CN102363159A - 一种单张板精密冷轧板厚测量***的厚度控制方法 - Google Patents
一种单张板精密冷轧板厚测量***的厚度控制方法 Download PDFInfo
- Publication number
- CN102363159A CN102363159A CN2011103301543A CN201110330154A CN102363159A CN 102363159 A CN102363159 A CN 102363159A CN 2011103301543 A CN2011103301543 A CN 2011103301543A CN 201110330154 A CN201110330154 A CN 201110330154A CN 102363159 A CN102363159 A CN 102363159A
- Authority
- CN
- China
- Prior art keywords
- thickness
- model
- spiral
- rolling
- plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005096 rolling process Methods 0.000 claims abstract description 100
- 238000012706 support-vector machine Methods 0.000 claims abstract description 63
- 238000013179 statistical model Methods 0.000 claims abstract description 38
- 239000000463 material Substances 0.000 claims abstract description 7
- 238000004886 process control Methods 0.000 claims abstract description 4
- 238000003801 milling Methods 0.000 claims description 53
- 238000005259 measurement Methods 0.000 claims description 37
- 238000005097 cold rolling Methods 0.000 claims description 25
- 238000000137 annealing Methods 0.000 claims description 23
- 239000000314 lubricant Substances 0.000 claims description 15
- 238000005098 hot rolling Methods 0.000 claims description 13
- 239000000203 mixture Substances 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 229910052739 hydrogen Inorganic materials 0.000 claims description 9
- 238000012821 model calculation Methods 0.000 claims description 8
- 229910001069 Ti alloy Inorganic materials 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical group [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims description 2
- 239000010936 titanium Substances 0.000 claims description 2
- 229910052719 titanium Inorganic materials 0.000 claims description 2
- 230000009471 action Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000001186 cumulative effect Effects 0.000 abstract 1
- 230000001276 controlling effect Effects 0.000 description 6
- 238000005452 bending Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 125000002015 acyclic group Chemical group 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
一种单张板精密冷轧板厚测量***的厚度控制方法,属于机械自动化控制领域。由于单张板长度短、轧制时间少,测厚仪获得的厚度反馈值,无法用于进行厚度闭环控制。本发明将厚度测量值用于过程控制***的板厚计算模型进行模型自学习,对材料变形抗力与实际工况摩擦系数进行修正,通过提高板厚计算模型的设定计算精度,来从根本上提高厚度控制精度。本发明采用先进的支持向量机建模方法对单张板变形抗力与摩擦系数进行统计建模,形成解析模型与统计模型相结合的模型结构,并根据不同累积压下率建立多个变形抗力支持向量机,以及根据不同轧制线速度建立多个摩擦系数支持向量机,从而缩小每个支持向量机的作用范围,有效提高了模型计算精度,能够大幅度提高单张板冷轧产品的厚度控制精度。
