提高低温钢卷取温度控制精度的方法

摘要

本发明公开了一种提高低温钢卷取温度控制精度的方法，运用层流冷却装置对带钢进行冷却，包括：设备配置：卷取前在冷却区出口增配一个0-1000度测量范围的卷取高温计，并为该高温计配置一台风机；根据该卷取高温计进行卷取温度模型参数配置；反馈控制和自学习功能投入；优化低温卷取管线钢的自学习参数；水量配置优化；本发明通过在现有卷取温度控制装置中增加0-1000度的高温计时时检测卷取温度，并通过完善配置卷取温度模型文件相应参数来进行低温管线钢卷取温度控制，有效提高了卷取温度控制装置对低温钢卷取温度的控制精度，稳定了控制系统、卷取温度模型，稳定了产品质量，有效减少了因卷取温度波动导致的性能不合格钢卷数量。

权利要求

1.一种提高低温钢卷取温度控制精度的方法，运用层流冷却装置对带钢进行冷却，其特征在于，包括：设备配置：卷取前在冷却区出口增配一个0-1000度测量范围的卷取高温计，并为该高温计配置一台风机；

卷取温度模型参数配置：在卷取温度模型配置文件中卷取高温计的测量范围修改为

100-1100度，并且温度高于100度时向二级卷取温度模型发送实测值并置有效位，低于100度时置无效位；将卷取高温计所处位置修改为325段，其中，每段长度为0.38m；

反馈控制和自学习投入：轧制过程中将精冷区第19组前6个阀门设置为可用阀门，其余设为故障阀，由卷取温度模型根据所述卷取高温计反馈的实测卷取温度进行反馈控制；

在粗冷区将12组之后的阀门全部设置为故障阀；

优化低温卷取管线钢自学习参数：删除自学习文件中存储的人为干预参与自学习的带钢数据，将参与计算的自学习系数范围扩展为0.6-1.7；

水量配置优化：根据计算的自学习系数计算达到目标温度所需水量，在卷取温度模型程序中根据该计算的水量设定所需水量，并使卷取温度模型配置文件中的配置水量与现场实际水量相匹配。

2.根据权利要求1所述的一种提高低温钢卷取温度控制精度的方法，其特征在于：所述0-1000度测量范围的卷取高温计安装在300-1100度测量范围的卷取高温计后

13m处。

3.根据权利要求1所述的一种提高低温钢卷取温度控制精度的方法，其特征在于：所述低温钢指X80、X70低温管线钢，其目标卷取厚度为10mm－22mm、目标卷取温度为

300-400度。

4.根据权利要求1所述的一种提高低温钢卷取温度控制精度的方法，其特征在于，所述方法还包括：定期对自学习文件内的数据进行优化，包括删除或修改卷曲温度、学习系数数据。

说明书

提高低温钢卷取温度控制精度的方法

技术领域

[0001] 本发明属于热轧带钢层流冷却技术领域，特别提供一种提高低温钢卷取温度控制精度的方法。

背景技术

[0002] 在热轧带钢生产过程中，需要在轧制后卷取前使用层流冷却装置对带钢进行冷却，通过控制带钢的卷取温度和冷却速率来获得理想的金相组织和机械性能。为保证X80管线钢等的最佳组织和机械性能，采取低温卷取的模式。

[0003] 参见图1所示，该图为冷却区的基本结构示意图。冷却区定义为从精轧出口高温计C到地下卷曲机入口的高温计B为止。冷却区划分为粗冷区和精冷区。其中1-18组为粗冷区，19、20组为精冷区。其中，粗冷区作为前馈控制的阀门，精冷区作为反馈控制使用的阀门。

[0004] 卷取温度控制过程中计算在一定流量水平下为达到目标卷曲温度所必需打开的阀门数量。所需打开的所有阀门在粗冷区和精冷区间分配，在粗冷区的阀门用于前馈控制，在精冷区的阀门用于闭环反馈控制。

[0005] 卷取温度控制计算在二级计算机上执行，由卷取温度模型自动完成计算功能，将计算结果通过通讯模块发送给一级基础自动化，由一级执行器执行。卷取温度模型包括预计算、动态控制计算以及自学习计算功能。

