网络     此网站

 | 金通首页 | 我的帐户 | 发布文章 | 上传展示 | 网站捷径 | 反馈 | 关于我们 | 我的筹码 |

 
  主页 > 轧钢厂咨询二级系统模型 >

 
孔型设计
自动成型
自由成型
轧机载和
轧冷温度
流变曲线
高温数据
常温数据
商务数据
软件总汇
金属书籍
金属文章
域名待售
技术咨询
金属词典
单位换算
金属专利
金属指南
远程诊断
行业职场

展品橱窗

分类广告
产品观摩
技术观摩

技术资料

- 冶金与材料
- 金属成型
- 信息自动化
- 行业纵览
- 金属专利
- 研究开发
- 金属指南
- 研发路图
- 钢铁工厂
 
 

 
美国俄勒冈钢厂二级系统模型改进


   大多数轧钢厂二级系统模型都有缺陷甚至是明显错误,至少在采用自适应自学系统时,自适应的基本缺点 就难以避免。通过改进自适应自学系统及应用金属微观变形理论可大大提高轧钢厂二级控制模型预报的精确度。美国俄勒冈钢厂的改进便是一例。即使是那些甚至进了双相区的钢种,测试出来的炉卷轧机的轧制力预报平均误差仍只有3.4%。高预报精度可明显提高产品质量及生产率,较高的预报精确性为轧钢厂每年节约上百万至上千万美元。

俄勒冈钢厂及其二级控制系统

   俄勒冈钢厂为美国西部最大的钢铁联合企业,分厂主要在美国(俄勒冈州和科罗拉多州)和加拿大,产品横跨板材(俄勒冈州),管材(加拿大+科罗拉多州+俄勒冈州)和型材(科罗拉多州)。其中中厚板厂设备投资及年销售量均为约8亿美元。其二级控制系统系由美国TIPPINS所提供。

 

   俄勒冈钢厂中厚板厂二级控制系统为世界上安装的TIPPINS系统中维护得较好的一个。在金通公司李炳集博士为其改进之前其误差中值也只有中国同系统的一半(可见中国在这方面的差距还是很明显的)。即使如此,该厂还致力于进一步降低轧制力预报误差。TIPPINS系统中的温度值是通过轧制力反算出来的。这使得温度值比直接计算要更准确。轧制压下规程是依据预报的轧制力制定出来的。这使得当条件变化时压下规程可及时调整。这种机制比较优越,但对轧制力预报精确度的要求就很高。轧制力的误差导致温度误差。温度误差容易使得控制轧制的温度设定值被错过,降低控轧效果,从而使轧后产品性能比其他厂的要差。同时轧制力的误差导致低质量压下规程从而引起一系列问题(力学性能,尺寸形状等)。为此,俄勒冈钢厂决定进一步降低二级控制模型轧制力预报误以提高产品质量,成材率和设备使用率改进的原因还包括随着轧制产品范围的不断扩大,轧某些产品(比如硬和薄的)时模型有误差。

 

 

模型诊断

 

   初步的模型诊断发现自学系统有逻辑错误。该系统使用四个自适应自学机制:FIT2(用钢种和温度), FIT3A(用钢种,温度和压下量), FIT3B(用钢种,温度和压下速度), FIT4(用钢种,温度,压下量和压下速度)。当某个变量不用作自学时,其系数被设定为零。这就是在FIT2FIT3B时假定压下量不影响轧制力,及在FIT2FIT3A时假定轧制速度不影响轧制力。这样就把某参数(比如压下量)的贡献加到其它参数(比如轧制速度)上,使得其它参数(比如压下速度)的系数上下波动很大而大大降低长期自学的效果。正确的方法应该是用中间值(常数)而不是用零。

 

   进一步分析发现一个更有趣的现象,这可能是所有自适应自学系统通有的问题,即在FIT4中各指数上下波动也很大。假定钢种,温度,压下量和压下速度的系数分别为 C1, C2, C3 C4. 分析发现只要 C3 C4.满足某一关系,它们就能很好得满足道次自学的优化条件,尽管它们可能离中间值都很远。但当把他们加到长期自学的系数里面就会出问题了。这就是说自适应自学系统,如不加人为指导的话,只能达到一定的精确度,但不会很高。人为指导可大大提高其精确度。
 

   由此可见,人为地设计一套优化的 C3 C4 中间值非常必要。可是在设计 C3 C4 中间值时,项目又被深深地拖入了现代控制轧制问题(低温,微合金应用等)的解决之中。

 

 

第一轮改进

 

