[发明专利]一种基于锆合金的多轧程多道次变形制度设计方法

说明书

一种基于锆合金的多轧程多道次变形制度设计方法，包括：采集轧制过程中轧件的工艺参数；获取轧件在退火状态下的材料力学性能参数，并根据力学性能参数中的真实应变和变形抗力的变化关系进行变形抗力模型回归，得到变形抗力模型；基于Roberts轧制力模型对轧件的摩擦系数进行反求，并利用自适应粒子群算法对摩擦系数进行非线性模型回归；根据目标函数和智能算法对变形抗力模型进行优化；建立轧制过程比例凸度恒定目标函数；采用罚函数法建立考虑轧制力约束、压下率约束和轧制力矩约束的变形制度约束条件；基于自适应粒子群算法进行兼顾板形良好的冷轧锆合金变形制度优化。

技术领域

本发明涉及锆合金技术领域，特别涉及一种基于锆合金的多轧程多道次变形制度设计方法。

背景技术

变形制度是指在一定轧制条件下对从坯料到成品变形分配的具体规定，也叫压下规程；主要内容包括从坯料到成品的总变形量和轧制总道次、各机组的总变形量、各道次的变形量、轧制方式等，是轧制工艺制度的核心内容，也是轧制设备(包括电机)选择、钢板轧机轧辊辊型设计和型钢孔型设计的主要依据，而且对轧机的产量和产品的质量有直接的影响。

变形制度设计方法包括传统设计方法和基于人工智能的优化设计方法，传统方法包括：经验法、能耗曲线法和负荷分配系数法；经验法是指依靠技术工人的操作经验设计压下规程；例如武钢1700热连轧机则是采用能耗曲线法设计压下规程，鞍钢1700热连轧和宝钢2050热连轧机是采用压下率分配系数法，攀钢1450热连轧机厚度分配采用迭代计算法。上述这些传统设计方法或是依靠技术工人的操作经验，或是设计过程计算复杂冗长，设计结果也难以达到全局最优。

人工智能优化设计方法是指采用智能优化算法基于某一或多个特定目标函数的设计方法，轧制负荷分配领域的智能优化算法包括但不限于遗传算法、蚁群算法、粒子群算法、神经网络算法和模糊优化算法等，特定目标函数可以是板形良好、等负荷分配、等相对负荷或轧制耗能最少等某个或多个目标函数。以某厂1420mm冷连轧机生产线为例，该机组自试生产以来，经常出现板形质量不稳定现象，现有的变形制度采用相对压下率进行设计，该厂进一步采用改进粒子群算法以兼顾板形和设备负荷能力设计出新一套变形制度，投入工业应用带钢板形明显改善。

锆合金因其特殊的工业应用与少批量的生产特点，冷轧过程多采用单机架可逆轧制，同时轧制过程伴随有强烈的加工硬化产生，累计压下到一定程度后需进行退火处理才能继续轧制，实际轧制过程包含多个轧程几十余道次，各道次间良好的负荷分配有利于提高生产效率与板形质量。

国内外对于板带材轧制变形制度的研究多集中在连轧机组或单、双机架单轧程多道次可逆轧制，连轧机组多为五机架、七机架轧制，多道次可逆轧制最多也一般为十余道次轧制，不适用于锆合金多轧程超多轧制道次数的轧制工况。因此，亟需设计一种适应于锆合金多轧程多道次的兼顾轧制过程板形良好的变形制度设计方法。

发明内容

(一)发明目的

本发明的目的是提供一种基于锆合金的多轧程多道次变形制度设计方法，解决锆合金轧制过程超多轧制道次数不同且板形问题频发的问题。

(二)技术方案

为解决上述问题，根据本发明的一个方面,本发明提供了一种基于锆合金的多轧程多道次变形制度设计方法，包括：采集轧制过程中轧件的工艺参数；获取所述轧件在退火状态下的材料力学性能参数，并根据所述力学性能参数中的真实应变和变形抗力的变化关系进行变形抗力模型回归，得到变形抗力模型；基于Roberts轧制力模型对所述轧件的摩擦系数进行反求，并利用自适应粒子群算法对所述摩擦系数进行非线性模型回归；根据目标函数和智能算法对所述变形抗力模型进行优化；建立轧制过程比例凸度恒定目标函数；采用罚函数法建立考虑轧制力约束、压下率约束和轧制力矩约束的变形制度约束条件；基于所述自适应粒子群算法进行兼顾板形良好的冷轧锆合金变形制度优化。

进一步的，所述工艺参数包括：各道次轧制力、出入口厚度、前后张力、弯辊力、板宽、轧制速度和辊缝设定值。