在建立生态化钢铁轧制技术体系, 实现“绿色制造与制造绿色”的背景下, 新一代TMCP应用到常规热轧板带钢新产品成分设计中, 通过减少化学成分含量, 深度挖掘钢材潜能, 逐步形成成熟的绿色制造工艺[1].超快冷技术是新一代TMCP技术的核心, 在其应用过程中, 实现对超快冷设备出口温度(UFCT)与卷取温度(CT)的精确控制, 对采用减量化的化学成分或工艺控制路线生产高性能产品和提高产品质量具有重要意义[2-3].
在低成本产品生产过程中, 大多数热连轧生产线都采用升速轧制工艺[4-6], 带钢表面换热特性及其通过各冷却段运行时间差别较大, 在带钢变速运行时, 系统需要对带钢各样本段实现工艺温度的精确控制[7-9].变速轧制过程中, 若不充分考虑速度波动对温度的影响, 在速度增加或降低时, 若反馈段调节能力有限, 容易使带钢的工艺温度突然升高或降低, 造成一定长度的带钢工艺温度超出工艺允许的温度波动范围, 致使产品性能无法满足力学性能需求; 尤其是在高品质钢生产过程中, 对工艺温度控制精度要求更高, 为了实现工艺温度的高精度控制, 需要深入研究影响温度控制精度的关键因素, 以保证产品质量和产品合格率.本文主要结合现场, 研究超快冷生产过程中速度变化对换热系数和冷却时间的影响, 开发速度和工艺温度在线修正策略, 以消除速度波动对温度精度控制影响.
1 速度变化对温度的影响热轧带钢正常生产时, 带钢实时运行速度时变性很强、随时间变化较大[10-11].自带钢头部在精轧机末机架穿带到带钢尾部卷取完成期间, 遍历带钢头部低速穿带、加速运行、高速轧制、尾部爬行减速等过程[7, 12].
1.1 速度变化对换热系数的影响带钢在超快速冷却过程中, 水冷换热系数如式(1)所示[2, 7].当带钢的厚度h、带钢起始冷却温度T、冷却水温度Taw、冷却水压Pap均为固定值时, 简化后的换热系数如式(2)所示.
(1) |
(2) |
式中:αwac为等效水冷换热系数; vav为带钢在冷却区实际运行速度, m/s; v0为运行速度基准值, m/s; A为水冷换热系数调节因子; B为速度影响参数;L为带钢冷却样本长度, m; h0, T0和P0分别为厚度、温度和压力基准值.
选取国内某热轧生产线正常生产时的钢种Q345B, 厚度分别为7.5~9.0 mm和15.75~17.75 mm.带钢运行速度对水冷过程中换热系数影响因子为f, 则f与带钢实际运行速度关系如图 1所示.
换热系数αwac与带钢运行速度v呈幂函数减少的趋势, 当带钢速度一致时, 冷却过程中水冷换热系数与带钢运行速度随B的变化呈指数函数关系.因此, 通过精确计算带钢各样本段在轧后冷却区各微元冷却段下的实际运行速度及实际冷却时间, 消除因速度偏差对温度控制造成的波动, 保证带钢各样本段温度的控制精确.
1.2 速度对带钢冷却时间的影响在轧后冷却区运行的带钢, 令ti, j为带钢第i样本经过第j冷却单元的运行时间, 则ti, j计算公式为
(3) |
式中:vi, j为样本i在轧后冷却第j冷却入口带钢速度, m/s; v′i, j为样本i在轧后冷却第j冷却区出口速度, m/s.
选取国内某热轧现场实际生产的热轧产品M3A32, 带钢厚度为4.5 mm, 穿带速度为8.0 m/s, 带钢实时速度与样本在冷却区运行时间如图 2a所示.图 2b所示为带钢第3, 30, 60和90样本实时运行速度及在各冷却区的冷却时间.其中, 样本号是根据样本长度(指定长度)将带钢自头部开始到尾部结束, 以样本长度划分带钢, 带钢头部第一个指定长度为样本1, 向带钢尾部依次编号.冷却区是将终轧温度(FDT)至CT之间冷却段长度, 以样本长度将其划分为若干冷却段, CT处冷却区为第1冷却区, 向FDT方向依次编号.
热轧带钢在冷却区运行过程中速度越大时, 运行时间越短.在带钢钢种、厚度确定的前提下, 轧后冷却区各冷却微元长度保持一致, 因此, 为了实现带钢长度方向温度的高精确计算, 消除速度大小变化对温度精度的影响, 系统需要精确计算带钢通过各微冷却单元的有效运行时间, 为控制冷却模型温度的精确计算提供准确的数据源.
