[发明专利]含有三次板形的板形闭环控制方法

权利要求书

1.一种含有三次板形的板形闭环控制方法，其特征在于，包括以下步骤：

(a)采集板形数据(y_i，σ_i)(i＝1，2，...，N_z)，其中N_z为测量点数，σ_i为坐标y_i处的 板形偏差；

(b)用以一次、二次、三次和四次勒让德多项式作为板形基模式、基于最小 二乘原理的勒让德多项式回归分解法对采集的板形数据(y_i，σ_i)(i＝1，2，...，N_z)进行 模式识别，识别出板形特征参数e_i(i＝1，2，3，4)；

(c)采用3层BP网络建立板形调节影响系数矩阵快速计算网络NN，根据 当前轧制状态，用网络NN计算出影响系数矩阵C；

(d)根据步骤(b)中计算的e_i(i＝1，2，3，4)和步骤(c)中计算的C，计算出各板形 控制参数增量ΔU，进行板形控制。

2.根据权利要求1所述的含有三次板形的板形闭环控制方法，其特征在于： 步骤(c)中所述的采用3层BP网络建立板形调节影响系数矩阵快速计算网络NN， 根据当前轧制状态，用网络NN计算出板形调节影响系数矩阵C，包括以下步骤：

(1)常用的板形控制手段有倾辊、弯辊、轧辊横移，对于某一台轧机，一般 具有多种控制手段，用N表示其采用的板形控制手段的数目，计算各控制参数不 断变化时的影响系数矩阵，包括以下步骤：

(1.1)给定各控制参数的初值分别为u₁、u₂、…、u_N；

(1.2)给定各控制参数的单位增量分别为Δu₁、Δu₂、…、Δu_N；

(1.3)计算不同情况下的板形

各控制参数分别为u₁、u₂、…、u_N时，计算得到的板形为

E＝[e₁，e₂，e₃，e₄]^T

各控制参数分别为u₁+Δu₁、u₂、…、u_N时，计算得到的板形为

E(1)=[e1(1),e2(1),e3(1),e4(1)]T]]>

各控制参数分别为u₁、u₂+Δu₂、…、u_N时，计算得到的板形为

… … … …

E(2)=[e1(2),e2(2),e3(2),e4(2)]T]]>

各控制参数分别为u₁、u₂、…、u_N+Δu_N时，计算得到的板形为

E(N)=[e1(N),e2(N),e3(N),e4(N)]T]]>

(1.4)计算板形调节影响系数矩阵C

C=c11c12···c1Nc21c22···c2Nc31c32···c3Nc41c42···c4N=e1(1)-e1Δu1e1(2)-e1Δu2···e1(N)-e1ΔuNe2(1)-e2Δu1e2(2)-e2Δu2···e2(N)-e2ΔuNe3(1)-e3Δu1e3(2)-e3Δu2···e3(N)-e3ΔuNe4(1)-e4Δu1e4(2)-e4Δu2···e4(N)-e4ΔuN]]>

其中，影响系数矩阵C中的元素c_ij(i＝1，2，3，4；j＝1，2，…，N)为影响系数，其物理意 义为第j种板形调节量单位变化对第i种板形模式的影响系数；

(1.5)得到板形调节影响矩阵方程

ΔE＝CΔU

式中

ΔE=Δe1Δe2Δe3Δe4]]>ΔU=Δu1Δu2···ΔuN;]]>

(2)将步骤(1)中计算的板形调节影响系数矩阵作为样本，对影响系数矩阵快 速计算网络NN进行训练，包括以下步骤：

(2.1)按照3层BP网络模型建立网络NN，确定网络NN结构；

(2.2)给定目标误差ε和最大训练次数N_max；

(2.3)按照微粒群算法确定网络NN的初始权值和阈值；

(2.4)计算网络误差Er；

(2.5)按照增加动量项、变学习效率和变梯度改进的算法进行权值和阈值学 习；

(2.6)如果Er小于ε或迭代次数超过最大训练次数N_max，则结束训练，否则 返回到步骤(2.4)重新计算；

(3)根据当前的轧制状态，用步骤(2)中训练好的网络NN计算出C。

3.根据权利要求1所述的含有三次板形的板形闭环控制方法，其特征在于： 步骤(d)中所述的根据步骤(b)中计算的e_i(i＝1，2，3，4)和步骤(c)中计算的C，计算 出各板形控制参数增量ΔU，进行板形控制；设当前板形为E，令其有一增量ΔE， 使板形达到良好，则有

ΔE＝-E

根据板形调节影响矩阵方程，可得为使板形增加ΔE而需要的各板形控制参 数增量为

ΔU＝C⁺ΔE＝C⁺(-E)

其中，C⁺为矩阵C的Moore-Penrose逆矩阵。