Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa VaProKe projekti (Ruukki, TEKES) Intelligent Systems Group, ILMARI JUUTILAINEN, 24.11.2011
Sisältö Projektin tavoitteet Voimamallinnuksen menetelmät Voimamallinnuksen tulokset Lämpötilamallinnuksen menetelmät Lämpötilamallinnuksen tulokset Yhteenveto
Projektin tavoitteet Taustalla erikoislujien ja kulutuskestävien terästen osuuden kasvattaminen Kun valssausvoimatasot kasvavat, tulee valssauksen ennustemallien tarkkuus kriittisemmäksi Tavoitteena on Parantaa tasomaisuutta Parantaa mekaanisia ominasuuksia ja mikrorakennetta kasvattamalla pistokohtaisia reduktioita
Miten tavoite saavutetaan Väärin ennustettu piston valssausvoima voi olla syy huonoon tasomaisuuteen Voimaennuste perustuu lämpötilaennusteeseen Tarkka ja luotettava voimaennuste mahdollistaa valssausvoimien kasvattamisen JOTEN: Tehtävänä oli päivittää nykyiset lämpötila- ja voimamallit tai kehittää niiden tilalle uudet
Data Mallinnusta varten haettiin tuotantolinjan antureiden ja pyrometrien tuottama data jokaisesta pistosta noin 9 kuukauden ajalta 400 1180 T h T 1160 350 i e 1140 c m 300 k p 1120 n e 250 e r 1100 s 1 a s 0 200 t 1080 u t 1060 150 r m e m 1040 100 C 1020 L o 50 1000 a d 0 980 0 20 40 60 80 100 120 Time (s) ( ) ( ) load thickness temperature ( )
Voimaan vaikuttavat tekijät Valssausvoima määräytyy pitkälti seuraavien tekijöiden epälineaarisena funktiona Piston tulopaksuus Piston lähtöpaksuus Piston leveys Valssin halkaisija (vakio) Muokattavan kappaleen lämpötila Muokattavan kappaleen koostumus Fysikaaliset perusyhtälöt valssausvoimalle eivät ota huomioon koostumuksen vaikutusta
Voimamalli Sovitettiin epälineaarinen malli, jonka rakenne perustuu karkealla tasolla fysikaalisiin perusyhtälöihin Lisänä koostumuksen vaikutus Ja korjauksia mm. piston paksuuteen liittyen MATLAB nlinfit Erilliset mallit kuumavalssauspistoille ja kontrollointipistoille Erilaisia mallirakenteita ja muuttujia haettiin sovittamalla mallikandidaatteja opetusaineistossa ja vertaamalla niitä toisiinsa testiaineistossa
LOAD AVG - LOAD PREDICTED LOAD AVG - Ennuste Voimamalli 2500 LOAD AVG vs LOAD PREDICTED 2500 LOAD AVG vs Ennuste 2000 2000 1500 1500 1000 500 0-500 -1000 1000 500 0-500 -1000-1500 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 LOAD PREDICTED Kontrollointipistoilla parannus RMSE 694 t 300 t meanres 477 t 9 t stdres 505 t 300 t -1500 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 Ennuste
residual Voimamalli Päädyttiin käyttämään nykyisin käytössä olevaa muuttujayhtälöä ja päivittämään vain ennustekaavassa esiintyvät kertoimet Koska uusien termien lisäämisellä ja muilla kokeilluilla rakenteellisilla muutoksilla tarkkuutta saatiin parannettua vain ~ 30 t 1000 800 600 400 200 0-200 -400-600 -800 H2 vs RES for ALL TYPES -1000 0 50 100 150 200 250 300 H2 Kuumavalssauspistoilla parannus RMSE : 444 t 257 t meanres : 320 t 1 t stdres : 307 t 257 t
Lämpötilaan vaikuttavat tekijät Kuumennus, aihion mitat Lämmön johtuminen valsseihin aiemmilla pistoilla Lämmön johtuminen ilmaan, ajan ja dimensioiden yhteisvaikutus Hilsepesut Aiemmissa pistoissa tapahtuneet metallurgiset ilmiöt Koostumus 1200 1150 1100 1050 1000 950 900 850 800 750 700 mallinnetut lämpötilat 0 50 100 150 200 250 300 350 400 temp surface temp average Temp_surface Temp_average Valssausvoiman kannalta oleellista on kappaleen keskilämpötila, mutta pyrometrit mittaavat pintalämpötilaa
Lämpötilamalli Kehitettiin ennustekaavoja pintalämpötilalle erilaisilla tilastollisilla malleilla (työkaluina R, Matlab) Neural networks Boosted regression trees (GBM) Multiplicative additive linear regression splines (MARS) Sovellettiin semi-supervised learning menetelmää (COREG) puuttuviin lämpötilamittauksiin liittyvän datan hyödyntämiseksi Parannettiin nykyisen fysikaalisen mallin antamaa ennustetta erillisellä korjausmallilla
Lämpötilamalli ONGELMA DATAN EPÄLUOTETTAVUUS: Levy ei käy pyrometrin kohdalla, jos se on lyhyt Levyn pinnalla oleva hilse on tehokas eriste ja vääristää lämpötilamittauksen Mittausten tallennuslogiikassa on virheitä, mm. edellinen lämpötilamittaus tallentuu melko usein seuraavalle pistolle Pintalämpötila <= sisuslämpötila Paljon aikaa meni datan suodatussääntöjen määrittelyyn Alkupään pistoissa 80 % datasta suodatettiin pois, eli puuttuvien havaintojen osuus hyvin suuri
Lämpötilamalli TULOS: Pintalämpötilan ennustamisessa saavutettiin noin 18 C ennustustarkkuus käytetyssä aineistossa, viimeiselle pistolle noin 16 C. Tämä on hyvä tarkkuus MUTTA: Korjattujen tai uusien lämpötilamallien avulla ei pystytä parantamaan voimaennusteen tarkkuutta
Lämpötilamalli
Yhteenveto Valssauslämpötilaa ei kannata yrittää mallintaa tilastollisesti pyrometrien tuotantodatan perusteella Dataa varta vasten järjestetyistä mittauksista? Onko valssausvoimamittaus luotettavin mittaus valssattavan kappaleen lämpötilasta? Lämpötilan päättely soveltamalla fysikaalisia yhtälöitä käänteisesti Projektissa onnistuttiin parantamaan valssausvoimaennusteen tarkkuutta merkittävästi ja päivitettyä mallia ollaan ottamassa käyttöön Sitten nähdään saavutetaanko tavoiteltuja parannuksia tasomaisuudessa ja mekaanisissa ominaisuuksissa