公开/公告号CN109590338A
专利类型发明专利
公开/公告日2019-04-09
原文格式PDF
申请/专利权人 宝山钢铁股份有限公司;
申请/专利号CN201710937853.1
申请日2017-09-30
分类号
代理机构上海三和万国知识产权代理事务所(普通合伙);
代理人刘立平
地址 201900 上海市宝山区富锦路885号
入库时间 2024-02-19 07:07:36
法律状态公告日
法律状态信息
法律状态
2020-07-28
授权
授权
2019-05-03
实质审查的生效 IPC(主分类):B21B37/28 申请日:20170930
实质审查的生效
2019-04-09
公开
公开
技术领域
本发明涉及工艺参数的改进优化领域,尤其涉及一种应用于减小二次冷轧间的轧制最小变形量的参数优化技术,以减少最小变形量为目标,确保轧制稳定。
背景技术
随着大部分二次冷轧板带用户由低端转向高端转型,对二次冷轧机组极限变形能力提出了越来越高的要求,高等级DR材(DR材的厚度更薄,用于替代冷轧材料)的开发和生产已经成为衡量企业生产水平高低的重要标志。
目前,现有技术下的平整机组的典型压下率为≤3%,二次冷轧机组典型压下率为≥15%,在实际生产过程中,在低于10%的压下率时,轧制压力及打滑因子会偏小。而打滑因子偏小就会导致DR材在轧制过程中容易出现打滑现象。而当轧制压力过小时,DR材在轧制过程中的内部应力就会趋近于其屈服强度,产生屈服现象,进而会出现随着轧制载荷的变化、压下率急剧变化的跳动现象,这是由于二次冷轧DR材的来料在退火之后并没有经过平整,存在屈服平台,并且DR材来料厚度较普通冷轧带材的要薄很多,从DR材与普通冷轧带材的轧机弹塑性曲线(P-h图)对比可看出,当机座弹性变形曲线A1与DR材弹塑性曲线B1交点位置在其屈服阶段时,轧制过程中就会出现跳动现象。
综上所述,现有技术下的二次冷轧机组在二次冷轧DR材时所产生的跳动现象和打滑现象严重制约了二次冷轧机组在最小变形量下生产的稳定性。而根据操作工人现场经验及理论分析可以得知,带材轧制过程中内部应力、打滑因子都与相关工艺参数密切相关,因此,如何合理设定相关工艺参数就成为解决DR材在极限压下量下稳定轧制的关键问题。
发明内容
为了解决上述问题,本发明在大量的现场实验与理论研究的基础上,保证机组不发生打滑和跳动现象的前提下,提供了用于减小二次冷轧间的轧制最小变形量的参数优化技术,该技术建立了一套适合于二次冷轧机组的以减少最小变形量为目标的工艺参数优化设定方案,建立小变形量下的跳动、打滑现象转化为对轧制压力、打滑因子的数学建模,计算出最优的相关工艺参数以及相对应的极限变形量,在保证轧制稳定性前提下,提升二次冷轧机组极限变形能力,从而开发出高端DR材新用途产品,促进技术进步。
本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术,其具体方案如下所述:
用于减小二次冷轧间的轧制最小变形量的参数优化技术,其具体步骤如下所述:
1)首先,收集冷轧机组的主要设备与工艺的参数,包括:
1a)收集冷轧机组的轧辊工艺参数-工作辊半径R、表面粗糙度Rar、工作辊的弹性模量E和工作辊的泊松比γ;
1b)收集冷轧机组相关轧制工艺参数-带材的平均变形抗力Km和屈服强度σs、带材的宽度B、来料的厚度h0、正常轧制速度v、轧制压力设定值P′、单位前张力σ1、单位后张力σ0和当前工况下的最小压下率εmin;
1c)收集工艺润滑制度参数-乳化液浓度c、初始温度t0、流量w、以及乳化液的动力粘度η0和压缩系数θ;
1d)收集冷轧机组的工艺特征参数-临界打滑因子ψ*,相关优化参数许用最小值Xmin和最大值Xmax;
2)接着,定义优化参数X,将步骤1)中收集到的需优化的参数用X替换掉,其具体为,定义压下率ε,最佳优化参数Xy,最小压下率εmin,给定优化参数设定步长ΔX和压下率设定步长Δε;
3)初始化压下率中间过程参数kε=0;
4)计算压下率当前值ε=εmin-kεΔε;
5)初始化优化参数的中间过程参数kX=0;
6)计算优化参数当前值X=Xmin+kXΔX;
7)计算当前工况下摩擦系数μ,具体如下:
