一种基于数字孪生模型的带钢轧机监控方法

1.本发明属于冷轧带钢轧机监控技术领域，特别是涉及一种基于数字孪生模型的带钢轧机监控方法。


背景技术：

2.轧机是生产板带过程中必不可少的设备。带钢轧机辊系振动是影响带钢厚度精度和表面质量的重要因素。因此，轧机振动的在线监测对提高带钢产品质量稳定性具有重要意义。现代监测理论和方法主要包括智能检测和虚拟仪器技术。在智能监测方面，检测原理侧重于数据的处理和信息的提取。这个过程需要专业人员的帮助，而且结果并不直观。
3.目前比较成熟的监测系统通常针对单一功能。当多个监测仪器组合在一起时，它们只能累积起来，这大大增加了系统的复杂性。而在轧机轧辊系统的振动监测过程中，加速度传感器需要长期浸泡在乳化液中，导致传感器损失严重。因此，现有的监测系统存在着功能单一、系统复杂和易导致传感器损坏的缺陷。


技术实现要素：

4.本发明的目的是提供一种基于数字孪生模型的带钢轧机监控方法，以解决上述现有技术存在的问题。
5.为实现上述目的，本发明提供了一种基于数字孪生模型的带钢轧机监控方法，包括以下步骤：
6.采集带钢轧机的轧制力数据和轧制速度数据、以及带钢轧制工艺数据；
7.构建带钢轧机的几何模型、物理模型和行为模型，并对所述几何模型、所述物理模型和所述行为模型进行耦合，获取带钢轧机的数字孪生模型；
8.基于虚拟加速度传感器获取所述数字孪生模型的振动信号数据；
9.将所述振动信号数据与带钢轧机的工艺数据采集系统获取的振动数据进行对比，基于对比结果对所述数字孪生模型进行优化；
10.对振动数据进行数据集成，构建刚性带钢虚拟轧制数据集成平台；
11.将所述轧制力数据输入所述数字孪生模型中，对带钢轧机的运行状态进行可视化监控。
12.可选地，所述带钢轧制工艺数据的采集过程包括：
13.基于带钢轧机的工艺数据采集系统的传感器对带钢轧机的测点进行振动测量；
14.所述带钢轧制工艺数据包括带钢轧机的轧制力、轧制力矩、出口厚度、入口张力、出口张力、轧辊转度、轧件速度、轧件温度和前滑值的参数以及测点处的振动数据。
15.可选地，基于带钢轧机的工艺数据采集系统的传感器对带钢轧机的测点进行振动测量的过程包括：
16.分别对带钢轧机的机架牌坊、压下油缸、上支承辊轴承座、上工作辊轴承座、下支承辊轴承座、下工作辊轴承座的测点安装加速度传感器进行振动测量。
17.可选地，所述几何模型为三维结构模型，通过带钢轧机的尺寸、形状和装配关系的几何参数构建；
18.所述物理模型为动力学模型，通过所述动力学模型阐述轧机工作过程中的振动物理特性，所述动力学模型包括辊系振动系统动力学模型以及轴承系统动力学模型；所述辊系振动系统动力学模型基于系统质量矩阵、系统刚度矩阵以及位移向量构建，所述轴承系统动力学模型基于滚动体质量以及位移夹角数据构建；
19.所述行为模型基于机械原理和机械设计，定义带钢轧机的关节坐标点，赋予运动属性，使带钢轧机正常运行。
20.可选地，对所述几何模型、所述物理模型和所述行为模型进行耦合的过程包括：
21.对所述几何模型与所述物理模型耦合，再对轧机约束运动副耦入行为模型，构建所述数字孪生模型；
22.构建所述数字孪生模型的过程中，基于有限元分析方法构建轧辊系统有限元模型和四列圆锥轴承有限元模型；基于所述轧辊系统有限元模型，取路径节点上的力和位移数据，分别计算各路径节点在接触力作用下的相对位移比值，获取表面接触时各点的刚度值；
23.基于所述四列圆锥轴承有限元模型计算每列受迫滚动单元的刚度值，拟合后计算积分轴承的总刚度。
24.可选地，所述轧辊系统有限元模型中的轧机辊系采用70cr3nimo耐磨铸钢材料；所述四列圆锥轴承有限元模型中的四列圆锥滚子轴承采用gcr9simn材料。
25.可选地，基于虚拟加速度传感器获取所述数字孪生模型的振动信号数据的过程包括：
26.将软件中的虚拟加速度传感器元件分别安装在所述数字孪生模型的压下液压缸、轴承和机架处，获取将轧制力和轧制速度作为输入、将轧辊系统振动加速度作为输出所得到的对应位置的振动信号。
