棒材控轧控冷工艺参数优化研究

引言

棒材作为机械制造及建筑工程领域的基础用料，其性能稳定程度与终端产品质量情况直接相关。控轧控冷工艺靠精确调节加热、轧制和冷却等方面参数达成晶粒细化及组织优化，是增强棒材强度和韧性的关键技术。目前行业里广泛存在参数适配程度不够现象，导致同一批次产品性能波动超 15% 且每吨钢材能耗相比国际先进水准高出 8%-10% ，本文把智能算法和实验验证相结合构建工艺参数优化体系，旨在为企业提供降低成本、提升效益的技术方案以推动棒材生产朝精准化、高效化方向迈进。

一、棒材控轧控冷工艺参数现状分析

1.1 现有工艺参数设置情况

当下一家中型钢铁企业的棒材生产线所采用的，控轧控冷工艺参数体系是基于 2018 年设备改造后的基础参数确定的，且后续未进行系统更新。加热段设定温度范围为 1180-1220% ，并运用阶梯式升温模式使预热段、加热段、均热段温度变化梯度维持在 50-80‰ 。但实际生产过程中因热电偶响应存在延迟，致使温度波动幅度常能达到 ±30^qC, 。在轧制环节里，粗轧机组轧制速度固定设置在 1.2-1.5m/s ，中轧机组是 2.0-2.5m/s ，精轧机组提升到 3.5-4.0m/s ，变形量分配遵循“粗轧阶段大变形、精轧阶段小变形”准则。粗轧总变形量控制在60%-65% ，精轧变形量控制在 20%-25% ，控冷系统采用穿水冷却方式且冷却水量分三级调节。一级冷却区流量为 80-100m³/h ，二级冷却区是 60-70m³/h ，三级冷却区为 40-50m³/h ，终冷温度设定在 ，但因环境温度影响，夏季时终冷温度常超出上限 。

1.2 生产过程中存在的问题分析

当前最为突显的在于产品性能稳定性欠佳的问题，同一批次的 Φ20mm 螺纹钢屈服强度波动幅度处在 40-60MPa 之间，且部分产品屈服强度比 GB/T 1499.2 - 2018 标准所要求的 335MPa 下限还低的情况。从显微组织检测来看晶粒尺寸不均匀程度达到 1.5-2.0 级且存在局部晶粒较为粗大区域的状况，产品表面质量出现缺陷概率大概是 3.2% 主要呈现为氧化铁皮堆积以及水迹印且Φ 16mm 以下规格产品缺陷发生率，相较粗规格产品高出 1.5 个百分点的情形，在能耗指标方面吨钢加热能耗为 68-72kg 标准煤相比行业先进水平多出 5 -8kg，以及轧机电机负载波动系数达到 1.3，超过设备设计规定的 1.1，安全界限致使轧制节奏不稳定日均有效作业时长仅有18 - 20 小时的状况。

1.3 问题产生的原因探讨

导致这一系列诸如产品性能不稳定，各方面指标存在偏差等状况的关键在于，工艺参数和设备实际具备性能不契合的缘由，加热炉烧嘴因老化使热效率降低至 65% 以下，原本温度补偿算法无法弥补热量损失，从而造成实际加热温度比设定数值低的情况。轧制机组辊缝磨损速度达到 0.02mm/ 百吨钢，远远超过设计的 0.01mm/ 百吨钢让变形量实际数值，与理论数值产生 3%-5% 偏差，破坏预先设定好的再结晶条件的状况。控冷系统喷嘴堵塞率每月平均增长 8% -10% ，造成冷却水量分布不均匀局部冷却速度偏差达到 15-20‰ /s，相变组织出现珠光体片层间距不均匀现象的情形。除此之外生产计划频繁变动，使坯料规格切换间隔时间缩短到 15 分钟以内，工艺参数调整跟不上生产节奏使得参数波动情况进一步加剧的状况。

二、棒材控轧控冷工艺参数优化策略

2.1 优化目标确定

优化的目的在于打造一个兼顾力学性能，生产效率以及成本控制这几个方面协同提高的多维度性能指标体系。在力学性能层面以屈服强度 ⩾400MPa 、抗拉强度 ⩾540MPa 、断后伸长率 ⩾16% 作为核心指标，且将屈强比控制在0.75- 0.85 区间范围，来保障安全储备的情况。生产效率指标重点关注，轧制节奏提高目标是把单位小时产量从目前的 80 吨提升到 90 吨以上，且将设备故障率降低到 1.5% 以下的情形。在成本控制方面设定目标是让吨钢能耗减少 5 - 8kg标准煤合金元素添加量降低 10%-15% ，通过参数优化达成资源消耗与性能提升之间平衡的状况。

