МАШИНОСТРОИТЕЛЬНЫЕ ТЕХНОЛОГИИ ENGINEERING TECHNOLOGY
05.02.09 ТЕХНОЛОГИИ И МАШИНЫ ОБРАБОТКИ ДАВЛЕНИЕМ
(технические науки)
TECHNOLOGIES AND MACHINES FOR FORMING
(technical sciences)
DOI: 10.33693/2313-223X-2020-7-4-48-53
Автоматизация непрерывного широкополосного стана горячей прокатки
А.А. Герасимова3 ©, С.П. Романов'3 ©
Национальный исследовательский технологический университет «МИСиС», г. Москва, Российская Федерация
a E-mail: allochka@rambler.ru b E-mail: sergey_romanov@autorambler.ru
Аннотация. В статье рассмотрен непрерывный широкополостный стан горячей прокатки 1950 Литейно-прокатного комплекса (ЛПК). Цель автоматизации непрерывного широкополосного стана горячей прокатки - обеспечение получения высококачественного горячекатаного проката не зависимо от рабочего персонала с помощью самообучающейся нейронной сети и огромных баз данных в прокатном производстве. Был спроектирован коллектор инновационной формы и новой схемой распыления охлаждающей жидкости в САПР КОМПАС-SD. Коллектор оснащен инфракрасными датчиками, считывающими температуру поверхности прокатного валка и исполнительными механизмами. Для реализации автоматической системы целенаправленного охлаждения валков прокатного стана выбрана открытая микроконтроллерная платформа Arduino UNO. Предлагаемая схема автоматической системы целенаправленного охлаждения валков является классической системой с отрицательной обратной связью. Всю систему можно разделить на два контура: первый - для регулирования объема подаваемой воды на основании показаний температурных датчиков, второй - для регулирования давления подаваемой воды на основании показаний датчика давления. Для автоматизации охлаждения валков прокатных станов данный подход предложен впервые. Анализ результатов моделирования работы автоматизированного коллектора показал следующие результаты: 16 перевалок в месяц, 2 планово-предупредительных ремонта, средняя величина отработки валка 87%. Предлагаемая система позволяет рационально использовать охлаждающую жидкость по сравнению со старой системой. На основе анализа сроков работы прокатных валков при различных режимах охлаждения, система позволит отслеживать износ валков и информировать персонал о сроках предстоящей перевалки. Была разработана и внедрена искусственная нейронная сеть в систему охлаждения прокатных валков на стане 1950 ЛПК с целью повышения стойкости рабочих валков и повышению качества получаемой продукции.
Ключевые слова: система охлаждения, тонколистовой прокат, горячая прокатка, дефекты, термические напряжения
АВТОМАТИЗАЦИЯ НЕПРЕРЫВНОГО ШИРОКОПОЛОСНОГО СТАНА ГОРЯЧЕЙ ПРОКАТКИ Герасимова А.А., Романов С.П.
DOI: 10.33693/2313-223X-2020-7-4-48-53
Automation of continuous broadband hot rolling mill
A.A. Gerasimovaa ©, S.P. Romanovb ©
National Research and Engineering University "MISIS", Moscow, Russian Federation
a E-mail: allochka@rambler.ru b E-mail: sergey_romanov@autorambler.ru
Abstract. The article deals with a continuous wide-field hot rolling mill for a foundry and rolling complex (LPC). The goal of automation of a continuous broadband hot rolling mill is to ensure the production of high - quality hot rolled products regardless of the working staff using a self-learning neural network and huge databases in the rolling industry. The collector was designed with an innovative shape and a new cooling liquid spray scheme in the COMPASS-3D CAD. The collector is equipped with infrared sensors that read the surface temperature of the rolling roll and actuators. An open microcontroller platform Arduino UNO was chosen to implement an automatic system for purposeful cooling of rolling mill rolls. The proposed scheme of an automatic system for purposeful cooling of rolls is a classic system with negative feedback. The whole system can be divided into two circuits: the first is to regulate the amount of water supplied based on the readings of temperature sensors, one for regulating the pressure of water supplied based on the pressure sensor. This approach is proposed for the first time to automate cooling of rolling mill rolls. Analysis of the results of modeling the operation of the automated collector showed the following results: 16 transshipments per month, 2 scheduled preventive repairs, and the average roll working rate of 87%. The proposed system allows efficient use of the coolant compared to the old system. Based on the analysis of the operating time of rolling rolls under various cooling modes, the system will allow you to track roll wear and inform the staff about the upcoming transshipment dates. An artificial neural network was developed and implemented in the cooling system of rolling rolls at the 1950 LPC mill in order to increase the stability of the working rolls and improve the quality of the resulting products.
