CN102581029B - 用于确定金属带材板形执行机构效应的方法 - Google Patents

用于确定金属带材板形执行机构效应的方法 Download PDF

Info

Publication number
CN102581029B
CN102581029B CN201210058124.6A CN201210058124A CN102581029B CN 102581029 B CN102581029 B CN 102581029B CN 201210058124 A CN201210058124 A CN 201210058124A CN 102581029 B CN102581029 B CN 102581029B
Authority
CN
China
Prior art keywords
executing agency
effect
effect vector
vector
formula
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.)
Active
Application number
CN201210058124.6A
Other languages
English (en)
Other versions
CN102581029A (zh
Inventor
李坤杰
陈晓琳
王海霞
常华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Nonferrous Metals Processing Technology Co Ltd
Original Assignee
Suzhou Nonferrous Metal Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Nonferrous Metal Research Institute Co Ltd filed Critical Suzhou Nonferrous Metal Research Institute Co Ltd
Priority to CN201210058124.6A priority Critical patent/CN102581029B/zh
Publication of CN102581029A publication Critical patent/CN102581029A/zh
Application granted granted Critical
Publication of CN102581029B publication Critical patent/CN102581029B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Control Of Metal Rolling (AREA)

Abstract

本发明涉及用于确定金属带材板形执行机构效应的方法，先采集现场实测数据，获得板形测量值及板形执行机构输出值；对原始数据处理，由于噪声、执行机构特性原因，对原始采集数据进行滤波、归一化数据处理，以得到有效的现场数据；对于执行机构效应向量进行多项式回归，进行多项式阶次确定；再根据效应向量中的线性无关向量建立计算矩阵；根据计算矩阵进行多元回归分析，计算出回归参数；最后，根据回归参数计算出执行机构效应向量。本发明使用现场实测数据，一次同时计算出不同执行机构的效应向量，计算方法简便。

Description

用于确定金属带材板形执行机构效应的方法
技术领域
本发明涉及一种用于确定金属带材的板形执行机构效应的方法，属于冷轧机控制技术领域。
背景技术
在金属加工行业中，冷轧机作为其中的关键加工装备，在整个轧制过程中起着重要的作用。通过实现冷轧机的板形控制，可以提高轧制产品的板形性能指标，使带材板形偏差在允许范围内，并且可以提高轧制速度，减少断带等故障的发生。
板形控制的实现过程中，板形控制器运行板形控制算法，控制量输出到轧机压下、弯辊、中间辊抽动及冷却***等执行机构，然后执行机构产生动作，对于轧机本体和带材板形产生作用，带材板形通过板形检测机构后，输入到板形控制器中，形成板形闭环反馈控制回路。
在整个控制回路中，将各种执行机构对于板形产生的实际影响，此处称为执行机构效应，有的文献称之为评估函数，进行正确的计算以确定执行机构效应，对于板形控制***的正确运行来说，起着至关重要的作用。
当前金属带材的板形执行机构效应，主要使用物理力学上的有限元法、条元法等建模方法，进行接触面的受力分析，计算出执行机构效应。这类方法虽然比较直观，但是具有建模困难、假设过多、分析繁琐、计算复杂等缺点。
发明内容
本发明的目的是克服现有技术存在的不足，提供一种基于多元线性回归的用于确定金属带材的板形执行机构效应方法。
本发明的目的通过以下技术方案来实现： 
用于确定金属带材板形执行机构效应的方法，特点是：首先，现场实际轧制过程的测量，采集现场实测数据，获得板形测量值及板形执行机构输出值；然后，原始数据处理，由于噪声、执行机构特性原因，对原始采集数据进行滤波、归一化数据处理，以得到有效的现场数据；进而，对于执行机构效应向量进行多项式回归，进行多项式阶次确定；再，根据效应向量中的线性无关向量建立计算矩阵；继而，根据计算矩阵进行多元回归分析，计算出回归参数；最后，根据回归参数计算出执行机构效应向量。
进一步地，上述的用于确定金属带材板形执行机构效应的方法， 
首先对变量进行定义：
n为板形辊测量区域数，即沿带材宽度方向测量数目；
m为板形执行机构数目；
t为多项式的阶次；
ei为板形测量值，i=1, 2, …, n
aj为板形执行机构输出测量值，j=1, 2, …, m
yij为执行机构效应向量值，表示第j个执行机构在第i个测量区域上的效应值，i=1, 2, …, n，j=1, 2, …, m
bij为执行机构效应向量的多项式系数，i=1, 2, …, t，j=1, 2, …, m
xi j表示多项式的值，表示xi的j次方，i= i=1, 2, …, n，j=1, 2, …, t
当目标板形为零时，板形测量值等于板形偏差值，此时式（1）成立；
Figure 979147DEST_PATH_IMAGE001
将执行机构效应向量进行多项式分解，此时式（2）成立；
Figure 676539DEST_PATH_IMAGE002
将式（2）代入式（1），可得到式（3）；
Figure 813122DEST_PATH_IMAGE003
在各执行机构效应向量线性无关的情况下，简化式（3）；当m=2，t为偶数时，执行机构1的效应向量对应于全部奇次项，执行机构2的效应向量对应全部偶次项，此时式（3）简化为式（4）；
Figure 419684DEST_PATH_IMAGE004
然后，令矩阵定义如式（5）、式（6）所示：
 
