论文部分内容阅读
以攀钢1450热轧带钢厂改造项目为背景，以热带钢控制冷却过程系统为研究对象，以设定模型和控制方法为主线，对冷却过程控制机制、控制模型系统框架、热物性参数的变化规律及冷却均匀性控制方法、温度和冷却速率的精度控制策略、适应冷却均匀性的冷却装黄结构等进行了研究，开发了相应的在线控制软件，现场应用取得了良好的效果。研究内容和主要结果如下：
(1)建立了具有线性结构特征的热带钢控制冷却过程数学模型。模型建立于对国内外冷却模型的比较分析的基础上，充分考虑了带钢与环境之间的辐射换热、与冷却水的对流换热、侧喷冷却水的影响。其中用于水冷温降计算的热流密度模型，以各影响因素线性叠加的形式构建，影响因素包括实际终轧温度、实际卷取温度、冷却水温度、带钢实际运行速度、带钢舰格尺寸等，模型的优点在于对边界条件变化的响应速度快、精度高。按照模型中重要的热物性参数热传导系数和比热随温度和化学成分变化而变化的规律，以插值法建立了以温度和化学成分为自变量的权重系数模型。在此基础上对带钢厚度方向温度分布进行了研究，得出冷却过程中厚度方向的温度分布形式是抛物线形，导热系数随温度变化的增减趋势决定了温度响应二次曲线的凸凹形式，为有效解决表面温度和平均温度之间转换提供了依据。
(2)建立了具备稳定性和精确性的二级设定模型系统。模型系统具备实时状态下的预设定计算、修正计算、自学习计算、过程跟踪等重要功能。通过合理的进程分配，使模型系统对应的三个进程，预设定进程、修正设定进程、自学习进程在控制触发逻辑、时序以及共享数据区及数据流程的关联方面，与二级系统的进程管理、控制逻辑、跟踪、数据通信等进程能协调稳定地工作。提出了过程级的跟踪策略，包括对速度的跟踪和对样本组态的跟踪。前馈控制时速度的跟踪用于具有再计算点时的水冷温降计算，以修正设定计算时的速度与喷水冷却时实际速度的偏差；自适应计算时的速度跟踪用于获得带钢样本在各冷却段下的实际速度，从而计算出带钢的实际水冷温降后进行自学习的计算。样本组态的跟踪采用对角形跟踪方法，将Eulerian坐标下的集管组态，通过编排后转化为Lagrangian动态坐标下的结果，这种方法适于带钢速度波动的工况。
(3)系统具有多种冷却策略和控制冷却速率的功能。原有的二级数学模型系统具备单一的前段主冷策略，限制了复相钢以及铁素体区轧制钢的研发和生产，新的层冷二级模型系统除了具有前段主冷模式外，还有后段主冷以及以集管组为单位的稀疏冷却，为高附加值热带产品的开发与生产提供了很好的冷却平台。新模型系统以卷取温度精度控制为核心目标，以满足冷却过程中间温度和冷却速率为加强目标。由于输出辊道上没有安装中间测温仪，采用软测量的方法，以模型计算的中间温度同目标中间温度作比较，调整冷却强度，实现冷却速率的控制。同时为了便于现场冷却工艺及冷却策略的确定及检验，开发了热带钢层流冷却过程仿真软件，可对不同冷却策略下的带钢冷却历程进行动态显示。
(4)采用ANSYS有限元分析软件，对直集管和U形管中的流体流动进行了三维稳态流动模拟计算，得知采用套管以及阻尼板，其上有阻尼孔的结构，在集管入口冷却水速度合理的情况下，可以保证喷嘴出口冷却水的速度和流量均匀，这对于提高冷却介质的冷却效率以及保证带钢宽向的冷却均匀非常重要。通过比较热轧带钢轧后经过常规层流冷却以及超快速冷却情况下横断面上温度和热应力分布的不同，采用毕渥准则，分析了UFC的应用条件。对于较厚的带钢，采用前置式UFC时，在UFC下的冷却时间应控制在0.7～1.2秒之间。另外也可考虑采用后置式UFC进行超快速冷却，来获得较低的卷取温度。
(5)采用多元回归以及神经元网络的方法，对冷却过程基本热流密度进行了计算。计算结果表明，采用BP神经网络预报的方法，卷取温度预报值与实测值的标准差比多元回归方法的计算值降低了近20％。神经元网络方法在处理类似计算水冷基本热流密度这样的存在噪音影响或变量间具有较强的非线性关系的问题时，具有其优势。
本文的研究结果，针对热带钢轧后冷却在线实时控制，具有很强的实用性。所开发的热带钢层流冷却过程控制模型已成功应用于攀钢1450热轧带钢厂的改造，为我国热轧带钢控轧控冷过程模型控制研究起到积极的促进作用。