Description
技术领域
本申请属于机械自动化控制领域,尤其涉及一种单张板精密冷轧板厚测量***的厚度控制方法。
背景技术
在目前的冷轧生产中,较多地实现了张力成卷轧制,而对于钛合金等特殊品种的轧制,由于单批次需求量小,或者由于变形抗力较大弯曲困难,难以成卷轧制,较多地采用无张力单张板轧制。
然而,单张板精密轧制却具有较多的技术难点:
(1)单张板精密轧制规格灵活、单批次产量小,来料厚度与断面形状具有较大的不确定性;
(2)单张板冷轧由于缺乏张力,使得变形抗力大,从而导致轧制负荷大、相对变形率小,轧程多、轧制道次多;
(3)相对于成卷轧制,单张板冷轧由于单张板长度较短,缺乏在线厚度、板形自动调节,板厚、板形质量的保证极为依赖设定模型精度;
(4)单张板无张精密轧制厚度薄(冷轧厚度≤6mm,成品厚度0.2~2.0mm),下游道次设定厚度误差可能与道次变形量达到同一量级,板厚控制难度大;
综合以上特点可知,单张板精密冷轧变形抗力大,轧制道次多,是板厚板形精度最难保证的冷轧生产方式,然而,在单张板冷轧中,由于单张板长度较短,无法像张力成卷轧制那样实现在线厚度闭环控制,而只能通过提高模型的厚度设定精度来保证成品厚度精度。
提高模型的厚度设定精度,必须解决两个主要环节,即获得准确的厚度测量值与基于厚度测量值的厚度控制方法。
首先应解决厚度测量问题。目前的单张板冷轧,可以在专用的单张板轧机上完成,也可以在板卷两用轧机上完成。二者的轧机本身没有区别,均为四辊或六辊可逆轧机,主要在于机前、机后的辊道配置与卷取机配置的差别。专用板轧机在单机架可逆轧机前后安装辊道,实现单张板的运输与咬钢,板卷两用轧机既在轧机前后安装辊道,可以实现单张板轧制,同时也在两侧安装转向辊与卷取机,可以实现成卷轧制。
目前的专用单张板轧机,一般自动控制精度较低,很少安装测厚仪,而专用带卷轧机,则较多地在轧机两侧安装X射线或γ射线测厚仪,并配备高精度的厚度自动控制***,即AGC。板卷两用轧机,实际是在带卷轧机基础上,安装辊道***,增加了轧制单张板的功能。
对于专用单张板轧机,由于辊道的阻挡,测厚仪无法测得带钢厚度;而对于板卷两用轧机,虽然在轧机两侧安装测厚仪,但由于辊道的阻挡,在单张板轧制时无法测得板材厚度,而在带卷轧制时,移开内机前辊道与内机后辊道,从而避免辊道阻挡,实现厚度测量。
本发明申请人在之前工作中,在轧机机前、机后设计了特殊的分段辊道结构,实现了在单张板轧制时通过测厚仪对板厚的准确测量。本发明将根据单张板冷轧的特点,设计有针对性的厚度控制方法。
发明内容
本发明所要解决的关键技术问题是,针对单张板冷轧厚度控制中存在的无法实时闭环控制、厚度精度保证难等问题,开发了基于解析模型与支持向量机统计模型相结合的具有参数自学习功能的板厚控制方法。
本发明的技术方案为:一种单张板精密冷轧板厚测量***的厚度控制方法。
单张板精密冷轧的厚度测量***与控制***总体结构(如图1所示)包括以下三部分:
(1)执行机构与测量装置
(2)基础自动化控制***
(3)过程控制***
在特殊辊道结构设计的基础上,X射线(或γ射线)测厚仪测量得到的板带厚度信息,通过Profibus-DP网络传输到基础自动化级的厚度控制PLC,厚度控制PLC用以完成辊缝闭环控制、压力闭环控制两种压下闭环控制模式,即分别通过磁尺反馈信号与压头反馈信号,实现厚度控制***执行内环功能。
由于单张板长度短、轧制时间少,无法利用测厚仪获得的厚度反馈值进行厚度闭环控制。因此,本发明提出如下控制方法:将厚度测量值用于过程控制***的板厚计算模型进行模型自学习,对材料变形抗力与实际工况摩擦系数进行修正,通过提高板厚计算模型的精度,来从根本上提高厚度控制精度。为找到模型计算误差的来源,分析各因素对模型精度的影响,该控制方法采用解析模型与统计模型相结合的方式进行建模,整体结构如图2所示。
该控制方法分为厚度设定计算与厚度自学习计算两部分内容,形成厚度自学习控制方法,详细内容如下:
厚度设定计算部分:
单张板冷轧生产,是从热轧料开始到最终产品,根据规格要求,一般需要经过多次退火。在热轧料与第1次退火之间、或两次退火之间的单张板轧制,称为一个轧程。一个轧程内,又包括多个轧制道次。对单张板在其单个轧程进行厚度设定计算时,首先进行分配各道次厚度,即确定各道次入口侧设定厚度与出口侧设定厚度,然后按照如下步骤从第1道次开始,进行每道次的厚度设定计算:
(1)读取单张板轧制的轧机入口侧设定厚度H、轧机出口侧设定厚度h,单张板宽度W以及单张板轧制线速度v;
(2)根据相应工况参数通过变形抗力模型计算得到单张板轧制此道次变形抗力计算值Kf,相应工况参数包括从第1道次开始的累积变形率εa(其计算模型为εa=0.4(H-hj-1)/H+0.6(H-hj)/H,j为道次号)、化学成分Che(指单张板各组成化学元素的质量百分数)、作为前工序的热轧终轧温度FTe、卷取温度CTe、退火温度ATe、退火时间ATm,变形抗力模型为变形抗力解析模型与变形抗力统计模型相结合的模型,根据累积变形率εa通过变形抗力解析模型得到其输出KfB,变形抗力解析模型为KfB=f1(εa);