27.可选地，对振动数据进行数据集成的过程包括：
28.配置运行python的虚拟环境，在所述虚拟环境中安装pandas库、fmpy库、tkinter库；
29.基于maplsim中的fmi接口将虚拟环境中建立的轧机振动modelica模型转换为fum文件；在转换fum文件时，选择轧制力和轧制速度作为输入，轧制振动加速度作为输出，并使模型参数可调；
30.将转换后的fum文件放入配置好的虚拟环境中，通过编程自定义模型计算过程对虚拟轧机进行实时控制。
31.可选地，对带钢轧机的运行状态进行可视化监控的过程包括：
32.基于数字孪生模型的可视化界面获取带钢轧机的运行状态；并在可视化界面中显示虚拟加速度传感器检测的振动数据。
33.本发明的技术效果为：
34.本发明采用的上述技术方案，首先从agc控制系统中提取轧制力和轧制速度；其次，通过建立几何模型与建立轧机动力学模型的物理模型耦合，在对轧机约束运动副耦入行为模型建立轧机数字孪生模型，并在轧机数字孪生模型中安装虚拟加速度传感器对轧辊系统、压下液压缸和轧机机架的振动进行了监测。之后，以轧制力和轧制速度来驱动数字孪
生模型，得到其振动监测结果与传统带钢轧机的工艺数据采集系统获取的振动监测方法的结果进行对比，同时对轧机数字孪生模型的参数进行了优化调整。通过数字孪生模型的监测方法中的数据集成平台取代了传统监测方法中的dhdas动态信号记录系统。实现了软件取代硬件的功能，从而降低了传统监控方法的硬件设备成本。在该方法的应用中，不需要修补、放置传感器等任何操作以提高设备运行稳定性，实现日常维护。
附图说明
35.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
36.图1为本发明实施例中的带钢轧机监控方法流程示意图；
37.图2为本发明实施例中的轧机机座测点布置图；其中：1-机架、2-液压缸、3-上支撑辊轴承座、4-上工作辊轴承座、5-下支撑辊轴承座、6-下工作辊轴承座；
38.图3为本发明实施例中的轧机动力学模型；
39.图4为本发明实施例中的部分数字孪生模型；
40.图5为本发明实施例中的可视化监控界面。
具体实施方式
41.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
42.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
43.实施例一
44.如图1-5所示，本实施例中提供一种基于数字孪生模型的带钢轧机监控方法，包括：
45.s1.根据带钢轧机的agc控制系统采集带钢轧机的轧制力和轧制速度数据，通过带钢轧机的工艺数据采集系统获取带钢轧制工艺数据；
46.所述s1步骤中的获取带钢轧制工艺数据是指：采用带钢轧机的工艺数据采集系统的传感器对带钢轧机的测点进行振动测量并采集带钢轧机的轧制力、轧制力矩、出口厚度、入口张力、出口张力、轧辊转度、轧件速度、轧件温度和前滑值的参数以及测点处的振动数据。
47.所述对带钢轧机的测点进行振动测量是指：对轧机的机架牌坊、压下油缸、上支承辊轴承座、上工作辊轴承座、下支承辊轴承座、下工作辊轴承座的测点安装加速度传感器进行振动测量。测点布置如图2所示。
48.s2.构建带钢轧机的几何模型、物理模型和行为模型，并且对上述模型进行耦合搭建带钢轧机的数字孪生模型；
49.所述构建几何模型是指通过带钢轧机的尺寸、形状和装配关系的几何参数构建轧机的三维结构模型；
50.所述构建物理模型是指根据带钢轧机轧制系统和轴承的动态特性建立轧机动力
