[发明专利]一种提高带钢全长卷取温度预报精度的自学习方法

说明书

技术领域：

本发明属于热轧带钢自动控制技术领域，特别涉及热轧带钢的卷取温度控制过程中的模型自学习方法。

背景技术：

卷取温度的控制水平直接影响带钢成品组织性能的稳定性，高精度的卷取温度预报模型对提升卷取温度控制水平的至关重要。在实际生产中，影响带钢全长卷取温度的因素错综复杂，在控制系统中无法做到全面而精确地描述。其中，许多因素随带钢长度方向上的位置而变化，比如入口温度、轧制速度、卷取张力、带钢板型等，必须采用自学习方法不断地对模型进行更新修正。具体方法是，将带钢全长分成若干小段，当每段带钢达到层流冷却的粗调区或精调区入口时，根据其卷取温度的模型预报值与目标值之间的偏差动态调节冷却水量，然后当其达到层流冷却出口获得卷取温度实测值后，再反算出最新的自学习系数实际值，用于修正在入口之前的后续带钢段的卷取温度预报，这一过程就是段间自学习，如图1所示。

从图中可知，传统的段间自学习方法存在着严重的滞后问题，即用于反算自学习系数实际值的带钢段i′与其修正效果所作用的带钢段i之间相差有几十米的距离。由于影响冷却效果的因素可能已经发生较大变化，滞后问题将使得段间自学习效果不佳，甚至可能出现调节的方向相反而产生振荡。现有的解决方法有自学习系数平滑处理、带钢间采用多点自学习等。

平滑处理方法是对段间自学习系数实际值先采用指数平滑法处理之后，再用于修正后续带钢段的预报模型，虽然能防止出现较大振荡，但它是以减小自学习的修正作用为代价，同时还使得修正效果可能更加滞后。

带钢之间多点自学习是对传统的带钢间头部自学习方法的改进，允许在带钢长度方向上多个特征点处（比如带钢的头中尾）采用带钢间自学习替代段间自学习。该方法的出发点是利用已轧制过的带钢信息及时修正模型以适应特征点处可能出现的冷却效果改变，虽然在某些工况下能够避免这些特征点处存在的段间自学习滞后影响，但由于破坏了段间自学习的连续性，如果前后两块带钢冷却影响因素差异较大，该方法反而会使得控制效果恶化。另外，由于冷却效果影响因素在带钢长度方向上的变化规律相对复杂，需要增加特征点才能降低对变化规律描述的误差，但这又同时会使得段间自学习因中断次数太多而效果无法正常发挥。在生产中，以上问题严重限制了该方法的实际应用。

发明内容：

针对带钢卷取温度控制中的段间自学习方法所存在的滞后问题以及现有技术措施的局限性，本发明提出了一种新的自学习方法，利用已轧制完成带钢的段间自学习相关控制参数，计算出段间自学习的滞后因子，补偿当前带钢段间自学习所存在的滞后影响，达到提高带钢全长各段的卷取温度预报精度的目的，如图2所示。

本发明的技术方案：一种提高带钢全长卷取温度预报精度的自学习方法，具体技术方案如下：

首先，在卷取温度控制过程中收集带钢各段的距离带钢头部位置p、启动卷取温度预报的时刻τ_ff、到达卷取温度计的时刻τ_CT以及根据实测卷取温度反算的自学习系数实际值f^*，其中带钢段的距离带钢头部位置p采用带钢长度百分比的方法表示。

在带钢轧制完成后，根据各段的τ_ff和τ_CT确定当启动第i段带钢卷取温度预报时刚好达到层流冷却出口温度计的带钢段号i′，其中i′＝i-m，m为段间自学习的滞后段数。

然后，采用以下公式计算第i段带钢的自学习滞后因子k_i：