变形抗力统计模型根据累积变形率不同,分别对应累积变形率0%、20%、40%、60%、80%、100%,由6个支持向量机组成,每个支持向量机的输入为化学成分Che、热轧终轧温度FTe、卷取温度CTe、退火温度Ate以及退火时间ATm,根据输入得到每个支持向量机输出KfCi(i=1,2,…,6),6个支持向量机输出KfCi通过累积变形率εa进行高斯插值得到总的统计模型输出KfC,高斯插值计算模型为:
式中,εai为6个支持向量机所对应的标准累积变形率,分别为0%、20%、40%、60%、80%、100%,σ为变形抗力统计模型高斯插值宽度,设为14%,gki(εa)为累积变形率插值权重;
将变形抗力解析模型输出KfB与变形抗力统计模型输出KfC进行乘积,就得到单张板轧制此道次变形抗力计算值Kf,即:
Kf=KfB·KfC
(3)根据相应工况参数通过摩擦系数模型计算得到单张板轧制此道次摩擦系数计算值μ,相应工况参数包括轧辊粗糙度R,润滑介质LTy,轧制长度L,单张板轧制线速度v,摩擦系数模型为摩擦系数解析模型与摩擦系数统计模型相结合的模型,根据轧辊粗糙度R、润滑介质LTy、轧制长度L、单张板轧制线速度v通过摩擦系数解析模型得到其输出μB,摩擦系数解析模型为μB=f2(R,LTy,L,v);摩擦系数统计模型根据单张板轧制线速度不同,分别对应轧制线速度0m/s、1m/s、2m/s、3m/s、4m/s、5m/s,由6个支持向量机组成,每个支持向量机输入为轧辊粗糙度R、润滑介质LTy、轧制长度L,根据输入得到每个支持向量机输出μCi(i=1,2,…,6),6个支持向量机输出μCi通过单张板轧制线速度v进行高斯插值得到总的统计模型输出μC,高斯插值计算模型为:
式中,vi为6个支持向量机所对应的标准速度,分别为0m/s、1m/s、2m/s、3m/s、4m/s、5m/s,λ为摩擦系数统计模型高斯插值宽度,设为0.7m/s,gμi(v)为速度插值权重;
将摩擦系数解析模型输出μB与摩擦系数统计模型输出μC进行乘积,就得到单张板轧制此道次摩擦系数计算值μ,即:
μ=μB·μC
(4)在已经得到单张板轧制此道次变形抗力计算值Kf与摩擦系数计算值μ的基础上,读取当前的轧制工况参数与轧机设备参数,分别通过轧制力计算模型、力矩计算模型、功率计算模型计算轧制力设定值P、力矩设定值T以及功率设定值N,并进一步通过辊缝计算模型得到辊缝设定值S,轧制工况参数为轧机入口侧设定厚度H、轧机出口侧设定厚度h,单张板宽度W以及单张板轧制线速度v,轧机设备参数包括工作辊直径Dw与轧机纵向刚度CP,轧制力计算模型为P=f3(H,h,W,Kf,μ,Dw),轧制力矩计算模型为T=f4(H,h,P,Dw),功率计算模型为N=f5(T,H,h,Dw,μ,v),辊缝设定模型为S=f6(P,h,Cp);
至此,得到了单张板轧制此道次的辊缝设定值,完成了此道次的厚度设定计算,重新回到步骤(1)直到末道次;
在完成一块单张板一个轧程的轧制后,根据设定命中情况,可触发按照如下步骤进行厚度自学习计算:
(1)读取单张板轧制的轧机各道次入口侧厚度测量值H*、轧机出口侧厚度测量值h*;
(2)读取单张板轧制过程中各道次的轧制力测量值P*、轧制功率测量值N*以及单张板轧制线速度测量值v*;
(3)根据每道次轧机入口侧厚度测量值H*、轧机出口侧厚度测量值h*、轧制力测量值P*、功率测量值N*,单张板轧制线速度测量值v*以及工作辊直径Dw,通过轧制力计算模型、轧制力矩计算模型以及功率计算模型建立方程组,计算每道次的变形抗力实际值Kf*与摩擦系数实际值μ*;
(4)计算每道次变形抗力实际值Kf*与变形抗力计算值Kf的偏差ek,计算模型为ek=Kf-Kf*,在此基础上根据高斯插值计算模型计算得到每个变形抗力支持向量机输出偏差eki(i=1,2,…,6),计算模型为:
然后得到每个支持向量机新的输出Kfci *=Kfci-eki,每个轧制道次,6个新的支持向量机输出与对应的工况参数化学成分Che、热轧终轧温度FTe、卷取温度CTe、退火温度Ate以及退火时间ATm形成一组样本数据,通过单个轧程中多个道次的样本数据,用来对6个支持向量机的权值进行训练,从而实现模型变形抗力自学习;
(5)计算每道次摩擦系数实际值μ*与摩擦系数计算值μ的偏差eu,计算模型为eu=μ-μ*,在此基础上根据高斯插值计算模型计算得到每个变形抗力支持向量机输出偏差eui(i=1,2,…,6),计算模型为:
然后得到每个支持向量机新的输出μci *=μci-eui,每个轧制道次,6个新的支持向量机输出与对应的工况参数轧辊粗糙度R、润滑介质LTy、轧制长度L形成一组样本数据,通过单个轧程中多个道次的样本数据,用来对6个支持向量机的权值进行训练,从而实现模型摩擦系数自学习;
至此,通过对变形抗力与摩擦系数的自学习,实现了对厚度设定模型的自学习。
本发明采用先进的支持向量机建模方法对单张板变形抗力与摩擦系数进行统计建模,形成解析模型与统计模型相结合的模型结构,并根据不同累积压下率建立多个变形抗力支持向量机,以及根据不同轧制线速度建立多个摩擦系数支持向量机,从而缩小每个支持向量机的作用范围,有效提高了模型计算精度。
附图说明
图1是单张板精密冷轧厚度测量与控制***总体结构图;
图2是板厚计算模型整体结构图。
符号说明
符号 | 名称 | 单位 |
H | 轧机入口侧设定厚度 | mm |
h | 轧机出口侧设定厚度 | mm |
W | 宽度 | mm |
Kf | 变形抗力 | Mpa |
εa | 累积变形率 | % |
Che | 化学成分 | % |
