42crmo钢管

 无缝钢管被广泛应用于汽车、航空、石油、化工、建筑、锅炉和军工等各个部门,在国民经济中具有很重要的地位,故被人们称为工业的血管。随着经济的快速发展,无缝钢管的使用领域在不断扩大,对产品质量的要求也越来越高。大多数钢厂对产品质量的检测仅停留在成品管上,但无缝钢管的产品质量主要靠****检查来保证是靠不住的,这不仅因为任何检查技术和手段都有可能出错,而且各生产工序都有可能出现缺陷或次品。如果前一工序出现的缺陷或次品不能及时被检查和纠正,在后面工序继续加工时,部分缺陷很有可能被一直保留到最终成品,从而严重影响最终的产品质量。因此,无缝钢管产品质量的控制必须从原料开始,各工序环节都要加强产品质量的检测和控制,以保证后一工序生产出质量合格的产品。本文以宝钢钢铁公司钢管分公司无缝钢管连轧生产线为研究背景,对无缝钢管生产的各个环节进行质量预报和控制,本文主要工作如下：针对管坯加热存在大滞后,使得管坯加热的质量难以预报和控制这一问题,提出了基于TLPCR(Time Lagged Principal Component Regression)软测量方法,实现了管坯加热质量的准确预报,并采用温度补偿控制使得管坯终点温度保持在生产要求范围内。对于无缝钢管生产的第一道工序,该方法较好地解决了管坯加热质量的控制问题,为后面的穿孔生产提供了可靠的原料保证。针对穿孔生产具有多时段间歇过程特性,并且生产数据具有非高斯分布的特殊性,提出适用于非高斯分布数据的步进子时段MICR(Multiway Independent Component Regression)方法,建立了精确的毛管质量预报模型。利用毛管质量预报模型的预报结果,应用迭代学习控制算法很好地实现了穿孔过程的横纵向壁厚偏差控制,提高了毛管生产的质量。基于生产数据的仿真结果和在宝钢钢管分公司SWW斜轧穿孔机试验效果表明了方法的有效性。针对连轧生产过程具有典型的多时段、动态多变量等间歇生产过程以及数据具有梯形分布等特性,提出步进均值子时段MPLS(Multiway Partial Least Square)方法,建立了精确的荒管质量预报模型。然后借助于荒管质量预报模型的预报结果,将迭代学习控制技术应用于连轧过程的壁厚偏差控制系统中,提高了荒管生产的质量。现场数据仿真和在宝钢钢管分公司连轧生产试验效果表明了方法的有效性。荒管的减径生产涉及产品规格较多,且同一规格产品由于机架的调整也会引起模型的微小变化,同时减径生产具有典型的多时段、动态多变量等间歇生产过程特性。针对上述问题,本文提出能解决模型渐变的多模型均值子时段RMPLS(Recursive Multiway Partial Least Square)方法,建立了减径管质量预报模型。利用减径管质量预报模型的预报结果,将迭代学习控制技术应用于减径生产过程的壁厚偏差控制系统中,提高了减径管生产的质量。现场数据仿真和在宝钢钢管分公司减径生产试验效果表明了方法的有效性。针对穿孔机导盘转速难以在线测量与控制问题,建立了导盘转速模型,提出了基于速度观测器的间接测量方法。采用ICR方法建立软测量模型,实现对观测器中难于测量的导盘负载转矩,同时也是控制系统中主要扰动的实时预估。得到精确可用的导盘转速后,利用前馈和推理结合的复合控制算法作为导盘转速控制系统的控制器,实现导盘转速的精确控制。在无缝钢管生产中,产品质量并不是厂家唯一关注的指标。面对市场需求,厂家同样关心生产效率和成本。针对这一问题,本文建立了均值子时段的MICR穿孔效率和能耗预报模型,并根据生产工艺约束和产品市场需求情况,对其进行了综合优化求解,获得了****穿孔效率和能耗所对应的穿孔生产工艺参数,用于指导生产,保证厂家生产的利润****化。