2 在线修正策略在对带钢长度方向温度进行控制时, 需要精确计算带钢在轧后冷却区实际水冷时间和空冷时间, 因此, 需要计算带钢在各微元冷却区的实际运行历程, 即时间-速度-距离(TVD)曲线; 根据带钢每个样本i在轧后冷却区的实际TVD曲线, 获取每个样本i经过轧后各微元冷却区j的运行速度和时间, 结合轧后冷却区冷却集管开启状态, 精确计算实际水冷和空冷时间.
2.1 速度在线修正计算为了确保带钢长度方向温度控制精度, 依据带钢厚度规格不同, 选择合适的样本长度Ls, 厚度越大, Ls越小; 根据所选择的样本长度Ls, 在计算过程中将轧后有效冷却区以样本长度Ls平均划分j(j=1, 2, …)个微元冷却区.令带钢头端经过FDT的距离除以Ls为样本号i(i=1, 2, …), 样本i头端开始进入冷却区j的速度为vi, j, 样本i尾端离开微元冷却区j的速度为v′i, j, 样本i自头端进入微元冷却区j至尾端离开的时间为ti, j.为了精确计算样本i在轧后冷却区的有效水冷时间和空冷时间, 需要精确计算ti, j, 依据ti, j及相关模型参数计算各样本i由终轧温度(FDT)冷却到目标终冷温度所需要的冷却水量.
如图 3所示, 在线循环修正设定计算过程中, 根据精轧设定数据和带钢实测速度等信息, 实时计算带钢在轧后冷却区的TVD曲线, 并根据速度变化对TVD曲线进行修正.选取厚度为5.75 mm的带钢, 根据厚度所属层别, 微元冷却区为48, 根据TVD曲线, 实时计算vi, j,v′i, j和ti, j.
为了实现温度的精确控制, 以带钢样本头端经过FDT时为新增样本触发时刻, 每当带钢头端经过FDT一个样本距离时, 模型首先触发带钢样本速度实时修正计算, 并对已进入冷却区所有样本i经过每个微元冷却区j的运行信息vi, j, v′i, j和ti, j进行更新.依据接收到的钢种属性、实测厚度hd、开始冷却温度Td、目标终冷温度Tc, vi, j, v′i, j和ti, j等信息, 对在冷却区所有带钢样本i的温度再次计算, 根据计算后的控制信息, 对在冷却区的带钢样本控制信息进行更新, 之后依据带钢位置跟踪, 将控制信息依次发送给执行系统.
随着带钢样本数量的不断更新, 速度在线修正策略和工艺温度实时修正策略实时交替计算, 直到带钢尾端离开FDT, 计算终止.带钢样本i在轧后冷却区内工艺温度实时修正策略循环进行更新, 主要计算步骤如图 4所示.
1) 数据层别的划分及冷却模式的确定.根据接收到PDI(primary data input)信息及FSU(finish mill set up)信息, 将待进入冷却区的带钢进行层别的划分, 获取带钢冷却工艺参数所在层别的物性参数.并根据工艺要求, 判断单目标控制模式(只控制CT的精度)还是多个目标控制模式(同时对UFCT和CT进行温度控制).系统为单目标控制模式时, 计算转步骤3);系统为多个目标控制模式时, 计算流程转步骤2).
2) UFCT和CT的实时修正计算.首先, 对UFCT进行修正计算; 根据带钢实际速度, 对FDT到CT之间带钢所有样本i的运行状态重新计算, 根据再计算的数据, 判断临界点nc1; 以FDT为开冷温度, UFCT为终冷温度, 对FDT至临界冷却区nc1之间的带钢样本进行温度的实时修正计算, 带钢样本号每更新一次, 速度与温度实时修正计算一次; 其次, 对CT进行修正计算,首先确定CT临界冷却区nc2, 对UFCT和nc2之间的带钢样本进行实时修正计算, 根据样本数量的变化, 实时对CT进行修正计算; 之后, 对计算UFCT和CT的冷却组态进行统一编辑处理, 根据带钢位置的跟踪, 对冷却内有效样本的控制信息进行实时修正更新, 实现UFCT和CT的高精度控制.
3) CT的实时修正计算.首先, 对FDT到CT之间所有样本的速度运行信息进行实时修正计算, 根据修正后的信息, 查找临界点nc2, 对处于临界点与FDT之间的样本i进行再计算, 并对计算后的组态进行更新修正; 之后, 依据带钢跟踪信息, 对处在FDT和nc2之间所有样本的控制信息(集管开启组态)进行逐次修正, 实现对CT的高精度控制.