   对于现行运转的二级系统模型,解决上述问题的最易行方法是为每个模型钢种在每个温度区设计一套 C1, C2, C3 C4. 模型钢种是钢种基于特定产品(尺寸,性能等)及特定生产程续(比如道次间空冷)等的进一步分类。俄勒冈钢厂中厚板生产采用约2000个模型钢种及三个温度区,所以共需约6000套系数。在自学过程中 C3 C4 将保持恒定,而 C1 C2 将会通过自适应而改变。为了保证在引入新模型后第一个道次至第一个坯能平稳轧制,对于每套 C3 C4 值,对相应的 C1 C2 也进行了认真设计和严格测试。该自学机制可称为指导下的双变量自学(FIT2G)。

 

   更多问题的发现及解决是在设计这6000C1, C2, C3 C4 数据。系统中数据不仅上下波动太大,而且明显大于热变形理论值。热轧厂的低温轧制实质上是冷轧而非热轧,因为再结晶不能完成。因此,只有考虑低温轧制中金相学因素及微合金析出等等,才能准确设计这6000 C1, C2, C3 C4 数据。根据一系列金相学及轧钢学模型,加上金通公司大量的金属流变曲线数据(见metalpass.com/flowstress),我们完成了这套体现我们技术水准的数据。

 

   早在金通公司开始此项目之前,也曾有其他学者(比如日本同行)发文展示,在自学系统中如采用一套 C3 C4数的优化值作为恒定值,而只使用 C1 和 C2 作为自学变量便可明显改进自学效果[1],理由是钢种和温度是影响轧制力的两个最重要的因素。可问题在于,只应用一套 C3 C4数值于所有的钢种,毕竟是过于简化了,特别是对于二级模型如此重要的系统。因此金通公司在此项目中采用的不是一套 C3 C4,而是6000套!6000 C1, C2, C3 C4 数据,可把现代低温轧制中大量的细节,包括自适应自学机制本身的缺陷,残余应变,微合金及析出,以及其他硬化/软化等,都包括进去,所以模型预报非常准确但又不用修改太多的源程序。对于正在运行的二级系统,这是非常优越的解决方式。

 

[1] Y. Saito, et al: The mathemarical model of hot deformation resisitance with reference to microstructural changes during rolling in plate mill. Transaction ISIJ, 1985, 25(11).


 

 

第一轮改进测试

 

   初次的轧钢试验即得到很好的结果。即使平时最困难的模型钢种,轧制力误差绝对值的平均值仍只为3.4%。除少数误入双相区的道次外,大多数道次误差均在5%以内。表一中列出了俄勒冈钢厂新旧模型误差水准,及与中国可类比的某中厚板厂("某钢")水准对比值。俄勒冈钢厂二级控制模型改进共有两轮,此为第一轮中间测试数据。

 

1俄勒冈钢厂新旧模型误差水准及与中国某厂对比值

误差范围

道次百分比

某钢(所有钢种)

俄钢(旧模型, 所有钢种)

俄钢(旧模型, 困难钢种)

俄钢(新模型, 困难钢种)

< 5%

30% (估计)

73%

57%

80%

< 10%

75%

91%

87%

90%

< 15%

89-90%

96%

94%

99%

   1)俄钢:俄勒冈钢厂(Evraz Oregon Steel Mills

       2)某钢误差值:20072月取自

       3)此为俄勒冈钢厂新模型误差值系第二轮改进前数据,困难道次误差绝对值平均数为3.4%。第二轮改进后误差应更小。


 

 

全面应用

 

   自从俄勒冈钢厂二级控制模型第一轮改进试验显示新模型极小误差值后,管理层便作了决定要全面应用新模型,无一例外。(改为?管理层便作了要全面应用新模型的决定。于是所有新模型的参数(上述的约6000套)都被输入到二级系统中。应用的顺序是困难钢种先进行,然后一般钢种。当旧模型中任何有问题或曾有问题的钢种被发现时,新模型就会被激活而取代旧模型。尽管新模型使用至今尚未出现任何问题,但新模型在第一次使用时为了保证生产过程平稳就进行了认真观测。

 

第二轮改进

 

   第一轮改进及试验同时也显示其他几个问题,举例如下:

 

   (1)三个温度区中,低温区范围太大,且分割点温度值不是按照金相学原理确定。

   (2)压下量低于10%时流变应力模型不适用。

   (3)道次间空冷期间后的回复道次有-10%40%轧制力误差。

   (4)精轧道次偶有误入双相区时误差太大,模型应适用此情形。

 

   这些问题都在第二轮的改进中得到解决。温度区得到重新划分,流变应力模型适用范围得到延伸,道次间空冷及双相区问题通过统计学及金相学方法得到到解决。两轮改进的基本准则都是对原程序的改动最小。到目前为止,除道次间空冷后回复道次的改进尚未完全输入到系统中(时间因素),其它所有的改进均得到应用。

 

 

新模型的经济效益

 

   新模型有望为很多钢厂大大降低轧制力报误差,甚至降低10%。如下表所示,这将意味着每年可节约高达几百万至上千万美元。

2 :轧制力预报误差降低10%时每年的回报[2]

