[发明专利]高次板形控制方法

说明书

本发明公开了一种高次板形控制方法，包括以下步骤：执行普通板形控制系统流程；将普通板形控制系统流程中的板形偏差曲线引入高次板形控制系统，进行高次板形识别；制定高次板形控制策略，计算板形调控机构的输出控制增益；制定高次板形控制系统的投入条件和各板形调控机构的连锁条件，判断实际输出控制增益是否执行；输出高次板形控制增益到普通板形控制系统；将普通板形控制系统和高次板形控制系统计算得到的各板形调控机构控制增益值相加，得到总控制增益；将总控制增益输出到PLC控制系统进行板形自动控制。本发明通过高次板形有效识别、板形控制调控机构的组合控制策略及相应的连锁条件判断等板形控制方法，可有效地抑制高次板形。

技术领域

本发明涉及板带材冷轧轧制方法，更具体地说，涉及一种高次板形控制方法。

背景技术

板带材冷轧轧制工序的常规板形控制流程如图1a和1b所示。

板形辊测量得到的实测板形曲线与预先设定好的目标曲线相减，得到板形偏差曲线，自动板形控制系统或主操根据板形偏差来识别板形缺陷并相应调整板形调控机构，最终目的是控制板形达到目标曲线的要求。如图1b所示，曲线A、B及期间的阴影C分别是：

A：目标板形曲线

B：实际板形曲线

C：板形曲线的偏差

现有的板形缺陷识别和控制方法一般有以下几种方法：

(1)基于最小二乘原理的多项式模式识别模型

测量辊的测量信号与目标板形相减，得到板形偏差曲线，该曲线经最小二乘拟合被转化为4次多项式:

y＝a₀+a₁x+a₂x²+a₃x³+a₄x⁴ (1)

将a₁看作板形缺陷中线性部分的分量，由轧辊倾斜调节来消除；将a₂看作板形缺陷中抛物线形状的分量，由弯辊或者CVC位置调节来消除；将a₃、a₄看作更高次的板形缺陷分量，由轧辊的分段冷却控制系统来消除。该方法存在辨识精度不高，容错性能较差，抗噪音干扰能力差等问题。另外从实际应用效果看，分段冷却对高次板形的改善效果并不明显。

国内专利CN101690949B设计了一种含有三次板形的板形闭环控制方法，该技术方案在板形模式识别中考虑了三次板形缺陷，建立板形调节影响系数矩阵快速计算神经网络，计算出各板形调控机构的控制输出增益。该技术存在局部板形缺陷识别精度不高的问题。

另外有文献《UCMW冷连轧机板形控制系统优化》介绍了通过调整工作辊和中间辊弯辊力分配比例的控制策略，可以在一定程度上控制四次板形。

(2)神经网络板形模式识别

针对基于最小二乘法的模式识别方法的不足，采用人工神经网络(BP网络)来进行板形模式识别，取得了一定效果，该技术已应用到森吉米尔20辊轧机上。人工神经网络具有很强的非线性逼近能力，因此被广泛应用到工业过程中。但是，神经网络板形模式识别存在训练速度慢、容易陷入局部最优、过拟和现象以及泛化能力不能令人满意等问题，因此在高次板形(局部板形)识别上存在一定困难。

国外专利JP02299714A提供了一种关于箔材(不限于)轧制中的更改目标板形的方法，采用神经网络自学习方法，在宽度方向将带钢分为几个部分，分别考虑各个部分板形的权重和优先级，在不同的时候给出不同的目标板形，该方法与本专利提供的方法技术原理不同。神经网络板形模式识别多用于20辊轧机，针对高次板形缺陷，一般通过宽度方向对应的单独ASU鞍座进行控制，效果不明显。

(3)基于效应函数的板形控制策略