一种判断某机架轧辊造成带钢出口厚度波动的方法

摘要

本发明涉及一种判断某机架轧辊造成带钢出口厚度波动的方法，属于冷轧带钢技术领域。技术方案是：包含以下步骤：①从轧机出口厚度曲线中选取轧机速度恒定时的一段轧制长度；②将上述轧机出口厚度曲线利用傅里叶函数展开成厚度影响因子的频率曲线；③找到最大的影响因子频率f次/秒；④计算每一架轧机的周期缺陷轧制长度L

说明书

技术领域

本发明涉及一种判断某机架轧辊造成带钢出口厚度波动的方法，属于冷轧带钢技术领域。

背景技术

冷轧带钢厚度控制是轧制中的关键质量要点，冷硬卷厚度检测通过X射线测厚仪进行检测，测量精度在0.001mm。酸轧机组一般为五架连轧机，在第五机架出口有两台测厚仪进行在线厚度检测，控制带钢的轧制厚度。轧制中带钢厚度是轧制带钢是否合格的首要判断依据，随着用户对冷轧板质量要求的提高，厚度控制要求越来越严格，同板差要求在0.02mm以内，这就要求酸轧冷硬厚度不能出现大的偏差和波动，必须保证带钢长度方向厚度的同板差，不能出现厚度波动超差现象。

实际生产中，带钢厚度存在厚度波动，正常厚度上下波动在0.005mm以内，但由于轧辊磨削偏心椭圆、轧辊打滑或其他原因造成轧机出口厚度出现厚度波动大，超出客户要求范围内。生产过程中，当出现厚度波动偏大后，只能停车处理，一般是通过更换轧辊来解决此质量缺陷，但厚度波动的产生操作工不能准确判断哪一架机架造成的，只有通过经验试着更换某机架轧辊，这样经常出现换辊后缺陷不能消除，继续更换其他机架轧辊，直到缺陷消除。造成整卷或几卷的厚度波动质量问题卷，同时造成轧辊的不必要损耗和非作业时间。

发明内容

本发明目的是提供一种判断某机架轧辊造成带钢出口厚度波动的方法，能够快速准确的判断出是哪一架轧机造成的带钢出口厚度波动，从而及时更换相应机架轧辊，解决背景技术中存在的问题。

本发明的技术方案是：

一种判断某机架轧辊造成带钢出口厚度波动的方法，包含以下步骤：

①从轧机出口厚度曲线中选取轧机速度恒定时的一段轧制长度；

②将上述轧机出口厚度曲线利用傅里叶函数展开成厚度影响因子的频率曲线；

③从上述频率曲线中，找到最大的影响因子频率f次/秒；

④计算每一架轧机的周期缺陷轧制长度L_i，L_{i>=Vi>/f，其中Vi，为各机架轧机实际速度值；}

⑤根据每一架轧机的周期缺陷轧制长度L_i推算各机架轧辊直径D_{i>，Di>=Li>/3.14；}

⑥将推算出来的各机架轧辊直径D_i与各机架轧辊直径对比，如果推算出来的各机架轧辊直径D_i与某一架轧辊直径相符，则说明是该架轧机造成的带钢出口厚度波动；如果推算出来的各机架轧辊直径D_i与所有机架轧辊直径均不相符，则按照影响因子频率f次/秒从大到小，重复执行④--⑥，直到找出造成带钢出口厚度波动的机架为止。

所述步骤①中轧机出口厚度曲线为最后一架轧机的出口曲线，选取的轧制长度K≥各机架轧机中最大的轧辊圆周长度*总延伸系数。

本发明的有益效果是：能够快速准确的判断出是哪一架轧机造成的带钢出口厚度波动，从而及时更换相应机架轧辊，减少厚度波动质量缺陷，同时可以降低轧辊不必要的损耗和非作业时间。

附图说明

图1为轧机出口厚度、各机架速度、轧制长度曲线图；

图2为选取速度均衡的一段K放大图，K=60.12m>5.76m；

图3为厚度曲线傅里叶级数展开因子放大图及计算参数。

具体实施方式

以下结合附图，通过实例对本发明作进一步说明。

参照附图1、2、3，一种判断某机架轧辊造成带钢出口厚度波动的方法，包含以下步骤：

①从轧机出口厚度曲线中选取轧机速度恒定时的一段轧制长度；

②将上述轧机出口厚度曲线利用傅里叶函数展开成厚度影响因子的频率曲线；

③从上述频率曲线中，找到最大的影响因子频率f次/秒；

④计算每一架轧机的周期缺陷轧制长度L_i，L_{i>=Vi>/f，其中Vi，为各机架轧机实际速度值；}

⑤根据每一架轧机的周期缺陷轧制长度L_i推算各机架轧辊直径D_{i>，Di>=Li>/3.14；}

⑥将推算出来的各机架轧辊直径D_i与各机架轧辊直径对比，如果推算出来的各机架轧辊直径D_i与某一架轧辊直径相符，则说明是该架轧机造成的带钢出口厚度波动；如果推算出来的各机架轧辊直径D_i与所有机架轧辊直径均不相符，则按照影响因子频率f次/秒从大到小，重复执行④--⑥，直到找出造成带钢出口厚度波动的机架为止。

