一、研究的背景与问题

当前，板带轧机朝着高速化和智能化方向发展，其高速稳定运行装备技术是保证生产过程和产品质量稳定的核心关键技术，是钢铁工业智能制造需要解决的重大技术难题。近年来随着装备技术水平的提高，轧机长期高速高负荷运行，国外引进和自主设计的板带轧机都频繁出现轧机振动及导致的产品质量问题，一般采用调整工艺参数、更换关键零部件（轧辊、接轴等）、负荷重新分配等手段，但都没有从根本上解决问题，企业损失巨大。其根本原因在于轧机动力学理论体系不完善、轧机设计（以刚性为主）没有考虑轧机动特性、轧机振动控制技术不系统。因此，要解决板带轧机稳定运行和振动问题，关键在于揭示动态机理的板带轧机动力学模型体系构建和考虑动力学特性的板带轧机设计。

现代板带轧机具有大型化、柔性化和智能化发展特点，轧制过程由具有不同物理属性的多种运动耦合而成，是复杂非线性动态系统。关于轧机刚性动力学理论的研究较多，对轧机柔性动力学理论的研究和从装备设计角度分析规避轧机振动提高轧机稳定性方面的工作欠缺，真正应用于工业的技术更少。

该技术致力于建立基于刚柔耦合特性的热连轧机系统动力学模型体系，揭示轧机稳定性和振动机理；开发轧机动态仿真和振动控制技术，提高轧机振动控制技术水平；设计高稳定性的新型四/六辊轧机关键结构，开发轧机动力学综合测试中试平台，推动科研成果的中试和转化；将中试平台和相关技术应用到工业生产，提升行业整体技术水平，为企业创造经济效益。

二、技术解决方案

1、总体技术思路：建立基于辊系刚柔耦合特性的板带轧机系统三维动力学理论体系；将动力学理论与装备技术结合，研发板带轧机稳定运行和振动控制理论技术；研制轧机稳定运行结构及优化现有结构参数，提高热连轧机装备-工艺-产品之间匹配度；搭建轧机中试平台、进行成果中试和工程应用推广。

2、技术解决方案：创建基于辊系刚柔耦合的板带轧机系统三维动力学理论体系，解决长期困扰学术界无法定量描述轧机系统空间动力学行为的理论缺失难题。

（1）辊系刚性振动耦合动力学模型

该模型建立了辊系-板带耦合运动单元，基于整体坐标系和固结在每个运动部件的物体坐标系，描述了轧辊、板带在任意时刻的位置和变形。图1是轧机辊系刚性振动耦合动力学模型简图。该模型能够揭示轧制过程中板带运动特征、轧机辊系垂直运动和轧辊转动之间的耦合机理，定量给出轧制速度与轧制稳定性的关系。

（2）辊系刚柔耦合动力学模型

该模型建立了轧机辊系柔性弯曲（轴向）与刚性运动（垂直-水平方向）耦合动力学模型，能够对轧机辊系进行耦合运动模态分析，解析辊系沿轴向的刚柔耦合动力学特性。柔性弯曲模型考虑了轧辊剪切变形和转动惯量，辊系看做各向同性等截面弹性基础耦合梁。辊系沿轴向的柔性弯曲振动模型，如图2所示；沿垂直-水平方向的刚性振动耦合模型，如图3所示。

（3）轧制变形区耦合动力学模型

轧件塑性变形区是轧机系统自激振动的根源，也是轧机区别于其他设备的主要特征。如图4所示，该模型考虑了轧制过程中变形区内金属动态特征，构造了满足位移边界条件的轧件变形区横向位移函数；利用最小能量原理建立轧制变形区耦合运动微分方程。结合辊系弹性变形，为基于板形板厚综合控制轧机动力学模型提供初始值，同时轧辊动态弯曲变形反作用于轧件三维塑性变形力学模型，可求得辊系弯曲变形和单位轧制压力的不均匀分布值。

