热轧钢管的修磨过程控制方法及系统和修磨装置与流程
本技术属于钢管修磨的,特别涉及一种热轧钢管的修磨过程控制方法及系统和修磨装置。
背景技术:
1、热轧钢管外圆修磨是保障能源、石化、核电等领域所用高端钢管表面质量与尺寸精度的核心工序。热轧钢管在轧制、冷却及矫直等过程中,表面易产生氧化皮、裂纹、折叠等缺陷,严重影响钢管的耐腐蚀性能、疲劳强度及后续加工质量。作为该工序的直接执行者,砂轮机磨头的控制性能影响热轧钢管的最终加工品质与效率。
2、目前,热轧钢管外圆修磨主要采用砂轮机磨头对钢管外表面进行磨削处理。现有磨头多采用模块化浮动式设计,通过液压或气动方式补偿钢管弯曲或椭圆度偏差;驱动方面采用伺服电机以提升转速控制精度;压力控制采用恒压力磨削方式,结合pid算法动态调整进给速度。然而,本技术的申请人发现钢管外圆修磨控制技术仍存在以下不足:
3、1、控制算法僵化,动态响应滞后。 传统控制程序依赖固定参数的pid算法,无法实时适应负载波动,导致振动加剧、尺寸误差扩大、表面粗糙度恶化。
4、2、驱动系统性能不足,调速范围受限。 采用异步电机配合变频器的驱动方案低速扭矩衰减严重,精磨阶段磨削压力不足,被迫降速运行,影响产能。
5、3、传感器反馈精度低,实时性差。 现有系统多采用增量式编码器和机械限位开关,反馈分辨率低,无法捕捉高频振动信号,多磨头协同精度不足。 基于传统现场总线的通信方案同步周期长,多磨头协同误差大,换产调试复杂。
6、4、修磨工艺参数固化,缺乏自适应能力。修磨 工艺参数依赖经验预设,切换材质或规格时需人工试切调参,氧化皮厚度变化时质量波动大。
7、5、振动抑制手段单一,高频残留严重。 现有系统主要依赖被动机械阻尼,仅能抑制低频振动,高频振动能量残留严重,导致砂轮异常磨损和表面振纹。
8、背景技术部分的内容仅仅是发明人所知晓的技术,并不当然代表本领域的现有技术。
技术实现思路
1、本技术旨在提供一种热轧钢管的修磨过程控制方法及系统和修磨装置,以解决上述至少一个技术问题。
2、根据本技术的一方面,提供了一种热轧钢管的修磨过程控制方法,修磨过程由修磨装置所执行,修磨装置包括磨头总成、磨头伺服电机、比例伺服液压阀和液压阻尼器,修磨过程控制方法包括:实时采集修磨过程中的多源传感信号,多源传感信号至少包括磨头伺服电机的力矩电流、磨头总成的振动加速度信号、钢管外径尺寸信号、钢管表面粗糙度信号;对多源传感信号进行预处理与特征提取,以构建多维特征向量;其中,多维特征向量至少包括实时磨削力、振动主频、振动幅值、钢管表面粗糙度实测值和钢管理论弯曲度;将多维特征向量输入至预构建的rbf神经网络模型进行前向推理,输出控制参数向量;其中,控制参数向量至少包括磨头伺服电机的目标转速、比例伺服液压阀的目标压力设定值、液压阻尼器的目标阻尼系数;根据控制参数向量,控制磨头伺服电机的转速、比例伺服液压阀的输出压力以及液压阻尼器的阻尼系数。
3、根据本技术的一些实施例,修磨过程控制方法还包括:采集热轧钢管修磨后的实际质量参数,并与预设目标质量参数进行比较,确定质量参数控制误差;其中,实际质量参数至少包括钢管表面粗糙度实测值和/或振动速度有效值;通过质量参数控制误差调整rbf神经网络模型的网络权值和/或径向基函数中心位置。
4、根据本技术的一些实施例,通过质量参数控制误差调整rbf神经网络模型的网络权值和/或径向基函数中心位置,包括:采用梯度下降法,将质量参数控制误差沿误差下降方向对网络权值和/或径向基函数中心位置进行迭代更新。
5、根据本技术的一些实施例,修磨过程控制方法还包括:对振动加速度信号进行积分与有效值计算后得到的振动速度有效值;当钢管表面粗糙度实测值大于第一钢管表面粗糙度预设阈值或大于第一振动速度有效值预设阈值时,判定为粗磨阶段,控制比例伺服液压阀的输出压力为第一压力设定值,并以第一转速设定值控制磨头伺服电机;当钢管表面粗糙度实测值小于等于第二钢管表面粗糙度预设阈值且振动速度有效值小于等于第二振动速度有效值预设阈值时,判定为精磨阶段,控制比例伺服液压阀的输出压力为第二压力设定值,并以第二转速设定值控制磨头伺服电机;其中,第一压力设定值大于第二压力设定值。
