[发明专利]基于影响矩阵自学习的板形闭环控制方法

权利要求书

1.基于影响矩阵自学习的板形闭环控制方法，其特征在于：

(1)确定影响板形调控机构调节性能的关键影响因素，建立影响矩阵先验值表；

(2)在板形闭环控制过程中，利用数学插值方法实时计算当前工况点的影响矩阵值；

(3)在板形闭环控制过程中，通过影响矩阵先验值的自学习不断提升影响矩阵值先验值表的精度。

2.如权利要求1所述的基于影响矩阵自学习的板形闭环控制方法，其特征在于，按照不同的板带材质分别建立多个道次的影响矩阵先验值表。

3.如权利要求1所述的基于影响矩阵自学习的板形闭环控制方法，其特征在于，实时计算当前工况点的影响矩阵值时利用质心插值算法，其步骤为：

(1)根据当前实际工况点的关键影响因素值在影响矩阵先验值表中实现定位，即确定插值点的位置，一般情况下，在先验值表中插值点周围的四个结点会形成一个矩形，假设四结点分别为gkd₁、gkd₂、gkd₃及gkd₄，其值为gkd₁(x_i，y_i)、gkd₂(x_i+1，y_i)、gkd₃(x_i+1，y_i+1)和gkd₄(x_i，y_i+1)，矩形的左下角点为gkd₁，其他各点依次按逆时针分布；为了求得插值点gkd的值，设其周边四点的对插值点的影响权重因子分别为w₁、w₂、w₃和w₄，插值点的值按下式计算：

gkd(x，y)＝w₁·gkd₁(x_i，y_i)+w₂·gkd₂(x_i+1，y_i)+w₃·gkd₃(x_i+1，y_i+1)+

           w₄·gkd₄(x_i，y_i+1)

(2)y₁＝y-y_i，y₂＝y_i+1-y，x₁＝x-x_i，x₂＝x_i+1-x。为了表述方便，令Δx＝x_i+1-x_i＝x₁+x₂，Δy＝y_i+1-y_i＝y₁+y₂；在计算插值点gkd周边各点对其影响权重因子时利用质心插值原理，共有4种情况，分别如下：

(2.1)插值点位于四点之间时，各影响权重因子按下式计算：

w1=x2y2ΔxΔy,]]>w2=x1y2ΔxΔy,]]>w3=x1y1ΔxΔy,]]>w4=x2y1ΔxΔy]]>

(2.2)当插值点与先验值表中的某点重合时，则与之重合的典型工况点的影响权重为1，其他为0；

(2.3)当插值点位于典型工况点gkd₁、gkd₄之间的线上时，则可计算gkd₁、gkd₄对插值点的影响权重因子，gkd₂、gkd₃对插值点的影响权重因子为零，即

w1=y2Δy,]]>w₂＝0，w₃＝0，w4=y1Δy]]>

当插值点位于gkd₂、gkd₃之间的线上时，处理方法与此相同；

(2.4)当插值点位于典型工况点gkd₁、gkd₂之间的线上时，则可计算gkd₁、gkd₂对插值点的影响权重因子，gkd₃、gkd₄对插值点的影响权重因子为零，即

w1=x2Δx,]]>w2=x1Δx,]]>w₃＝0，w₄＝0

当插值点位于gkd₃、gkd₄之间的线上时，处理方法与此相同。

4.如权利要求1所述的基于影响矩阵自学习的板形闭环控制方法，其特征在于，影响矩阵先验值的自学习过程，包括以下步骤：

(1)依据轧制带材的材质、道次，选择相应的影响矩阵先验值表；

(2)根据实际工况点的关键影响因素值确定其在先验值表中的位置，按照权利要求3的插值方法得到当前工况点影响矩阵的计算值；

(3)利用基于最小二乘原理的勒让德多项式回归分解法分别求取当前时刻实测板形特征参数向量与目标板形特征参数向量，并求出二者的偏差向量为ΔA；

(4)根据式(9)计算得出板形调控机构为消除板形特征参数偏差向量ΔA所需的调节向量ΔU，并执行。

(5)设板形调控机构执行完ΔU后，存在的板形特征参数向量偏差ΔA′，则板形调控机构执行调节向量ΔU时板形特征参数向量的实际改变量为ΔA_R，即

ΔA_R＝ΔA-ΔA′

(6)据板形精度要求事先最小板形控制误差ε作为判断自学习是否可以结束的条件；若满足Max(ΔA′)≤ε，则结束自学习过程，保存先验值表，转置(2)；否则，执行(7)；

(7)在影响矩阵先验值表中，与插值点有关的典型工况点的影响矩阵先验值按照下式进行自学习：

gkd′_k＝ΔA_R·ΔU′·w_k·v+gkd_k(k＝1，2，3，4)

式中，gkd′_k为插值点周边工况点自学习后的影响矩阵值；ΔU′为板形调控机构上一次执行的调节向量ΔU的一种形式变换，即ΔU′＝[1/Δu₁…1/Δu_m…1/Δu_M]；w_k为该点对插值点的影响权重因子；gkd_k为插值点周边工况点影响矩阵的先验值；v为自学习速度因子，其值在0～1之间，通过它可以改变学习速度；

(8)本次自学习过程结束后，转置(2)。