王绍斌　卿俊峰　刘勇　余万华

摘要：介绍了重钢高速线材轧钢厂对控冷工艺的研究与运用，采用数学模型在线预测与控制优碳盘条性能、金相组织等工作，以及优化控冷工艺所取得的效果。

关键词：高速线材轧机；控冷工艺；数学模型；优碳盘条；力学性能与金相组织

前言

优碳盘条主要用于金属制品厂拉丝原料。为了提高金属制品厂的生产效率及产品质量，要求其线材具有通条性能均匀、脱碳少，金相组织索氏体化程度高（90%以上）。重钢高线厂自投产以来，生产品种较为单一，主要为普通碳素钢，优钢生产比例较小。且产品性能波动较大。因此开发“优碳盘条性能在线预测与控制系统”，提高优碳钢盘条的性能合格率。

1.开发思路及技术创新

1.1开发思路

研究的主要思路、研究方案和技术路线为：首先选择几种典型的钢种（70、65Mn、82B/72B）作为研究对象，利用控制轧制及控制冷却理论及金属材料与热处理原理。结合重钢高线厂的生产实际。确定几种轧后控制冷却工艺制度（包括进精轧机温度、吐丝温度、各风冷阶段的冷却速度等），利用正交法初步制定试验方案。然后以选定钢种进行试验，进行力学性能检验和组织观察分析。利用多元线性回归软件。对轧制工艺参数与性能间的关系进行多元线性回归。以实现根据工艺参数在线预测盘条组织性能。

1.2技术创新

（1）热交换系数确定合理。在现有条件下，热交换系数受水的压力、水量、钢温、钢速、风速、搭接点及非搭接点等因素影响。非常复杂，目前一般根据实测值做些回归处理，而本模型通过自学习调整热交换系数。

（2）模型反应速度快。通过与北科大全力合作，实现了在线模型与生产速度的合理匹配。

（3）材料物性参数科学性强。材料物性参数的准确性决定了模型的精度。本模型根据生产现场实际情况。采用水冷线的四个测温点和风冷线的三个测温点的温度值及性能实测值做为输入参数。提高了模型的精度。

（4）在线模块系统的建立及调整。将本系统与离线预测比较。确认系统的可靠性。再通过与工厂现有物料跟踪系统及在线系统所需工艺参数进行模块衔接。从而实现在线性能预测与控制。

2.控制模型

重钢高线控制冷却模型的总体功能是：根据轧件在精轧机出口温度的检测值、速度、线径等数据和其它工艺设备参数，经过模型运算（包括预设定计算、修正设定计算、自学习计算），求得达到目标机械性能的水冷段喷嘴的开启组态及风冷段风机的开启组态。水冷段的控制目标为控制吐丝温度。风冷段的控制目标为冷却速度及相变区间。确保相变在风速的控制范围内，使盘条组织尽量索氏体化，从而提高产品的综合性能。主要包括下面六个模块：

（1）计算处理。为设定计算、修正计算、自适应计算准备各种数据和信息。如钢种，钢种对应的热物性参数如密度，热传导系数及热容，坯料规格（长，宽，高），化学成分（C，Mn，Si，P，S，Cr，Ni，Cu，N等），轧制速度，线材直径，设定吐丝温度，风冷相变区间等。

（2）预设定计算。根据精轧机出口的轧件温度、速度、线径、吐丝机的预设定温度等。进行冷却水箱组态的预设定及风机开启组态的预设定，实现对冷却模式、目标吐丝温度、风冷相变前冷却速度及相变区间的控制精度。

（3）修正设定计算。根据各段测温仪的实测温度和各工艺设备参数，修正与线材各段对应的冷却水箱、风机开启组态。形成闭环控制。

（4）反馈控制计算。将各个测温仪的实测值按一定的周期上传给工控机及PLC。

（5）自学习计算。为了提高线材温度控制精度，增强控制模型的适应性。模型采用了自学习功能对模型中的各段热交换系数进行修正，纠正模型预报偏差。

（6）结果数据处理。将线材编号、性能及温度等预报结果上传给上位机。以便跟踪及处理。

3.在线性能预测与模型主要操作界面

3.1在线性能预测

在线性能预测是正常生产的主操作界面。上部红色显示的温度值为各段的预测值。下部的蓝色值为测温仪的实测值。在界面的右方中部，首先需选择[实测信号]或[虚拟信号]，系统默认为[虚拟信号]，这时系统的温度信号来源于计算机的虚拟发生器，选择[实测信号]，这时系统的信号来源于测温仪。

3.2生产参数

[目标参数]设定目标吐丝温度及偏差，相变前的最大冷速，及第四台风机人口处的目标温度及偏差。

选择[H自学习]，系统将根据温度的实测值在线自动调节修正热交换系数。使实测值与预测值逐渐吻合。提高模型的预报精度。

[温度波动]仅对选择[虚拟信号]时适用，一旦选择[温度波动]，预报温度在一定的范围内波动。

在界面的左侧，有一个红色的按钮[工艺预设定]，一旦按这个按钮，计算机会弹出以下界面：

此界面与数库gongyi相联。该数据库存储工厂水冷段所有的关键工艺参数：钢种、直径、设定目标值如吐丝温度、临界冷速、性能预报的修正值、水冷段的开启、风冷段的开启、辊道速度、各段的热交换系数等。数据库由工程技术人员预先输入，现场生产时选择相应的工艺路线即可。

4.模型系统的运用

通过工厂技术人员的编制程序、在线计算机程序及北科大编制的程序接口。将高线厂实时坯料信息数据（Oracle数据库：钢坯炉号、序号、化学成分等信息）及在线温度控制数据（基础自动化数据采集：各个水冷段控制温度、风冷线温度、轧制速度等）同步传递给在线模型。在线模型根据以上信息有效预测生产盘条组织含量和机械性能。通过预测及时掌握盘条的性能情况，并及时反馈信息。同时对设备和相关参数做出调整，使盘条的内部组织达到理想状态。在线模型运行后，通过分析在线模型各种参数变化。形成了在线数学模型实施后的硬线钢控冷工艺制度（见表1和表2）。

在线数学模型实施后的盘条实际力学性能情况见表3-4：

由表可以看出。抗拉强度最小值在870MPa以上。延伸最小值在10%以上。断面收缩最小值在30%以上。索氏体全年平均值94.48%。较离线数学模型实施后的92.98%提高了1.5个百分点。远远超过离线数学模型实施前的平均值87.93%。盘条性能波动改善效果明显。

5.模型实施效果

5.1性能改善明显

项目实施后优碳盘条机械性能及微观组织（索氏体化率）均大幅提高。

5.2生产规模扩大。同比产量增加

据统计。项目实施前优碳钢和中高碳钢（硬线钢）盘条年产量为11万吨左右。项目实施后优碳钢和中高碳钢产量27万吨左右。同比产销量大幅增加。

5.3优碳钢盘条质量异议损失大幅下降

项目实施后。优碳盘条质量异议损失从0.5元/吨大幅下降到0.1元/吨以下。产品实物质量得到了用户肯定。

5.4社会效益明显

本模型系统的成功运用。将传统事后查找原因改变为生产过程的实时监控，因此在同行业具良好的推广价值。同时为新产品的开发提供了有力的技术支撑。