   
Figure 105060DEST_PATH_IMAGE006
  
用线性回归方法，得到参数如式（7）所示：
Figure 278291DEST_PATH_IMAGE007
  
最后，根据式（2）计算出执行机构效应向量值。
本发明技术方案突出的实质性特点和显著的进步主要体现在：
①建立在现场实测数据基础上，利用多元线性回归计算模型，在向量彼此线性无关的情况下，获得不同执行机构的效应向量；
②直接利用现场实测数据，与单纯理论力学计算方法相比，包含了更多的现场设备信息，例如温度场、机构磨损等时变信息，而这些时变数据在理论力学计算中很难准确计算出来，只能做出假设判定；其次，使用多元线性回归计算方法，可以获得参数的最小方差无偏估计，属于统计意义上的最优解，从而保障计算结果的精度；再次，可以使用同一计算模型，一次同时计算出不同执行机构的效应向量参数，而使用理论力学计算方法，只能建立不同的力学模型，进行逐次计算；最后，相对理论力学模型来说，这种方法的计算量较小，计算时间较短，这样不仅可以用于轧制过程的离线计算，还可以使用在线计算方式；
③直接使用现场实测数据，更真实的反映板形对于不同执行机构的作用情况，并且计算方法简便，保障计算精度，有效地提高开发效率，降低开发投资。
附图说明
下面结合附图对本发明技术方案作进一步说明：
图1：用于确定板形执行机构效应的方法流程图；
图2：冷轧机板形执行机构效应示意框图。
具体实施方式
如图1所示，用于确定金属带材板形执行机构效应的方法，首先，现场实际轧制过程的测量，采集现场实测数据，获得板形测量值及板形执行机构输出值；然后，原始数据处理，由于噪声、执行机构特性原因，对原始采集数据进行滤波、归一化数据处理，以得到有效的现场数据；进而，对于执行机构效应向量进行多项式回归，进行多项式阶次确定；再，根据效应向量中的线性无关向量建立计算矩阵；继而，根据计算矩阵进行多元回归分析，计算出回归参数；最后，根据回归参数计算出执行机构效应向量。
先进行现场实际轧制过程的测量，获得不同执行机构输出量和板形测量值。对于执行机构效应采用向量方式进行描述，并且分解为多项式形式。利用实际数据，以及不同执行机构效应向量之间的线性无关特性，进行多元线性回归，计算出各种执行机构效应向量。在获得现场实测数据后，由于执行机构特性的不同，还需要进行滤波、归一化等数据处理，以得到有效的现场数据。在进行执行机构效应向量分解时，多项式次数可以取任意值，出于计算时间和计算精度的权衡要进行综合考虑。不同执行机构的效应向量，要求彼此线性无关，这也符合大多数实际现场的情况。
如图2所示，在冷轧机板形执行机构效应示意框图，包括板形控制算法、板形执行机构和执行机构效应向量，板形控制算法在板形控制器中运行，将运算结果输出给板形执行机构，板形执行机构共m种，从执行机构1到执行机构m，每个板形执行机构对应于一个执行机构效应向量，向量的维数为n；板形执行机构1到m，经过对应执行机构效应向量1到m的作用，相互叠加后影响板形测量值；板形测量值与目标板形相减后，形成板形偏差值，从而驱动板形控制算法的运行，计算流程为：
首先对变量进行定义：
n为板形辊测量区域数，即沿带材宽度方向测量数目；
m为板形执行机构数目；
t为多项式的阶次；
ei为板形测量值，i=1, 2, …, n
aj为板形执行机构输出测量值，j=1, 2, …, m
yij为执行机构效应向量值，表示第j个执行机构在第i个测量区域上的效应值，i=1, 2, …, n，j=1, 2, …, m
bij为执行机构效应向量的多项式系数，i=1, 2, …, t，j=1, 2, …, m
xi j表示多项式的值，表示xi的j次方，i= i=1, 2, …, n，j=1, 2, …, t
当目标板形为零时，板形测量值等于板形偏差值，此时式（1）成立；
Figure 739359DEST_PATH_IMAGE001
将执行机构效应向量进行多项式分解，此时式（2）成立；
Figure 169203DEST_PATH_IMAGE002
将式（2）代入式（1），可得到式（3）；
Figure 348512DEST_PATH_IMAGE003
在各执行机构效应向量线性无关的情况下，简化式（3）；当m=2，t为偶数时，执行机构1的效应向量对应于全部奇次项，执行机构2的效应向量对应全部偶次项，此时式（3）简化为式（4）；
Figure 623635DEST_PATH_IMAGE008
然后，令矩阵定义如式（5）、式（6）所示：
Figure 204789DEST_PATH_IMAGE005
Figure 539956DEST_PATH_IMAGE006
用线性回归方法，得到参数如式（7）所示：
  