学模型，通过构建的轧机动力学模型阐述轧机工作过程中振动物理特性；考虑轧机的动态特性，建立如图3所示的带钢轧机的动力学模型，图中：m1为牌坊上立柱、上梁和液压缸的等效质量，是指牌坊上的所有部件的质量之和，包括立柱和液压缸等；m2为上支撑辊系的等效质量，是指上支撑辊系的质量之和，包括支柱和支撑辊等；m3为上工作辊系的等效质量，是指上工作辊系的质量之和，包括支柱和工作辊等；m4为下工作辊系的等效质量，是指下工作辊系的质量之和，包括支柱和工作辊等；m5为下支撑辊系的等效质量，是指下支撑辊系的质量之和，包括支柱和支撑辊等；m6为包含牌坊下部立柱、下梁和垫块等的等效质量；k1为牌坊和上横梁的等效刚度；k2为上部支撑辊和上部梁等效刚度；k3为上部支撑辊与上部工作辊接触刚度；k4为工作辊间刚度；k5为下工作辊与下支撑辊的等效刚度；k6为下支撑辊和下横梁的等效刚度；k7为牌坊下部立柱、下横梁和垫块等构件的等效刚度；c为轧制区的等效阻尼；k
zc1
为上支撑辊轴承座等效刚度；k
zc2
为上工作辊轴承座等效刚度；k
zc3
为下工作辊轴承座等效刚度；k
zc4
为下支撑辊轴承座等效刚度。
51.轧机辊系振动系统的动力学模型由式(1)给出的运动方程来描述：
[0052][0053]
其中：[m]—系统质量矩阵，[k]—系统刚度矩阵，{xn}—水平方向加速度列向量，{x}—水平方向位移列向量，{yn}—垂直方向加速度列向量，{y}—垂直方向位移列向量，x—水平方向位移，y—垂直方向位移；
[0054]
轧机轴承系统的动力学模型由式(2)给出的运动方程来描述：
[0055][0056][0057]
其中：mg为滚动体质量；c为滚动体与内外圈之间的粘滞阻尼；xi为圆锥滚子的第i个动体中心在水平方向的位移；yi为圆锥滚子的第i个滚动体中心在垂直方向的位移；kn为接触常数；ur为轴承间隙；θi为第i个滚动体与垂直中心线之间的夹角；α为接触角；qθi为与径向力作用线夹角为θ位置的滚动体承受的接触载荷；
[0058]
所述构建行为模型是指基于机械原理和机械设计，建立轧机的行为模型，定义轧机的关节坐标点，赋予运动属性，使其可以正常运行。
[0059]
表1显示了定义轧机的关节坐标。
[0060]
表1
[0061][0062][0063]
表中coord_1为机架坐标点，coord_2为上支撑辊传动侧坐标点，coord_3为上支撑辊操作侧坐标点，coord_4为上支撑辊传动侧轴承坐标点，coord_5为上支撑辊操作侧轴承坐标点，coord_6为上工作辊传动侧坐标点，coord_7为上工作辊操作侧坐标点，coord_8为上工作辊传动侧轴承坐标点，coord_9为上工作辊操作侧轴承坐标点，coord_10为下工作辊传动侧坐标点，coord_11为下工作辊操作侧坐标点，coord_12为下工作辊传动侧轴承坐标点，coord_13为下工作辊操作侧轴承坐标点，coord_14为下支撑辊传动侧坐标点，coord_15为下支撑辊操作侧坐标点，coord_16为下支撑辊传动侧轴承坐标点，coord_17为上支撑辊操作侧轴承坐标点。
[0064]
所述步骤s2步骤中的搭建带钢轧机的数字孪生模型是指通过所述的几何模型与建立的轧机动力学模型的物理模型耦合，再对轧机约束运动副耦入行为模型建立轧机数字孪生模型。即将几何模型与轧机动力学模型进行组合，通过旋转副、运动副、阻尼弹簧和接触单元耦入行为模型建立轧机数字孪生模型。部分数字孪生模型如图4所示。
[0065]
所述建立的轧机动力学模型的物理模型运用有限元分析方法，对模型参数求解。通过有限元分析方法建立轧机轧辊系统的有限元模型和四列圆锥轴承有限元模型，采用轧机轧辊系统的有限元模型，取路径节点上的力和位移数据，分别计算各路径节点在接触力作用下的相对位移比值，进而得到表面接触时各点的刚度值；所述轧机轧辊系统的有限元模型中的轧机辊系采用的材料为70cr3nimo耐磨铸钢。采用四列圆锥轴承有限元模型计算每列受迫滚动单元的刚度值，拟合后计算积分轴承的总刚度。所述四列圆锥轴承有限元模
型中的四列圆锥滚子轴承采用材料是gcr9simn。
[0066]
表2显示了模型参数的计算结果。
[0067]
表2
[0068][0069]
s3.在数字孪生模型中的压下液压缸、轴承和机架处设置虚拟加速度传感器，得到虚拟轧机的振动信号数据；并与带钢轧机的工艺数据采集系统获取的振动数据进行比较，调整模型参数优化数字孪生模型；
