一种热轧板带轧机疲劳寿命预测方法与流程

1.本发明涉及一种热轧板带轧机疲劳寿命预测方法，属于轧辊维护工艺技术领域。


背景技术：

2.热轧板带四辊cvc轧机，普遍采用材质为cr5系支撑辊与高铬钢粗轧工作辊。近些年来我们真实得体察到：轧辊在轧机服役时间较长、使用负荷较高的使用过程中，因受到工艺设定、工况环境、本体性能等因素变化的影响，进而引发了超过轧辊疲劳寿命极限的金属疲劳性损伤，导致轧辊失效，甚至发生在机剥落事故。
3.自2013年1月至2018年7月间，我们已发现的轧辊疲劳案例超过60余支次，累计造成轧辊的直接经济损失约为1776.25万元。并且，透过多项案例数据对比分析后，把具有此类相同特征的缺陷称之为——轧辊冷作硬化接触疲劳显微裂纹。


技术实现要素：

4.本发明目的是提供一种热轧板带轧机疲劳寿命预测方法，将轧辊当次服役时的轧制公路数、超声波检测特征信号等动态变化数据代入至轧辊疲劳寿命预测模型或预测曲线之中，实现了属于某支轧辊疲劳预测的目的，能够快捷、准确地预测出带有疲劳轧辊的使用寿命，有效地规避或减轻轧辊灾害事故的发生和损失；还可以动态观察并掌握缺陷风险的变化趋势与规律，为轧辊后续安全使用提供指导性合理化建议，具有安全性高、指导性强、操作灵活简便等显著优点，有效地解决了背景技术中存在的上述问题。
5.本发明的技术方案是：一种热轧板带轧机疲劳寿命预测方法，包含以下步骤：（1）轧辊疲劳信息的采集与整理，包含轧辊编号、事发时间、轧辊疲劳超声波特征信号、轧辊类型、轧辊直径、上下机时间、机架号与位置、轧制吨位、轧制公里数和辊形曲线；（2）通过步骤（1）收集到的轧辊疲劳信息，借助数据分析软件和金属疲劳理论，建立轧辊疲劳寿命预测有限元经验模型，公式如下式中：为轧辊疲劳超声波特征信号，c和d为常数，a和b为系数，为机架载荷，为轧辊弹性模量，ni为轧辊某次服役时交变载荷重复次数；（3）将轧辊疲劳寿命预测有限元经验模型转化为轧辊疲劳寿命预测曲线，并予以优化：假设轧辊在机服役时处于理想状态，暨工艺设定、工况环境和本体性能没有发生改变，此时取a=1与b=1，其它参数不变再次代入步骤（2）的公式中，则得到一组“ni”与
“△
dbw”关系的二维散点图形，通过数据软件对二维散点图形进行回归分析并进一步优化，最终制得轧辊疲劳寿命预测曲线以及预测方程式。
6.所述步骤（2）中，轧辊疲劳寿命预测的有限元经验模型包含热轧板带轧机cr5系支撑辊与高铬钢粗轧工作辊的轧辊疲劳寿命预测有限元经验模型。
7.所述步骤（3）中，预测方程式如下热轧板带轧机cr5系支撑辊：
ꢀ
=
‑
5.30329e
‑
08 2 9.26751e
‑
04 6.64274e
‑
01高铬钢粗轧工作辊： =
‑
3.88048e
‑
06 2 4.21703e
‑
03 7.97182e
‑
02。
8.本发明的有益效果是：将轧辊当次服役时的轧制公路数、超声波检测特征信号等动态变化数据代入至轧辊疲劳寿命预测模型或预测曲线之中，实现了属于某支轧辊疲劳预测的目的，能够快捷、准确地预测出带有疲劳轧辊的使用寿命，有效地规避或减轻轧辊灾害事故的发生和损失；还可以动态观察并掌握缺陷风险的变化趋势与规律，为轧辊后续安全使用提供指导性合理化建议，具有安全性高、指导性强、操作灵活简便等显著优点。
附图说明
9.图1是本发明热轧板带轧机cr5系支撑辊寿命预测曲线图；图2是本发明高铬钢粗轧工作辊寿命预测曲线图；图3是本发明实施例的经济效益对比图。
具体实施方式
10.为了使发明实施案例的目的、技术方案和优点更加清楚，下面将结合实施案例中的附图，对本发明实施案例中的技术方案进行清晰的、完整的描述，显然，所表述的实施案例是本发明一小部分实施案例，而不是全部的实施案例，基于本发明中的实施案例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施案例，都属于本发明保护范围。
11.一种热轧板带轧机疲劳寿命预测方法，包含以下步骤：（1）轧辊疲劳信息的采集与整理，包含轧辊编号、事发时间、轧辊疲劳超声波特征信号、轧辊类型、轧辊直径、上下机时间、机架号与位置、轧制吨位、轧制公里数和辊形曲线；（2）通过步骤（1）收集到的轧辊疲劳信息，借助数据分析软件和金属疲劳理论，建立轧辊疲劳寿命预测有限元经验模型，公式如下
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（公式一）式中：为轧辊疲劳超声波特征信号，c和d为常数，a和b为系数，为机架载荷，为轧辊弹性模量，ni为轧辊某次服役时交变载荷重复次数；（3）将轧辊疲劳寿命预测有限元经验模型转化为轧辊疲劳寿命预测曲线，并予以优化：假设轧辊在机服役时处于理想状态，暨工艺设定、工况环境和本体性能没有发生改变，此时取a=1与b=1，其它参数不变再次代入步骤（2）的公式中，则得到一组“ni”与
“△