[0006] 预计算为带钢进入冷却区前，为带钢的头部确定冷却区阀门打开的数量以在正常冷却状态下达到目标卷取温度。确定为达到目标卷取温度所需打开的阀门后，打开阀门的数量在粗冷区和精冷区以一定的分配原则进行合理分配。

[0007] 其分配原则为当所需打开阀门总数量小于等于反馈区可用阀门数量时，首先确定精冷区所需打开阀门数量等于所需打开阀门总数量除以2(取整数），粗冷区打开阀门数量等于所需打开阀门总数量减去粗冷区打开阀门数量；当所需打开阀门总数量〉反馈区可用阀门数量时，精冷区所需打开阀门数量等于反馈区可用阀门数量除以2（取整数），粗冷区打开阀门数量等于所需打开阀门总数量减去粗冷区打开阀门数量。确定粗冷区和精冷区打开阀门数量后再进行计算；计算过程中，精冷区打开阀门数量保持不变，通过修改粗冷区打开阀门数量，直到温度偏差在可接受的范围之内。

[0008] 动态控制计算包括前馈控制计算和反馈控制计算。自带钢头部到达精轧出口高温计后，每隔200毫秒（ms）触发一次前馈控制计算。前馈控制通过每隔200ms测量的精轧出口的终轧温度、精轧出口带钢的速度、厚度等来时时计算前馈控制阀门（即粗冷区阀门）所需打开阀门数量用以时时修正预设定计算的偏差，通过前馈控制阀门的打开或关闭来达到目标卷取温度。例如当实测精轧出口温度高于预测精轧出口温度时，在粗冷区现有开启阀门组态中沿轧制方向逐个增加开启阀门数量，直到满足温降要求；当实测精轧出口温度低于预测精轧出口温度时，在粗冷区现有开启阀门组态中逆方向逐个减少开启阀门，直到满足温降要求。

[0009] 反馈控制计算用于修正目标温度与实测温度的偏差。当带钢段经过地下卷曲机入口高温计时，实测卷取温度反馈给卷取温度模型之后，每隔200毫秒（ms）触发一次卷取温度模型的反馈控制计算，通过对实测卷取温度、预测卷取温度以及目标卷取温度的比较，调节精冷区阀门打开数量已达到目标卷取温度。

[0010] 当带钢尾部出卷机入口高温计后，触发此块带钢卷取温度模型的自学习计算。自学习计算功能是基于目标实测值和卷取温度模型计算值间的偏差，对温度卷取温度模型中的学习项传热系数进行修正，纠正卷取温度模型预报偏差，比如带钢实际的水冷、空冷温降与计算的水冷、空冷温降间的偏差，以提高卷取温度模型预报精度，改善控制效果。

[0011] 卷取温度模型的自学习卷取温度模型根据学习段（学习段的定义在卷取温度模型的配置文件中通过公式计算得出，与带钢精轧出口的厚度有关）的一系列参数，如实测精轧出口温度、厚度、速度、粗冷区和精冷区打开阀门数量、实测地下卷曲机入口的温度、目标卷取温度及计算的地下卷曲机入口的温度等，来确定优化下一次设定计算的修正系数，此修正系数连同初始数据（如化学成分、厚度、阀门开启模式、终轧温度、卷取温度等）按照其轧制先后顺序保存在自学习文件rolledstrip.txt中。

[0012] 带钢在进行预计算之前，首先得到自学习文件rolledstrip.txt中所存板坯个数、起始索引和终止索引号。根据当前坯的化学成分、厚度、宽度、速度、当前坯卷曲温度的设定和终轧温度的设定等一些基本的设定参数之后，开始从自学习文件rolledstrip.txt中自下而上查找相似坯（相似坯为与此块带钢的输入参数相近的板坯。如果其速度或温度等参数相差甚远，那么此板坯的数据用于修正当前此块板坯的传热系数的计算，那么其修正结果是不够精确地，可能还会起反效果）；然后得到此块相似坯的有关信息，其中包括上下阀门模式，上下起始阀的阀门、临界温度、各个化学成分、设定的厚度、宽度、温度及卷曲高温计、中间高温计和终轧温度的实测值，以及计算的修正系数和此块相似坯在自学习文件的位置。相似坯的个数小于等于99块，根据相似坯的修正系数计算此块带钢的修正系数，其中相似坯生产的时间离当前坯生产时间越近，其权重系数越大，对此块带钢的影响效果就越大。如果在自学习文件rolledstrip.txt中未找到相似坯，则默认其修正系数为1，不做任何修正。

