薄带钢多参数机械性能检测系统设计与开发.pdf

2023年 8月流体测量与控制第 4卷第 4期（总第 17期）薄带钢多参数机械性能检测系统设计与开发Design and Development of Multiparameter Mechanical Performance Testing System for Thin Strip Steel陈云鹏1，唐成龙1，王平2（1.宝钢中央研究院，上海 201900；2.南京航空航天大学 自动化学院，江苏 南京 210016）CHEN Yunpeng1，TANG Chenglong1，WANG Ping2（1.Baosteel Central Research Institute，Shanghai 201900，China；2.Nanjing University of Aeronautics and Astronautics，School of Automation，Nanjing 210016，Jiangsu，China）摘要：随着带钢、薄板、汽车板等钢材市场竞争的日益激烈，对钢材机械力学性能的要求不断提高，钢厂生产机组对钢板机械力学性能的检测水平也需不断提高。为解决传统物理、化学试验的缺陷，如检测的非连续性、时间延迟高和材料损失等，本文设计开发了一套机械力学性能自动化在线无损检测系统，能够连续实时地提供整个钢卷可靠的抗拉强度 Rm、屈服强度 Rp0.2值、延伸率，应变硬化指数、塑性应变比及烘烤硬化值等，有助于生产人员及时、有效地发现钢板机械力学特性趋势，从而提高对产品质量的控制能力，减少产品质量问题。关键词：电磁检测设备；在线无损检测；智慧制造；数字钢卷Abstract：With the fierce competition in the steel market such as strip steel，thin plate and automobile plate，the market s requirements for the mechanical properties of steel continue to increase，the detection level of the mechanical properties of steel plates by steel mill production units also needs to be continuously improved.In order to solve the shortcomings of traditional physical and chemical tests，such as non-continuity of detection，high time delay and material loss，this paper designs and develops a set of automatic on-line non-destructive testing system for mechanical properties，which can provide reliable tensile strength Rm，yield strength Rp0.2 value，elongation，strain hardening index，plastic strain ratio and bake hardening value of the whole steel coil continuously in real time.It is helpful for production personnel to timely and effectively discover the trend of mechanical properties of steel plate，thereby improving the control ability of product quality and reducing product quality problems.Key words：electromagnetic testing equipment；online non-destructive testing；intelligent manufacturing；digital steel coil中图分类号：TG 333 文献标志码：A 文章编号：2096-9023（2023）04-0029-051前言在冷轧带钢的工业生产中，主要关注的机械性能有屈服强度、抗拉强度、延伸率和应变硬化指数等。