Key words: cooling system, sheet steel, hot rolling, defects, thermal stresses
FOR CITATION: Gerasimova A.A., Romanov S.P. Automation of continuous broadband hot rolling mill. Computational Nano-technology. 2020. Vol. 7. No. 4. Pp. 48-53. (In Russ.) DOI: 10.33693/2313-223X-2020-7-4-48-53
ВВЕДЕНИЕ
Сегодня большую роль в обеспечении качества продукции отводят автоматизации и управлению производством. Металлургическое производство включает в себя множество видов технологического оборудования, которое имеет свою техническую особенность и специфику [1-4].
В последние годы произошел прорыв в развитии и использовании искусственных нейронных сетей в электронике. С помощью них, возможно полностью автоматизировать производство от начала и до самого сбыта продукции, повысить качество продукции, так как такая система способна самообучаться с помощью полученных баз данных на производстве и моделировать процесс производства в программном обеспечении вне самого процесса, улучшая производство исходя от входящих и исходящих параметров, частично без участия человека, а в дальнейшем развитии технологии управления и самообучения, работать автономно [5].
Цель автоматизации непрерывного широкополосного стана горячей прокатки - обеспечение получения высококачественного горячекатаного проката не зависимо от рабочего персонала с помощью самообучающейся нейронной сети и огромных баз данных в прокатном производстве.
Основной задачей прокатного производства в целом является обеспечение высокого качества производимого про-
ката, т.е. соблюдение геометрических параметров, физических и химических свойств готовой продукции и т.д.
МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЯ
Целью исследования являлась разработка и внедрение искусственной нейронной сети в систему охлаждения прокатных валков на стане 1950 ЛПК с целью повышения стойкости рабочих валков и повышению качества получаемой продукции.
Стан 1950 ЛПК имеет автоматизированную систему управления технологическим процессом прокатки (АСУ ТП) на основе датчиков, снимающих входные сигналы (технологические параметры), микропроцессоров и управляющих ЭВМ с программным обеспечением.
Функции АСУ ТП прокатки: слежение за прохождением металла (прокатываемого) по всей технологической линии; управление станом; настройка стана при смене партии прокатываемой полосы; расчет программы прокатки.
При использовании данной системы наблюдается ряд недостатков:
1) решаются задачи, при которых алгоритм и решения задачи уже известны (усовершенствования технологии зависит от человеческих исследований и расчетов), что тормозит процесс развития прокатной технологии;
ENGINEERING TECHNOLOGY
2) множество технологического оборудования находится без наблюдения и снятия входных и выходных параметров, что дополнительно вносило бы коррективы в ходе технологического процесса;
3) статичность (не у всех объектов управления есть возможность перемещаться в пространстве) объектов управления;
4) отсутствие математической модели (программного обеспечения) способной самостоятельно самообучаться [6-8].
Изучая конструкцию и принцип действия системы охлаждения чистовых клетей прокатного стана 1950, было выявлено, что вся система попадает под эти недостатки, описанные выше. Для их решения потребовалось изменить действующую конструкцию коллектора охлаждения 5-й чистовой клети (рис. 1)
Опорный валок [Support roll]
Коллектор охлаждения [Cooling manifold]
Эти показатели определяли исходя из показаний рапорта прокатки за год и технического задания на приобретение прокатных валков (ТЗ на покупку валков).
Коллектор инновационной формы и новой схемой распыления охлаждающей жидкости представлен на рис. 2, который спроектирован в САПР КОМПАСА [11] в НИТУ «МИСиС».