[0013] 卷取温度控制是通过卷取温度模型的自动过程控制保证带钢在特定的位置达到目标的卷取温度，以保证带钢性能的合格率。原低温卷取管线钢的卷取温度控制，由于受现场高温计及原有西门子控制程序的制约及限制（西门子控制程序只能保证450度以上卷取温度的控制精度，低温卷取管线钢的目标卷取温度在300-400度之间），低温卷取管线钢的卷取温度无法得到卷取温度模型的自动控制，保证卷取温度控制精度的反馈控制、自学习控制功能未能投入使用，预计算偏差过大，从而导致卷取温度在目标温度±100度温度范围之内温度的命中率为0，实际温度一般控制在100-200度范围之内，有时卷取会因温度太低而无法卷取造成废钢，并且对我们的卷取设备危害极大。

[0014] 如上所述，提高X80、X70等低温卷曲管线钢的卷曲温度的命中率，稳定控制系统和卷取温度模型，保证现场轧制稳定性地同时，提高此类带钢性能的合格率和产品质量，成为X80等低温管线钢的成功并稳定生产的重点攻关内容。

发明内容

[0015] 本发明的目的在于提供一种提高低温钢卷取温度控制精度的方法，旨在解决目前低温钢由于过低的目标卷取温度导致其温度卷取温度模型的反馈控制和自学习功能无法正常投入以及由于温度卷取温度模型部分功能无法正常投入，卷取温度无法得到有效控制， 从而使整个带钢长度上卷取温度波动过大、无法满足卷取温度控制精度和机械性能高稳定性的要求的问题。

[0016] 根据本发明的一个方面，提供一种提高低温钢卷取温度控制精度的方法，运用层流冷却装置对带钢进行冷却，其采取以下工艺步骤：

[0017] 1）设备配置：卷取前在冷却区出口增配一个0-1000度测量范围的卷取高温计，并为该高温计配置一台风机；

[0018] 2）卷取温度模型参数配置：在卷取温度模型配置文件中将该卷取高温计的测量范围修改为100-1100度，并且温度高于100度时向二级卷取温度模型发送实测值并置有效位，低于100度时置无效位；将该卷取高温计的所处位置修改为325段；

[0019] 3）反馈控制和自学习投入：轧制过程中将精冷区第19组前6个阀门设置为可用阀门，其余设为故障阀，由卷取温度模型根据所述卷取高温计反馈的实测卷取温度进行反馈控制；在粗冷区将12组之后的阀门全部设置为故障阀；

[0020] 4）优化低温卷取管线钢自学习参数：删除自学习文件中存储的人为干预参与自学习的带钢数据，将参与计算的自学习系数范围扩展为0.6-1.7；

[0021] 5）水量配置优化：根据计算的自学习系数计算达到目标温度所需水量，在卷取温度模型程序中根据该计算的水量设定所需水量，并使卷取温度模型配置文件中的配置水量与现场实际水量相匹配。

[0022] 进一步地，所述0-1000度测量范围的卷取高温计安装在300-1100度测量范围的卷取高温计后13m处。在轧制低温管线钢时，投入使用0-1000度测量范围的卷取高温计，轧制其他规格管线钢使用300-1100度测量范围的卷取高温计。

[0023] 进一步地，所述低温钢指X80、X70低温管线钢，其目标卷取厚度为10mm－22mm、目标卷取温度300－400度。

[0024] 本发明通过在现有卷取温度控制装置中增加并利用一只0-1000度测量范围的卷取高温计时时检测卷取温度，并通过完善现有配置卷取温度模型文件的相应参数来进行低温管线钢卷取温度的控制，有效地提高了现有卷取温度控制装置对低温钢卷取温度的控制精度，稳定了控制系统和控制卷取温度模型，提高了低温钢卷取温度的控制精度，稳定了产品质量，有效减少了由于卷取温度波动导致的性能不合的钢卷的数量。

