平整过程带钢机械性能在线检测控制方法
【专利摘要】本发明涉及板带轧制领域，尤其涉及一种板带平整质量控制方法。一种平整过程带钢机械性能在线检测控制方法，首先选用模型输入量、模型输出量，建立平整工艺相关参数与带钢机械性能之间对应关系的三层BP神经网络模型；针对某一钢种规格带钢收集记录n组平整工艺相关参数的实测值和带钢机械性能参数的实测值作为神经网络模型的训练样本，采用BP方法对神经网络进行学习训练，即得到该钢种规格带钢的机械性能预报模型；利用机械性能预报模型实现对平整过程带钢机械性能的在线控制。本发明并根据机械性能预报值的判定结果对平整工艺参数进行调整，实现对带钢机械性能参数的在线控制，以获得带钢材料较小的曲强比，从而保持带钢良好的成型性能。
【专利说明】平整过程带钢机械性能在线检测控制方法
【技术领域】
[0001] 本发明涉及板带轧制领域，尤其涉及一种板带平整质量控制方法。
【背景技术】
[0002] 在目前冷轧带钢生产实践中，对带钢机械性能进行监控的通常方式是，在相关的 冷轧后处理机组出口，对带钢进行抽检取样，然后在分析测试实验室对样板进行离线测试 获取带钢的机械性能参数，并与下游用户的技术要求进行比较。如果带钢机械性能不满足 下游用户的要求，则在后续的生产中对同类带钢的生产工艺参数或材料合金元素成份等进 行必要调整。然后再抽检取样、离线分析测试、在线调整制造工艺参数或材料成份等，直到 带钢的机械性能完全满足下游用户要求为止。这种离线检测所获得的机械性能参数只能够 有限地用于指导生产工艺调整或材料成份调整，并且具有较长的时间滞后性。同时由于抽 检取样和离线检测具有非连续性，不可能在线获取正在生产过程中的带钢性能参数，而且 一般情况下只能对成卷带钢的头部或尾进行取样检测，难以保证带钢在整卷长度方向上各 处的机械性能指标都是在用户要求的范围之内。
[0003] 为了获得少材料缺陷的冷轧镀锌带钢，日本专利JP09118926A提出了一种热轧板 卷晶粒是否粗大的检测和处理方法，即在酸洗之后采用非接触式磁头在线检测热轧板卷的 巴克豪森噪声电压值，据此判断带头带尾材料晶粒是否粗大。如果带头或带尾存在晶粒粗 大的部分，则在进入冷轧和退火之前将有材料缺陷的带头或带尾部分带钢切除掉。
[0004] 近年来，随着检测技术的快速发展，在线检测冷轧带钢的机械性能已成为可能。各 国都在致力于解决无损的在线检测技术。
【发明内容】
[0005] 本发明所要解决的技术问题是提供一种平整过程带钢机械性能在线检测控制方 法，该方法能利用平整工艺相关参数间接得到该钢种规格带钢的机械性能参数预报值，并 根据预报值的判定结果对平整工艺相关参数进行调整，实现对带钢机械性能参数的在线控 制，以获得带钢材料较小的曲强比，从而保持带钢良好的成型性能。
[0006] 本发明是这样实现的：一种平整过程带钢机械性能在线检测控制方法，包括以下 步骤： 步骤一、首先选用平整工艺相关参数作为模型输入量，以带钢机械性能参数作为模型 输出量，建立平整工艺参数与带钢机械性能之间对应关系的三层BP神经网络模型； 步骤二、针对某一钢种规格带钢长度方向上的某一选定位置，收集记录该处的平整工 艺相关参数的实测值，经过平整后的带钢进入机组取样段时，对该处带钢进行取样，通过离 线破坏测试方法进行测试得到带钢机械性能参数的实测值； 步骤三、多次重复步骤二，得到该钢种规格带钢的n组平整工艺相关参数和带钢机械 性能参数； 步骤四、将步骤三得到的n组数据作为神经网络模型的训练样本，采用BP方法对神经 网络进行学习训练，即得到该钢种规格带钢的机械性能预报模型； 步骤五、将经过学习训练好的机械性能预报模型嵌入平整机自动控制系统，输入平整 工艺相关参数的实测值实现对带钢机械性能参数的预报，对所得到的带钢机械性能参数预 报值进行判定，根据判定结果对平整延伸率进行相应的调整，实现对平整过程带钢机械性 能的在线控制。