回报的领域 1)

数值

年总值(US$)

年节省(US$)

假定

投资节省 2)

15%

20,000,000

3,000,000

设备寿命为40

坯料钢种的节省 3)

1%

400,000,000

4,000,000

坯料费占售价的50%

能耗的节省 4)

3%

40,000,000

1,200,000

能耗占销售价格的5%

成才比增加

1%

800,000,000

8,000,000

1%的成才比增加

生产现场轧制试验的节省 5)

45%

4,000,000

1,800,000

试验耗费占售价的0.5%

总值

 

 

18,000,000

 

 

1) 表中数据基于设备投资8亿美元及年销售量8亿美元的轧钢厂。

2) 此节省基于设备力能需求10%的增加,而导致的大约15% 的投资量增加。

3) 轧制力预报有相当的误差时,生产规程通常采用高一些的钢种,以确保产出的钢材符合性能要求。当系统足够精确时,此部分浪费可消除。

4) 此部分节省对应于当避免一些要求较高的钢种被安排以确保性能要求的那部分。

5) 为了获得新产品的轧制规程,部分部分钢厂不得不进行生产现场轧制试验。而精确的二级模型可免去此浪费。

[注2] Bingji Li & John Nauman: Material Science & Technology 2008, October 5-9, 2008, Pittsburgh, PA, USA. Proceedings page 1066-1077.

 
二级模型预报精度与产品质量的关系

   产品质量与二级模型有直接的关系。 

  1. 温度值是通过轧制力反算出来的。轧制力的误差导致温度误差。温度误差容易使得控制轧制的温度设定值被错过,降低控轧效果,从而使轧后产品性能比其他厂的要差。

  2. 轧制压下规程是依据预报的轧制力制定出来的。轧制力的误差导致低质量压下规程从而引起一系列问题(力学性能,尺寸形状等)。

  3. 产品缺陷与二级模型误差息息相关。见产品缺陷及二级模型误差

  4. 精确预报轧制力的重要性(二级系统准确预报轧制力的意义)。

  5. 精确预报轧制温度的重要性(二级系统模型精确温度预报的意义)。

  6. 轧制压下规程制定的一些问题(二级模型压下规程的问题)。

  7. 二级模型中应用金相学原理的好处(结合金二级模型的)。
     

二级系统问题的形象简述

   下述问题中某些可能适用所有二级模型。 

  1. 假定轧制压下量不影响轧制力,现有系统经常使用自学机制这当然不对。可是请核查一下你们使用自学机制FIT2和FIT3B有多频繁。肯定很频繁。

  2. 假定轧制速度不影响轧制力,现有系统也常使用 自学机制。这当然也不对,可是请核查下你们使用自学机制FIT2和FIT3A有多频繁。肯定很频繁。

  3. 为什么会这样?因为上述的情形虽然是错的(设计逻辑错误),可是其他的情形可能错误更大。系统只选择一个误差最小的。其他的情形如自学机制FIT4。数据分析显示,应变系数与应变速度系数是相关的,这使得有时FIT4的误差比其他的自学机制更大。

  4. 有时候道次压下量是10%,但必须使用15%或20%或更大的压下量来算才对。因为有应变从以前的道次残留下来。严重的是,这经常出现在精轧的一些道次,会使得产品的形状很差。

  5. 现有二级系统的轧制力计算公式不适用10%及以下的压下量。这样的压下量经常用于精轧道次。误差会使得产品的形状很差。

  6. 您的双坯轧制的有些道次可能也象俄勒冈钢厂的那样常有 -10% 40% 的轧制力误差。

  7. 您虽不想这样,可是您敢肯定您的精轧道次不在双相区?如果是,也正如俄勒冈钢厂经常出现的那样,系统误差会很大。误入双相区主要因为系统模型不够准确。

 
所附论文

   所附论文详细介绍以上简述的改进。论文系与俄勒冈钢厂合写。作者除李炳集博士外,另两位为俄勒冈钢厂二级系统管理员及自动化部门经理。论文在AISTech 2009(钢铁工程师年会,20095月,美国)上宣读。请点击链接阅读论文:

二级模型改进实例研究:俄勒冈钢铁公司

 
联系我们

   欢迎您联系金通(www.metalpass.com),邮址是admin@metalpass.com。也欢迎您直接联系李炳集博士(可用中文),邮箱地址是bli@metalpass.com.我们在世界各地从事轧制过程优化及改进,特别是二级系统模型,请参阅相关项目及最近一年发表的论文


点击回复:金通咨询 - 二级模型改进
 

 

 
    最近更新

工厂基于模型的生产优化系列
一百多套模型开发系列

金通最近发表的几十篇论文

锂电池智能制造项目案例

 

| 隐私权 | 条款及细则 | 关于我们 | 广告合作伙伴投资者赞助商列表 |  

版权所有:2009年金通有限责任公司