Рис. 1. Схема расположения действующего коллектора в 5-й чистовой прокатной клети
Fig. 1. Layout of the current collector in the 5th finishing rolling stand
Как видно на рис. 1, основной коллектор установлен стационарно в прокатной клети, нет возможности оперативной смены положения углов атаки охлаждающей жидкости (ОЖ) из сопел коллектора и из-за этого уменьшается эффективность охлаждения прокатного валка, так как стан прокатывает полосы различного сортамента [9]. С увеличением длины проката и частой сменой прокатываемых полос по ширине, время контакта поверхности рабочего валка и деформируемого металла увеличивается. Это является недостатком данной системы, потому что данный тип коллекторов устарел и эффективность его использования (контакт ОЖ с поверхностью прокатного валка) не справляется с современными требованиями, предъявляемыми к качеству готовой продукции. Проанализировав базу данных по работе стана за 2019 г., а именно прокатываемый сортамент, перевалки, планово-предупредительные ремонты, выявлена работа действующей системы охлаждения [10]. Анализ работы прокатного стана со старой системой охлаждения показал следующие результаты: 30 перевалок в месяц, 6 планово-предупредительных ремонтов, средняя величина отработки валка 62%.
Рис. 2. Коллектор новой формы и новой схемы распыления ОЖ:
1 - ИК-датчики температуры; 2 - сопло коллектора; 3 - щелевые отверстия для подачи ОЖ; 4 - датчики измерения расстояния
Fig. 2. The collector new forms and a new scheme for spraying coolant:
1 - IR temperature sensors; 2 - the collector nozzle; 3 - slotted holes for coolant; 4 - the sensors measure the distance
Коллектор оснащен инфракрасными датчиками, считывающими температуру поверхности прокатного валка и исполнительными механизмами (шаговые двигатели, меняющие угол атаки сопел коллектора, шаровые краны подачи ОЖ с электроприводами на каждое сопло коллектора и датчики давления ОЖ в каждом сопле коллектора).
Для реализации автоматической системы целенаправленного охлаждения валков прокатного стана выбрана открытая микроконтроллерная платформа Arduino UNO. Она построена на базе 8-битного микропроцессора Atmega S28.
Предлагаемая схема автоматической системы целенаправленного охлаждения валков является классической системой с отрицательной обратной связью. Логически всю систему можно разделить на два контура: первый - для регулирования объема подаваемой воды на основании показаний температурных датчиков, второй - для регулирования давления подаваемой воды на основании показаний датчика давления. Для автоматизации охлаждения валков прокатных станов данный подход предложен впервые.
Оба контура работают совместно. Если после истечения допустимого технологией времени поверхность валков не удается охладить ниже требуемой температуры, система автоматически повышает давление подаваемой для охлаждения валков воды.
Предлагаемой системой охлаждения в отличие от существующей должен управлять компьютер, оснащенный программным обеспечением, а не оператор поста управления прокаткой, как сейчас это делается на предприятиях. Это позволит четко и быстро корректировать при необходимости режимы охлаждения валков в автоматическом режиме.
50
Computational nanotechnology
Vol. 7. № 4. 2020
Герасимова А.А., Романов С.П.
На рис. 3 представлена схема автоматической регуляции коллектора. Новая система включает в себя набор датчиков для снятия показаний с охлаждаемых валков - массив из инфракрасных (ИК) температурных сенсоров и датчик жидкостного давления для снятия показаний давления воды в системе. В качестве исполнительных механизмов, воздействующих на систему, используются шаговые двигатели для ориентирования форсунок в наиболее оптимальном положении относительно теплового очага на валках и механизированный вентиль для регуляции подачи воды на форсунки. Положение охлаждающей системы будет выставляться в зависимости от показаний массива ИК-датчиков, это позволит максимально эффективно выбирать стратегию охлаждения валков и продлевать срок их работы до следующей перевалки. ИК-датчики используют цифровой протокол 12С (ай-квадрат-си) для передачи показаний на микроконтроллер [12; 13].
