不可逆铝板带冷轧机轧制规程的优化方法

摘要

本发明涉及不可逆铝板带冷轧机轧制规程的优化方法，其步骤为：(1)收集铝板带冷轧机的设备参数和工艺条件；(2)确定带材规格和成品要求；(3)收集实际使用规程的相关参数；(4)确定优化目标；(5)出口厚度离散及初始化；(6)根据退火阶段调用优化计算子程序；(7)完成规程优化计算。本发明充分考虑规程优化后的合理性和可用性，以实际应用规程为优化基础；提出了负荷均衡、能耗最小、板形良好这三种优化目标的新目标形式；在优化过程中考虑实际轧制中的静态约束和动态约束条件，改进动态优化算法，从而减小计算量，实现快速计算。该优化方法充分发挥轧机的生产能力，保证设备合理使用，使产品板形良好、能耗降低，适合在线使用。

主权项

1.不可逆铝板带冷轧机轧制规程的优化方法，其特征在于：包括以下步骤：(1)收集铝板带冷轧机的设备参数和工艺条件；(2)确定带材规格和成品要求；(3)收集实际使用规程的参数；(4)确定优化目标：4a)以下形式的负荷均衡目标函数：$\min S=\alpha \frac{\underset{i=1}{\overset{n}{\Sigma }}{(P_i-\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_i}{n})}^2}{P_{\mathrm{MAX}}}+(1-\alpha )\frac{\underset{i=1}{\overset{n}{\Sigma }}{(M_i-\frac{\underset{i=1}{\overset{n}{\Sigma }}{M}_i}{n})}^2}{M_{\mathrm{MAX}}}$式中：α——权重系数，P_i、M_i——第i道次的轧制力、轧制力矩，P_MAX、M_MAX——轧机的最大轧制力、最大轧制力矩；4b)以下形式的能耗最小目标函数：$\min E=\underset{i=1}{\overset{n}{\Sigma }}{N}_i(h_{i-1},h_i)T_i$式中：E——轧制总能耗，N_i——第i道次的轧制功率，T_i—第i道次的轧制时间，h_i-1、h_i——第i道次轧制前、后的轧件厚度；4c)以下形式的板形良好目标函数：$\min J=\underset{i=1}{\overset{n}{\Sigma }}{(\frac{\Delta }{H_0}-\frac{{\delta }_i}{h_i})}^2+\mathrm{Flag}\times \beta \times \underset{i=1}{\overset{n}{\Sigma }}{({\mathrm{BF}}_i-\frac{\underset{i=1}{\overset{n}{\Sigma }}{\mathrm{BF}}_i}{n})}^2$式中：β——权重系数，H₀、Δ——坯料的边部厚度和凸度，h_i、δ_i——第i道次出口的边部厚度和凸度，BF_i——第i道次的弯辊力；(5)出口厚度离散及初始化：5a)出口厚度离散：首先绝对压下量离散，以实际使用规程为中心，绝对压下量离散间隔设为Δh_step，离散点个数设为I_n，各道次出口厚度离散值以下列形式计算：H_j，i＝H_0，j-1+(i-I_n/2)Δ_step再相对压下率离散，以实际使用规程为中心，相对压下率离散的波动范围设为I_ε，离散点个数设为I_n，各道次出口厚度离散值以下列形式计算：$H_{j,i}=H_{0,j-1}[(1-{ϵ}_j)+\frac{(i-I_n/2)}{I_n/2}{I}_{ϵ}{ϵ}_j]$式中：j——道次数，i——厚度离散点的索引，H_0，j-1——实际使用规程j-1道次的出口厚度；5b)各阶段离散点有效个数初始化；5c)阶段临时目标值初始化；(6)调用优化计算子程序，对退火前后分两段进行优化计算：6a)取得退火标志，确定退火前的PN₁段和退火后的PN₂段的出入口参数；6b)k值初始取值为PN₁段的道次数PN₁；6c)判断当前离散厚度及对应的力能参数是否满足约束条件，所述约束条件包括：最小可轧厚度的限制：h_i≥h_min，道次压下率限制：ε_min≤ε_i≤ε_max，最大轧制压力限制：0≤P_i≤P_imax，轧制功率限制：0≤N_i≤N_imax，轧制力矩限制：0≤M_i≤M_imax，轧制速度限制：v_i≤v_imax，式中：h_i、h_min——第i道次的厚度、最小可轧厚度，ε_min、ε_max——第i道次的最小允许压下率、最大允许压下率，P_i、P_imax——第i道次的轧制力、最大允许轧制力，N_i、N_imax——第i道次的轧制功率、最大允许轧制功率，M_i、M_imax——第i道次的轧制力矩、最大允许轧制力矩，v_i、v_imax——第i道次的轧制速度、最大允许轧制速度；6d)采用步骤(4)中的优化目标函数，计算优化目标值；6e)判断并存储各离散点对应的最优目标值；6f)存储k阶段各离散点对应的最优路径的厚度离散值；6g)存储k阶段有效的离散厚度及其索引；6h)k值减1，转入步骤6c)进行回归计算，直到k值小于2；6i)k值取值为PN₂段的道次数PN₂，转入步骤6c)进行回归计算；6j)存储整体最优路径及各阶段规程优化值；(7)完成规程优化计算。