在某特钢企业针对钢棒材开展优化工作过程里，确立一套含三个层级的目标体系。基础层面目标设定为将屈服强度稳固保持在 410-430MPa 范围之内，且伸长率达到大于等于 17% 水平。进一步进阶目标是把轧制速度由原本 3.2m/s 提高至 3.5m/s ，终极目标则为把吨钢硅锰合金消耗量从 12kg 降低到 10kg 以下，借助对最近 6 个月生产相关数据的统计分析发现将加热温度波动控制在 以内，可使产品性能合格比率提升到 95% 以上，基于此该企业便将温度稳定性列为核心控制指标。

2.2 优化方法选择

该特钢企业在优化工作中，优先选择采用智能算法与实验设计相融合的混合式优化办法，具体是利用遗传算法完成对全局参数的优化找寻，先对工艺参数如加热温度、轧制速度、冷却水量等进行编码处理。进而构建适应度函数并把性能指标与成本参数加权后的数值，当作优化目标设定交叉概率为 0.7、变异概率为 0.05，历经 50 代迭代次数实现对参数空间全面遍历。同时结合正交实验设计选用 L16(4^5) 正交表安排 16 组关键实验项目，着重对加热温度（1150- 1250℃）、终轧温度（ 850-950°C ）、冷却速度（ 10-30^∘C/s ），这三个因素之间交互影响作用展开分析通过方差分析确定具有显著影响的因子。

上述特钢企业在整个优化实施过程中，采取改进型遗传算法与 Taguchi 方法相结合的策略。一开始先对加热温度、粗轧变形量、精轧温度、冷却水量、终冷温度这 5 个关键参数，分别进行编码处理，并给每个参数设置 4 个不同水平，从而生成 256 组初始参数组合。通过开展 10 组预实验最终确定适应度函数权重分配为屈服强度占 40% 、伸长率占 20% 、吨钢成本占 30% 、生产效率占10% ，经过 35 代迭代运算后算法收敛到最优参数区间。与此同时设计 L9(3^4)正交实验进行验证，结果发现加热温度与冷却速度之间交互作用相当显著（P小于0.01），为企业后续参数调整给出明确方向指引。

2.3 优化模型构建

搭建基于 BP 神经网络的工艺参数，与性能对应关系模型，并以生产流程中采集到的1200 组过往数据作为训练样本。其输入层涵盖加热温度、轧制变形量、冷却速度等6 个参量，中间隐藏层设有12 个神经单元，输出层对应屈服强度、伸长率、硬度这 3 项性能指标。借助 Levenberg - Marquardt 算法，调整优化网络权重以将模型预测时产生的误差控制在 3% 以内。同时联合有限元模拟方式运用 Deform - 3D 软件，创建轧制过程中热力相互作用模型，在对其进行网格划分时采用六面体单元，且将单元大小设定为 5mm 、模拟步长设为 0.01s ，着重研究奥氏体再结晶动力学特性与相变行为表现，并通过实验所得数据反向推导进而修正材料本构方程参数。

该企业依据 2022 一整年含 1260 组有效样本数据的生产数据构建 BP 神经网络模型，在对数据完成归一化处理后将 70% 的样本用于开展训练工作， 30% 的样本用于验证模型准确性。在模型训练过程中通过引入取值为 0.9 的动量项以及初始值设为 0.01 的自适应学习率，历经 2000 次迭代后使均方误差下降至0.002。运用验证集合里的数据做测试，屈服强度预测数值与实际测量数值间最大偏差为 8MPa、平均偏差为 3.2MPa_⨀ 。与此同时在 Deform - 3D 里搭建 Φ25mm 棒材轧制模型，模拟结果表明当精轧温度从 900^∘C 降低到 860^qC 时奥氏体晶粒尺寸能从 25μm 细化到 18μm ，与实际取样后金相分析得出的结果（ 20μm ）相比偏差小于 10% ，以此验证模型具备可靠性。

结语

本项研究借助搭建多目标优化模型将智能算法与实验验证相结合，形成棒材控轧控冷工艺参数优化办法。实际运用情况显示该办法能将同一批次产品性能波动幅度控制在 8% 以内，每吨钢材能耗降低 7.2kg 标准煤且轧制效率提高12.5% 。证实对参数进行优化在技术方面可行且具备经济价值，因实验条件限制模型在极端工作状况下的适应能力尚需进一步验证，日后可结合工业物联网相关技术搭建实时且动态的优化体系，以进一步提高对参数调控时的精准程度和响应速度，为棒材智能化制造提供技术支持。

参考文献

[1] 高宇波 , 徐乐钱 , 孟晓玲 .20CrMnTi 齿轮钢棒材控轧控冷工艺的优化 [J]. 机械工程材料 ,2020,44(08):69-73.DOI:10.11973/jxgccl202008014.

[2] 赵璟珠 , 田琰 , 朱嘉 . 棒材控轧控冷工艺钢筋冷弯性能影响因素分析 [J]. 冶金标准化与质量 ,2024,62(03):28-33.