（4）基于刚柔耦合特性的轧机系统动力学模型体系

本项目综合考虑轧机辊系的弯曲运动、垂直运动、水平运动、旋转运动和带钢的刚性运动及弹性变形，构建了基于辊系刚柔耦合特性的轧机系统动力学模型体系，如图5所示，该体系包括上述四个子模型，各个模型之间相互关联，相互影响，构成有机整体：轧制变形区耦合动力学模型和运动带钢动力学模型确定单位轧制压力的横向分布规律；根据辊系刚柔耦合动力学模型和刚性振动耦合动力学模型可以求得随辊系刚性运动而变化的轧辊横向模态函数各时刻的表达式，并将该模态函数代入轧机-轧件多参数耦合动力学模型中，确定各时刻系统的质量矩阵、刚度矩阵和阻尼矩阵；通过动力学分析求得各时刻轧机系统刚性振动和弯曲振动的动态响应特性，即可得到反映板形板厚特性的综合动态信息。

三、主要技术内容、创新性点或特色

3.1 研发轧机三维仿真和稳定性分析技术

基于所建轧机系统动力学理论体系，研发轧机三维模态分析和动态仿真技术，确定轧机辊系、运动带钢和主传动系统的三维模态和固有频率，实现板带热轧机三维动态仿真模拟，如图6所示；通过提取模型特征参数和研究系统混沌-分叉特性，研发轧机系统稳定性分析技术，定量分析轧机结构工艺参数对轧机稳定性影响，准确预报带钢热轧稳定性，如图7所示。

3.2 研发基于数据驱动的轧机振动预测控制技术

板带轧制过程大数据具有多源异构、非线性、强耦合的特点，对轧制过程大数据进行深度挖掘，是生产过程智能化的发展方向，本项目针对BP神经网络泛化能力弱的缺点，引入AdaBoost算法，提高BP神经网络算法的预测精度，建立基于BP-AdaBoost强预测器轧机振动预测模型，如图8所示；基于神经网络和支持向量机（SVM）和粒子群算法（PSO）对轧机振动数据进行深度挖掘，建立了基于PSO-SVM算法的轧机振动预测模型，如图9所示。

利用轧机运行过程监测数据（PDA数据）和现场测试数据对轧机振动预测模型进行训练和学习，能够准确预报轧机振动，提出抑制方案，振动控制效果显著。

3.3 研发辊系参数匹配和辊型优化技术

基于轧机辊系参数匹配与轧机受力关系（图10），结合所建轧机系统动力学理论体系，确定提高轧机稳定性的辊系最优匹配参数。研制UCM轧机中间辊辊型优化技术，如图11所示，解决UCM轧机辊间接触压力不均匀、应力集中严重、易出现辊端疲劳剥落等问题，提高轧辊使用寿命，增强轧机稳定性。

3.4 集成轧机稳定运行和装备技术，研制了四/六辊板带轧机中试平台

650mm四/六辊互换板带轧机如图12所示，在该轧机平台上，研制弯辊互换装置、位置可调式轧辊轴移装置，如图13所示，实现同一机架内四辊HCW轧机和六辊UCM轧机弯辊装置和轴移装置互换，同时集成静定辊系结构和辊系参数匹配技术，使轧机稳定性明显提高。

四、应用情况与效果

研究成果不仅适用于热连轧机，同时可以推广应用到冷轧机、平整机和有色金属板带轧机，已经推广应用于首钢迁钢、河北津西钢铁、唐山不锈钢、首钢京唐、唐山建龙简舟钢铁、铜陵金威铜业、秦皇岛燕大轧制设备成套技术工程中心等10条生产线。图14是控制前后效果对比图，应用该项目技术后，轧机振幅最优值小于±0.1g，高端产品产量提高5%，关键零部件损坏率降低10%，产品质量稳定性明显提高，高端产品年产量显著提高；断带和废钢事故明显减少，产品质量显著提升；机关键零部件使用寿命延长，节约了备品备件、降低了事故率，应用效果良好，为企业创造了显著的经济效益。

信息来源：燕山大学国家冷轧板带装备及工艺工程技术研究中心