Figure 705096DEST_PATH_IMAGE007
最后，根据式（2）计算出执行机构效应向量值。
综上所述，本发明用于确定金属带材板形执行机构效应的方法，建立在现场实测数据基础上，利用多元线性回归计算模型，在向量彼此线性无关的情况下，获得不同执行机构的效应向量；直接利用现场实测数据，与单纯理论力学计算方法相比，包含了更多的现场设备信息，例如温度场、机构磨损等时变信息，而这些时变数据在理论力学计算中很难准确计算出来，只能做出假设判定；其次，使用多元线性回归计算方法，可以获得参数的最小方差无偏估计，属于统计意义上的最优解，从而保障计算结果的精度；再次，可以使用同一计算模型，一次同时计算出不同执行机构的效应向量参数，而使用理论力学计算方法，只能建立不同的力学模型，进行逐次计算；最后，相对理论力学模型来说，这种方法的计算量较小，计算时间较短，这样不仅可以用于轧制过程的离线计算，还可以使用在线计算方式；直接使用现场实测数据，更真实的反映板形对于不同执行机构的作用情况，同时计算出不同执行机构的效应向量，计算方法简便，计算速度提高，保障计算精度，有效地提高开发效率，降低开发投资。
需要理解到的是：以上所述仅是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.用于确定金属带材板形执行机构效应的方法，首先，现场实际轧制过程的测量，采集现场实测数据，获得板形测量值及板形执行机构输出值；然后，原始数据处理，由于噪声、执行机构特性原因，对原始采集数据进行滤波、归一化数据处理，以得到有效的现场数据；进而，对于执行机构效应向量进行多项式回归，进行多项式阶次确定；再，根据效应向量中的线性无关向量建立计算矩阵；继而，根据计算矩阵进行多元回归分析，计算出回归参数；最后，根据回归参数计算出执行机构效应向量，其特征在于：首先对变量进行定义：
n为板形辊测量区域数，即沿带材宽度方向测量数目；
m为板形执行机构数目；
t为多项式的阶次；
ei为板形测量值，i=1,2,...,n
aj为板形执行机构输出测量值，j=1,2,...,m
yij为执行机构效应向量值，表示第j个执行机构在第i个测量区域上的效应值，i=1,2,...,n，j=1,2,...,m
bij为执行机构效应向量的多项式系数，i=1,2,...,t，j=1,2,...,m
xi j表示多项式的值，表示xi的j次方，i=i=1,2,...,n，j=1,2,...,t
当目标板形为零时，板形测量值等于板形偏差值，此时式（1）成立；
e 1 e 2 . . . e n = a 1 y 11 y 21 . . . y n 1 + a 2 y 12 y 22 . . . y n 2 + . . . + a m y 1 m y 2 m . . . y nm - - - ( 1 )
将执行机构效应向量进行多项式分解，此时式（2）成立；
y 1 j y 2 j . . . y nj = b 1 j x 1 x 2 . . . x n + b 2 j x 1 2 x 2 2 . . . x n 2 + . . . + b tj x 1 t x 2 t . . . x n t - - - ( 2 )
将式（2）代入式（1），可得到式（3）；
e 1 e 2 . . . e n = a 1 x 1 a 1 x 1 2 . . . a 1 x 1 t a 1 x 2 a 1 x 2 2 . . . . . . . . . . . . . . . . . . a 1 x n a 1 x n 2 . . . a 1 x n t b 11 b 21 . . . b t 1 + a 2 x 1 a 2 x 1 2 . . . a 2 x 1 t a 2 x 2 a 2 x 2 2 . . . . . . . . . . . . . . . . . . a 2 x n a 2 x n 2 . . . a 2 x n t b 12 b 22 . . . b t 2 + . . . + a m x 1 a m x 1 2 . . . a m x 1 t a m x 2 a m x 2 2 . . . . . . . . . . . . . . . . . . a m x n a m x n 2 . . . a m x n t b 1 m b 2 m . . . b tm - - - ( 3 )
在各执行机构效应向量线性无关的情况下，简化式（3）；当m=2，t为偶数时，执行机构1的效应向量对应于全部奇次项，执行机构2的效应向量对应全部偶次项，此时式（3）简化为式（4）；
e 1 e 2 . . . e n = a 1 x 1 a 2 x 1 2 a 1 x 3 3 a 2 x 4 4 . . . a 1 x n t - 1 a 2 x n t a 1 x 2 a 2 x 2 2 a 1 x 3 3 a 2 x 4 4 . . . a 1 x n t - 1 a 2 x n t . . . . . . . . . . . . . . . . . . . . . a 1 x n a 2 x n 2 a 1 x 3 3 a 2 x 4 4 . . . a 1 x n t - 1 a 2 x n t b 11 b 22 . . . b t 2 - - - ( 4 )
然后，令矩阵定义如式（5）、式（6）所示：
C = 1 a 1 x 1 a 2 x 1 2 a 1 x 3 3 a 2 x 4 4 . . . a 1 x n t - 1 a 2 x n t 1 a 1 x 2 a 2 x 2 2 a 1 x 3 3 a 2 x 4 4 . . . a 1 x n t - 1 a 2 x n t 1 . . . . . . . . . . . . . . . . . . . . . 1 a 1 x n a 2 x n 2 a 1 x 3 3 a 2 x 4 4 . . . a 1 x n t - 1 a 2 x n t - - - ( 5 )
E = e 1 e 2 . . . e n , β = b 0 b 11 b 22 . . . b t 2 - - - ( 6 )
用线性回归方法，得到参数如式（7）所示：
β=(CTC)-1CTE  (7)
最后，根据式（2）计算出执行机构效应向量值。
CN201210058124.6A 2011-08-18 2012-03-07 用于确定金属带材板形执行机构效应的方法 Active CN102581029B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210058124.6A CN102581029B (zh) 2011-08-18 2012-03-07 用于确定金属带材板形执行机构效应的方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201110237341 2011-08-18
CN201110237341.7 2011-08-18
CN201210058124.6A CN102581029B (zh) 2011-08-18 2012-03-07 用于确定金属带材板形执行机构效应的方法

