[发明专利]一种轧制过程带钢表面粗糙度的预测方法

权利要求书

1.一种轧制过程带钢表面粗糙度的预测方法，其特征在于：该方法具体步骤如下：

(1)获得生产现场轧辊服役期内的工艺参数实测数据共计n组，n≥20，每组数据包括：工作辊的初始表面粗糙度R_a0，单位μm；带钢的表面粗糙度R_a，单位μm；带钢宽度w，单位mm；带钢的厚度h，单位mm；带钢的变形抗力q，单位MPa；带钢对应的工作辊轧制里程L，单位m；带钢的表面形貌控制机架的压下量Δh，单位mm；带钢的表面形貌控制机架的入口张力F₁，单位kN；带钢的表面形貌控制机架的出口张力F₂，单位kN；带钢的表面形貌控制机架的轧制力F，单位kN；带钢的表面形貌控制机架的轧制速度v，单位m·s^-1，然后由带钢宽度w和带钢的表面形貌控制机架的轧制力F计算得到带钢的表面形貌控制机架的单位宽度轧制力f，单位kN·mm^-1，具体计算方法为：

f＝F/w；

(2)计算回归分析的因变量和自变量，因变量Y为根据步骤(1)中得到的带钢的表面粗糙度R_a与工作辊的初始表面粗糙度R_a0计算得到的比值Y＝R_a/R_a0；自变量为由步骤(1)中得到的带钢的厚度h、带钢的变形抗力q、带钢对应的工作辊轧制里程L、带钢的表面形貌控制机架的压下量Δh、带钢的表面形貌控制机架的入口张力F₁、带钢的表面形貌控制机架的出口张力F₂、带钢的表面形貌控制机架的单位宽度轧制力f和带钢的表面形貌控制机架的轧制速度v，进行计算得到的41个自变量，依次表示为X₁，X₂，……，X₄₁，且X₁，X₂，……，X₄₁依次等于h、h²、h³、lnh、(lnh)²、(lnh)³、L、ln(L+1)、[ln(L+1)]²、[ln(L+1)]³、Δh、Δh²、Δh³、ln(Δh+1)、[ln(Δh+1)]²、[ln(Δh+1)]³、hΔh、(hΔh)²、(hΔh)³、f、f^0.5、f²、f³、v、v²、v³、ln(v+1)、[ln(v+1)]²、[ln(v+1)]³、1000f/q、(1000f/q)²、(1000f/q)³、F₂/F₁、(F₂/F₁)²、(F₂/F₁)³、ln(F₂/F₁+1)、ln(F₂/F₁+1)²、ln(F₂/F₁+1)³、Δh·F₂/F₁、v·F₂/F₁和f·F₂/F₁；

(3)回归方程的数学表达形式为：

Y_i＝A₀+A₁X_1i+A₂X_2i+L+A₄₁X_41i，

其中，下标i代表利用步骤(1)中的第i组实测数据，1≤i≤n；Y_i为第i组数据的因变量R_a/R_a0；X_1i，X_2i，……，X_41i为第i组实测数据的41个自变量具体数值；A₀，A₁，A₂，…A_j，…，A₄₁是42个待定参数，0≤j≤41；

(4)将n组实测数据代入步骤(3)中的回归方程，利用最小二乘法计算得到待定参数A₀，A₁，A₂，…A_j，…，A₄₁的具体数值，即为回归系数；

(5)利用F检验法对回归方程的自变量进行显著性检验，从非显著的自变量中剔除F_j最小的一个自变量，然后重新建立余下自变量的回归方程并进行显著性检验和F_j最小的自变量剔除，重复构建方程、显著性检验和非显著的自变量剔除过程，直到余下的所有自变量都显著为止；

(6)得到带钢表面粗糙度的预测数学模型为：

R_a＝(a₀+a₁x₁+a₂x₂+…+a_βx_β)R_a0，

其中，β为41个自变量中对因变量影响显著未被剔除的自变量的个数，1≤β≤41；x₁，x₂，……，x_β依次等于X₁，X₂，……，X₄₁中对因变量影响显著未被剔除的自变量；a₀＝A₀，a₁，a₂，……，a_β依次等于A₁，A₂，……，A₄₁中对因变量影响显著未被剔除的自变量所对应的系数；

(7)利用步骤(6)得到的带钢表面粗糙度的预测数学模型，根据实际生产过程中的工作辊的初始表面粗糙度R_a0、带钢的厚度h、带钢的变形抗力q、带钢对应的工作辊轧制里程L、带钢的表面形貌控制机架的压下量Δh、带钢的表面形貌控制机架的入口张力F₁、带钢的表面形貌控制机架的出口张力F₂、带钢的表面形貌控制机架的单位宽度轧制力f、带钢的表面形貌控制机架的轧制速度v，计算带钢的粗糙度R_a；

(8)将利用步骤(7)得到的带钢的粗糙度Ra作为带钢表面粗糙度预测结果；

步骤(4)中利用最小二乘法计算得到A₀，A₁，A₂，……，A₄₁和步骤(5)中利用F检验法对回归方程的自变量进行显著性检验，是利用EXCEL中的回归分析模块，或者利用SPSS中的逐步回归分析模块，或者利用Matlab编程进行实现；

所述步骤(1)中带钢的表面粗糙度R_a的测量，是沿着带钢宽度方向，在上表面和下表面等间距各测k个点，1≤k≤10，R_a取所有测量结果的平均值。