[0070]
所述步骤s3中在数字孪生模型中的压下液压缸、轴承和机架处设置虚拟加速度传感器是指将maplesim(高性能多学科建模仿真软件)中的加速度传感器元件分别安装在数字孪生模型的压下液压缸、轴承和机架处，如图1所示，a为压下液压缸处，b为上支撑辊轴承处，c为上工作辊轴承处，d为机架处。将加速度传感器安装在图1中a、b、c、d四处，以获得将轧制力和轧制速度作为输入、将轧辊系统振动加速度作为输出所得到的对应位置的振动信号。数字孪生模型获得的振动数据与带钢轧机的工艺数据采集系统获取的振动数据进行比较，以此来调节轧机数字孪生模型的阻尼弹簧与接触单元的参数，使数字孪生模型精度更高。
[0071]
s4.对获得的振动数据进行数据集成，开发刚性带钢虚拟轧制数据集成平台。
[0072]
所述步骤s4中的对获得的振动数据进行数据集成是指通过python对maplesim进行二次开发并与数据层建立连接，其步骤为：
[0073]
第一步是配置运行python的虚拟环境，并安装在虚拟环境中处理数据所需的pandas库，处理fum文件所需的fmpy库和数据服务gui界面所需的tkinter库；
[0074]
第二步是通过maplsim中的fmi接口将虚拟环境中建立的轧机振动modelica模型转换为fum文件；在转换为fum文件时，选择轧制力和轧制速度作为输入，轧制振动加速度作为输出，并使模型参数可调，以便后续调试；选择fum version 2.0和fum type co-simulation，co-simulation求解器是隐式欧拉求解器；
[0075]
第三步是将导出的fum文件放入配置好的虚拟环境中，通过编程自定义模型计算过程，实现对虚拟轧机的实时控制；最后，开发刚性带钢虚拟轧制数据集成平台
[0076]
s5.将agc系统的轧制力数据输入到数字孪生模型中得到带钢轧机运行状态的可视化监控。
[0077]
所述步骤s5中的可视化是指通过工业网关将agc系统的轧制力数据输入到数字孪生模型中，通过观看可视化界面即可获得带钢轧机的运行状态；并在可视化界面处看到数字孪生模型的虚拟加速度传感器得到的振动数据，以此达到对带钢轧机的振动监测。可视化监控界面如图5所示。
[0078]
以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，
都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种基于数字孪生模型的带钢轧机监控方法，其特征在于，包括以下步骤：采集带钢轧机的轧制力数据和轧制速度数据、以及带钢轧制工艺数据；构建带钢轧机的几何模型、物理模型和行为模型，并对所述几何模型、所述物理模型和所述行为模型进行耦合，获取带钢轧机的数字孪生模型；基于虚拟加速度传感器获取所述数字孪生模型的振动信号数据；将所述振动信号数据与带钢轧机的工艺数据采集系统获取的振动数据进行对比，基于对比结果对所述数字孪生模型进行优化；对振动数据进行数据集成，构建刚性带钢虚拟轧制数据集成平台；将所述轧制力数据输入所述数字孪生模型中，对带钢轧机的运行状态进行可视化监控。2.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法，其特征在于，所述带钢轧制工艺数据的采集过程包括：基于带钢轧机的工艺数据采集系统的传感器对带钢轧机的测点进行振动测量；所述带钢轧制工艺数据包括带钢轧机的轧制力、轧制力矩、出口厚度、入口张力、出口张力、轧辊转度、轧件速度、轧件温度和前滑值的参数以及测点处的振动数据。3.根据权利要求2所述的基于数字孪生模型的带钢轧机监控方法，其特征在于，基于带钢轧机的工艺数据采集系统的传感器对带钢轧机的测点进行振动测量的过程包括：分别对带钢轧机的机架牌坊、压下油缸、上支承辊轴承座、上工作辊轴承座、下支承辊轴承座、下工作辊轴承座的测点安装加速度传感器进行振动测量。