7a)计算工作辊的弹性压扁半径
7b)计算当前工况下生产该典型规格产品时轧制过程的乳化液温度t,其计算模型为:
式中:
αB为换热系数;
A为接触面积,m2;
ηp为塑性变形功转化为热的分配系数,一般取0.9;
ηf为摩擦热的分配系数,一般为0.32~0.6;
7c)计算乳化液的动力粘度
7d)计算光辊轧制时的动态油膜厚度
式中:
kc为乳化液浓度影响系数;
τ为润滑油膜速度影响系数,
7e)结合上述步骤7a)~步骤7d)计算摩擦系数μ,其计算模型为:
式中:
a为液体摩擦影响系数;
b为干摩擦影响系数;
Bξ为摩擦系数衰减指数;
ξ02为轧辊粗糙度对润滑油膜厚度影响量;
该影响量主要取决于轧辊实际粗糙度;
8)计算当前工况下轧制压力P、带材单位应力p和打滑因子ψ,其中,
轧制压力
式中:
pη1为强度张力规格系数;
pη2为规格强度系数
pη3为规格压下系数
轧制应力p=P/(B·l)
式中:
l为轧制区接触弧长;
打滑因子
式中:T0为后张力,T1为前张力;
9)该步骤中,首先判断不等式
10)如步骤9)中的不等式不成立,则再次判断不等式X<Xmax是否成立,如果不等式成立,则令kX=kX+1,并转入步骤6);
11)如步骤10)中的不等式X<Xmax不成立,则输出最小压下率εmin、最佳优化参数Xy,至此,完成了二次冷轧机组以减少最小变形量为目标的工艺参数优化设定。
根据本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术,其特征在于,所述的步骤7c)中的计算乳化液的动力粘度
根据本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术,其特征在于,所述的步骤7e)中的计算摩擦系数
使用本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术获得了如下
有益效果:
1.本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术,能建立小变形量下的跳动、打滑现象转化为对轧制压力、打滑因子的数学建模,计算出最优的相关工艺参数以及相对应的极限变形量,在保证轧制稳定性前提下,提升二次冷轧机组极限变形能力,从而开发出高端DR材新用途产品,促进技术进步;
2.本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术,实施后DR材最小变形量进一步降低,同时最大厚度波动和平均板形浪值也同步降低,有效地降低了二次冷轧机组DR材的最小变形量。
附图说明
图1为二次冷轧DR材与普通冷轧带材的P-h图对比图;
图2为本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术的流程图。
具体实施方式
下面结合附图和实施例对本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术做进一步的描述。
用于减小二次冷轧间的轧制最小变形量的参数优化技术,其具体步骤如下所述:
1)首先,收集冷轧机组的主要设备与工艺的参数,包括:
1a)收集冷轧机组的轧辊工艺参数-工作辊半径R、表面粗糙度Rar、工作辊的弹性模量E和工作辊的泊松比γ;
1b)收集冷轧机组相关轧制工艺参数-带材的平均变形抗力Km和屈服强度σs、带材的宽度B、来料的厚度h0、正常轧制速度v、轧制压力设定值P′、单位前张力σ1、单位后张力σ0和当前工况下的最小压下率εmin;
1c)收集工艺润滑制度参数-乳化液浓度c、初始温度t0、流量w、以及乳化液的动力粘度η0和压缩系数θ;
1d)收集冷轧机组的工艺特征参数-临界打滑因子ψ*,相关优化参数许用最小值Xmin和最大值Xmax;
2)接着,定义优化参数X,将步骤1)中收集到的需优化的参数用X替换掉,其具体为,定义压下率ε,最佳优化参数Xy,最小压下率εmin,给定优化参数设定步长ΔX和压下率设定步长Δε;
3)初始化压下率中间过程参数kε=0;
4)计算压下率当前值ε=εmin-kεΔε;
