轧机的振动预测方法、轧机的异常振动判定方法、金属带的轧制方法及轧机的振动预测模型的生成方法与流程

本发明涉及轧机的振动预测方法、轧机的异常振动判定方法、金属带的轧制方法及轧机的振动预测模型的生成方法。

背景技术：

1、汽车、饮料罐等所使用的钢板等金属带在施加连续铸造工序、热轧工序及冷轧工序后，经由退火工序、镀覆工序而成为制品。其中，冷轧工序是决定作为制品的金属带的厚度的最终工序。近年来，有时使镀覆厚度比以往更薄，镀覆工序前的金属带的表面性状容易给镀覆工序后的制品的表面性状带来影响，因此防止表面缺陷的产生的必要性增加。

2、作为在冷轧工序中产生的一种表面缺陷，可列举颤痕(chatter mark)。这是在金属带的宽度方向上出现的线状痕迹，这种线状痕迹是在金属带的长度方向上周期性地出现的表面缺陷。一般认为颤痕由于轧机的振动(以后称为颤振)而产生。非常轻度的颤痕有时无法通过冷轧工序后的目视检查或板厚测定等判明，在镀覆工序后才判明。因此，在该期间也未察觉到产生大量的表面缺陷，结果使制品的成品率下降，成为较大地妨碍生产率的因素。另外，也已知如下情况：在罐用钢板、电磁钢板等薄物材料中，由于由颤振导致的金属带的厚度、张力的急剧变动，有时会发生金属带断裂等不良情况，并妨碍生产率。

3、由于这样的背景，提出了抑制颤振的发生的方法。例如，在专利文献1中记载了如下方法：通过在轧机中安装振动检测器，在轧制期间收集振动信息，并且取得轧制载荷、机架间张力等轧制操作参数，并进行它们的频率分析，从而判定颤振的发生。另外，在专利文献1中记载了如下方法：通过预先辨识轧机的自然振动频率、由轴承不良、辊缺陷导致的固有的振动频率，并在轧制期间与振动信息进行比较，从而确定颤痕的产生原因。

4、另外，在专利文献2、3中记载了如下方法：不是在轧机本体，而是在配置于机架间及串联轧机的出入口侧并以一定的角度以上卷绕有金属带的辊(小径辊)上设置振动检测器。另外，在专利文献2、3中记载了如下方法：进行由振动检测器得到的振动信息的频率解析，在与金属带的弦振动频率一致的频率下，将其振动强度超过规定阈值的情况判定为颤振。并且，在专利文献2、3中记载了如下方法：通过控制机架间的张力，从而以弦振动频率与轧机的基本频率不一致的方式进行控制。

5、现有技术文献

6、专利文献

7、专利文献1：日本专利第2964887号公报

8、专利文献2：日本专利第6296046号公报

9、专利文献3：日本专利第6102835号公报

技术实现思路

1、发明要解决的课题

2、然而，根据专利文献1记载的方法，如果不是发生了一定大小的异常振动后，不能识别颤振的发生。因此，在专利文献1记载的方法中，在检测出颤振的时刻，已经在金属带的一部分上产生颤痕，作为结果，制品的成品率下降。另外，在专利文献2、3中记载的方法也同样地，在识别出发生了颤振的时刻，已经在金属带上产生颤痕，因此制品的成品率下降。

3、在冷轧工序中，通常通过焊接将先行的金属带的尾端部与后续的金属带的前端部接合并连续地进行轧制。此时，在轧制金属带的焊接部时降低轧制速度，在焊接部通过轧机后提高轧制速度，在金属带的稳定部高速地进行轧制。然而，已知颤振容易在轧制速度较高的情况下发生，当在金属带的稳定部产生颤痕时，必须进行在长度方向上将金属带分割并除去缺陷部等操作，对制品的成品率的降低的影响较大。

4、本发明鉴于上述课题而作出，其目的在于提供能够在轧制金属带前预测轧机的振动的轧机的振动预测方法。另外，本发明的另一目的在于提供能够在轧制金属带前预测轧机的异常振动的轧机的异常振动判定方法。另外，本发明的另一目的在于提供能够抑制颤痕的产生并使金属带的制造成品率提高的金属带的轧制方法。另外，本发明的另一目的在于提供能够在轧制金属带前生成预测轧机的振动的轧机振动预测模型的轧机的振动预测模型的生成方法。