Шаговый двигатель [Stepper motor]
Датчик температуры [Temperature sensor]
Arduino Uno
Вентиль сопла коллектора [Valve nozzle manifold]
ляторы (ПИД-регуляторы). Значения пропорциональных коэффициентов были подобраны опытным путем в процессе испытания системы. Ручной подбор коэффициентов обусловлен сложностью построения передаточной функции охлаждаемых валков.
Программа MSC (monitoring system of cooling) управляет охлаждением валков в автоматическом режиме, и сама принимает решение о корректировке и смене режимов охлаждения за счет виртуального моделирования температурного градиента (снимаемыми температурными датчиками на поверхности валка), сравнивая температурный градиент с эталонным (заданным). На основе этого программа принимает решение о корректировке технологических параметров коллектора (положение сопел коллектора, давление ОЖ) добиваясь эталонного температурного градиента поверхности валка. Так же система накапливает базу данных CDB (cooling data base) используя ее для самообучения, позволяя тем самым объединить все САР для ТОУ (прокатная клеть) в единое целое.
При моделировании прокатки стали 2 пс размером 1,3 х 1245 мм [14] использовали формулу для определения расход воды Q из соотношения:
Q = (T У
2 V
Датчик давления [Pressure
sensor] sensor]
i . J
Рис. 3. Схема системы автоматической регуляции Fig. 3. The scheme of automatic regulation
Используемый, протокол I2C позволяет расширять количество датчиков вплоть до 128 штук, т.е. в зависимости от поставленной задачи, возможно, увеличить линейную плотность расположения датчиков для еще более точной локализации теплового очага. Показания с каждого датчика обрабатываются около 10 раз за секунду, что позволяет системе очень быстро среагировать при неожиданном скачке температуры. Регуляция охлаждения реализуется за счет изменения положения охлаждающих устройств поворотом шаговых двигателей.
Решение об изменении давления воды принимается в системе исходя из показаний датчика жидкостного давления. Arduino получает с датчика аналоговый сигнал, обрабатывает его и, исходя из заданных параметров порогового значения, генерирует широтно-импульсную модуляцию (ШИМ), сигнал для драйвера шагового двигателя заслонки.
В обоих контурах для поддержания устойчивого состояния системы используются индивидуально настроенные пропорционально-интегрально-дифференцирующие регу-
где Т - температура поверхности прокатываемого металла, °С; Я - радиус валка, мм; V - скорость прокатки, м/с; k - эмпирический коэффициент, зависящий от обжатия в клети: при обжатии <30% k = 7-5, а при обжатии > 30% k = 1,5-5.
Давление Р определяется из соотношения: P = Qm,
где О - удельный расход воды, м3/ч; m - эмпирический коэффициент, зависящий от обжатия в клети: при обжатии <30% m = 0,2-0,3, а при обжатии >30% m = 0,1-0,2 [15].
ОБСУЖДЕНИЕ
РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ
Результат вычислений происходил за счет снятия датчиками технологических параметров работы системы охлаждения и температуры прокатного валка. Алгоритм автоматизированной программы написан на языке С++, который корректирует все параметры, связанные с охлаждением валков.
В результате были получены следующие результаты регулировки параметров коллектора (табл. 1).
Сравнение работы валков старой и новой системы охлаждения показано в табл. 2.
Анализ результатов моделирования работы автоматизированного коллектора показал следующие результаты: 16 перевалок в месяц, 2 планово-предупредительных ремонта, средняя величина отработки валка 87%. Предлагаемая система позволяет рационально использовать ОЖ по сравнению со старой системой.
На основе анализа сроков работы прокатных валков при различных режимах охлаждения, система позволит отслеживать износ валков и информировать персонал о сроках предстоящей перевалки. Программой формируется журнал перевалок и планово-предупредительных ремонтов (ППР), относящихся к прокатным валкам.
ENGINEERING TECHNOLOGY
Таблица 1
Технологические параметры коллектора во время прокатки [Technological parameters of the collector during rolling]
№ сопла коллектора [Collector nozzle No.] Угол поворота сопла относительно своей оси* [Angle of rotation of the nozzle relative to its axis] Давление ОЖ, атм. [Coolant pressure, atm.] Расход воды, л/мин [Water consumption, l/min]
Верх [Top]
5 -15 7,0 11,8
4 0 6,4 11,1
3 -5 6,8 11,5
2 -8 7,0 11,8
Низ [Bottom]
1 -10 7,3 12,0
Итого [Total]: 58,2
* Угол 0° соответствует нейтральному положению сопла коллектора.