在本实施例中，采用五架连轧机组，S1、S2、S3、S4和S5，五架轧机轧辊的辊径范围均为：420-470mm，具体包含以下步骤：

（1）从计算机存储的西门子PDA参数数据中选取轧制厚度波动卷的PDA数据，调出轧机出口厚度、各机架速度、轧制长度曲线，并选取轧机速度均衡即没有升降速的一段轧制长度，见附图1。

轧制长度的选择：S1机架轧辊直径最大为470mm，所以最大圆周长度=470*3.14=1475.8mm，总延伸系数=S1架轧机入口厚度/S5架轧机出口厚度=3.5/0.9=3.9，则轧制长度取大于1475.8*3.9=5755.62mm=5.76米即可；

（2）把上述厚度曲线用程序自带的傅里叶函数展开成厚度影响各个因子频率曲线，选取速度均衡段并放大，见附图1、2、3。

找到曲线中最大的影响因子的频率HZ值f 次/秒，并调出各机架速度值。选取f1=1.154次/秒,f2=2.309次/秒，

各机架速度值：V1=1.685，V2=2.635，V3=3.834，V4=4.927，V5=5.045；

（3）频率f1=1.154次/秒，推算轧辊直径

D1=V1/f1/3.14=1.685*1000/1.154/3.14=465mm，在辊径内（420-470mm），并且和S1机架轧辊直径466.53mm接近。

D2=V2/f2/3.14=2.635*1000/1.154/3.14=727mm，超出辊径范围（420-470mm）

S3、S4和S5机架不用计算，速度越高，直径计算越大，超出辊径范围（420-470mm）

（4）从厚度影响因子频率曲线中，按照影响因子频率的大小，重新选择影响因子的频率，f2=2.309次/秒；

（5）频率f2=4.033次/秒推算轧辊直径

D1=V1/f2/3.14=1.685*1000/2.309/3.14=232.4mm，超出辊径范围（420-470mm）

D2=V2/f2/3.14=2.635*1000/2.309/3.14=363.4mm,超出辊径范围（420-470mm）

D3=V3/f2/3.14=3.834*1000/2.309/3.14=528.8mm，超出辊径范围（420-470mm）

其它机架不用计算，都超出辊径范围。

因此，判断此周期缺陷是频率f1因子对应的S1机架轧辊造成。

处理结果：更换S1机架可消除频率f1造成的厚度波动缺陷。

采用本发明应注意：

（1）一个周期缺陷的轧制长度为厚度波动两个峰值或两个谷值之间的距离，周期缺陷的选择应该是轧机速度保持恒定的一段轧制长度。

（2）每个厚度波动影响因子对应一个周期性缺陷的频率，频率越高影响越大，因此应从上述频率曲线中按照影响因子频率从大到小进行计算分析。

（3）每个机架速度有最高速度，其轧辊直径是固定范围值，所有机架轧辊引起的周期性缺陷频率值是一个固定的区间，所以不同厂设备对应的频率值范围是个固定的区间，因此计算时根据经验直接选择此区间的频率值即可，超出此区间的频率值就不是轧辊造成的缺陷，可以大大减少计算量。

采用本发明，具体效果如下：

（1）减少了厚度波动（厚度偏差超过±0.02mm）缺陷产生，出现轧辊引起的厚度波动后能准确推断机架，及时准确更换相应机架轧辊，减少厚度波动缺陷的继续产生；

（2）提前判断缺陷机架做好缺陷预防。当刚开始出现小的厚度波动（厚度偏差大于0.01mm）时，可不停车提前查找及时更换，避免厚度波动扩大后产生质量缺陷，不能满足客户需求；

（3）减少非作业时间。出现机架因素造成的厚度波动后，能够及时快速的做出判断机架，平均每次查找判断时间由30分钟减少为10分钟，减少了缺陷查找时间，提高了作业率，事故时间月减少3小时以上；

（4）避免了错误换辊的辊耗损失，每月减少不必要的轧辊磨削在3对以上。