湛江2 250 mm热轧粗轧R2打滑识别及自动控制方法

杜 林,赵金凯

(宝山钢铁股份有限公司 1.热轧厂,上海 201999;2.宝钢湛江钢铁有限公司,广东 湛江 524072)

近年来,市场对热轧产量、质量等方面提出了新的、更高的要求,即要求控制好带钢质量的基础上,产能、节奏也要向极限迈进,而轧线运行的稳定性直接影响着产线产能、节奏的发挥。粗轧R2打滑是一项影响产线运行效率的常见问题,前期粗轧打滑主要靠人工识别和控制,本文提出了粗轧轧制过程中打滑识别及自动防打滑的控制措施(Slip Recognition And Automatic Anti-slip Control),采用该方法,热连轧机组不需要进行任何硬件改造,即可提升轧线粗轧轧制过程的稳定性。

1 打滑定义和相关因素及影响

轧制过程是靠旋转的轧辊与轧件之间形成的摩擦力将轧件拖进辊缝之间,并使之受到压缩产生塑性变形的过程。打滑[1]是咬入条件不能满足,轧件不能顺利咬入的现象。打滑时轧件的出口速度小于轧辊的水平分速度,这时整个变形区无前滑区。轧辊和轧件相互作用的矛盾运动过程是从轧辊咬入轧件开始的,轧辊咬入轧件的实现,接触摩擦起决定作用。

与打滑相关的因素有轧辊直径、压下量,轧制速度,轧辊表面状态,轧件的形状等,引起打滑的主要原因有:

(1) 轧辊与轧件之间摩擦力不够。如冷却水中含油量偏高导致轧辊表面异常光滑;轧辊上方设备漏油导致轧辊表面有油,轧制时出现打滑;新工作辊表面粗糙度偏小等导致。

(2) 咬入角偏大。下工作辊上表面偏高或偏低,带钢在咬入时上下两边压下量不同,接触弧长相差过大;温度不均,轧制时局部轧制力过高。

(3) 负荷分配不合理。在轧制过程中各机架负荷分配不合理。

(4) 带钢温度低。加热炉在升温过程中,加热速度过快,钢坯驻炉时间短,导致钢坯表面温度达到轧制要求,但内部温度低;整个中间坯温度不均都会导致打滑。

如图1(a)所示,当发生严重打滑时,会造成中间坯大的镰刀弯,中间坯头尾大的镰刀弯卡在粗轧导板、护板处时,会造成板坯的堆积,造成设备的损坏及废钢的发生。另一方面,如图1(b)所示,中间坯板形过差会在搬运至飞剪前导板时撞击剪前导板,导致剪前导板固定销逃逸,下块板坯头部撞到导板连接处时,会造成剪前导板拱起导致废钢及设备损坏的发生,严重地影响设备的稳定及产线的正常运行。

功能未投用之前,月度平均发生两起粗轧/精轧导板处打滑卡钢事故。

2 打滑识别方式及对应措施

在热轧带钢的生产过程中,由于设备变化、工艺参数设定不合理等诸多因素的影响,打滑使得板坯在机架游动,造成轧后板坯长度方向上各点宽度的中心发生变化,所产生的结果为宽度中心的连线呈现不同的形状。

实际生产中人工通过观察轧后板坯中心线偏差的形状来判断是否为打滑,根据自身的经验进行打滑控制,常规的控制打滑的措施主要为改善板坯的咬入条件,现场最为直接的措施是降低轧制速度、减少道次压下负荷等[2]。

轧制过程中粗轧打滑识别及自动防打滑控制思想是:根据粗轧轧后的中心线偏差,剔除掉头尾一定长度自由端对于计算的影响,根据一定的算法计算出板坯中部中心线偏差的波动大小(σ),当中心线偏差的σ超过一定值后,即认为此种情况是打滑;根据中心线偏差的σ超出范围的大小,启动防打滑自动控制功能,模型会对负荷、速度的设定值及持续块数进行优化,从而实现后续带钢的自动控制。

由图2所示,板坯轧后中心线偏差曲线是由位于轧机出口的测宽仪进行检测,检测后显示在操作台上的显示器上,带钢轧制完成后测宽仪会将测量后的中心线偏差点数据,根据一定的规则打包发送给过程机L2,L2进行点数据的存储。

整体的控制原理如图3所示:L2获取到中心线偏差点数据后,打滑识别模型会计算出中部中心线偏差点数据的波动值σ,并判断σ是否超限,进行打滑的自动识别。当超出限幅后,防打滑控制模型会对后续带钢的速度、负荷进行修正,从而实现防打滑的自动控制。

图3 控制原理图Fig.3 Control schematic diagram

3 粗轧打滑自动识别及控制流程

粗轧打滑识别及自动控制方法控制流程如图4所示。

图4 控制流程图Fig.4 control flow chart

4 粗轧打滑控制算法

4.1 打滑自动识别模型

打滑自动识别模型主要流程为:

(1) 获取数据。获取测宽仪上传给L2的中心线偏差数据包。

(2) 解析数据。R2出口中心线偏差点数据仪表取点的逻辑是头尾1m每隔0.01m取1个点,去除头尾之外的中部,每隔0.1 m取1个点进行上传。

打滑自动识别模型中数据解析及取点的逻辑是取中心线偏差数据包中第101个点到倒数第101个点,形成新的数据包A;在数据包A中每隔5个点取1个点,形成新的数据包B,作为打滑自动识别模型中初始的数据。

(3) 计算波动值σ,见式(1)。

(1)

式中:x为数据包B中各点的中心线偏差数值;μ为数据包B中各点中心线偏差的均值;σ为中心线偏差的波动值。

(4) 通过查表确定控制死区(Dead-band)。

4.2 打滑自动控制模型

打滑自动控制模型主要是根据打滑自动识别模型计算的结果进行查表(表1,V和L分别为设定速度和设定负荷),通过对比波动值σ与表1内设置值的相对大小,从而确定出最终的降速、降负荷值及持续块数的大小,最终进行设定值的下发。

表1 打滑自动控制模型相关参数Table 1 Relevant parameters of slip automatic control model

5 功能效果

粗轧新辊上机后10 000 t内,打滑发生概率最高,通过人工观察并结合自身经验,进行降速及降负荷控制发生次数最多,所以此阶段内自动化水平很低。

通过打滑自动识别模型,可有效识别出轧制过程是否存在打滑现象;根据识别出的结果,进行速度、负荷的调整,可有效提升轧线的自动化水平及轧制的稳定性。

粗轧打滑自动识别及控制功能投用后经多次优化,现已稳定使用,自动率相比之前有明显的提升,粗轧板型稳定性相较前期有了明显的改善(见表2)。截至目前,产线未出现过一起因板坯打滑造成粗轧导板卡钢或中间坯撞击精轧剪前导板导致废钢的事故,极大程度确保了设备的稳定及产线的顺行,对产线产能的稳定发挥起到了至关重要的作用。

表2 功能投用前后不同阶段的自动率对比Table 2 Comparison of automatic rate in different stages before and after function operation %

6 结论

(1) 结合粗轧打滑轧制过程,给出了粗轧打滑自动识别及自动控制的原理、控制流程、控制算法。

(2) 功能投用后,人工干预率大幅度降低,极大减轻了操作的工作量,释放了操作的精力。

(3) 对于常规的热连轧产线来说,实现粗轧轧制过程中的打滑识别及自动控制,不需要再增加任何资金及硬件投资,只需要开发相应的应用软件,利用现有的硬件系统,就可以完成所有的控制和调节功能,极大缩短了功能落地周期及调试过程。