Литература
1. Выдрин В.Н., Федосиенко А.С. Автоматизация прокатного производства: учебник для вузов. М.: Металлургия, 1984. 472 c.
2. Горбатюк С.М., Романов С.П., Морозова И.Г. Компьютерное моделирование системы охлаждения чистовой клети широкополосного стана горячей прокатки и разработка новой схемы охлаждения с целью снижения термических напряжений в прокатных валках // Металлург. 2019. № 63 (7-8). С. 836-840. DOI: 10.1007/s11015-019-00897-6.
S. Белелюбский Б.Ф., Герасимова А.А., Хламкова С.С. Машины и агрегаты для обработки металлов давлением: учеб. пособие. М.: Изд. Дом НИТУ «МИСиС», 2019. 74 c.
4. Герасимова А.А. Выбор температурного режима для толстолистового прокатного стана на ОАО «ВМЗ» // Вестник БГТУ им. В.Г. Шухова. 2018. № 10. С. 126-131.
5. Bast J., Kryukov I.Yu. Study of the temperature fields in the mold of a horizontal continuous caster // Metallurgist. 2011. No. 55 (3-4). Pp. 163-166. DOI: 10.1007/s11015-011-9407-5.
6. Glukhov L.M., GorbatyukS.M., Morozova I.G., Naumova M.G. Effective laser technology for making metal products and tools // Metallurgist. 2016. No. 60 (3-4). Pp. 306-312. DOI: 10.1007/s11015-016-0291-x1.
7. Герасимова А.А. Исследование закономерностей пластического деформирования полых стальных профилей сжатием // Computational nanotechnology. 2019. № 3. С. 22-26.
8. Durelli A.J., Chichenev N.A., Clark J.A. Developments in the optical spatial filtering of superposed crossed gratings - Spatial-filtering techniques are used to obtain individually, as separate patterns in a simple and precise manner, the whole field of displacement components and of their time and space derivatives // Experimental Mechanics. 1972. No. 12 (11). Pp. 496-501.
9. Нейронная сеть. URL: https://ru.wikipedia.org/wiki (дата обращения: 03.02.2020).
10. Паспорт стана 1950 ЛПК. 11-58.005.000-000.00055. Аудит охлаждения рабочих валков F1-F6. Выкса, 2008.
11. Ганин Н.Б. Трехмерное проектирование в КОМПАС-3D. М.: ДМК-Пресс, 2012. С. 784.
12. Лутц М. Изучаем Python. 4-е изд. / пер. с англ. СПб. Символ-Плюс, 2011. 1280 c.: ил.
13. Lechler. URL: https://www.lechler.com/ru (дата обращения: 03.02.2020).
14. Марочник стали и сплавов. URL: http://splav-kharkov.com/mat_ start.php?name_id=345 (дата обращения 03.02.2020).
15. Дубовский С.В. и др. Патент RU 2457913 C1. Способ охлаждения прокатных валков станов горячей прокатки. 2012.
Таблица 2
Сравнение работы валков старой и новой системы охлаждения [Comparison of old and new cooling system rolls]
Количество перевалок в месяц со старой системой [Number of transshipments per month with the old system] Количество ППР в месяц со старой системой [Number of scheduled preventive repairs per month with the old system] Средняя величина отработки валка со старой системой, % [Average amount of roll working with the old system, %]
30 6 62
16 2 87
ВЫВОДЫ
1. Для реализации автоматической системы целенаправленного охлаждения валков прокатного стана выбрана открытая микроконтроллерная платформа Arduino UNO.
2. Предложена новая автоматизированная модель стана 1950 для создания для каждого типоразмера прокатываемой полосы благоприятного режима охлаждения.
References
1. Vydrin V.N., Fedosienko A.S. Automation of rolling production: Textbook for universities. Moscow: Metallurgy, 1984. 472 p.
