Название |
Математическая модель вероятности обрыва полосы при холодной прокатке |
Информация об авторе |
ФГБОУ ВО «Липецкий государственный технический университет», Липецк, Россия: С. М. Бельский, докт. техн. наук, профессор, эл. почта: Belsky-55@yandex.ru И. И. Шопин, канд. техн. наук |
Реферат |
На поздних этапах обработки стального плоского проката из-за нестабильности качественных характеристик подката образуется ряд потерь, о которых неизвестно на ранних этапах. В связи с этим в длинных производственных цепочках выпуска плоского стального проката важную роль играет обратная связь от поздних этапов обработки к ранним. Обратная связь, как правило, включает в себя ужесточение требований к качественным характеристикам подката или параметрам его обработки. В свою очередь, ужесточение требований приводит к росту производственных затрат на ранних этапах обработки. Поэтому в рамках формирования оптимальных требований к подкату в рамках единой производственной цепочки важную роль играет математическое моделирование. Это позволяет количественно оценить величину снижаемых потерь на последних этапах обработки за счет ужесточения требований к подкату, что в конечном счете позволяет принять экономически взвешенное решение о реализации предлагаемых затратных мероприятий по улучшению. Рассмотрен процесс формирования требований к горячекатаному подкату для снижения обрывности при холодной прокатке с помощью метода математического моделирования. Обрыв полосы в процессе холодной прокатки на непрерывном стане приводит к значительным потерям: простоям, связанным с устранением последствий, дополнительному расходу металла, рабочих и опорных валков. Обрыв полосы — относительно редкое событие, имеющее сложный генезис со множеством первопричин, для поиска и устранения которых анализ должен опираться не только на экспертное мнение, но и на статистические инструменты. Обрыв полосы происходит в конкретном месте полосы, что дополнительно усложняет выявление и анализ его первопричин, так как критическое отклонение параметров всего на одном небольшом участке полосы уже может быть причиной последующего обрыва при холодной прокатке. В данной работе сначала методами проверки гипотез и регрессионного моделирования выполнена идентификация влияющих на обрывность ключевых параметров горячекатаных полос. Затем на основе разработанных математических моделей определены пороговые значения для ключевых параметров, выход за которые увеличивает вероятность обрыва полосы. |
Библиографический список |
1. Королев А. А. Механическое оборудование прокатных и трубных цехов. — М. : Металлургия, 1987. — 480 с. 2. Шопин И. И., Бельский С. М. Упрощенная модель напряженно-деформированного состояния рулона на моталке // Производство проката. 2016. № 5. С. 13–17. 3. Шопин И. И., Бельский С. М. Слоистая модель напряженно-деформированного состояния рулона на моталке // Производство проката. 2016. № 8. С. 3–7. 4. Bel’skii S. M., Mukhin Yu. A., Mazur S. I., Goncharov A. I. Influence of the cross section of hot-rolled steel on the flatness of cold-rolled strip // Steel in Translation. 2013. Vol. 43. No. 5. P. 313–316. 5. Целиков А. И., Полухин П. И., Гребеник В. М. и др. Машины и агрегаты металлургических заводов. Т. 3. Машины и агрегаты для производства и отделки проката. — М. : Металлургия, 1988. — 680 с. 6. Бельский С. М., Коцарь С. Л., Поляков Б. А. Расчет распределения усилия прокатки по ширине полосы и остаточных напряжений в полосе вариационным методом // Известия высших учебных заведений. Черная металлургия. 1990. № 10. С. 32–34. 7. Predeleanu M., Gilormini P. Advanced methods in materials processing defects // Elsevier Science. 1997. Vol. 45. — 422 p. 8. Rees D. Basic engineering plasticity. An introduction with engineering and manufacturing applications. — Butterworth-Heinemann, 2006. — 528 p. 9. Wilko C. E. Formability. A review of parameters and processes that control, limit or enhance the formability of sheet metal. — Springer, 2011. — 112 p. 10. Shinkin V. N. The mathematical model of the thick steel sheet flattening on the twelve-roller sheet-straightening machine. Message 2. Forces and moments // CIS Iron and Steel Review. 2016. Vol. 12. P. 40–44. 11. Shinkin V. N. Springback coefficient of the main pipelines’ steel largediameter pipes under elastoplastic bending // CIS Iron and Steel Review. 2017. Vol. 14. P. 28–33. 12. Lim Y., Venugopal R., Ulsoy A. G. Process control for sheet-metal stamping process modeling, controller design and stop-floor implementation. — Springer, 2014. — 140 p. 13. Lin J., Balint D., Pietrzyk M. Microstructure evolution in metal forming processes. — Woodhead Publishing, 2012. — 416 p. 14. Banabic D. Multiscale modeling in sheet metal forming. — Springer, 2016. — 405 p. 15. Frank V. Lecture notes in production engineering. — Springer, 2013. — 211 p. 16. Calladine C. R. Plasticity for engineers. Theory and applications. — Woodhead Publishing, 2000. — 328 p. 17. Shinkin V. N., Kolikov A. P. Simulation of the shaping of blanks for largediameter pipe // Steel in Translation. 2011. Vol. 41. No. 1. P. 61–66. 18. Shinkin V. N., Kolikov A. P. Elastoplastic shaping of metal in an edgebending press in the manufacture of large-diameter pipe // Steel in Translation. 2011. Vol. 41. No. 6. P. 528–531. 19. Hingole R. S. Advances in metal forming. Expert system for metal forming. — Springer, 2015. — 116 p. 20. Chakrabarty J. Applied plasticity. — Springer, 2010. — 758 p. 21. Klocke F. Manufacturing processes 4. Forming. — Springer, 2013. — 516 p. 22. Шинкин В. Н. Расчет изгибающих моментов стального листа и реакций опор рабочих роликов при правке на восьмироликовой машине // Черные металлы. 2017. № 4. С. 49–53. 23. Бельский С. М., Шопин И. И. Применение коэффициента седловидности для оценки качества горячекатаной полосы // Черные металлы. 2019. № 9. С. 9–13. 24. Львовский E. Н. Статистические методы построения эмпирических формул. — М. : Высшая школа, 1982. — 224 с. 25. Кобзарь А. И. Прикладная математическая статистика. Для инженеров и научных сотрудников. — М. : Физматлит, 2006. — 816 с. 26. Hastie T., Tibshirani R., Friedman J. The elements of statistical learning. Data mining, inference and prediction. — Springer, 2017. — 745 p. 27. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Книга 1. — М. : Финансы и статистика, 1986. — 366 с. 28. Rumyantsev M. I. Some approaches to improve the resource efficiency of production of fl at rolled steel // CIS Iron and Steel Review. 2016. Vol. 12. P. 32–36. |