以上几种机械性能容易受金属成分、微观组织、轧制方式以及退火工艺等因素影响。冷轧钢带机械性能的优劣决定了其应用场景及使用年限，也决定了其适用的载荷范围，是制造产品选材的最主要依据。中国宝武钢铁集团有限公司是中国最大、最现代化的钢铁联合企业。目前宝武钢铁集团针对冷轧带钢的机械性能检测主要采用破坏性材料测试方法，例如通过离线拉伸实验测得屈服强度、抗拉强度、延伸率等机械性能值。这种方法检测时间滞后，不能实时给出准确的机械性能值，在实际生产时现场操作人员只能根据以往的经验来设置每卷冷轧钢卷的生产参数，生产出来的机械性能不可避免地会产生误差，因此，需要开发一种能够在钢带生产过程中实时检测钢带机械性能的系统。宝钢目前正在全力实现冷轧带钢的智能制造，全流程生产过程在实物带钢物理位置上的准确映射，可实现全流程数据之间的勾联，同时建立生产过程数据、质量数据、能环数据及其他管理数据的透明化与可视化。薄带钢机械性能在线检测技术是其中重要组成要素。冷轧钢带在线检测机械性能检测系统开发克服了传统破坏性材料测试方法的局限，能够在一卷钢带整体长度上实时地提供准确的机械性能测量值。目前对冷轧钢带机械性能在线检测技术的研究处于初步阶段，该系统由南京航空航天大学与宝钢中央研究院于 20182022年联合开发，以宝钢股 29Aug.2023Vol.4 No.4 Fluid Measurement&Control份冷轧厂 608 机组为应用载体，以带钢机械性能参数为研究对象，在 3MA电磁检测设备的基础上二次开发，最终形成宝钢股份具有带钢全长机械性能无损检测核心技术和独有能力的实时检测系统。2系统检测原理本系统在多磁参数的机理研究和检测模型优化方面加以研究，开发了相应的应用软件，现已实现的功能包括自动检测模式与手动操作模式的切换、非接触式检测、提离自动控制、电磁检测探头自动扫描、在线检测与显示、数字钢卷信息查看、参数配置和模型选择、设备定期自动标定及模型训练更新等。带钢机械性能在线检测系统的核心是电磁无损检测设备，该设备集成了巴克豪森噪声、切向磁场强度谐波分析、增量磁导率以及多频涡流检测方法，在带钢被磁化的过程中获得多个特征值来进行融合分析，达到了很好的检测效果。设备及几种方法的介绍如图 1所示。2.1巴克豪森检测在铁磁性材料技术磁化过程中的剧烈磁化阶段，磁畴壁吸取大量能量后会进行不可逆的跳跃式移动，这种跳跃式移动的现象最初是由德国物理学家巴克豪森教授发现的，因此被命名为巴克豪森跳跃。铁磁性材料内部的残余应力、杂质、空穴等因素导致了多个势能垒的存在，在材料被磁化时，磁畴壁需要克服势能垒才能发生位移，在这过程中产生了非连续的阶梯式的巴克豪森跳跃，如图 2所示。在此过程中会同时释放出一种声能量信号，可通过感应线圈拾取，被称为磁巴克豪森噪声信号。巴克豪森信号是 90和 180的磁畴壁在翻转过程中产生的电磁脉冲信号幅值之和，其中 90畴壁的不可逆跳跃产生的磁通变化量较小，且产生的巴克豪森信号强度较弱，因此巴克豪森信号主要成分是180畴壁的不可逆跳跃。巴克豪森信号产生在磁化曲线和磁滞回线变化最陡的时刻1，如图 3所示。2.2切向磁场强度谐波分析在电压驱动磁化的情况下，将频率为 fM的正弦激励电压施加到电磁铁的磁轭线圈上，电磁铁的总电感和材料的磁滞回线的形状会导致在探头轭线圈中产生与时间相关的非正弦的电流。即除了基频 fM之外，磁化电流将还会出现高次谐波，如 3fM、5fM等。因此，在材料表面测量的切向磁场（Ht）也表现出高次谐波，如图 4 所示。磁滞的对称性仅产生奇数谐波，与其他电磁技术相比，谐波分析允许更深的铁磁性材料范围，其分析范围深度可以达到10 mm。2.3增量磁导率与磁巴克豪森法中磁畴翻转的不可逆变化相比，增量磁导率技术记录了磁畴变化的可逆部分2。