4.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法，其特征在于，所述几何模型为三维结构模型，通过带钢轧机的尺寸、形状和装配关系的几何参数构建；所述物理模型为动力学模型，通过所述动力学模型阐述轧机工作过程中的振动物理特性，所述动力学模型包括辊系振动系统动力学模型以及轴承系统动力学模型；所述辊系振动系统动力学模型基于系统质量矩阵、系统刚度矩阵以及位移向量构建，所述轴承系统动力学模型基于滚动体质量以及位移夹角数据构建；所述行为模型基于机械原理和机械设计，定义带钢轧机的关节坐标点，赋予运动属性，使带钢轧机正常运行。5.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法，其特征在于，对所述几何模型、所述物理模型和所述行为模型进行耦合的过程包括：对所述几何模型与所述物理模型耦合，再对轧机约束运动副耦入行为模型，构建所述数字孪生模型；构建所述数字孪生模型的过程中，基于有限元分析方法构建轧辊系统有限元模型和四列圆锥轴承有限元模型；基于所述轧辊系统有限元模型，取路径节点上的力和位移数据，分别计算各路径节点在接触力作用下的相对位移比值，获取表面接触时各点的刚度值；基于所述四列圆锥轴承有限元模型计算每列受迫滚动单元的刚度值，拟合后计算积分轴承的总刚度。6.根据权利要求5所述的基于数字孪生模型的带钢轧机监控方法，其特征在于，所述轧辊系统有限元模型中的轧机辊系采用70cr3nimo耐磨铸钢材料；所述四列圆锥轴承有限元模型中的四列圆锥滚子轴承采用gcr9simn材料。
7.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法，其特征在于，基于虚拟加速度传感器获取所述数字孪生模型的振动信号数据的过程包括：将软件中的虚拟加速度传感器元件分别安装在所述数字孪生模型的压下液压缸、轴承和机架处，获取将轧制力和轧制速度作为输入、将轧辊系统振动加速度作为输出所得到的对应位置的振动信号。8.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法，其特征在于，对振动数据进行数据集成的过程包括：配置运行python的虚拟环境，在所述虚拟环境中安装pandas库、fmpy库、tkinter库；基于maplsim中的fmi接口将虚拟环境中建立的轧机振动modelica模型转换为fum文件；在转换fum文件时，选择轧制力和轧制速度作为输入，轧制振动加速度作为输出，并使模型参数可调；将转换后的fum文件放入配置好的虚拟环境中，通过编程自定义模型计算过程对虚拟轧机进行实时控制。9.根据权利要求1所述的基于数字孪生模型的带钢轧机监控方法，其特征在于，对带钢轧机的运行状态进行可视化监控的过程包括：基于数字孪生模型的可视化界面获取带钢轧机的运行状态；并在可视化界面中显示虚拟加速度传感器检测的振动数据。

技术总结
本发明公开了一种基于数字孪生模型的带钢轧机监控方法，包括：采集带钢轧机的轧制力数据和轧制速度数据、以及带钢轧制工艺数据；构建带钢轧机的几何模型、物理模型和行为模型，并进行模型耦合，获取带钢轧机的数字孪生模型；基于虚拟加速度传感器获取数字孪生模型的振动信号数据；将振动信号数据与带钢轧机的工艺数据采集系统获取的振动数据进行对比，基于对比结果对数字孪生模型进行优化；对振动数据进行数据集成，构建刚性带钢虚拟轧制数据集成平台；将轧制力数据输入数字孪生模型中，对带钢轧机的运行状态进行可视化监控。本发明实现了软件取代硬件的功能，降低了传统监控方法的硬件设备成本，无需修补、放置传感器等操作实现日常维护。实现日常维护。实现日常维护。


技术研发人员：张阳 王思静 王威中 杜晓钟 楚志兵 胡一剑
受保护的技术使用者：太原科技大学
技术研发日：2023.06.21
技术公布日：2023/9/23