Publications (2)

Publication Number Publication Date
CN102581029A CN102581029A (zh) 2012-07-18
CN102581029B true CN102581029B (zh) 2014-05-07

Family

ID=46470574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210058124.6A Active CN102581029B (zh) 2011-08-18 2012-03-07 用于确定金属带材板形执行机构效应的方法

Country Status (1)

Country Link
CN (1) CN102581029B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104475458B (zh) * 2014-11-28 2017-01-04 苏州有色金属研究院有限公司 一种辊环失效的板形最佳一致逼近处理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1297908A1 (de) * 2001-09-29 2003-04-02 ACHENBACH BUSCHHÜTTEN GmbH Verfahren zur Voreinstellung und Regelung der Bandplanheit beim flexiblen Einweg- und Reversierwalzen einer bandförmigen Materialbahn
CN101507977A (zh) * 2009-03-20 2009-08-19 燕山大学 板带轧机板形检测设备***误差综合补偿技术
CN101623708A (zh) * 2009-08-05 2010-01-13 燕山大学 板形控制集成***及执行方法
CN101628298A (zh) * 2009-08-05 2010-01-20 苏州有色金属研究院有限公司 镁合金铸轧用铸嘴
CN101648216A (zh) * 2009-09-11 2010-02-17 燕山大学 一种pc轧机板形板凸度离线预报设定方法
CN101811142A (zh) * 2009-02-24 2010-08-25 宝山钢铁股份有限公司 高强度冷轧带钢的轧制控制方法
CN101920269A (zh) * 2009-06-11 2010-12-22 鞍钢股份有限公司 冷轧机板形控制执行器调控功效系数优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4641904B2 (ja) * 2005-08-31 2011-03-02 株式会社神戸製鋼所 圧延機の制御方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1297908A1 (de) * 2001-09-29 2003-04-02 ACHENBACH BUSCHHÜTTEN GmbH Verfahren zur Voreinstellung und Regelung der Bandplanheit beim flexiblen Einweg- und Reversierwalzen einer bandförmigen Materialbahn
CN101811142A (zh) * 2009-02-24 2010-08-25 宝山钢铁股份有限公司 高强度冷轧带钢的轧制控制方法
CN101507977A (zh) * 2009-03-20 2009-08-19 燕山大学 板带轧机板形检测设备***误差综合补偿技术
CN101920269A (zh) * 2009-06-11 2010-12-22 鞍钢股份有限公司 冷轧机板形控制执行器调控功效系数优化方法
CN101623708A (zh) * 2009-08-05 2010-01-13 燕山大学 板形控制集成***及执行方法
CN101628298A (zh) * 2009-08-05 2010-01-20 苏州有色金属研究院有限公司 镁合金铸轧用铸嘴
CN101648216A (zh) * 2009-09-11 2010-02-17 燕山大学 一种pc轧机板形板凸度离线预报设定方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
冷带轧机板形智能识别与智能控制研究;张秀玲;《工程科技Ⅰ辑》;20030623(第3期);第91-92、97页 *
冷带轧机板形闭环反馈控制策略及模型研究;张清东等;《***仿真学报》;20091231;第21卷(第24期);第7858-7862页 *
张清东等.冷带轧机板形闭环反馈控制策略及模型研究.《***仿真学报》.2009,第21卷(第24期),第7858-7862页.
张秀玲.冷带轧机板形智能识别与智能控制研究.《工程科技Ⅰ辑》.2003,(第3期),第91-93、97页.

Also Published As

Publication number Publication date
CN102581029A (zh) 2012-07-18

Similar Documents

Publication Publication Date Title
Carrera Vazquez et al. Efficient state preparation for quantum amplitude estimation