FTe | 热轧终轧温度 | ℃ |
CTe | 热轧卷取温度 | ℃ |
ATe | 退火温度 | ℃ |
ATm | 退火时间 | min |
KfB | 变形抗力解析模型输出 | Mpa |
KfC | 变形抗力统计模型输出 | - |
σ | 变形抗力统计模型高斯插值宽度 | % |
μ | 摩擦系数 | - |
R | 轧辊粗糙度 | μm |
LTy | 润滑介质 | - |
L | 轧制长度 | km |
v | 轧制线速度 | m/s |
μB | 摩擦系数解析模型输出 | - |
μC | 摩擦系数统计模型输出 | - |
λ | 摩擦系数统计模型高斯插值宽度 | m/s |
P | 轧制力设定值 | kN |
T | 力矩设定值 | kNm |
N | 功率设定值 | kW |
S | 辊缝设定值 | mm |
H* | 轧机入口侧厚度测量值 | mm |
h* | 轧机出口侧厚度测量值 | mm |
P* | 轧制力测量值 | kN |
N* | 轧制功率测量值 | kW |
v* | 轧制线速度测量值 | m/s |
Kf* | 变形抗力实际值 | Mpa |
μ* | 摩擦系数实际值 | - |
具体实施方式
一种用于单张板精密冷轧板厚测量***的厚度自学习控制方法,该控制方法分为厚度设定计算与厚度自学习计算两部分计算内容;对单张板在其单个轧程进行厚度设定计算时,首先进行分配各道次厚度,即确定各道次入口侧设定厚度与出口侧设定厚度,例如对于TA1单张板轧制,一个轧程厚度由3.5mm轧到1.5mm,板宽1090mm,由8个道次轧制完成,道次厚度分配如表1所示。
表1TA1单张板(3.5~1.5×1090mm)轧制道次厚度分配
道次数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
入口厚度(mm) | 3.5 | 2.859 | 2.425 | 2.134 | 1.936 | 1.776 | 1.66 | 1.58 |
出口厚度(mm) | 2.859 | 2.425 | 2.134 | 1.936 | 1.776 | 1.66 | 1.58 | 1.51 |
然后按照如下步骤从第1道次开始,进行每道次的厚度设定计算:
(1)读取单张板轧制的轧机入口侧设定厚度H、轧机出口侧设定厚度h,单张板宽度W以及单张板轧制线速度v;
(2)根据相应工况参数通过变形抗力模型计算得到单张板轧制此道次变形抗力计算值Kf,相应工况参数包括从第1道次开始的累积变形率εa(其计算模型为εa=0.4(H-hi-1)/H+0.6(H-hi)/H,i为机架号或道次号)、化学成分Che(指单张板各组成化学元素的质量百分数)、化学成分Che、作为前工序的热轧终轧温度FTe、卷取温度CTe、退火温度ATe、退火时间ATm,变形抗力模型为变形抗力解析模型与变形抗力统计模型相结合的模型,根据累积变形率εa通过变形抗力解析模型得到其输出KfB,变形抗力解析模型为KfB=f1(εa);
其中,变形抗力解析模型详细表达式为:
KfB=b0+b1εa+b2εa 2+b3εa 3
式中,b0,b1,b2,b3为常系数,针对TA1牌号钛合金(也即工业纯钛)分别设为446、9.5、-0.07、0.00069,针对TC4牌号钛合金分别设为901、18、-0.27、0.0017;
变形抗力统计模型根据累积变形率不同,分别对应累积变形率0%、20%、40%、60%、80%、100%,由6个支持向量机组成,每个支持向量机的输入为化学成分Che、热轧终轧温度FTe、卷取温度CTe、退火温度Ate以及退火时间ATm,根据输入得到每个支持向量机输出KfCi(i=1,2,…,6),6个支持向量机输出KfCi通过累积变形率εa进行高斯插值得到总的统计模型输出KfC,高斯插值计算模型为:
式中,εai为6个支持向量机所对应的标准累积变形率,分别为0%、20%、40%、60%、80%、100%,σ为变形抗力统计模型高斯插值宽度,设为14%,gki(εa)为累积变形率插值权重;
将变形抗力解析模型输出KfB与变形抗力统计模型输出KfC进行乘积,就得到单张板轧制此道次变形抗力计算值Kf,即:
Kf=KfB·KfC
(3)根据相应工况参数通过摩擦系数模型计算得到单张板轧制此道次摩擦系数计算值μ,相应工况参数包括轧辊粗糙度R,润滑介质LTy,轧制长度L,单张板轧制线速度v,摩擦系数模型为摩擦系数解析模型与摩擦系数统计模型相结合的模型,根据轧辊粗糙度R、润滑介质LTy、轧制长度L、单张板轧制线速度v通过摩擦系数解析模型得到其输出μB,摩擦系数解析模型为μB=f2(R,LTy,L,v);
其中,摩擦系数解析模型详细表达式为:
式中μ0(LTy)——由润滑介质决定的摩擦系数基准值;
dμv(LTy)——由润滑介质决定的摩擦系数随速度变化关系;
v0——基准速度,m/s;
R0——粗糙度基准值,μm;
cR——粗糙度系数,μm-1;
cW——轧制长度系数;
L0——基本轧制长度,km;
摩擦系数统计模型根据单张板轧制线速度不同,分别对应轧制线速度0m/s、1m/s、2m/s、3m/s、4m/s、5m/s,由6个支持向量机组成,每个支持向量机输入为轧辊粗糙度R、轧辊材质RTy、润滑介质LTy、轧制长度L,根据输入得到每个支持向量机输出μCi(i=1,2,…,6),6个支持向量机输出μCi通过单张板轧制线速度v进行高斯插值得到总的统计模型输出μC,高斯插值计算模型为:
