[发明专利]基于遗传粒子群算法的冷轧轧辊磨削量优化方法及系统

说明书

本发明公开了一种基于遗传粒子群算法的冷轧轧辊磨削量优化方法及系统，该方法包括：获取待优化磨削量的冷轧轧辊的原始疲劳曲线和轧辊参数；对原始疲劳曲线进行转化处理，通过对疲劳曲线进行平移叠加操作，获得待优化磨削量的冷轧轧辊的疲劳累积曲线；基于遗传粒子群算法，根据疲劳累积曲线和轧辊参数，结合待优化磨削量的冷轧轧辊的工艺参数，求解待优化磨削量的冷轧轧辊的最优磨削量，以在保证冷轧轧辊疲劳程度安全的情况下，对冷轧轧辊磨削量进行优化。本发明的方法收敛速度快，能有效降低冷轧轧辊磨削量，可以满足现场应用条件，降低冷轧轧辊消耗，达到节约资源、降低成本的目的。

技术领域

本发明涉及冶金技术领域，特别涉及一种基于遗传粒子群算法的冷轧轧辊磨削量优化方法及系统。

背景技术

轧辊的表面质量与产品的成型质量和表面质量密切相关，为保证轧件质量并确保轧辊表面疲劳在安全范围内，必须定期对轧辊进行磨削。当前冷轧厂一般采用固定磨削量，或简单地采取与轧制长度成比例的磨削量对轧辊进行磨削，容易出现轧辊磨削过度的情况，造成轧辊浪费。而由于缺乏对轧辊疲劳的定量计算，难以对轧辊磨削制度进行改进。

关于轧辊磨削量的优化问题也有过相关的方案。申请号为201010518143.3的专利申请公开了一种对轧辊磨削进行补偿的方法，通过确定轧辊温度场的变化来确定轧辊的相对热膨胀量，根据所得相对热膨胀量确定温度补偿量，从而实现对轧辊磨削的预订磨削量进行补偿。

申请号为CN201911202412.2的专利申请公开了一种计算热轧轧辊辊耗的系统和方法，提供了一种长周期轧辊辊耗计算模型、短周期轧辊辊耗计算模型和综合轧辊辊耗计算模型的三级管理系统，该方法能计算出各品种轧辊消耗水平，以达到降低成本的目的。

文献1(熊旭.冷轧辊使用及维护技术中几个重要问题的思考[J].四川冶金,2014,36(06):22-25.)中，使用硬度检测和涡流探伤相结合的方法，进行大量基础数据检测，通过对数据进行回归统计，制定磨削量分配表，从而设计出最优冷轧轧辊磨削量。

文献2(孙建华,沈新玉,严珺洁,王玕.硅钢轧辊消耗分析与改进策略[J].中国冶金,2012,22(03):18-21.)中，通过建立辊系模型，对数据进行归一化处理，模拟支撑辊磨削过程，从而获得支撑辊新磨削制度的整体思想,实现了对磨削量的优化。

从上述现有方案中可以看出目前对轧辊磨削量的优化主要是从轧辊受力情况的角度进行分析，通过建立轧辊有限元模型的方法优化轧辊的磨削量，或者从轧辊材料性质的角度分析，通过控制轧辊物理性质和轧辊表面质量来优化轧辊的磨削量，但是缺少从轧辊疲劳程度角度分析，并且没有使用智能算法进行优化的方法。

发明内容

本发明提供了一种基于遗传粒子群算法的冷轧轧辊磨削量优化方法及系统，以解决对于轧辊的磨削量优化问题，现有技术缺少从轧辊疲劳程度角度分析，并且没有使用智能算法进行优化的技术问题，最终实现降低冷轧轧辊辊耗。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种基于遗传粒子群算法的冷轧轧辊磨削量优化方法，该基于遗传粒子群算法的冷轧轧辊磨削量优化方法包括：

获取待优化磨削量的冷轧轧辊的原始疲劳曲线和轧辊参数；

对所述原始疲劳曲线进行转化处理，通过对所述原始疲劳曲线进行平移叠加操作，获得所述待优化磨削量的冷轧轧辊的疲劳累积曲线；

基于遗传粒子群算法，根据所述疲劳累积曲线和轧辊参数，结合所述待优化磨削量的冷轧轧辊的工艺参数，求解所述待优化磨削量的冷轧轧辊的最优磨削量，以在保证冷轧轧辊疲劳程度安全的情况下，对冷轧轧辊磨削量进行优化。

进一步地，所述轧辊参数包括：轧制长度、平均轧制宽度以及平均轧制力。