Duffie et al. Estimation of continuous‐time Markov processes sampled at random time intervals
CN102189117B (zh) 基于横向性能检测的冷轧带钢平直度前馈控制方法
Willems Asian option pricing with orthogonal polynomials
CN106391725A (zh) 一种适用于冷轧过程轧制压力随轧制速度变化预报方法
CN102581029B (zh) 用于确定金属带材板形执行机构效应的方法
Judd et al. Finding all pure‐strategy equilibria in games with continuous strategies
CN102553941A (zh) 冷轧机板形调控功效系数离线自学习方法
Cavicchioli Markov Switching Garch Models: Higher Order Moments, Kurtosis Measures, and Volatility Evaluation in Recessions and Pandemic
CN102527737B (zh) 冷轧机板形调控功效系数离线自学习***
Raweesawat et al. Explicit formulas of arl on double moving average control chart for monitoring process mean of zipinar (1) model with an excessive number of zeros
CN104749953A (zh) 用于提供用来在马达控制设备中计算的稀疏高斯过程模型的方法和装置
Windle et al. Efficient data augmentation in dynamic models for binary and count data
Liu et al. Intelligent digital-twin prediction and reverse control system architecture for thermal errors enabled by deep learning and cloud-edge computing
CN103394522B (zh) 一种冷轧带钢板形控制功效系数的现场测试方法
CN115018162B (zh) 一种工业精加工过程加工质量实时预测方法和***
Esendağ et al. Prediction of reversible cold rolling process parameters with artificial neural network and regression models for industrial applications: A case study
Pandiya et al. Direct estimation of residues from rational-fraction polynomials as a single-step modal identification approach
Ando Bayesian variable selection for the seemingly unrelated regression models with a large number of predictors
CN101927268A (zh) 冷连轧带钢厚度控制方法
CN114463059A (zh) t分布GARCH模型的热力负荷-绿色能源交易电价预测方法
CN102189118B (zh) 基于定长采样的板形模型在线修正方法
CN102366760A (zh) 冷轧带钢板形控制执行器调控功效系数在线解耦方法
Sun et al. An information ratio‐based goodness‐of‐fit test for copula models on censored data
Golightly Bayesian filtering for jump-diffusions with application to stochastic volatility

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
TR01 Transfer of patent right

Effective date of registration: 20170420

Address after: 471039 Henan Province, Luoyang high tech Development Zone middle Ling Road

Patentee after: China Nonferrous Metals Processing Technology Co., Ltd.

Address before: Suzhou City, Jiangsu province 215021 Industrial Park No. 200 Shen Hu Road

Patentee before: Suzhou Non-ferrous Metal academy Co., Ltd.

TR01 Transfer of patent right