式中,vi为6个支持向量机所对应的标准速度,分别为0m/s、1m/s、2m/s、3m/s、4m/s、5m/s,λ为摩擦系数统计模型高斯插值宽度,设为0.7m/s,gμi(v)为速度插值权重;
将摩擦系数解析模型输出μB与摩擦系数统计模型输出μC进行乘积,就得到单张板轧制此道次摩擦系数计算值μ,即:
μ=μB·μC
(4)在已经得到单张板轧制此道次变形抗力计算值Kf与摩擦系数计算值μ的基础上,读取当前的轧制工况参数与轧机设备参数,分别通过轧制力计算模型、力矩计算模型、功率计算模型计算轧制力设定值P、力矩设定值T以及功率设定值N,并进一步通过辊缝计算模型得到辊缝设定值S,轧制工况参数为轧机入口侧设定厚度H、轧机出口侧设定厚度h,单张板宽度W以及单张板轧制线速度v,轧机设备参数包括工作辊直径Dw与轧机纵向刚度CP,轧制力计算模型为P=f3(H,h,W,Kf,μ,Dw),轧制力矩计算模型为T=f4(H,h,P,Dw),功率计算模型为N=f5(T,H,h,Dw,μ,v),辊缝设定模型为S=f6(P,h,Cp);
其中轧制力计算模型的详细表达式为:
式中W——轧件宽度,mm;
QP——应力状态系数;
Dw’为轧辊压扁半径,mm,其计算公式为:
Dw′=Dw(1+A0·P/(W·(H-h)))
式中A0——轧辊压扁系数;
应力状态系数QP计算模型如下:
式中ε——为本道次变形率,其计算模型为:
e0,e1,e2——常系数,目前常用的Hill公式分别取为1.08、1.79、-1.02;
轧制力矩计算模型的详细解析表达式为:
式中ξM——力臂系数;
功率计算模型的详细表达式为:
式中
M——施加在电机轴上的总扭矩,kN.m,其计算模型为:
式中T——轧制力矩,kN.m;
Mf——附加摩擦力矩,kN.m;
Mx——空转力矩,kN.m;
Md——动力矩,kN.m;
r——主传动速比;
n——电机轴转速,rpm,其计算模型为:
n=v/(1+Sl)/(π·Dw)
其中,Sl为前滑量,其计算模型为:
式中γM——为中性角,其计算模型为:
以六辊轧机为例,辊缝设定模型的详细表达式为:
S=h-(P-P0)/CP-(FW-FW0)/CFW-(FM-FM0)/CFM-G
式中h——出口厚度,mm;
P0——零调轧制力,kN;
CP——轧制力纵向刚度,kN/mm;
FW,FM——设定工作辊、中间辊弯辊力,kN;
FW0,FM0——零调时的工作辊、中间辊弯辊力,kN;
CFW、CFM——工作辊、中间辊弯辊力纵向刚度,kN/mm;
G——轧辊热膨胀、磨损等因素引起的辊缝零位变化量,mm;
若针对四辊轧机,该模型只需将第3项关于中间辊弯辊的部分去掉;
至此,得到了单张板轧制此道次的辊缝设定值,完成了此道次的厚度设定计算,重新回到步骤(1)直到末道次;
在完成一块单张板一个轧程的轧制后,按照如下步骤进行厚度自学习计算:
(1)读取由权利要求1~6任一所述的单张板精密冷轧板厚测量***所测得的各道次轧机入口侧厚度测量值H*、轧机出口侧厚度测量值h*;
(2)读取单张板轧制过程中各道次的轧制力测量值P*、轧制功率测量值N*以及单张板轧制线速度测量值v*;
(3)根据每道次轧机入口侧厚度测量值H*、轧机出口侧厚度测量值h*、轧制力测量值P*、功率测量值N*,单张板轧制线速度测量值v*以及工作辊直径Dw,通过轧制力计算模型、轧制力矩计算模型以及功率计算模型建立方程组,计算每道次的变形抗力实际值Kf*与摩擦系数实际值μ*;
(4)计算每道次变形抗力实际值Kf*与变形抗力计算值Kf的偏差ek,计算模型为ek=Kf-Kf*,在此基础上根据高斯插值计算模型计算得到每个变形抗力支持向量机输出偏差eki(i=1,2,…,6),计算模型为:
然后得到每个支持向量机新的输出Kfci *=Kfci-eki,每个轧制道次,6个新的支持向量机输出与对应的工况参数化学成分Che、热轧终轧温度FTe、卷取温度CTe、退火温度Ate以及退火时间ATm形成一组样本数据,通过单个轧程中多个道次的样本数据,用来对6个支持向量机的权值进行训练,从而实现模型变形抗力自学习;
(5)计算每道次摩擦系数实际值μ*与摩擦系数计算值μ的偏差eu,计算模型为eu=μ-μ*,在此基础上根据高斯插值计算模型计算得到每个变形抗力支持向量机输出偏差eui(i=1,2,…,6),计算模型为:
然后得到每个支持向量机新的输出μci *=μci-eui,每个轧制道次,6个新的支持向量机输出与对应的工况参数轧辊粗糙度R、润滑介质LTy、轧制长度L形成一组样本数据,通过单个轧程中多个道次的样本数据,用来对6个支持向量机的权值进行训练,从而实现模型摩擦系数自学习;
至此,通过对变形抗力与摩擦系数的自学习,实现了对厚度设定模型的自学习。
Claims (4)
1.一种单张板精密冷轧板厚测量***的厚度控制方法,由于单张板长度短、轧制时间少,安装在单张板可逆轧机前后的测厚仪获得的厚度反馈值,无法用于进行厚度闭环控制,只能用于过程控制***的板厚计算模型进行模型自学习,对材料变形抗力与实际工况摩擦系数进行修正,通过提高板厚计算模型的控制精度,来从根本上提高厚度控制精度;其特征在于该控制方法分为厚度设定计算与厚度自学习计算两部分内容,详细内容如下:
厚度设定计算部分:
对单张板在其单个轧程进行厚度设定计算时,首先进行各道次厚度分配,即确定各道次入口侧设定厚度与出口侧设定厚度,然后按照如下步骤从第1道次开始,进行每道次的厚度设定计算:
(1)读取单张板轧制的轧机入口侧设定厚度H、轧机出口侧设定厚度h,单张板宽度W以及单张板轧制线速度v;