6、根据本技术的一些实施例,根据控制参数向量,控制磨头伺服电机的转速、比例伺服液压阀的输出压力以及液压阻尼器的阻尼系数,包括:当振动主频处于第一频段范围时,增大液压阻尼器的目标阻尼系数;当振动主频处于高于第一频段范围的第二频段范围时,向磨头伺服电机注入与振动相位相反的前馈补偿扭矩波形。
7、根据本技术的一些实施例,第一频段范围为10hz~100hz,第二频段范围大于100hz。
8、根据本技术的一些实施例,对多源传感信号进行预处理与特征提取,包括:对多源信号进行滤波处理;对滤波处理后的振动加速度信号进行频谱分析,得到振动主频和振动幅值;根据滤波处理后的力矩电流,确定实时磨削力。
9、根据本技术的一些实施例,rbf神经网络模型包括输入层、隐含层和输出层,输入层接收多维特征向量,隐含层采用高斯函数作为径向基函数进行非线性变换,输出层输出控制参数向量。
10、根据本技术的另一方面,还提供了一种修磨装置,包括:修磨辊道,承载并驱动热轧钢管旋转;磨头总成,设置于修磨辊道的一侧,磨头总成用于修磨热轧钢管表面;磨头伺服电机,与磨头总成驱动连接;比例伺服液压阀,与驱动磨头总成进退的液压缸连通,用于控制液压缸的输出压力;液压阻尼器,与磨头总成连接;振动加速度传感器,设置于磨头总成,用于采集振动加速度信号;力矩电流检测模块,与磨头伺服电机电连接,用于采集磨头伺服电机的力矩电流;激光测径仪,设置于修磨辊道的一侧,用于采集钢管外径尺寸信号;粗糙度测量仪,设置于修磨辊道的一侧,用于采集钢管表面粗糙度信号。
11、根据本技术的另一方面,还提供了一种修磨过程控制系统,包括:信号采集模块,用于实时采集修磨过程中的多源传感信号;特征提取模块,用于对多源传感信号进行预处理与特征提取,构建多维特征向量;rbf神经网络推理模块,用于将多维特征向量输入至预构建的rbf神经网络模型进行前向推理,输出控制参数向量;控制输出模块,用于根据控制参数向量,控制磨头伺服电机的转速、比例伺服液压阀的输出压力以及液压阻尼器的阻尼系数。
12、根据本技术的另一方面,还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上文所述的任一修磨过程控制方法。
13、根据本技术的另一方面,还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,程序代码使处理器执行上文所述的任一修磨过程控制方法。
14、根据本技术的另一方面,还提供了一种计算机程序产品,包括存储在计算机可读介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行上文所述的任一修磨过程控制方法。
15、本技术实施例提供的技术方案带来的有益效果是:
16、本技术通过实时采集修磨过程中的力矩电流、振动加速度、外径尺寸和表面粗糙度等多源传感信号,并对多源传感信号进行预处理与特征提取,构建包含实时磨削力、振动主频、振动幅值、钢管表面粗糙度实测值和钢管理论弯曲度的多维特征向量,进而利用rbf神经网络模型对多维特征向量进行前向推理,并行输出磨头伺服电机的目标转速、比例伺服液压阀的目标压力设定值和液压阻尼器的目标阻尼系数,实现了修磨过程多源信息的融合感知与多执行器的协同控制。通过上述方法,本技术能够根据实时工况动态调整修磨参数,有效提高了修磨过程控制的响应速度和自适应能力,显著提升了热轧钢管的修磨精度和表面质量一致性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com