施加图 1电磁检测设备及原理图图 2巴克豪森噪声图 3磁滞回线与 MBN信号 302023年 8月流体测量与控制第 4卷第 4期（总第 17期）的动态磁场由两部分组成：频率为 fM、磁场强度为HM的低频磁场；频率为 fD、强度为 HD的高频磁场，其中 fDfM，HDHM，高频磁场形成了较小的磁滞曲线，其斜率为磁滞回线上该点的增量磁导率，如图 5所示。记录采集线圈阻抗随交流磁场变化的幅值，从中提取相关特征值用于分析检测对象的性能。2.4多频涡流在涡流（Eddy Current，EC）检测期间，载流线圈的产生的电磁场与试样的相互作用引起阻抗变化。向激励线圈提供高频交流电压，其产生交变场并在检测材料中感应出涡电流3。材料中的涡流取决于交流电压的频率以及材料的电导率 和磁导率。材料微观结构或残余应力的变化会改变电导率 和磁导率，影响涡流的强度和传播，导致拾波线圈的阻抗发生变化。3系统结构组成冷轧带钢在线机械性能检测系统由硬件和软件两大部分组成，其中，硬件部分包括电磁检测相关设备和辅助机电设备，软件部分包括前端与后端两部分。系统的结构如图 6所示。3.1系统硬件组成硬件部分主要由以下四个部分组成。（1）电磁检测探头部分，如图 7所示。其主要功能是对冷轧带钢进行局部磁化，然后获取四种电磁方法的特征信号，对信号进行放大和滤波，最后通过电缆传输给可编程逻辑控制器（Programmable Logic Controller，PLC）控制柜中的电磁检测设备。（2）进给机构。其功能是控制检测探头的升降和横向移动。控制检测探头的上升使检测探头与冷轧钢带的距离为规定的 50.5 mm，控制检测探头的下降主要是为了在停止测量时保护测探头的安全。控制检测探头的横向移动，使其针对不同宽度的带钢始终保持在带钢取样的位置。（3 PLC 控制柜部分，如图 8所示。PLC 控制柜里有电磁检测设备还有 PLC 控制设备，其中电磁检测设备主要是给检测探头发射激励信号，再获取从检测探头传送过来的检测信号，并对该信号进行处理，然 后 以 传 输 控 制 协 议（Transmission Control Protocol/Internet Protocol，TCP/IP）的形式将信号传送给装有机械性能检测系统软件并实现通过该软件控制电磁检测设备。PLC 控制设备主要是控制探头移动装置的运作，然后通过 TCP/IP 的形式图 4高次谐波图 5增量磁导率定义图 6在线检测系统的整体结构图 7电磁检测探头结构 31Aug.2023Vol.4 No.4 Fluid Measurement&Control与机械性能检测系统软件通信，实现通过该软件控制进给机构。（4）摄像头部分。该部分主要是实时监控检测现场硬件系统运行的情况。3.2系统应用软件机械性能在线检测软件方面主要分为前端页面开发和后端程序开发两部分。前端页面的开发主要包括页面设计、用户权限、视频调用和前后端的通信。后端程序开发包括前端通信、数据库开发和其他外部软件的通信。机械性能在线检测系统软件交互对象主要包括电磁检测设备、宝钢智慧制造大数据库和 PLC 控制器，其结构如图 9 所示。电磁检测设备传输的数据是电磁检测设备通过电磁法测量的 41 个电磁参数，宝钢智慧制造大数据库传输的数据包括 L1数据和 L2 数据。其中，L1 数据是实时的数据如钢带速度、张力、焊缝距检测探头的位置等，L2数据是冷轧钢带基本属性如钢带卷号、厚度、宽度、退火曲线代码等。PLC 控制传输的数据是相应的 PLC 指令，还有带钢宽度及实时计算的 6个机械性能值。4现场检测测试4.1算法模型预测结果分析本项目根据实际情况，主要使用逐步回归模型和 BP 神经网络模型来完成对带钢数据的建模分析4。为了对两种模型预测精度及所消耗的时间做进一步分析，可以使用两种模型对同一批冷轧带钢进行机械性能预测，根据预测结果来对比五种模型的性能。本文所用结果的评价指标包括：（1）耗费的时间。模型开始运行到模型计算完成所耗费的时间差，计算公式为T=t1-t2(1)式中：t1为模型计算完成时的时间；t2为模型开始计算时的时间。（2）平均绝对值误差率。平均绝对值误差率是相对误差绝对值的平均值，计算公式为EA=i=1NEiN 100%(2)Ei的计算公式为Ei=|yi-yc,iyi(3)式中：yi为机械性能真实值；yc,i为机械性能预测值。（3）模型预测能力。