5)初始化优化参数的中间过程参数kX=0;
6)计算优化参数当前值X=Xmin+kXΔX;
7)计算当前工况下摩擦系数μ,具体如下:
7a)计算工作辊的弹性压扁半径
7b)计算当前工况下生产该典型规格产品时轧制过程的乳化液温度t,其计算模型为:
式中:
αB为换热系数;
A为接触面积,m2;
ηp为塑性变形功转化为热的分配系数,一般取0.9;
ηf为摩擦热的分配系数,一般为0.32~0.6;
7c)计算乳化液的动力粘度
7d)计算光辊轧制时的动态油膜厚度
式中:
kc为乳化液浓度影响系数;
τ为润滑油膜速度影响系数,
7e)结合上述步骤7a)~步骤7d)计算摩擦系数μ,其计算模型为:
式中:
a为液体摩擦影响系数;
b为干摩擦影响系数;
Bξ为摩擦系数衰减指数;
ξ02为轧辊粗糙度对润滑油膜厚度影响量;
该影响量主要取决于轧辊实际粗糙度;
8)计算当前工况下轧制压力P、带材单位应力p和打滑因子ψ,其中,
轧制压力
式中:
pη1为强度张力规格系数;
pη2为规格强度系数
pη3为规格压下系数
轧制应力p=P/(B·l),
式中:
l为轧制区接触弧长;
打滑因子
式中:T0为后张力,T1为前张力;
9)该步骤中,首先判断不等式
10)如步骤9)中的不等式不成立,则再次判断不等式X<Xmax是否成立,如果不等式成立,则令kX=kX+1,并转入步骤6);
11)如步骤10)中的不等式X<Xmax不成立,则输出最小压下率εmin、最佳优化参数Xy,至此,完成了二次冷轧机组以减少最小变形量为目标的工艺参数优化设定。
步骤7c)中的计算乳化液的动力粘度
步骤7e)中的计算摩擦系数
实施例1
-应用于典型规格的DR材,以减少最小变形量为目标的轧制工艺参数优化设定:
1)收集冷轧机组的主要设备与工艺参数,主要包括以下步骤:
1a)收集冷轧机组的轧辊工艺参数,主要包括:工作辊半径R=221.0mm、表面粗糙度Rar=0.65μm、工作辊的弹性模量E=2.06×105MPa、工作辊的泊松比γ=0.3;
1b)收集冷轧机组相关轧制工艺参数,主要包括:带材的平均变形抗力Km=475MPa和屈服强度σs=235Mpa,带材的宽度B=966mm,来料的厚度h0=0.275mm,正常轧制速度v=496m/min,轧制压力设定值P=1000kN,当前工况下的最小压下率εmin=10%;
1c)收集工艺润滑制度参数,主要包括:乳化液浓度c=4.6%、初始温度t0=55℃、流量w=22.4L/min、以及乳化液的动力粘度η0=0.02Pa·s、压缩系数θ=0.01MPa-1;
1d)收集冷轧机组的工艺特征参数,主要包括:临界打滑因子ψ*=0.45,前张力许用最小、最大值σ1min=70MPa、σ1max=220MPa,后张力的许用最小、最大值σ0min=70MPa、σ0max=130MPa;
2)定义前张力σ1、后张力σ0、压下率ε,定义最小压下率εmin,以及相应的最佳前张力σ1y、最佳后张力σ0y,给定压下率设定步长Δε=0.1,前张力设定步长Δσ1=1,后张力设定步长Δσ0=1;
3)初始化压下率中间过程参数kε=0;
4)计算压下率当前值ε=εmin-kεΔε;
5)初始化前张力的中间过程参数k1=0;
6)计算前张力当前值σ1=σ1min+k1Δσ1;
7)初始化后张力的中间过程参数k0=0;
8)计算后张力当前值σ0=σ0min+k0Δσ0;
9)计算当前工况下摩擦系数μ=0.0199;
10)计算当前工况下轧制压力P=3451.8kN、带材单位应力p=235.2MPa、打滑因子ψ=0.39;
11)判断不等式
12)判断不等式σ0<σ0max是否成立,如果不等式成立,则令k0=k0+1,转入步骤8),否则转入下一步骤13);
13)判断不等式σ1<σ1max是否成立,如果不等式成立,则令k1=k1+1,转入步骤6),否则转入下一步骤14);
14)输出最小压下率εmin=7.8%、最佳前张力σ1y=116MPa、最佳后张力σ0y=70MPa,至此,完成二次冷轧机组以减少最小变形量为目标的工艺参数优化设定。