[0007] 所述步骤一中，作为模型输入量的参数共有11个，分别为钢种炭当量cd、退火温度 Te、单位宽度平整轧制力p、平整入口张应力Oc)、平整出口应张力％、平整速度v、工作辊直 径〇"、平整液浓度C、带钢厚度h、平整辊轧制公里数L、平整延伸率实际值e;作为模型输出 量的参数共有两个，分别为屈服强度〇s、抗拉强度〇b;建立模型输入量与模型输出量对应 关系的三层BP神经网络模型时设置19个单元的中间层，即三层BP神经网络模型中输入层 11个单元，中间层19个单元，输出层2个单元。
[0008] 所述步骤五中对平整延伸率进行调整，当带钢为薄带钢即带钢厚度小于或等于 0. 3_时，如果屈服强度预报值超过屈服强度目标值上限，则通过优先减小平整入口张应力 〇。、平整出口应张力〇i来减小平整延伸率，当〇 〇、0i超下限时再通过减小单位宽度平整 轧制力P来减小平整延伸率；如果抗拉强度预报值低于抗拉强度目标值下限，则通过优先 增大平整入口张应力 0(|、平整出口应张力〇1来增大平整延伸率，当0(|、〇1超上限时再通 过增大单位宽度平整轧制力P来增大平整延伸率。
[0009] 所述步骤五中对平整延伸率进行调整，当带钢为厚带钢即带钢厚度为大于0. 3mm 时，如果屈服强度预报值超过屈服强度目标值上限，则通过优先减小单位宽度平整轧制力P 来减小平整延伸率，当P超下限再通过减小平整入口张应力〇〇、平整出口应张力0i来减 小平整延伸率；如果抗拉强度预报值低于抗拉强度目标值下限，则通过优先增大单位宽度 平整轧制力P来增大平整延伸率，当P超上限再通过增大平整入口张应力0 〇、平整出口应 张力0i来增大平整延伸率。
[0010] 所述步骤四之前还包括对所得到的n组平整工艺相关参数和带钢机械性能参数 进行合理性检查的步骤。
[0011] 本发明平整过程带钢机械性能在线检测控制方法利用事前已知的或者通过在线 实时监测得到的平整工艺相关参数作为模型输入量，通过取样离线测试得到对应的带钢机 械性能参数作为模型输出量，在积累了足够数量某一钢种规格的数据后采用BP方法对神 经网络进行学习训练，间接得到该钢种规格带钢的机械性能参数预报值，使平整机起到带 钢机械性能传感器的作用，并根据预报值的判定结果对平整工艺相关参数进行调整，实现 对带钢机械性能参数的在线控制；在一定程度上能降低带钢机械性能波动，避免出现屈服 强度偏高、抗拉强度偏低等情况，以获得带钢材料较小的曲强比，从而保持带钢良好的成型 性能；本方法可以广泛应用于与国内外数量众多的各冷轧板带热镀锌机组、连续退火机组 以及平整机组，推广应用前景广阔。
【专利附图】
【附图说明】
[0012] 图1为本发明平整过程带钢机械性能在线检测控制方法中三层BP神经网络模型 图； 图2为实施例中神经网络模型屈服强度训练误差散点图； 图3为实施例中神经网络模型抗拉强度训练误差散点图。
【具体实施方式】
[0013]下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明 而不用于限制本发明的范围。此外应理解，在阅读了本发明表述的内容之后，本领域技术人 员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定 的范围。
[0014]实施例1 一种平整过程带钢机械性能在线检测控制方法，包括以下步骤： 步骤一、首先选用平整工艺相关参数作为模型输入量，以带钢机械性能参数作为模型 输出量，建立平整工艺相关参数与带钢机械性能之间对应关系的三层BP神经网络模型；在 本实施例中作为模型输入量的参数共有11个，分别为钢种炭当量Cd、退火温度I；、单位宽度 平整轧制力P、平整入口张应力〇〇、平整出口应张力％、平整速度V、工作辊直径Dw、平整液 浓度C、带钢厚度h、平整辊轧制公里数L、平整延伸率实际值e;作为模型输出量的参数共 有两个，分别为屈服强度〇s、抗拉强度〇b;建立模型输入量与模型输出量对应关系的三层 BP神经网络模型时设置19个单元的中间层，即三层BP神经网络模型中输入层11个单元， 中间层19个单元，输出层2个单元； 步骤二、针对某一钢种规格带钢长度方向上的某一选定位置，收集记录该处的平整工 艺相关参数的实测值，经过平整后的带钢进入机组取样段时，对该处带钢进行取样，通过离 线破坏测试方法进行测试得到带钢机械性能参数的实测值； 步骤三、多次重复步骤二，得到该钢种规格带钢的n组平整工艺相关参数和带钢机械 性能参数，
