . , n - - - ( 6 ) 式中，vi为第i个机架的带钢出口速度，vm为末机架的带钢出口速度，hm为末机架的带钢出口厚度；计算机架的轧制速度，公式如下： vr i = v i 1 + f i i = 1,2 , . . . , n - - - ( 7 ) 式中，vri为第i个机架的轧制速度；利用HILL公式计算轧制力Pi，公式如下： D pi = 1.08 + 1.79 μ i ξ i 1 - ξ i R i ′ h i - 1.02 ξ i P i = BD pi k i R i ′ ( H i - h i ) i = 1,2 , . . . , n - - - ( 8 ) ξ i = H i - h i H i 式中，Dpi为第i个机架的摩擦影响系数，ξi为第i个机架的压下率，ki为第i个机架的平均变形抗力和张应力共同影响系数；计算电机损失转矩，公式如下：GLi＝1000fi(vri/Ri)    i＝1，2，...，n    (9)式中，GLi为第i个机架的电机损失转矩；计算电机轧制转矩，公式如下： GR i = 0.8 R i / R i ′ R ′ i ( H i - h i ) P i i = 1,2 , . . . , n - - - ( 10 ) 式中，GRi为第i个机架的电机轧制转矩；计算电机转矩，公式如下：GMi＝GRi+GLi    i＝1，2，...，n    (11)式中，GMi为第i个机架的电机转矩；计算电机功率HPi，公式如下：HPi＝0.16(vri/Ri)GMi    i＝1，2，...，n    (12)步骤2‑2：确定冷连轧带钢生产正常运行的约束条件，所述的约束条件包括：带钢板形约束条件、轧制力约束条件、轧制速度约束条件、电机功率约束条件、电机功率平衡约束条件、机架轧制转矩约束条件、压下率约束条件、轧制力形状约束条件、轧制力平衡约束条件、机架功率形状约束条件；所述的带钢板形约束条件为保持每个机架出口的相对凸度不变，并利用凸度方程计算，公式如下： ( CR i h i - Δ H 0 ) ≤ δ CR i = P i K Pi i = 1,2 , . . . , n - - - ( 13 ) 式中，CRi为第i个机架的带钢凸度，Δ为来料的凸度，H0为来料的厚度，δ为给定的数值，取0.31；所述的轧制力约束条件为每个机架的轧制力设定值不高于该机架允许的最大轧制力数值，公式如下：0≤Pi≤Pimax    i＝1，2，...，n    (14)式中，Pimax为第i个机架允许的最大轧制力；所述的轧制速度约束条件为每个机架的轧制速度不高于该机架的最大轧制速度，同时要高于能够保证正常生产的最小轧制速度，公式如下：vrimin≤vri≤vrimax    i＝1，2，...，n    (15)式中，Vrimin为保证正常生产第i个机架的最小轧制速度，Vrimax为第i个机架允许的最大轧制速度；所述的电机功率约束条件为每个机架的电机功率不高于该机架的最大电机功率，保证电机功率在电机所能够提供的最大功率之内，公式如下：0≤HPi≤HPimax    i＝1，2，...，n    (16)式中，HPimax为第i个机架所能够提供的最大功率；所述的电机功率平衡约束条件为中间相邻机架的电机功率比值应满足如下公式：0.8≤(HPi/HPi+1)≤1.6    i＝2，3，...，n‑2    (17)所述的机架轧制转矩约束条件为每个机架的轧制转矩不高于该机架的最大轧制转矩，公式如下：0≤GRi≤GRimax    i＝1，2，...，n    (18)式中，GRimax为第i个机架的最大轧制转矩；所述的压下率约束条件为每个机架的压下率不高于最大的压下率，公式如下：0≤ξi≤ξimax    i＝1，2，...，n    (19)式中，ξimax为第i个机架的最大压下率；所述的轧制力形状约束条件为在实际生产过程中基于实际的工艺条件，要保证轧制系统最优运行，整个机架的轧制力呈现递减趋势，公式如下：Pi≤Pi‑1    i＝1，2，...，n    (20)所述的轧制力平衡约束条件为前1机架的轧制力与相邻的后1机架的轧制力的比值满足如下公式，使机架的轧制力达到平衡：1≤(Pi/Pi+1)≤1.5    1≤i≤n‑1    (21)所述的机架功率形状约束条件为保证机架间的电机功率平衡，使中间机架的电机发挥最大功效，以实现稳定地轧制，公式如下： Σ i = 1 , n HP i 2 ≤ Σ i = 2,3 , . . . n - 1 HP i n - 2 i = 1,2 , . . . , n - - - ( 22 ) 步骤3：利用改进的PSO算法对步骤2的轧制力优化模型进行求解，计算出轧制力；所述的改进的PSO算法，包括以下步骤：步骤3‑1：初始化PSO算法的基本参数，包括：种群规模、粒子维度、最大允许位置、最大允许速度、最大迭代次数、偏差值、惯性权重和加速因子；步骤3‑2：根据种群规模、粒子维度信息在轧制力的最大值范围内随机产生每个机架轧制力的初始数值：根据约束条件(14)、(20)、(21)，使用下述公式初始化第一机架至末机架的轧制力数值：Pi0＝Rand*(Pi0max‑Pi0min)+Pi0mini∈ΩPi1＝Rand*(min{Pi0，Pi1max}‑max{0.667Pi0，Pi1min})+max{0.667Pi0，Pi1min}i∈Ω   (23)Pij＝Rand*(Pij‑1‑Pijmin)+Pijmin∈Ω，j∈(1，m)式中，i表示粒子的编号，j表示粒子的维度编号，m为机架的数量，Pij为第i个粒子的第j个维度(即第j个机架)的轧制力，Ω为粒子的集合，粒子的数量为偶数，Pijmax和Pijmax分别为第i个粒子的第j个机架轧制力的最小值和最大值，Rand为在[0，1]范围内产生随机数的函数；步骤3‑3：利用PSO算法的粒子更新公式更新每个粒子的位置值和速度值并进行粒子保护比较，公式如下： v ijk = c 0 v ijk - 1 + c 1 rand 1 ( pbest ijk - 1 - p ijk - 1 ) + c 2 rand 2 ( gbest jk - 1 - p ijk - 1 ) p ijk = p ijk - 1 + v ijk - - - ( 24 ) 式中，k为迭代次数，vijk为第k次迭代计算时第i个粒子的第j个维度的速度值，c0为惯性权重，c1和c2为加速因子，rand1和rand2为在[0，1]范围内产生随机数的函数，pbestijk‑1为前k‑1次迭代计算过程中，第i个粒子的第j个维度的最佳数值，gbestjk‑1为前k‑1次迭代计算过程中，所有粒子的第j个维度中最佳的数值，pijk为第k次迭代计算时为第i个粒子的第j个维度的位置值；对每个粒子的第1维度，如果pi1k‑1+vi1k＜Pi1min，则将Pi1min赋给pi1k，否则，继续比较，如果pi1k‑1+vi1k＞Pi1max，则将Pi1max赋给pi1k，否则，令pi1k等于pi1k‑1+vi1k；对于每个粒子的其他维度，如果pijk‑1+vijk≤0.7pij‑1k，则将0.7pij‑1k赋给pijk，如果pijk‑1+vijk≥pij‑1k，则将pij‑1k赋给pijk，否则令pijk等于pijk‑1+vijk；步骤3‑4：应用PSO算法的改进策略更新粒子的位置信息，方法为：在每次迭代过程中，按照目标函数值的大小对种群中的所有粒子进行排序，目标函数值小的粒子排在前面，目标函数值大的粒子排在后面，将种群中后一半不好的粒子位置替换成前一半较好的粒子位置，即淘汰效果不好粒子，公式如下： p sjk = p tjk , s = t + n 2 , t ∈ ( 1 , n 2 ) - - - ( 25 ) 式中，n为粒子的个数，t为前一半粒子的编号，s为后一半粒子的编号；步骤3‑5：比较每个粒子的位置值，判断当前轧制力以及带钢凸度、轧制速度、电机功率、轧制转矩是否满足约束条件(13)‑(22)；步骤3‑6：采用公式(1)的目标函数，计算目标函数值；步骤3‑7：存储最优的目标函数值以及对应的轧制力数值；步骤3‑8：继续跳转至步骤3‑3进行迭代计算，直到输出最优的轧制力数值；步骤4：过程计算机将步骤3的计算出的轧制力传递给硬件装置中的PLC控制器，由PLC控制器控制轧机设备进行生产，同时输出计算结果，并在过程操作站上显示。