最后,将优化后的前、后张力设定值应用于现场生产,并对生产过程进行跟踪,分别给出采用本发明所述方法与传统方法,二次冷轧机组所能够达到的的最小变形量情况,如下表1所示。通过该表1可以看出,采用本发明所述的技术后,DR材最小变形量由原来的10%降低至7.8%,减小了22%,同时最大厚度波动由原来的2.11%降低至1.83%,降低了13.3%,平均板形浪值由原来的1.87mm降低至1.56mm,降低了16.6%,说明本发明所述的相关技术能够在保证带钢轧制稳定性前提下,降低二次冷轧机组DR材的最小变形量。
表1实施例1中采用本发明与传统方法参数及指标对比
实施例2
-针对典型规格的DR材以减少最小变形量为目标的润滑工艺参数优化设定技术。
1)收集冷轧机组的主要设备与工艺参数,主要包括以下步骤:
1a)收集冷轧机组的轧辊工艺参数,主要包括:工作辊半径R=215.6mm,表面粗糙度Rar0=0.75μm,工作辊的弹性模量E=2.06×105MPa,工作辊的泊松比γ=0.3;
1b)收集冷轧机组相关轧制工艺参数,主要包括:带材的平均变形抗力Km=475MPa和屈服强度σs=235MPa、带材的宽度B=928mm、来料的厚度h0=0.261mm、正常轧制速度v=580m/min、轧制压力设定值P=1000kN、单位前张力σ1=128Mpa、单位后张力σ0=81Mpa,当前工况下的最小压下率εmin=10%;
1c)收集工艺润滑制度参数,主要包括:乳化液的动力粘度η=0.02Pa·s、压缩系数θ=0.01MPa-1;
1d)收集冷轧机组的工艺特征参数,主要包括:临界打滑因子ψ*=0.45,乳化液浓度许用最小、最大值cmin=2%、cmax=15%,流量的许用最小值wmin=20L/min,以及初始温度许用最大值初始温度t0max=59℃;
2)定义乳化液浓度c、初始温度t0、流量w、压下率ε,最佳乳化液浓度cy,最小压下率εmin,令乳化液流量w=wmin,初始温度t0=t0max,给定乳化液浓度设定步长Δc=0.1、压下率设定步长Δε=0.1;
3)初始化压下率中间过程参数kε=0;
4)计算压下率当前值ε=εmin-kεΔε
5)初始化乳化液浓度中间过程参数kc=0;
6)计算优化参数当前值c=cmin+kcΔc;
7)计算当前工况下摩擦系数μ=0.0178;
8)计算当前工况下轧制压力P=3672.9kN、带材单位应力p=275.2MPa、打滑因子ψ=0.37;
9)判断不等式
10)判断不等式c<cmax是否成立,如果不等式成立,则令kc=kc+1,转入步骤6),否则转入下一步骤11);
11)输出最小压下率εmin=7.1%、最佳乳化液浓度cy=2.0%,完成二次冷轧机组以减少最小变形量为目标的工艺参数优化设定。
最后,将优化后的前、后张力设定值应用于现场生产,并对生产过程进行跟踪,分别给出采用本发明所述方法与传统方法,二次冷轧机组所能够达到的的最小变形量情况,如表1所示。通过表2可以看出,采用本发明所述的技术后,DR材最小变形量由原来的10%降低至7.1%,减小了29%,同时最大厚度波动由原来的2.05%降低至1.79%,降低了12.7%,平均板形浪值由原来的1.93mm降低至1.75mm,降低了9.3%,说明本发明所述的相关技术能够在保证带钢轧制稳定性前提下,降低二次冷轧机组DR材的最小变形量。
表2实施例2中采用本发明与传统方法参数及指标对比
本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术,能建立小变形量下的跳动、打滑现象转化为对轧制压力、打滑因子的数学建模,计算出最优的相关工艺参数以及相对应的极限变形量,在保证轧制稳定性前提下,提升二次冷轧机组极限变形能力,从而开发出高端DR材新用途产品,促进技术进步;本发明的用于减小二次冷轧间的轧制最小变形量的参数优化技术,实施后DR材最小变形量进一步降低,同时最大厚度波动和平均板形浪值也同步降低,有效地降低了二次冷轧机组DR材的最小变形量。
机译: 通过皮轧机使焊接条通过时的轧制力控制部分减小到最小,并且在控制节中将最小轧制力应用于条带的设备
机译: 串列冷轧机中轧制材料的变形阻力和轧制材料的摩擦系数的预测方法及串列冷轧方法
机译: 冷轧设备,轧制机,变形轧制材料和形状钢,冷轧方法