5、用于解决课题的手段

6、本发明的轧机的振动预测方法预测在利用轧机使用轧辊轧制金属带的轧制工序中的所述轧机的振动，所述轧辊为利用辊磨削机磨削后的轧辊，其中，所述振动预测方法包含使用通过机器学习而学习到的轧机的振动预测模型预测所述轧机的振动的步骤，所述轧机的振动预测模型包含选自所述辊磨削机的磨削操作参数的一个或两个以上参数和选自所述轧机的轧制操作参数的一个或两个以上参数作为输入数据，并将轧制工序中的所述轧机的振动信息作为输出数据。

7、也可以是，所述磨削操作参数包含在利用所述辊磨削机磨削所述轧辊时取得的辊磨削机的振动信息。

8、也可以是，所述磨削操作参数包含磨削砂轮负荷参数和磨削砂轮使用历史参数，所述磨削砂轮负荷参数是与利用所述辊磨削机磨削所述轧辊时的向磨削砂轮的负荷信息相关的参数，所述磨削砂轮使用历史参数是与所述磨削砂轮的使用历史信息相关的参数。

9、本发明的轧机的异常振动判定方法包含：第一步骤，使用本发明的轧机的振动预测方法，在将利用所述辊磨削机磨削后的轧辊组装到所述轧机后且开始金属带的轧制前，使用所述辊磨削机的磨削操作参数的实际值和所述轧机的轧制操作参数的设定值，预测轧制所述金属带时的轧机的振动；和第二步骤，基于所述第一步骤的振动的预测结果与预先设定的轧机的振动的上限值的比较，判定有无发生所述轧机的异常振动。

10、本发明的金属带的轧制方法包含如下步骤：在使用本发明的轧机的异常振动判定方法判定为产生轧机的异常振动的情况下，对所述轧机的轧制操作条件进行再设定。

11、本发明的轧机的振动预测模型的生成方法生成轧机的振动预测模型，所述轧机的振动预测模型预测在利用轧机使用轧辊轧制金属带的轧制工序中的所述轧机的振动，所述轧辊为利用辊磨削机磨削后的轧辊，其中，振动预测模型的生成方法包含取得多个学习用数据并通过使用所取得的多个学习用数据的机器学习生成所述轧机的振动预测模型的学习步骤，所述多个学习用数据将选自所述辊磨削机的磨削操作参数的实际数据和选自所述轧机的轧制操作参数的实际数据作为输入实际数据，并将使用了该输入实际数据的金属带的轧制中的所述轧机的振动信息作为输出实际数据。

12、也可以是，作为所述机器学习，使用选自神经网络、决策树学习、随机森林及支持向量回归的机器学习。

13、发明的效果

14、根据本发明，能够提供能在轧制金属带前预测轧机的振动的轧机的振动预测方法。另外，根据本发明，能够提供能在轧制金属带前预测轧机的异常振动的轧机的异常振动判定方法。另外，根据本发明，能够提供能抑制颤痕的产生并使金属带的制造成品率提高的金属带的轧制方法。另外，根据本发明，能够提供能在轧制金属带前生成预测轧机的振动的轧机振动预测模型的轧机的振动预测模型的生成方法。

技术特征：

1.轧机的振动预测方法，其预测在利用轧机使用轧辊轧制金属带的轧制工序中的所述轧机的振动，所述轧辊为由辊磨削机磨削后的轧辊，其中，

2.根据权利要求1所述的轧机的振动预测方法，其中，

3.根据权利要求1或2所述的轧机的振动预测方法，其中，

4.轧机的异常振动判定方法，其包含：

5.金属带的轧制方法，其包含如下步骤：在使用权利要求4所述的轧机的异常振动判定方法判定为产生轧机的异常振动的情况下，对所述轧机的轧制操作条件进行再设定。

6.轧机的振动预测模型的生成方法，其生成轧机的振动预测模型，所述轧机的振动预测模型预测在利用轧机使用轧辊轧制金属带的轧制工序中的所述轧机的振动，所述轧辊为利用辊磨削机磨削后的轧辊，其中，

7.根据权利要求6所述的轧机的振动预测模型的生成方法，其中，

技术总结
本发明的轧机的振动预测方法是预测在利用轧机使用轧辊轧制金属带的轧制工序中的轧机的振动的轧机的振动预测方法，所述轧辊为利用辊磨削机磨削后的轧辊，所述振动预测方法包含使用通过机器学习而学习到的轧机的振动预测模型预测轧机的振动的步骤，所述轧机的振动预测模型包含选自辊磨削机的磨削操作参数的一个或两个以上参数和选自轧机的轧制操作参数的一个或两个以上参数作为输入数据，并将轧制工序中的轧机的振动信息作为输出数据。

技术研发人员：马场涉,山路教弘,渡边隼,高嶋由纪雄
受保护的技术使用者：杰富意钢铁株式会社
技术研发日：
技术公布日：2024/1/12