dbw”关系的二维散点图形，通过数据软件对二维散点图形进行回归分析并进一步优化，最终制得轧辊疲劳寿命预测曲线以及预测方程式。
12.所述步骤（2）中，轧辊疲劳寿命预测的有限元经验模型包含热轧板带轧机cr5系支撑辊与高铬钢粗轧工作辊的轧辊疲劳寿命预测有限元经验模型。
13.所述步骤（3）中，预测方程式如下热轧板带轧机cr5系支撑辊： =
‑
5.30329e
‑
08 2 9.26751e
‑
04 6.64274e
‑
01
ꢀꢀꢀꢀ
（公式二）
高铬钢粗轧工作辊： =
‑
3.88048e
‑
06 2 4.21703e
‑
03 7.97182e
‑
02
ꢀꢀꢀꢀ
（公式三）实施例1：3164#粗轧工作辊，材质为高铬钢，于10月7日正常下机，磨削后发现轧辊疲劳（显微裂纹）现象，磨后辊身直径为：
¢
1147.11毫米（辊身直径使用范围：1250～1125毫米）。
14.检索到该轧辊当次服役的交变载荷重复次数ni为260km，超过正常标准28.7%。将它的ni代入公式三中，得到
△
dbw
预
≈0.92。通过超声波检测手段测得其实际值
△
dbw
实
=2.7。
15.为保证轧辊安全在机使用既轧机顺稳生产，需对该轧辊采取妥善处置，方法有且不限于以下两种：一是，通过加量车削方式，将其疲劳（显微裂纹）超声波特征信号降至0.92以下，方可继续跟踪使用；二是，与生产单位协调，缩短该轧辊将来服役时的交变载荷重复次数，跟踪使用。
16.3164#采取方案一，通过达到正常车削量的1.67倍后
△
dbw
实
下降至0.88，该辊可以继续投入周转，跟踪使用。
17.实施例2：2603#精轧支撑辊，材质为cr5铸钢，于2月13日正常下机，磨削后首次发现轧辊疲劳（显微裂纹）现象，磨后辊身直径为：
¢
1522.613毫米（辊身直径使用范围：1600～1440毫米）。
18.检索到该轧辊当次服役的交变载荷重复次数ni为6200km，超过正常标准24.3%。在预测曲线（图2）上找到其对应的超声波特征信号
△
dbw
预
≈4.2；通过超声波检测手段测得其实际值
△
dbw
实
=3.9；经分析，因
△
dbw
实
小于
△
dbw
预
，所以该辊可以继续投入周转，跟踪使用。
19.实施例3：2603#，精轧支撑辊，材质为cr5铸钢，于3月29日正常下机，连续第二次处于轧辊疲劳（显微裂纹）服役状态，磨后辊身直径为：
¢
1518.317毫米（辊身直径使用范围：1600～1440毫米）。
20.检索到该轧辊当次服役的交变载荷重复次数ni=6500km，超过正常标准36.7%。在预测曲线（图2）上找到其对应的超声波特征信号
△
dbw
预
≈4.4；通过超声波测得其特征信号实际值
△
dbw
实
=7.6。
21.经与生产单位协调，2603#选择“例1”中方案二的办法，既该辊正常在机服役时间缩短50%，跟踪使用。
22.实施例4：2603#，精轧支撑辊，材质为cr5铸钢，于5月3日正常下机，正常磨削后仍然存在轧辊疲劳（显微裂纹）现象，磨后辊身直径为：
¢
1514.65毫米（辊身直径使用范围：1600～1440毫米）。
23.检索到该轧辊当次服役的交变载荷重复次数ni=1590km。在预测曲线（图1）上找到其对应的超声波特征信号
△
dbw
预
≈2.0；通过超声波测得其特征信号实际值
△
dbw
实
=11.3。
24.为保证轧辊安全在机使用既轧机顺稳生产，需对该轧辊采取强制加量车削方式消除隐患；经车削43毫米左右后
△
dbw
实
下降至2.2。此时该轧辊工作层剩余厚度已不足44毫米，经与生产等相关单位沟通后，建议报废或妥善使用。
25.效果对比一、经济效益对比1、事实证明，轧辊一旦出现疲劳（显微裂纹）问题，对轧辊寿命和轧机生产来讲，将面临巨大的损失。
26.可是，在遇到轧辊疲劳（显微裂纹）问题时，若采用传统轧辊使用与维护模式，可能出现毫无了解、盲目单一的局面，亦或是有心无力、苦无良策的局面。
27.自2013年1月至2018年7月间，邯宝热轧厂已发现的、真实的轧辊疲劳失效案例超过60余支次，仅轧辊直接经济损失约为1776.25万元。
28.2、创新开发的轧辊疲劳（显微裂纹）寿命的预测方法，能够有效规避或减轻，甚至杜绝轧辊疲劳（显微裂纹）问题的发生。
29.自2018年12月起至今，邯宝热轧厂轧辊在机使用过程中，未发生一例因轧辊疲劳（显微裂纹）导致的事故，每年可节约生产成本322万余元。
30.二、实施管理对比邯宝2250mm热轧厂轧辊管理的宗旨是：安全第一，预防为主。为实现此目标，在生产实践领域提出创新性思路——针对轧辊疲劳（显微裂纹）问题，将其现场一手使用数据与其超声波检测特征信号进行深度有机结合，创新开发靶向解决方法，打破以往一揽子管理的被动局面。
31.该方法的管理精髓在于量化风险、精准预判；针对问题施行靶向解决，能够及时规避或减轻，甚至杜绝该疲劳问题的发生，起到积极、有效地预防和控制的目的。