附图说明

[0025] 图1是本发明实施例提供的冷却区高温计及设备布置示意图。

具体实施方式

[0026] 本发明所述的提高低温钢卷取温度控制精度的方法，运用层流冷却装置对带钢进行冷却，其主要采取以下工艺步骤（本发明实施例中所述温度是指摄氏度）：

[0027] 1）设备配置：卷取前在冷却区出口增配一个0-1000度测量范围的卷取高温计，并为该高温计配置一台风机；

[0028] 参见图1所示，该图示出了冷却区从精轧出口到地下卷曲机的高温计及设备布局；在与精轧末机床D精轧出口处相邻的冷却区有高温计C，靠近地下卷曲机E的冷却区出口处原300-1100度测量范围的卷取高温计B后13m处设有一0-1000度测量范围的卷取高温计A。

[0029] 在轧制低温管线钢时，投入使用0-1000度测量范围的卷取高温计，轧制其他规格管线钢使用300-1100度测量范围的卷取高温计；

[0030] 本发明所述的低温钢指X80、X70低温管线钢，其目标卷取厚度为10mm－22 mm、目标卷取温度300－400度。

[0031] 本发明在冷却区出口增配一个测量范围为0-1000度的卷取高温计，当目标卷取温度<=400度时，投入使用0-1000度测量范围的高温计，可以保证高温计检测到卷取温度并成功发送给控制卷取温度模型，解决由于温度波动造成实际卷取温度小于300度时，造成300-1100度测量范围的高温计无法检测到实测卷取温度的问题；并在高温计处增加风机，以避免由于低温卷取钢由于雾气过大影响高温计测量的准确性和精确度；

[0032] 由于0-1000度测量范围的卷取高温计测量精度有限，且其安装在300-1100度测量范围高温计后13m处，故限制了控制卷取温度模型反馈控制的控制精度，故只有在轧制X80、X70低温管线钢时，投入使用0-1000度测量范围的高温计，其他钢种规格仍然使用300-1100度测量范围的高温计。两个高温计彼此切换的条件为厚度、钢种和目标的卷取温度；

[0033] 在一级程序中对0-1000度测量范围的卷取高温计和300-1100度测量范围的卷取高温计根据钢种自动切换，以保证不同范围的目标卷取温度使用不同的高温计检测反馈温度给卷取温度模型，保证反馈温度的真实性。

[0034] 在一级程序中，通过钢种（低温卷取管线钢包括X80、X70）、厚度（目标卷取厚度为10mm－22mm）以及目标卷取温度（目标卷取温度300－400度）时， 0-1000度测量范围的高温计投入使用，否则投入使用300-1100度测量范围的高温计，从而实现高温计的自动切换。

[0035] 2）卷取温度模型参数配置：在卷取温度模型配置文件中将该0-1000度测量范围的卷取高温计的测量范围修改为100-1100度，在温度高于100度时向二级卷取温度模型发送实测值并置有效位，低于100度时置无效位；将该0-1000度测量范围的卷取高温计的所处位置修改为325段；

[0036] 在增加0-1000度测量范围的高温计之后，相应的，在配置文件coolsec.txt中需要分别定义哪个高温计以及用于物料跟踪与卷取温度模型的温降计算的此高温计所在现场的相对位置（以精轧后高温计的位置为0点做参考）、上表面温度或下表面温度、高温计所测温度最小值、最大值、权重系数以及温度补偿值，用于高温计位置的有效跟踪和温度的精确计算，以及所测量的实际反馈高温计所反馈的实际温度有效性的正确判断。

[0037] 如某带钢段精轧出口高温计测量的温度为860度，到卷取入口高温计时测量温度为400度，那么卷取温度模型需要根据其运行的速度和阀门打开的组数计算以及卷机入口高温计相对于精轧出口高温计的相对位置和距离来计算水冷的温降和空冷的温降。所以卷取温度模型必须知道各个高温计所对应的所在轧线的位置。