(2)根据相应工况参数通过变形抗力模型计算得到单张板轧制此道次变形抗力计算值Kf,相应工况参数包括从第1道次开始的累积变形率εa、化学成分Che、作为前工序的热轧终轧温度FTe、卷取温度CTe、退火温度ATe、退火时间ATm,变形抗力模型为变形抗力解析模型与变形抗力统计模型相结合的模型,根据累积变形率εa通过变形抗力解析模型得到其输出KfB,变形抗力解析模型为KfB=f1(εa);
变形抗力统计模型根据累积变形率不同,分别对应累积变形率为0%、20%、40%、60%、80%、100%,由6个支持向量机组成,每个支持向量机的输入为化学成分Che、热轧终轧温度FTe、卷取温度CTe、退火温度Ate以及退火时间ATm,根据输入得到每个支持向量机输出KfCi(i=1,2,…,6),6个支持向量机输出KfCi通过累积变形率εa进行高斯插值得到总的统计模型输出KfC,高斯插值计算模型为:
式中,εai为6个支持向量机所对应的标准累积变形率,分别为0%、20%、40%、60%、80%、100%,σ为变形抗力统计模型高斯插值宽度,设为14%,gki(εa)为累积变形率插值权重;
将变形抗力解析模型输出KfB与变形抗力统计模型输出KfC进行乘积,就得到单张板轧制此道次变形抗力计算值Kf,即:
Kf=KfB·KfC
(3)根据相应工况参数通过摩擦系数模型计算得到单张板轧制此道次摩擦系数计算值μ,相应工况参数包括轧辊粗糙度R,润滑介质LTy,轧制长度L,单张板轧制线速度v,摩擦系数模型为摩擦系数解析模型与摩擦系数统计模型相结合的模型,根据轧辊粗糙度R、润滑介质LTy、轧制长度L、单张板轧制线速度v通过摩擦系数解析模型得到其输出μB,摩擦系数解析模型为μB=f2(R,LTy,L,v);摩擦系数统计模型根据单张板轧制线速度不同,分别对应轧制线速度0m/s、1m/s、2m/s、3m/s、4m/s、5m/s由6个支持向量机组成,每个支持向量机输入为轧辊粗糙度R、润滑介质LTy、轧制长度L,根据输入得到每个支持向量机输出μCi(i=1,2,…,6),6个支持向量机输出μCi通过单张板轧制线速度v进行高斯插值得到总的统计模型输出μC,高斯插值计算模型为:
式中,vi为6个支持向量机所对应的标准速度,分别为0m/s、1m/s、2m/s、3m/s、4m/s、5m/s,λ为摩擦系数统计模型高斯插值宽度,设为0.7m/s,gμi(v)为速度插值权重;
将摩擦系数解析模型输出μB与摩擦系数统计模型输出μC进行乘积,就得到单张板轧制此道次摩擦系数计算值μ,即:
μ=μB·μC
(4)在已经得到单张板轧制此道次变形抗力计算值Kf与摩擦系数计算值μ的基础上,读取当前的轧制工况参数与轧机设备参数,分别通过轧制力计算模型、力矩计算模型、功率计算模型计算轧制力设定值P、力矩设定值T以及功率设定值N,并进一步通过辊缝计算模型得到辊缝设定值S,轧制工况参数为轧机入口侧设定厚度H、轧机出口侧设定厚度h,单张板宽度W以及单张板轧制线速度v,轧机设备参数包括工作辊直径Dw与轧机纵向刚度CP,轧制力计算模型为P=f3(H,h,W,Kf,μ,Dw),轧制力矩计算模型为T=f4(H,h,P,Dw),功率计算模型为N=f5(T,H,h,Dw,μ,v),辊缝设定模型为S=f6(P,h,Cp);
至此,得到了单张板轧制此道次的辊缝设定值,完成了此道次的厚度设定计算,重新回到步骤(1)直到末道次;
厚度自学习计算部分:
在完成单张板单个轧程的轧制后,按照如下步骤进行厚度自学习计算:
(1)读取由权利要求1~7任一所述的单张板精密冷轧板厚测量***所测得的各道次轧机入口侧厚度测量值H*、轧机出口侧厚度测量值h*;
(2)读取单张板轧制过程中各道次的轧制力测量值P*、轧制功率测量值N*以及单张板轧制线速度测量值v*;
(3)根据每道次轧机入口侧厚度测量值H*、轧机出口侧厚度测量值h*、轧制力测量值P*、功率测量值N*,单张板轧制线速度测量值v*以及工作辊直径Dw,通过轧制力计算模型、轧制力矩计算模型以及功率计算模型建立方程组,计算每道次的变形抗力实际值Kf*与摩擦系数实际值μ*;
(4)计算每道次变形抗力实际值Kf*与变形抗力计算值Kf的偏差ek,计算模型为ek=Kf-Kf*,在此基础上根据高斯插值计算模型计算得到每个变形抗力支持向量机输出偏差eki(i=1,2,…,6),计算模型为:
然后得到每个支持向量机新的输出KfCi *=KfCi-eki(i=1,2,…,6),每个轧制道次,6个支持向量机新的输出与对应的工况参数化学成分Che、热轧终轧温度FTe、卷取温度CTe、退火温度Ate以及退火时间ATm形成一组样本数据,通过单个轧程中多个道次的样本数据,用来对6个支持向量机的权值进行训练,从而实现模型变形抗力自学习;
(5)计算每道次摩擦系数实际值μ*与摩擦系数计算值μ的偏差eu,计算模型为eu=μ-μ*,在此基础上根据高斯插值计算模型计算得到每个变形抗力支持向量机输出偏差eui(i=1,2,…,6),计算模型为:
然后得到每个支持向量机新的输出μci *=μci-eui,每个轧制道次,6个支持向量机新的输出与对应的工况参数轧辊粗糙度R、润滑介质LTy、轧制长度L形成一组样本数据,通过单个轧程中多个道次的样本数据,用来对6个支持向量机的权值进行训练,从而实现模型摩擦系数自学习;
至此,通过对变形抗力与摩擦系数的自学习,实现了对厚度设定模型的自学习。
2.根据权利要求1所述的单张板精密冷轧板厚测量***,其特征在于:所述单张板可逆冷轧机为四辊或六辊板卷两用式冷轧机,轧机前后均有辊道与卷取机,具备单张板轧制与成卷轧制两种生产方式。
