Об адекватности параметров профиля поперечного сечения полосы. Сообщение 1. Предсказательный интервал

Повышение уровня автоматизации металлургических агрегатов, связанных с развитием технологии и применением современных датчиков и измерительных систем, а также развитие промышленных информационных систем увеличивает количество доступных для анализа параметров производственных и технологических процессов. Следствием этого является увеличение сложности и длительности предварительной подготовки данных, поступающих от датчиков и измерительных систем, для последующего математического и статистического анализа. Поэтому весьма важно и актуально разрабатывать новые и совершенствовать существующие методики автоматизированного процесса первичной подготовки данных. При разработке методик первичной подготовки данных следует учитывать, что точность и адекватность результатов последующего математического анализа определяются точностью и адекватностью используемых исходных данных. Параметры профиля поперечного сечения горячекатаных полос, такие как клиновидность, выпуклость, разнотолщинность, смещение выпуклости, прикромочная клиновидность, локальные утолщения и утонения полосы являются расчетными параметрами, т. е. вторичны по отношению к фактическим измерениям толщины полосы по длине и ширине горячекатаных полос. По мере совершенствования технологии в цехах холодной прокатки тонколистовой стали растет число сортаментных групп, для которых технологические режимы обработки горячекатаных полос, осуществляющихся на агрегатах холодной прокатки и отделки стальных полос, а также маршруты их обработки выбирают, исходя из фактических значений параметров профиля поперечного сечения. Целью является последующее снижение вероятности образования несоответствующей продукции и повышенного расхода металла. В статье приведен обзор общепринятых методов расчета параметров профиля поперечного сечения горячекатаной полосы и дана оценка точности и адекватности применения усредненных по длине полосы параметров.

тонколистовая прокатка, профиль полосы, прикромочная клиновидность, вероятность обрыва, предсказательный интервал

1. Ginzburg V.B. Flat-Rolled Steel Processes: Advanced Technologies.

2. Ginzburg V.B. Metallurgical Design of Flat Rolled Steels. Marcel Dekker, 2005. 710 p.

3. Roberts W.L. Cold Rolling of Steel. Marcel Dekker, 1978. 799 p.

4. Бельский С.М., Мухин Ю.А. Классификация технологических принципов регулирования плоскостности полос // Сталь. 2009. № 11. С. 47–50.

5. Бельский С.М., Мухин Ю.А. Горячая прокатка полос с местным утолщением // Сталь. 2009. № 5. С. 35–41.

6. Сажин Ю.В., Иванова И.А. Эконометрика. Саранск: Мордовский госуд. ун-т, 2014. 316 с.

7. Ишханян М.В. Эконометрика. М.: Российский ун-т транспорта (МИИТ), 2017. 65 с.

8. Shinkin V.N. Mathematical model of technological parameters’ calculation of flanging press and the formation criterion of corrugation defect of steel sheet’s edge // CIS Iron and Steel Review. 2017. Vol. 2017. No. 1. P. 44–47. https://doi.org/10.17580/cisisr.2017.01.10

9. Shinkin V.N. Arithmetical method of calculation of power parameters of 2N-roller straightening machine under flattening of steel sheet // CIS Iron and Steel Review. 2017. Vol. 14. P. 22–27.

10. Predeleanu M., Gilormini P. Advanced Methods in Materials Processing Defects. Vol. 45. Elsevier Science, 1997. 422 p.

11. Emmens W.C. Formability: A Review of Parameters and Processes that Control, Limit or Enhance the Formability of Sheet Metal. Springer, 2011. 112 p.

12. Muhin U., Belskij S., Koynov T. Study of the influence between the strength of antibending of working rolls on the widening during hot rolling of thin sheet metal // Frattura ed Integrita Strutturale. 2016. Vol. 10. No. 37. P. 318–324. https://doi.org/10.3221/IGF-ESIS.37.42

13. Бельский С.М., Шопин И.И. Параметрическая модель напряженно-деформированного состояния рулона на моталке // Известия вузов. Черная металлургия. 2017. Т. 60. № 11. С. 925–931. https://doi.org/10.17073/0368-0797-2017-11-925-931

14. Иконникова И.А., Вихорь Н.А. Эконометрика. Томск: Томский государственный архитектурно-строительный университет, 2012. 87 с.

15. Kennedy P. A Guide to Econometrics. MIT Press, 2003. 623 p.

16. Шинкин В.Н. Расчет кривизны стального листа при правке на восьмироликовой машине // Черные металлы. 2017. № 2. С. 46–50.

17. Шинкин В.Н. Расчет изгибающих моментов стального листа и реакций опор рабочих роликов при правке на восьмироликовой машине // Черные металлы. 2017. № 4. С. 49–53.

18. Banabic D. Multiscale Modeling in Sheet Metal Forming. Springer, 2016. 405 p.

19. Hu P., Ma N., Liu L.-Z., Zhu Y.-G. Theories, Methods and Numerical Technology of Sheet Metal Cold and Hot Forming: Analysis, Simulation and Engineering Applications. Springer, 2013. 210 p.

20. Бельский С.М., Шопин И.И. Практическое применение коэффициента седловидности для оценки качества горячекатаной полосы // Черные металлы. 2019. № 9. С. 9–13.

21. Бельский С.М., Щедрин И.Н., Шопин И.И. Решение проблемы потери устойчивости рулонами из стальной полосы с полимерным покрытием // Производство проката. 2018. № 7. С. 5–8.

22. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Книга 1. М.: Финансы и статистика, 1986. 366 с.

23. Spokoiny V., Dickhaus T. Basics of Modern Mathematical Statistics. Springer, 2015. 296 p.

24. Freedman D.A. Statistical Models: Theory and Practice. Cambridge University Press, 2009. 442 p.

25. Шинкин В.Н. Разрушение стальных труб большого диаметра при дефекте раскатной пригар // Известия вузов. Черная металлургия. 2017. Т. 60. № 6. С. 436–442. https://doi.org/10.17073/0368-0797-2017-6-436-442

26. Шинкин В.Н. Упрощенный метод расчета изгибающих моментов стального листа и реакций рабочих роликов в многороликовой правильной машине // Известия вузов. Черная металлургия. 2017. Т. 60. № 10. С. 777–784. https://doi.org/10.17073/0368-07972017-10-777-784.

27. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference and Prediction. Springer, 2009. 745 p.

28. Venables W.N., Ripley B.D. Modern Applied Statistic with S. Springer, 2002. 498 p.

29. Maindonald J., Braun W. J. Data Analysis and Graphics using R: An Example based Approach. Cambridge University Press, 2010. 552 p.

30. Graybill F.A., Iyer H.K. Regression Analysis: Concepts and Applications. Duxbury Press, 1994. 701 p.