2. Gorbatyuk S.M., Romanov S.P., Morozova I.G. Computer simulation of the cooling system for rollers of the finishing stand of a wide-strip hot-rolling mill and the development of a new scheme of cooling. Metallurg. 2019. No. 63 (7-8). Pp. 836-840. (In Russ.)
3. Belelyubsky B.F. et al. Machines and machines for processing metals by pressure: Studies. manual. Moscow: Publishing House Nust MISIS house, 2019. 74 p.
4. Gerasimova A.A. Selection of temperature conditions for thick-plate rolling mill at Vyksa steel works. Bulletin of BSTU named after V.G. Shukhov. 2018. No. 10. Pp. 126-131. DOI: 10.12737/ article_5bd95a7a8ed4f3.30501937 (In Russ.)
5. Bast J., Kryukov I.Yu. Study of the temperature fields in the mold of a horizontal continuous caster. Metallurgist. 2011. No. 55 (3-4). Pp. 163-166. DOI: 10.1007/s11015-011-9407-5.
6. Glukhov L.M., Gorbatyuk S.M., Morozova I.G., Naumova M.G. Effective laser technology for making metal products and tools. Metallurgist. 2016. No. 60 (3-4). Pp. 306-312. DOI: 10.1007/s11015-016-0291-x1.
7. Gerasimova A.A. Investigation of the regularities of plastic deformation of hollow steel profiles by compression. Computational Nanotechnology. 2019. No. 3. Pp. 22-26. (In Russ.)
8. Durelli A.J., Chichenev N.A., Clark J.A. Developments in the optical spatial filtering of superposed crossed gratings - Spatial-filtering techniques are used to obtain individually, as separate patterns in a simple and precise manner, the whole field of displacement components and of their time and space derivatives. Experimental Mechanics. 1972. No. 12 (11). Pp. 496-501.
9. Neural network. URL: https://ru.wikipedia.org/wiki (date accesses: 03.02.2020).
10. Passport of the 1950 LPC mill. 11-58.005.000-000.00055. Audit of cooling of working rolls F1-F6. Vyksa, 2008.
11. Ganin N.B. Three-Dimensional design in COMPASS-3D. Moscow: DMK-Press, 2012. P. 784.
12. Lutz M. Learning Python. 4th edition. St. Petersburg: Symbol-Plus, 2011. 1280 p.: ill.
13. Lechler. URL: https://www.lechler.com/ru (date accesses: 03.02.2020).
14. Vintage steel and alloys. URL: http://splav-kharkov.com/mat_start. php?name_id=345 (date accesses: 03.02.2020).
15. Dubovsky S.V. et al. Patent RU 2457913 C1. Method for cooling the rolling rolls of hot rolling mills. 2012.
52
Computational nanotechnology
Vol. 7. № 4. 2020
Герасимова А.А., Романов С.П.
Статья проверена программой Антиплагиат. Оригинальность - 92,98%
Рецензент: Горбатюк С.М., доктор технических наук, профессор; заведующий кафедрой инжиниринга технологического оборудования НИТУ «МИСиС»
Статья поступила в редакцию 30.10.2020, принята к публикации 12.12.2020 The article was received on 30.10.2020, accepted for publication 12.12.2020
СВЕДЕНИЯ ОБ АВТОРАХ
Герасимова Алла Александровна, кандидат технических наук, доцент; Национальный исследовательский технологический университет «МИСиС». Москва, Российская Федерация. E-mail: allochka@rambler.ru Романов Сергей Петрович, аспирант Национального исследовательского технологического университета «МИСиС». Москва, Российская Федерация. E-mail: sergey_romanov@autorambler.ru
ABOUT THE AUTHORS
Alla A. Gerasimova, Cand. Sci. (Eng.), Associated Professor; National Research and Engineering University "MISIS". Moscow, Russian Federation. E-mail: allochka@ rambler.ru
Sergey P. Romanov, graduate student at the National Research and Engineering University "MISIS". Moscow, Russian Federation. E-mail: sergey_romanov@ autorambler.ru