3 应用效果在实际生产过程中, 采取TVD曲线计算算法及实时修正策略, 有效消除因速度波动对工艺温度控制精度造成的波动.在变速轧制下, 首先对速度采用在线修正计算, 修正带钢各样本在各微元冷却区下的运行速度; 其次, 对样本的温度实时修正计算, 并不断更新样本控制信息.典型厚度带钢计算速度与实测速度对比如图 5a所示, 某钢厂生产低合金Q345B时的实际温度控制曲线如图 5b所示.
该控制策略实现了轧后冷却工艺温度的精确控制, 带钢长度方向UFCT±20 ℃温度命中率约96.5 %; 带钢长度方向卷取温度CT±18 ℃命中率约96.1 %以上, 系统运行稳定, 为热轧板带钢品种开发提供了技术支持与保障.采用该控制策略后, 轧后冷却工艺温度控制精度平均提高1 % ~2 %, 尤其是在速度波动较大时, 效果更佳.
4 结论1) 本文针对带钢轧制速度变化范围大、时变性较强, 对温度控制精度影响大的问题, 采用开发的速度在线修正计算策略, 确保带钢各样本i通过轧后各微元冷却区j的计算速度与带钢实测速度一致, 精确计算带钢各样本经过轧后冷却区的实际冷却时间, 为温度的在线修正计算提供了可靠数据源.
2) 开发的工艺温度实时修正策略, 采用实时修正带钢各样本控制信息, 消除了因带钢计算速度与实际速度的偏差对各样本段工艺温度控制精度的影响, 实现了轧后冷却工艺温度的精确控制及系统的稳定运行, 为产品的开发提供了技术保障.
[1] |
王国栋.
新一代控制轧制和控制冷却技术与创新的热轧过程[J]. 东北大学学报(自然科学版), 2009, 30(7): 913–922.
( Wang Guo-dong. New generation TMCP and innovative hot rolling process[J]. Journal of Northeastern University(Natural Science), 2009, 30(7): 913–922. ) |
[2] |
Li Z L, Li H J, Yuan G, et al.
Research and application of ultra-fast cooling system and velocity controlled strategy for hot rolled strip[J]. Steel Research International, 2015, 86(5): 478–488.
DOI:10.1002/srin.v86.5 |
[3] |
Li Z L, Yuan G, Han Y, et al.
Research on radial direction temperature change law of coil and control strategy for ultra-fast cooling[J]. Metallurgical Research and Technology, 2015, 112(1): 1–12.
|
[4] |
Zheng Y, Li S Y, Wang X B.
Distributed model predictive control for plant-wide hot-rolled strip laminar cooling process[J]. Journal of Process Control, 2009, 19(1): 1427–1437.
|
[5] |
Lawrence W J, MacAlister A F, Reeve R J.
Online modeling and control of strip cooling[J]. Ironmaking and Steelmaking, 1996, 23(1): 74–78.
|
[6] |
Wang J, Wang G D, Liu X H.
Hot strip laminar cooling control model[J]. Journal of Iron and Steel Research, International, 2004, 11(5): 13–17.
|
[7] |
李振垒.基于超快速冷却的热轧带钢轧后冷却系统与策略研究[D].沈阳: 东北大学, 2015.
( Li Zhen-lei.Research of cooling control system and control strategy after rolling based on UFC for hot rolled strip[D].Shenyang: Northeastern University, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10145-1015559754.htm ) |
[8] |
Xing G, Ding J, Chai T, et al.
Hybrid intelligent parameter estimation based on grey case-based reasoning for laminar cooling process[J]. Engineering Applications of Artificial Intelligence, 2012, 25(2): 418–429.
DOI:10.1016/j.engappai.2011.10.007 |
[9] |
Wang B X, Chen X L, Tian Y, et al.
Calculation method of optimal speed profile for hot plate during controlled cooling process[J]. Journal of Iron and Steel Research, International, 2011, 18(5): 38–41.
DOI:10.1016/S1006-706X(11)60062-9 |
[10] |
Guo R M.
Modeling and simulation of run-out table cooling control using feedforward-feedback and element tracking system[J]. IEEE Transactions on Industry Applications, 1997, 33(2): 304–311.
DOI:10.1109/28.567782 |
[11] |
Edalatpour S, Saboonchi A, Hassanpour S.
Effect of phase transformation latent heat on prediction accuracy of strip laminar cooling[J]. Journal of Materials Processing Technology, 2011, 211(11): 1776–1782.
DOI:10.1016/j.jmatprotec.2011.05.027 |
[12] |
Li H J, Li Z L, Guo Y, et al.
Development of new generation cooling control system after rolling in hot rolled strip based on UFC[J]. Journal of Iron and Steel Research, International, 2013, 20(7): 29–34.
DOI:10.1016/S1006-706X(13)60122-3 |