★山★東★飛★沃★鋼★鐵★有★限★公★司★

針對無縫鋼管熱軋生產(chǎn)過程中給定軋制計劃下的軋輥孔型匹配問題,以zui小化軋輥車削量為優(yōu)化目標,建立了能夠綜合表述不考慮軋輥重用的靜態(tài)軋輥孔型匹配和考慮軋輥重用的動態(tài)軋輥孔型匹配兩種情形的0-1整數(shù)規(guī)劃模型。對靜態(tài)軋輥孔型匹配問題,提出zui少車削量匹配準則,并證明了該準則的*性;對動態(tài)軋輥孔型匹配問題,證明了在zui少車削量匹配準則下,動態(tài)軋輥孔型匹配的結(jié)果不劣于靜態(tài)軋輥孔型匹配。zui后基于問題性質(zhì)的分析,針對問題模型,設計了基于動態(tài)候選軋輥集合和zui少車削量準則的啟發(fā)式算法。通過基于實際生產(chǎn)數(shù)據(jù)的算例和仿真實驗,驗證了模型和算法的有效性。

5mm*1mm—1020mm*200mm合金鋼管、外徑22mm-127mm冷軋無縫鋼管、外徑127mm-600mm，壁厚16mm-100mm，外徑精度±0.5%,壁厚精度±5%熱軋中厚壁無縫鋼管、16Mn外徑400—1600mm、壁厚20—60mm的大口徑厚壁卷管，可定尺到16米及各種規(guī)格的無縫方管、異型無縫鋼管等.常備鋼管種類有20#無縫鋼管,45#無縫鋼管,冷拔無縫鋼管,大口徑厚壁無縫鋼管,山東無縫鋼管廠,大口徑無縫鋼管,厚壁無縫鋼管,熱軋無縫鋼管,結(jié)構(gòu)用無縫鋼管、流體用無縫鋼管、液壓無縫鋼管、電力用無縫鋼管、石油輸送用無縫鋼管、化肥設備用無縫鋼管、煤礦用無縫鋼管、不銹鋼無縫鋼管、化工用無縫鋼管、紡織機械用 無縫鋼管品種有：：合金管(機械加工用），壓力容器管(氣瓶管,低中壓鍋爐管，高壓鍋爐管，高壓化肥管，石油裂化管)，汽車半軸套管,液壓支柱管，石油管(石油鉆桿,石油射孔槍管,石油油管，套管，接箍料管，管線管），地質(zhì)管（地質(zhì)鉆桿管,巖芯管,鉆頭用管,鉆鋌管,接手用管,繩索鉆桿管，鉆塔用管），精密鋼管等。1.結(jié)構(gòu)用無縫管（GB/T8162-2008）是用于一般結(jié)構(gòu)和機械結(jié)構(gòu)的無縫管。

 

無縫鋼管被廣泛應用于汽車、航空、石油、化工、建筑、鍋爐和等各個部門,在國民經(jīng)濟中具有很重要的地位,故被人們稱為工業(yè)的血管。隨著經(jīng)濟的快速發(fā)展,無縫鋼管的使用領(lǐng)域在不斷擴大,對產(chǎn)品質(zhì)量的要求也越來越高。大多數(shù)鋼廠對產(chǎn)品質(zhì)量的檢測僅停留在成品管上,但無縫鋼管的產(chǎn)品質(zhì)量主要靠zui后檢查來保證是靠不住的,這不僅因為任何檢查技術(shù)和手段都有可能出錯,而且各生產(chǎn)工序都有可能出現(xiàn)缺陷或次品。如果前一工序出現(xiàn)的缺陷或次品不能及時被檢查和糾正,在后面工序繼續(xù)加工時,部分缺陷很有可能被一直保留到zui終成品,從而嚴重影響zui終的產(chǎn)品質(zhì)量。因此,無縫鋼管產(chǎn)品質(zhì)量的控制必須從原料開始,各工序環(huán)節(jié)都要加強產(chǎn)品質(zhì)量的檢測和控制,以保證后一工序生產(chǎn)出質(zhì)量合格的產(chǎn)品。本文以寶鋼鋼鐵公司鋼管分公司無縫鋼管連軋生產(chǎn)線為研究背景,對無縫鋼管生產(chǎn)的各個環(huán)節(jié)進行質(zhì)量預報和控制,本文主要工作如下：針對管坯加熱存在大滯后,使得管坯加熱的質(zhì)量難以預報和控制這一問題,提出了基于TLPCR(Time Lagged Principal Component Regression)軟測量方法,實現(xiàn)了管坯加熱質(zhì)量的準確預報,并采用溫度補償控制使得管坯終點溫度保持在生產(chǎn)要求范圍內(nèi)。對于無縫鋼管生產(chǎn)的*道工序,該方法較好地解決了管坯加熱質(zhì)量的控制問題,為后面的穿孔生產(chǎn)提供了可靠的原料保證。針對穿孔生產(chǎn)具有多時段間歇過程特性,并且生產(chǎn)數(shù)據(jù)具有非高斯分布的特殊性,提出適用于非高斯分布數(shù)據(jù)的步進子時段MICR(Multiway Independent Component Regression)方法,建立了精確的毛管質(zhì)量預報模型。利用毛管質(zhì)量預報模型的預報結(jié)果,應用迭代學習控制算法很好地實現(xiàn)了穿孔過程的橫縱向壁厚偏差控制,提高了毛管生產(chǎn)的質(zhì)量。基于生產(chǎn)數(shù)據(jù)的仿真結(jié)果和在寶鋼鋼管分公司SWW斜軋穿孔機試驗效果表明了方法的有效性。針對連軋生產(chǎn)過程具有典型的多時段、動態(tài)多變量等間歇生產(chǎn)過程以及數(shù)據(jù)具有梯形分布等特性,提出步進均值子時段MPLS(Multiway Partial Least Square)方法,建立了精確的荒管質(zhì)量預報模型。然后借助于荒管質(zhì)量預報模型的預報結(jié)果,將迭代學習控制技術(shù)應用于連軋過程的壁厚偏差控制系統(tǒng)中,提高了荒管生產(chǎn)的質(zhì)量。現(xiàn)場數(shù)據(jù)仿真和在寶鋼鋼管分公司連軋生產(chǎn)試驗效果表明了方法的有效性。荒管的減徑生產(chǎn)涉及產(chǎn)品規(guī)格較多,且同一規(guī)格產(chǎn)品由于機架的調(diào)整也會引起模型的微小變化,同時減徑生產(chǎn)具有典型的多時段、動態(tài)多變量等間歇生產(chǎn)過程特性。針對上述問題,本文提出能解決模型漸變的多模型均值子時段RMPLS(Recursive Multiway Partial Least Square)方法,建立了減徑管質(zhì)量預報模型。利用減徑管質(zhì)量預報模型的預報結(jié)果,將迭代學習控制技術(shù)應用于減徑生產(chǎn)過程的壁厚偏差控制系統(tǒng)中,提高了減徑管生產(chǎn)的質(zhì)量。現(xiàn)場數(shù)據(jù)仿真和在寶鋼鋼管分公司減徑生產(chǎn)試驗效果表明了方法的有效性。針對穿孔機導盤轉(zhuǎn)速難以在線測量與控制問題,建立了導盤轉(zhuǎn)速模型,提出了基于速度觀測器的間接測量方法