[0038] 具体的，轧制低温卷取管线钢时，在相应配置文件coolsec.txt中对高温计的测量范围由351-1100度相应修改为100-1100度，并且温度高于100度时向二级卷取温度模型发送实测值并置有效位，低于100度时置无效位，在二级卷取温度模型中显示为-9999，保证0-1000度高温计实测到的温度成功反馈给卷取温度模型后，卷取温度模型能够真实判定此温度的有效性。

[0039] 在轧制低温卷取管线钢，投入使用0-1000度高温计时，配置文件中定义的该高温计位置相应由291段修改为325段。

[0040] 参见图1，以精轧出口高温计所处位置为相对点，即0段，每段长度固定为0.38m，291段指300-1100度测量范围高温计B所处位置距离精轧出口高温计C的位置为110.58m，
325段指的是100-1000度测量范围的高温计A所处的位置距离精轧出口高温计C的位置为
123.5m，相应的，在卷取温度模型文件配置中将此高温计的位置定义为12.92 m。这样设置后即可准确告诉卷取温度模型高温计所处位置，以保证卷取温度模型计算带钢在层冷区域温降的精度，以保证卷取温度的控制精度。

[0041] 3）反馈控制和自学习投入：轧制过程中将精冷区第19组前6个阀门设置为可用阀门，其余设为故障阀，由卷取温度模型根据所述卷取高温计反馈的实测卷取温度进行反馈控制；在粗冷区将12组之后的阀门全部设置为故障阀；

[0042] 具体的，在轧制过程中，通过卷取温度模型配置画面将精冷区第19组前6个阀门设置为可用阀门，其余设为故障阀，卷取温度模型根据低温高温计反馈的实测卷取温度进行反馈控制，从而保证了卷取温度模型反馈控制功能的投入使用，解决了时时计算反馈控制无法投入使用的问题，而且也保证了在高温计前无水汽，进而保证了高温计的测量精度；粗冷区将12组之后的阀门全部设置为故障阀，在此设置的前提下实际粗冷有10组阀门打开，通过故障阀设定，从而保证其参与自学习的带钢段其实测得中间高温计的温度和卷取温度的平均值大于等于100度，从而保证此块带钢的数据能成功写入到自学习文件中，以用于修正后期所轧制的低温管线钢，从而保证了自学习功能的成功投入使用；

[0043] 4）优化低温卷取管线钢自学习参数：删除自学习文件中存储的人为干预参与自学习的带钢数据，将参与计算的自学习系数范围扩展为0.6-1.7；

[0044] 运用时，首先将前期手动设置故障阀等人为干预参与自学习带钢的数据从自学习文件中手动删除，以保证参与自学习的带钢的数据的准确性和精确性，减少由于人为干扰造成的卷取温度模型计算的误差，提高卷取温度的控制精度。

[0045] 自学习文件rolledstrip.txt中最大存储10000条带钢的数据记录，若此文件中存储的数据量未达到饱和，则每轧一块带钢，此块带钢的数据依次增加到此文件中，若数据量已经达到饱和，则卷取温度模型将此文件中已经存储的第一条记录自动删除，将最新轧制的带钢的数据依次存储到第10000条记录的位置，以此类推，以求达到自学习文件10000条记录的数据平衡。

[0046] 在消化卷取温度模型程序中，查看程序内对写入自学习文件数据的限制条件，将自学习系数的范围由0.6-1.4扩展为0.6-1.7，以解决低温卷取管线钢等需快速冷却的钢种由于自学习修正系数过大导致带钢的自学习数据无法成功写入自学习文件的问题，以保证所轧制的低温卷取管线钢的相关数据成功写入到自学习文件中，以用于后期所轧制的低温卷取管线钢温度卷取温度模型传热系数修正系数的计算，以提高卷取温度模型的预计算精度，改善控制效果。