3.根据权利要求1所述的单张板精密冷轧板厚测量***的厚度控制方法,其特征在于:所述单张板的长度最大值小于10米。
4.根据权利要求1所述的单张板精密冷轧板厚测量***的厚度控制方法,其特征在于:所述单张板为钛板或钛合金板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110330154 CN102363159B (zh) | 2011-10-26 | 2011-10-26 | 一种单张板精密冷轧板厚测量***的厚度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110330154 CN102363159B (zh) | 2011-10-26 | 2011-10-26 | 一种单张板精密冷轧板厚测量***的厚度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102363159A true CN102363159A (zh) | 2012-02-29 |
CN102363159B CN102363159B (zh) | 2013-04-24 |
Family
ID=45689769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110330154 Expired - Fee Related CN102363159B (zh) | 2011-10-26 | 2011-10-26 | 一种单张板精密冷轧板厚测量***的厚度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102363159B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104070070A (zh) * | 2013-03-27 | 2014-10-01 | 宝山钢铁股份有限公司 | 通过张力补偿提升精轧带钢轧制力和厚度精度的综合控制方法 |
CN104985004A (zh) * | 2015-07-08 | 2015-10-21 | 燕山大学 | 一种冷轧带材残余应力的预报方法 |
CN105618490A (zh) * | 2015-12-29 | 2016-06-01 | 北京科技大学 | 一种冷轧电工钢的边降自动控制方法 |
CN107908836A (zh) * | 2017-10-31 | 2018-04-13 | 首钢京唐钢铁联合有限责任公司 | 一种轧制参数优化方法及装置 |
CN108817100A (zh) * | 2018-04-24 | 2018-11-16 | 邯郸钢铁集团有限责任公司 | 一种判断某机架轧辊造成带钢出口厚度波动的方法 |
CN110614274A (zh) * | 2019-10-16 | 2019-12-27 | 中冶南方工程技术有限公司 | 改进的单机架可逆轧机秒流量厚度控制方法 |
CN116984386A (zh) * | 2023-09-26 | 2023-11-03 | 太原理工大学 | Trb趋薄轧制过程中力能参数的确定方法及装置 |
CN117679047A (zh) * | 2024-02-02 | 2024-03-12 | 长春理工大学 | 一种多尺度轻量化网络***的高效癫痫检测方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6440110A (en) * | 1987-08-06 | 1989-02-10 | Kobe Steel Ltd | Method for automatic control of sheet thickness in rolling mill |
KR20040044325A (ko) * | 2002-11-21 | 2004-05-28 | 주식회사 포스코 | 열간압연강판 선단부의 두께 제어방법 |
CN101602065A (zh) * | 2009-07-07 | 2009-12-16 | 东北大学 | 周期变厚度带材轧制过程中轧件的微跟踪方法及*** |
CN102029292A (zh) * | 2009-09-28 | 2011-04-27 | 宝山钢铁股份有限公司 | 基于机械性能检测的带钢厚度前馈控制方法 |
-
2011
- 2011-10-26 CN CN 201110330154 patent/CN102363159B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6440110A (en) * | 1987-08-06 | 1989-02-10 | Kobe Steel Ltd | Method for automatic control of sheet thickness in rolling mill |
KR20040044325A (ko) * | 2002-11-21 | 2004-05-28 | 주식회사 포스코 | 열간압연강판 선단부의 두께 제어방법 |
CN101602065A (zh) * | 2009-07-07 | 2009-12-16 | 东北大学 | 周期变厚度带材轧制过程中轧件的微跟踪方法及*** |