【权利要求】
1. 一种平整过程带钢机械性能在线检测控制方法，其特征是，包括以下步骤： 步骤一、首先选用平整工艺相关参数作为模型输入量，以带钢机械性能参数作为模型 输出量，建立平整工艺相关参数与带钢机械性能之间对应关系的三层BP神经网络模型； 步骤二、针对某一钢种规格带钢长度方向上的某一选定位置，收集记录该处的平整工 艺相关参数的实测值，经过平整后的带钢进入机组取样段时，对该处带钢进行取样，通过离 线破坏测试方法进行测试得到带钢机械性能参数的实测值； 步骤三、多次重复步骤二，得到该钢种规格带钢的n组平整工艺相关参数和带钢机械 性能参数； 步骤四、将步骤三得到的n组数据作为神经网络模型的训练样本，采用BP方法对神经 网络进行学习训练，即得到该钢种规格带钢的机械性能预报模型； 步骤五、将经过学习训练好的机械性能预报模型嵌入平整机自动控制系统，输入平整 工艺相关参数的实测值实现对带钢机械性能参数的预报，对所得到的带钢机械性能参数预 报值进行判定，根据判定结果对平整延伸率进行相应的调整，实现对平整过程带钢机械性 能的在线控制。
2. 如权利要求1所述的平整过程带钢机械性能在线检测控制方法，其特征是：所述步 骤一中，作为模型输入量的参数共有11个，分别为钢种炭当量Cd、退火温度I；、单位宽度平 整轧制力P、平整入口张应力〇〇、平整出口应张力％、平整速度V、工作辊直径Dw、平整液浓 度C、带钢厚度h、平整辊轧制公里数L、平整延伸率实际值e ;作为模型输出量的参数共有 两个，分别为带钢屈服强度〇s、抗拉强度〇b;建立模型输入量与模型输出量对应关系的三 层BP神经网络模型时设置19个单元的中间层，即三层BP神经网络模型中输入层11个单 元，中间层19个单元，输出层2个单元。
3. 如权利要求2所述的平整过程带钢机械性能在线检测控制方法，其特征是：所述步 骤五中对平整延伸率进行调整，当带钢为薄带钢即带钢厚度小于或等于0. 3mm时，如果屈 服强度预报值超过屈服强度目标值上限，则通过优先减小平整入口张应力、平整出口应 张力〇 i来减小平整延伸率，当〇 〇、〇 i超下限时再通过减小单位宽度平整轧制力P来减小 平整延伸率；如果抗拉强度预报值低于抗拉强度目标值下限，则通过优先增大平整入口张 应力〇〇、平整出口应张力0 i来增大平整延伸率，当^^^超上限时再通过增大单位宽度 平整轧制力P来增大平整延伸率。
4. 如权利要求2所述的平整过程带钢机械性能在线检测控制方法，其特征是：所述步 骤五中对平整延伸率进行调整，当带钢为厚带钢即带钢厚度大于0. 3mm时，如果屈服强度 预报值超过屈服强度目标值上限，则通过优先减小单位宽度平整轧制力P来减小平整延伸 率，当P超下限再通过减小平整入口张应力〇〇、平整出口应张力0 i来减小平整延伸率；如 果抗拉强度预报值低于抗拉强度目标值下限，则通过优先增大单位宽度平整轧制力P来增 大平整延伸率，当p超上限再通过增大平整入口张应力0(1、平整出口应张力〇1来增大平 整延伸率。
5. 如权利要求1所述的平整过程带钢机械性能在线检测控制方法，其特征是：所述步 骤四之前还包括对所得到的n组平整工艺相关参数和带钢机械性能参数进行合理性检查 的步骤。
【文档编号】B21B37/00GK104438350SQ201310436580
【公开日】2015年3月25日 申请日期:2013年9月24日 优先权日:2013年9月24日
【发明者】顾廷权, 姜正连 申请人:宝山钢铁股份有限公司