[发明专利]一种基于误差反向传播算法的冷轧板形控制参数设定方法

说明书

本发明属于冶金自动化和智能化控制技术领域，特别涉及一种基于误差反向传播算法的冷轧板形控制参数设定方法。首先基于多层前馈神经网络建立冷轧板形预报网络，利用收集的历史冷轧轧制参数、板形控制参数等轧制数据和历史板形数据对冷轧板形预报网络进行离线训练，并将训练好的网络作为板形控制参数优化网络，用于在线计算。然后将所需的当前带钢的冷轧轧制参数、板形控制参数初始设定值以及板形目标值输入到板形控制参数优化网络。利用板形控制参数优化网络的网络预报板形值与板形目标值的偏差，基于误差反向传播算法对板形控制参数按照优先级进行逐一迭代计算，获得优化后的板形控制参数。

技术领域

本发明属于冶金自动化和智能化控制技术领域，特别涉及一种基于误差反向传播算法的冷轧板形控制参数设定方法。

背景技术

冷轧板形自动控制系统一般由板形预设定、前馈控制、反馈控制和自学习四部分构成。典型的板形执行机构包括工作辊弯辊、中间辊弯辊、中间辊窜辊、轧辊倾斜和精细冷却设备，可对边浪、中浪、肋浪、复合浪和高次浪形缺陷进行控制。

专利CN201811310587.0“一种冷轧板形闭环控制方法及系统”(专利1)。该专利根据冷轧板形调控功效系数建立冷轧板形执行机构协同控制的评价函数，由评价函数的梯度信息和板形执行机构调节可行域，确定执行机构的调整方向及其最优调节量，提高板形调节速度。

专利CN201810338087.1“一种基于数据驱动的冷轧板形调控功效系数获取方法”(专利2)。该专利采用偏最小二乘算法对冷轧工艺参数和板形值的变化量进行处理，利用模型系数矩阵求得板形调控功效系数。

专利CN201110450321.8“冷轧板形残差消除方法”(专利3)。该专利根据轧辊与冷却液间的传热原理及PI闭环控制原理对工作辊精细冷却开关阀进行有效控制，以消除相应冷却分区上的冷轧板形残差。

专利CN201110450304.4“基于最优化算法的冷轧板形控制自学习方法”(专利4)。该专利根据学习样本对L1级板形控制所需的各板形控制机构的效率因子进行优化，有利于板形控制程序实时提高板形执行机构调节量的计算精度。

专利CN200910055471.1“一种基于来料板廓的冷轧板形前馈控制设定方法”(专利5)。该专利采用接力的方式，在冷连轧机组的前面机架对来料凸度波动进行逐架消除，降低来料凸度波动对成品带钢板形的影响，提高带钢板形的控制精度。

以上专利中，专利1针对的是冷轧板形闭环控制方法，用于确定板形执行机构的调整方向及其最优调节量。专利2和专利4分别采用数据驱动的方式和自学习的方式获取板形调控功效系数或者板形控制机构的效率因子，反映的都是板形执行机构的调节量对板形的影响增益，常用于板形反馈控制。专利3是针对高次浪形，采用精细冷却方式对冷轧板形残差进行控制，也属于板形反馈控制。专利5是针对来料板凸度波动进行板形前馈控制。

综上所述，现有专利主要涉及冷轧板形自动控制系统中的前馈控制、反馈控制和自学习，有关冷轧板形控制参数预设定的新方法尚无报道。

目前冷轧板形预设定主要还是利用影响函数法等离散化求解方法对带载辊系的弹性变形、接触应力、轧制厚度分布以及轧后板形进行迭代计算，对工作辊弯辊力、中间辊弯辊力、中间辊窜辊量、轧辊倾斜值等板形控制参数进行设定以满足板形目标曲线给出的板形控制要求。

基于影响函数法等数学模型的板形预设定模型与自学习模型的结合能够确保批次连续轧制时板形控制参数的高精度设定，但在材质切换、厚度或宽度规格切换轧制时设定精度明显下降，轧件头部区域板形往往较差，直接影响后续工序的稳顺生产，也制约了冷轧产品成材率的提升。神经网络具有很强的适应复杂环境的能力，对多目标控制也有很好的学习能力，并可以任意精度逼近任意非线性连续函数的特性。为此，可在板形预设定中引入神经网络协助数学模型完成板形控制参数的优化设定，增强模型对轧件头部非稳态轧制时的控制能力。