CN102029292A (zh) * | 2009-09-28 | 2011-04-27 | 宝山钢铁股份有限公司 | 基于机械性能检测的带钢厚度前馈控制方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104070070A (zh) * | 2013-03-27 | 2014-10-01 | 宝山钢铁股份有限公司 | 通过张力补偿提升精轧带钢轧制力和厚度精度的综合控制方法 |
CN104985004A (zh) * | 2015-07-08 | 2015-10-21 | 燕山大学 | 一种冷轧带材残余应力的预报方法 |
CN105618490A (zh) * | 2015-12-29 | 2016-06-01 | 北京科技大学 | 一种冷轧电工钢的边降自动控制方法 |
CN107908836A (zh) * | 2017-10-31 | 2018-04-13 | 首钢京唐钢铁联合有限责任公司 | 一种轧制参数优化方法及装置 |
CN107908836B (zh) * | 2017-10-31 | 2021-11-19 | 首钢京唐钢铁联合有限责任公司 | 一种轧制参数优化方法及装置 |
CN108817100A (zh) * | 2018-04-24 | 2018-11-16 | 邯郸钢铁集团有限责任公司 | 一种判断某机架轧辊造成带钢出口厚度波动的方法 |
CN108817100B (zh) * | 2018-04-24 | 2019-07-26 | 邯郸钢铁集团有限责任公司 | 一种判断某机架轧辊造成带钢出口厚度波动的方法 |
CN110614274A (zh) * | 2019-10-16 | 2019-12-27 | 中冶南方工程技术有限公司 | 改进的单机架可逆轧机秒流量厚度控制方法 |
CN116984386A (zh) * | 2023-09-26 | 2023-11-03 | 太原理工大学 | Trb趋薄轧制过程中力能参数的确定方法及装置 |
CN116984386B (zh) * | 2023-09-26 | 2023-12-08 | 太原理工大学 | Trb趋薄轧制过程中力能参数的确定方法及装置 |
CN117679047A (zh) * | 2024-02-02 | 2024-03-12 | 长春理工大学 | 一种多尺度轻量化网络***的高效癫痫检测方法及*** |
CN117679047B (zh) * | 2024-02-02 | 2024-04-05 | 长春理工大学 | 一种多尺度轻量化网络***的高效癫痫检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN102363159B (zh) | 2013-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102363159B (zh) | 一种单张板精密冷轧板厚测量***的厚度控制方法 | |
CN102941232B (zh) | 一种热连轧精轧过程控制方法 | |
CN103212585B (zh) | 薄板用热轧机的控制装置以及薄板用热轧机的控制方法 | |
CN102189117B (zh) | 基于横向性能检测的冷轧带钢平直度前馈控制方法 | |
CN102029292B (zh) | 基于机械性能检测的带钢厚度前馈控制方法 | |
CN104942019B (zh) | 一种带钢冷轧过程宽度自动控制方法 | |
CN101134207A (zh) | 冷轧板形设定计算中热轧来料凸度的处理方法 | |
KR102110645B1 (ko) | 열간 압연 방법 | |
CN101745549B (zh) | 一种热连轧机带钢进钢温度的控制方法 | |
CN101618401B (zh) | 一种基于测厚仪反馈信号的高精度板带轧制厚度控制方法 | |
CN102847721B (zh) | 一种热轧带钢轧辊热凸度确定方法 | |
CN102806235B (zh) | 一种冷轧带钢板形辊包角在线计算方法 | |
CN101869914A (zh) | 一种精轧带钢的厚度控制方法及装置 | |
CN107913911B (zh) | 一种监视厚度控制对入口张力的前馈补偿方法及*** | |
CN103394520B (zh) | 一种冷轧带钢板形模糊控制方法 | |
CN110802114A (zh) | 一种冷轧板带轧制力方法 | |
CN104923568B (zh) | 一种防止薄带钢冷轧过程断带的控制方法 | |
CN102553941B (zh) | 冷轧机板形调控功效系数离线自学习方法 | |
CN103191919A (zh) | 一种带钢轧制在线控制摩擦系数模型优化方法 | |
CN106540968A (zh) | 冷轧板形测量值的补偿方法及装置 | |
CN110434172A (zh) | 一种炉卷和精轧机组连轧的负荷分配计算方法 | |
CN105013835A (zh) | 冷连轧机组极薄带轧制中基于热凸度的原始辊缝设定方法 | |
CN102641896B (zh) | 一种冷轧带钢板形板厚综合控制*** | |
CN104801548A (zh) | 一种热连轧穿带过程中自动改善带钢秒流量平衡的方法 | |
CN101927268A (zh) | 冷连轧带钢厚度控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130424 |