[0047] 同时，要定期对自学习文件备份，对低温卷取管线钢及不经常轧制钢种的自学习数据积累备份，轧制前拷贝修正，提高自学习的控制精度。

[0048] 5）水量配置优化：根据计算的自学习系数计算达到目标温度所需水量，在卷取温度模型程序中根据该计算的水量设定所需水量，并使卷取温度模型配置文件中的配置水量与现场实际水量相匹配；

[0049] 水量配置优化目的在于提高低温卷取管线钢头部命中率，现场实际水量为480m3/3
h，配置文件中配置水量仅为270m/h，现场实际水量与配置水量偏差过大，会导致其温降传热系数的自学习系数达1.4以上；当自学习系数与1偏差过大时，降低了计算精度，导致管线钢头部卷取温度过低。

[0050] 针对此问题，在预计算中，在自学习系数为1的基础上计算达到目标温度所需的水量，再在自学习系数为1时所需的水量的基础上计算在实际自学习系数上所需的水量。一方面在卷取温度模型程序中将所需要的水量修改为在所计算的自学习系数基础上计算达到目标温度所需的水量；另一方面优化完善配置文件中配置的水量与现场的实际水量相匹配。

[0051] 本发明还进一步包括自学习文件的优化：即定期对自学习文件内的数据进行优化，包括删除或修改卷曲温度、学习系数数据。定期对自学习文件内的数据进行优化，对于X80、X70等低温卷取管线钢的自学习数据，比如卷曲温度太低、学习系数太大等数据进行删除或修改，以优化自学习系数，提高后面轧制相似板坯温度控制的精度。

[0052] 以厚度为18.4mm的管线钢X80为例，采用本发明方法前，只能通过设置故障阀的模式手动控制其温度，其温度卷取温度模型的反馈控制和自学习功能均无法正常投入使用，卷取温度控制最低达到100度，最高达到500度，卷取温度完全处于失控状态。实测卷取温度过头部不冷长度之后，无实测卷取温度，实际卷取温度均在300度以下，与300-400度的目标温度相差甚远。

[0053] 在卷取前增加0-1000度测量范围的高温计，并增加风机，保证高温计时检测到低温卷取管线钢的实测卷取温度，并能成功的反馈给卷取温度模型，保证反馈控制功能的正常投入使用；在一级程序中，通过钢种（低温卷取管线钢包括X80、X70）、厚度（目标卷取厚度为10mm－22mm）以及目标卷取温度（目标卷取温度300-400度）实现高温计的自动切换，以保证高温计检测的准确性和精确性。此切换指的是把哪个高温计的数据发送给二级卷取温度模型，这都是一级程序通过判断条件自动完成的。比如利用C语言的if语句，即可实现。

[0054] 在卷取温度模型的配置文件中将卷取高温计的测量范围由351-1100度修改为100-1100度，高温计所在位置在轧制X80低温管线钢时由291段修改为325段；从而实现温度卷取温度模型的反馈功能和自学习功能的正常投入使用；同时手动删除自学习文件中已存储的由于人工干预参与自学习的带钢数据，并在卷取温度模型中将写入自学习文件的自学习系数的限制条件和参与计算的自学习系数的限制范围由0.6-1.4修改为0.6-1.7。

[0055] 在卷取温度模型程序中，一方面在卷取温度模型程序中修改为在所计算的自学习系数基础上计算达到目标温度所需的水量；另一方面优化完善配置文件中配置的水量与现场的实际水量相匹配，从而提高低温卷取管线钢头部命中率。

[0056] 由于反馈控制功能和自学习功能的成功投入以及卷取温度模型的完善与优化，卷取温度大幅波动现象被消除，均匀性也有所提高，带钢全长+/-40度卷取温度命中率高达90%以上。

[0057] 本发明实施后，实际应用效果明显，X80等低温卷取带钢的卷取温度命中率明显提高，由以前在公差范围±100度温度的命中率为0，提高到现在公差范围在±40度内温度的命中率达90%以上。提高了低温卷取管线钢卷取温度控制精度的同时，满足了低温卷取管线钢机械性能稳定性的高要求，稳定了控制系统和卷取温度模型，提高了了此类带钢性能的合格率和产品质量。

[0058] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。