预测能力主要表现在两个方面：模型能否说明所要预测期间事物的发展情况；预测误差，即只有预测结果有一个合适的置信区间，才能保证预测有意义。本文的置信区间有两个，分别为平均绝对值误差10%和平均绝对值误差5%。Q10、Q5的公式为Q10=N10N 100%(4)Q5=N5N 100%(5)图 8PLC控制柜图 9机械性能在线检测软件结构 322023年 8月流体测量与控制第 4卷第 4期（总第 17期）式中：N 为样本的总数；N5为平均绝对值误差5%的测试样本个数；N10表示平均绝对值误差10%的测试样本个数。（4）均 方 根 误 差。均 方 根 误 差（Root Mean Square Error,RMSE）对一组测量数据中误差变化的波动反应十分敏感，能够很好地衡量测量精度。其计算公式为RMSE=i=1N()yi-yi2N(6)式中：yi为估计值；yi为实际测量值。4.2检验结果精度选取 2020 年 6 月、7 月、8 月 3 个月中 11 个出钢记号的钢种精度作为考核标准，共 1 577 卷。分别选用了逐步回归模型和 BP 神经网络模型计算了检测 结 果 精 度，逐 步 回 归 系 数 表 选 择 CoefTableforC608V9.1.xlsx版本。检测结果见表 1。BP 神经网络系数选择 BPNNV2P0.xlsx 版本,检测结果见表 2。由上述检测结果可知，模型结果基本满足精度要求，个别参数精度仍有上升空间。系统检测能力考核指标如下：（1）检 测 精 度 P5%时，检 测 合 格 率 Rm90%；（2）检 测 精 度 P10%时，检 测 合 格 率 Rp0.290%，A90%，R9090%，N9090%；（3）检 测 精 度 P15%时，检 测 合 格 率 BH90%。（4）对甲方提供的标准样本，指定电磁参数的重复测量（重复周期待定义）精度5%。5结语本文以冷轧厂 C608机组作为系统适用现场，基于电磁无损检测理论，开发出一套关于冷轧钢带机械性能的在线检测系统。该在线检测系统较好地改进了传统冷轧钢带机械性能检测方法的不足之处，提高了机械性能检测效率，优化检测流程。参考文献：1 杨孟交.巴克豪森信号特征提取及应用 D.南京：南京航空航天大学，2017.2 刘秀成，马坤，王磊，等.微磁检测中表面切向磁场强度的线性外推测量方法J.应用基础与工程科学学报，2020，28（1）：235-245.3 杨理践，裴磊，杨继华.钢板脉冲涡流检测方法 J.仪表技术与传感器，2011（7）：87-90.4 刘孝成，王平，范林飞.冷轧带钢力学性能在线检测系统算法模型研究 J.机械制造与自动化，2021，50（2）：131-133.5 许勇.无缝线路钢轨纵向位移监测技术研究 J.流体测量与控制，2021，3（2）：38-43.表 1逐步回归算法精度项目序号1235467891011出钢记号AP0540D1AP0961E1AT3482D1DT0138D1DT0138D2DT0142D1DT0144D1DT3851D1DU3542D1DU3853D1IU3840E9类号1305013091163422601826018260122601426381273522738337380Rp0.210%9495979998969799959789Rm5%96979999100999999989697A10%93949498999996100989897R9010%9796939794998289N9010%10099100100981009996BH15%8265表 2神经网络算法精度项目序号1235467891011出钢记号AP0540D1AP0961E1AT3482D1DT0138D1DT0138D2DT0142D1DT0144D1DT3851D1DU3542D1DU3853D1IU3840E9类号1305013091163422601826018260122601426381273522738337380Rp0.210%9599979999979799999894Rm5%9196979999939299999697A10%9494929999989198989894R9010%9495929091958786N9010%10010099100931009992BH15%7969 33