本发明属于冷轧带钢轧机监控,特别是涉及一种基于数字孪生模型的带钢轧机监控方法。
背景技术:
1、轧机是生产板带过程中必不可少的设备。带钢轧机辊系振动是影响带钢厚度精度和表面质量的重要因素。因此,轧机振动的在线监测对提高带钢产品质量稳定性具有重要意义。现代监测理论和方法主要包括智能检测和虚拟仪器技术。在智能监测方面,检测原理侧重于数据的处理和信息的提取。这个过程需要专业人员的帮助,而且结果并不直观。
2、目前比较成熟的监测系统通常针对单一功能。当多个监测仪器组合在一起时,它们只能累积起来,这大大增加了系统的复杂性。而在轧机轧辊系统的振动监测过程中,加速度传感器需要长期浸泡在乳化液中,导致传感器损失严重。因此,现有的监测系统存在着功能单一、系统复杂和易导致传感器损坏的缺陷。
技术实现思路
1、本发明的目的是提供一种基于数字孪生模型的带钢轧机监控方法,以解决上述现有技术存在的问题。
2、为实现上述目的,本发明提供了一种基于数字孪生模型的带钢轧机监控方法,包括以下步骤:
3、采集带钢轧机的轧制力数据和轧制速度数据、以及带钢轧制工艺数据;
4、构建带钢轧机的几何模型、物理模型和行为模型,并对所述几何模型、所述物理模型和所述行为模型进行耦合,获取带钢轧机的数字孪生模型;
5、基于虚拟加速度传感器获取所述数字孪生模型的振动信号数据;
6、将所述振动信号数据与带钢轧机的工艺数据采集系统获取的振动数据进行对比,基于对比结果对所述数字孪生模型进行优化;
7、对振动数据进行数据集成,构建刚性带钢虚拟轧制数据集成平台;
8、将所述轧制力数据输入所述数字孪生模型中,对带钢轧机的运行状态进行可视化监控。
9、可选地,所述带钢轧制工艺数据的采集过程包括:
10、基于带钢轧机的工艺数据采集系统的传感器对带钢轧机的测点进行振动测量;
11、所述带钢轧制工艺数据包括带钢轧机的轧制力、轧制力矩、出口厚度、入口张力、出口张力、轧辊转度、轧件速度、轧件温度和前滑值的参数以及测点处的振动数据。
12、可选地,基于带钢轧机的工艺数据采集系统的传感器对带钢轧机的测点进行振动测量的过程包括:
13、分别对带钢轧机的机架牌坊、压下油缸、上支承辊轴承座、上工作辊轴承座、下支承辊轴承座、下工作辊轴承座的测点安装加速度传感器进行振动测量。
14、可选地,所述几何模型为三维结构模型,通过带钢轧机的尺寸、形状和装配关系的几何参数构建;
15、所述物理模型为动力学模型,通过所述动力学模型阐述轧机工作过程中的振动物理特性,所述动力学模型包括辊系振动系统动力学模型以及轴承系统动力学模型;所述辊系振动系统动力学模型基于系统质量矩阵、系统刚度矩阵以及位移向量构建,所述轴承系统动力学模型基于滚动体质量以及位移夹角数据构建;
16、所述行为模型基于机械原理和机械设计,定义带钢轧机的关节坐标点,赋予运动属性,使带钢轧机正常运行。
17、可选地,对所述几何模型、所述物理模型和所述行为模型进行耦合的过程包括:
18、对所述几何模型与所述物理模型耦合,再对轧机约束运动副耦入行为模型,构建所述数字孪生模型;
19、构建所述数字孪生模型的过程中,基于有限元分析方法构建轧辊系统有限元模型和四列圆锥轴承有限元模型;基于所述轧辊系统有限元模型,取路径节点上的力和位移数据,分别计算各路径节点在接触力作用下的相对位移比值,获取表面接触时各点的刚度值;
20、基于所述四列圆锥轴承有限元模型计算每列受迫滚动单元的刚度值,拟合后计算积分轴承的总刚度。
21、可选地,所述轧辊系统有限元模型中的轧机辊系采用70cr3nimo耐磨铸钢材料;所述四列圆锥轴承有限元模型中的四列圆锥滚子轴承采用gcr9simn材料。
22、可选地,基于虚拟加速度传感器获取所述数字孪生模型的振动信号数据的过程包括:
23、将软件中的虚拟加速度传感器元件分别安装在所述数字孪生模型的压下液压缸、轴承和机架处,获取将轧制力和轧制速度作为输入、将轧辊系统振动加速度作为输出所得到的对应位置的振动信号。
24、可选地,对振动数据进行数据集成的过程包括:
25、配置运行python的虚拟环境,在所述虚拟环境中安装pandas库、fmpy库、tkinter库;
26、基于maplsim中的fmi接口将虚拟环境中建立的轧机振动modelica模型转换为fum文件;在转换fum文件时,选择轧制力和轧制速度作为输入,轧制振动加速度作为输出,并使模型参数可调;
27、将转换后的fum文件放入配置好的虚拟环境中,通过编程自定义模型计算过程对虚拟轧机进行实时控制。
28、可选地,对带钢轧机的运行状态进行可视化监控的过程包括:
29、基于数字孪生模型的可视化界面获取带钢轧机的运行状态;并在可视化界面中显示虚拟加速度传感器检测的振动数据。
30、本发明的技术效果为:
31、本发明采用的上述技术方案,首先从agc控制系统中提取轧制力和轧制速度;其次,通过建立几何模型与建立轧机动力学模型的物理模型耦合,在对轧机约束运动副耦入行为模型建立轧机数字孪生模型,并在轧机数字孪生模型中安装虚拟加速度传感器对轧辊系统、压下液压缸和轧机机架的振动进行了监测。之后,以轧制力和轧制速度来驱动数字孪生模型,得到其振动监测结果与传统带钢轧机的工艺数据采集系统获取的振动监测方法的结果进行对比,同时对轧机数字孪生模型的参数进行了优化调整。通过数字孪生模型的监测方法中的数据集成平台取代了传统监测方法中的dhdas动态信号记录系统。实现了软件取代硬件的功能,从而降低了传统监控方法的硬件设备成本。在该方法的应用中,不需要修补、放置传感器等任何操作以提高设备运行稳定性,实现日常维护。
1.一种基于数字孪生模型的带钢轧机监控方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法,其特征在于,所述带钢轧制工艺数据的采集过程包括:
3.根据权利要求2所述的基于数字孪生模型的带钢轧机监控方法,其特征在于,基于带钢轧机的工艺数据采集系统的传感器对带钢轧机的测点进行振动测量的过程包括:
4.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法,其特征在于,所述几何模型为三维结构模型,通过带钢轧机的尺寸、形状和装配关系的几何参数构建;
5.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法,其特征在于,对所述几何模型、所述物理模型和所述行为模型进行耦合的过程包括:
6.根据权利要求5所述的基于数字孪生模型的带钢轧机监控方法,其特征在于,所述轧辊系统有限元模型中的轧机辊系采用70cr3nimo耐磨铸钢材料;所述四列圆锥轴承有限元模型中的四列圆锥滚子轴承采用gcr9simn材料。
7.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法,其特征在于,基于虚拟加速度传感器获取所述数字孪生模型的振动信号数据的过程包括:
8.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法,其特征在于,对振动数据进行数据集成的过程包括:
9.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法,其特征在于,对带钢轧机的运行状态进行可视化监控的过程包括: