CN106435427A - 镀锌生产气刀距离优化控制方法 - Google Patents

Abstract

本发明提供了一种镀锌生产气刀距离优化控制方法，用于克服生产线工况偏移或其他干扰因素引起的前后镀层厚度偏差，保证前后镀层均匀，同时对气刀压力处于饱和临界区时的气刀距离进行优化，保证反馈控制中的气刀压力调节裕量。当前后镀层厚度不一致时，以统计时间内前后镀层厚度偏差均值为输入，通过神经网络，计算前后气刀距离的修正量，分别对前后侧气刀距离进行调整；当气刀压力处于饱和区时，基于神经网络模型及当前气刀压力、当前气刀距离、气刀压力预留裕量、产线速度，计算合理的前后气刀距离，得到既满足当前控制精度，又具有调节裕量的气刀压力和气刀距离设定值。

Description

镀锌生产气刀距离优化控制方法

技术领域

本发明涉及镀锌生产领域，尤其涉及一种镀锌生产气刀距离优化控制方法。

背景技术

进入二十一世纪，我国正在由钢铁大国迈向钢铁强国。调整产业结构，发展深加工和高附加值产品，提高产品的竞争力是我国钢铁工业的发展方向。

然而，据统计，我国每年因腐蚀报废的金属制品占世界总金属年产量的三分之一，说明解决钢材的腐蚀问题对我国具有非常重要的经济意义。镀锌工艺能够有效的防止钢材腐蚀，延长使用寿命，镀层的质量是下游的汽车板用户或家电板使用厂家关注和考核的重点，因此，钢铁制造商为了在满足镀锌产品质量要求的同时控制生产成本，对锌层厚度控制水平提出了严格的要求。

为提升镀锌生产控制的自动化水平，目前，镀层厚度自动控制***逐渐在一些企业中得到了运用，其普遍采用气刀压力为主，气刀距离为辅的反馈控制方法，即尽量使气刀距离保持不变，以气刀压力为主要的控制变量，测厚仪测量值为反馈量实现镀层厚度的闭环控制。该反馈闭环控制能够使带钢镀层厚度尽量逼近设定值，对于提升镀锌厚度的控制精度，减小镀层厚度波动，降低锌的过量消耗，起到了一定的作用。然而，由于镀锌生产过程的工艺特点，普通的反馈控制方式存在两个固有缺陷。

1)、前后镀层偏差问题。上述反馈控制方案是以镀层前后表面的镀层厚度总和为被控变量，使带钢前后表面的镀层厚度总和跟踪上设定值。然而，镀锌厚度控制目标还包括另外一项重要的质量指标，即带钢前后表面镀层的均匀性， 如果前后表面的镀层厚度偏差过大，导致产品不符合质量标准，会造成较大的经济损失。然而，在实际生产过程中，由于带钢板型、工作辊磨损、机械误差等因素影响，即使在平稳的工况下，带钢前后表面镀层厚度也会出现较大幅度波动。而由于带钢中心线与前后气刀的机械零点并不重合(即前后侧气刀的刀距测量值并不等于其与带钢中心线之间的实际距离)，因此通过调整前后单侧气刀距离消除前后镀层厚度偏差的方法具有很大的难度。

2)、压力饱和问题。气刀压力调节受到气路管道压力的限制存在调节饱和区域(即气刀压力不能大于气路管道压力，当气刀压力接近管道压力时，无论怎样增大调节阀，气刀压力也无法增加)，气刀压力未饱和时，当出现产线速度变化或其他干扰因素导致的镀层厚度变化时，控制***可以通过调节气刀压力消除上述扰动带来的镀层厚度变化，保证镀锌产品的质量符合质量要求；而气刀压力处于饱和区时，当外界扰动出现时，气刀压力已无法增大，失去了调节能力，操作人员不得不通过降低生产线速度以保障气刀压力有足够的控制裕量使得镀层厚度符合质量指标要求，生产线速度的降低，使得上下游工序的产能和节奏都受到极大影响，同时会伴随着一定的锌层厚度质量波动，给工厂带来了大量的经济损失。

发明内容

本发明要解决的技术问题是镀锌生产反馈控制中前后镀层偏差和气刀压力调节饱和的问题。

为了解决这一技术问题，本发明提供了一种镀锌生产气刀距离优化控制方法，包括如下步骤：

S1：读取前、后镀层厚度测量值，若存储区域未满，则将所测厚度存入存储区域，进入步骤S4；若存储区域已满，则进入步骤S2；

S2：利用当前的测量值替换存储区域中最早的测量值，然后，判断存储区域内前、后镀层偏差均值CW_bias是否超过前后偏差修正的阈值；若超过，则进入步骤S3，若未超过，则进入步骤S4；

S3：根据气刀距离、气刀压力、生产线速度和镀层厚度偏差量实时优化计算出最优气刀距离，从而确定前、后气刀距离改变量GF_delta和GB_delta；其中，前镀层厚度需要改变的偏差量为-CW_bias/2，后镀层厚度需要改变的偏差量为CW_bias/2；然后，进入步骤S5；

S4：令前、后气刀距离改变量均为0，进入步骤S5；

S5：判断气刀压力是否进入饱和区域，若进入，则进入步骤S6，若未进入，则进入步骤S7；

S6：增加气刀压力调节裕量，根据当前气刀距离、生产线速度、增加裕量后的气刀压力，利用神经网络计算镀层厚度预测值，进而得到镀层厚度的偏差量；

进而，根据气刀距离、气刀压力、生产线速度和镀层厚度的偏差量实时优化计算出最优气刀距离，确定气刀距离改变量，进而将该气刀距离改变量平均分配给前、后气刀进行改变，得到前、后气刀距离改变量，进入步骤S8；

S7：前、后气刀距离改变量保持不变，进入步骤S8；

S8：依据步骤S3和S6确认的前、后气刀距离改变量确定新的前、后气刀距离设定值，依据步骤S6增加裕量的气刀压力为气刀压力设定值。

可选的，在所述步骤S6中，在利用神经网络计算镀层厚度预测值时，进一步利用神经网络预测模块得到镀层厚度预测值；

所述神经网络预测模块以带钢速度、气刀距离、气刀压力为输入，镀层厚度为输出所建立，而且其基于镀锌过程的历史数据进行学习，进而根据当前操作的带钢速度、气刀距离和气刀压力的采样值对镀层厚度进行预测。

可选的，在所述步骤S6中，所需补偿的镀层厚度为：

CWm＝NN(D(t),P(t),S(t))-NN(D(t),P_ini,S(t))

其中，D(t)是t时刻的气刀距离，P(t)是t时刻的气刀压力，S(t)是t时刻的生产线速度；P_ini是增加裕量后的气刀压力，亦为新的气刀压力设定值。

可选的，在所述步骤S3和/或S6中，优化计算出最优气刀距离时，利用实时优化模块优化计算最优气刀距离；

所述实时优化模块以镀层厚度预测值与控制目标之间的偏差最小化为目标，以气刀距离运行区间为约束，迭代搜索给定的气刀压力、生产线速度和镀层厚度设定值下最优的气刀距离。

可选的，所述实时优化模块所采用的实时优化算法具体描述为：

目标函数：min|CWt-CWp|

决策变量：D

约束条件：

CWp＝NN(D,P_ini,S_ini) (6)

CWt＝NN(D_ini,P_ini,S_ini)+CWm (7)

D∈[Dmin,Dmax] (8)

根据增量式PID算法对D进行迭代寻优，其中增量式算法描述：

error＝CWt-CWp (9)

P_error＝error-error_1 (10)

I_error＝error (11)

D_error＝error-2*error_1+error_2 (12)

△u＝Kp*P_error+Ki*I_error+Kd*D_error (13)

D＝D+△u (14)

其中，D的初始值为D_ini，error_1是error迭代计算中的上一代值，error_2是error迭代计算中的上二代值。通过式(9)～式(14)迭代计算，找到D使得CWp无限接近CWt。实时优化算法最终返回气刀距离改变量△D，满足式(15)

△D＝D-D_ini (15)

上式中，△D是在当前生产线速度与气刀压力情况下，使镀层厚度改变CWm所需的总气刀距离改变量，如果将这个改变量全部施加到前气刀距离上，即D_front_delta(t)＝△D；根据式(5)，为了保证镀层厚度不变，气刀距离应保持不变，即前、后刀距离改变量大小相同，方向相反，所以，D_back_delta(t)＝-△D。该△D是针对前镀层厚度需要改变的偏差量-CW_bias/2，以及-△D是针对后镀层厚度需要改变的偏差量CW_bias/2进行修正的。

本发明公开了一种镀锌厚度反馈控制中的气刀距离优化方法，用于克服生产线工况偏移或其他干扰因素引起的前后镀层厚度偏差，保证前后镀层均匀，同时适用于气刀压力处于饱和临界区时对气刀距离进行优化，保证气刀压力的调节裕量。当前后镀层厚度不一致时，应用镀层偏差优化模块，以统计时间内前后镀层厚度偏差均值为输入，通过神经网络，计算前后气刀距离的修正量，分别对前后侧气刀距离进行调整；当气刀压力处于饱和区时，基于神经网络模型及当前气刀压力、当前气刀距离、气刀压力预留裕量、生产线速度，计算合理的前后起到距离，得到既满足当前控制精度，又具有调节裕量的气刀压力和气刀距离设定值。本发明所提出的方法解决了镀层厚度反馈控制中由于工况偏移或其他扰动引起的前后镀层偏差，确保前后镀层厚度均匀分布，防止单侧镀 层厚度不达标的情况出现。同时，有效避免反馈调节的气刀压力进入饱和区，有助于生产线产能的提高和镀层厚度的平稳。

附图说明

图1是本发明一可选实施例中使用镀锌生产气刀距离优化控制方法的***示意图；

图2是本发明一可选实施例中镀锌生产气刀距离优化控制方法的详细流程的示意图；

图3是本发明一可选实施例中镀层厚度设定值改变时控制效果图；

图4是本发明一可选实施例中生产线速度改变时控制效果图。

具体实施方式

以下将结合图1至图4对本发明提供的镀锌生产气刀距离优化控制方法进行详细的描述，其为本发明可选的实施例，可以认为，本领域技术人员在不改变本发明精神和内容的范围内，能够对其进行修改和润色。

首先，先对现有技术中相关的问题和方案进行阐述：

镀锌产品因其良好的耐腐蚀性能被广泛应用于建筑、家电、汽车等行业，镀层太厚不仅会浪费锌锭等原材料，而且会影响产品的点焊性、附着性、镀层的抗粉化性等性能，而镀层太薄则会影响到产品的抗腐蚀性，产品质量不能达标。因此镀层均匀度控制直接影响到产品质量的两个方面：镀层厚度和镀层均匀度。镀锌生产过程主要的工艺参数包括带钢速度、气刀高度、气刀距离和气 刀压力。其中带钢速度受退火炉生产能力、带钢厚度和加热制度的制约，无法独立调节，而气刀高度由带钢速度决定，对锌层厚度影响较小。因此，通常采用对镀层厚度及前后镀层均匀度影响最为直接的气刀距离和气刀压力作为镀层厚度控制***的控制变量。

气刀压力和气刀距离对镀层厚度的影响关系如下：

(1)在各种气刀压力下，增加气刀距离都能引起锌层厚度的增加，特别是在低压下增加量更大。

(2)正常工况变化范围内，增大气刀压力会导致对镀锌板的冲量增大，由此引起锌层厚度的减少。

连续热镀锌生产***具有以下特点：

(1)镀层厚度值的在线测量需要采用测厚仪，为了保证测量的准确性，采用冷态测量的结果作为镀层厚度的度量，由于冷态测量工艺的要求，测厚仪的安装位置常常距离气刀较远，导致作用在气刀处的控制量对镀层厚度的影响需要较长的时间后才能检测到，即***具有较大的测量滞后。

(2)镀锌过程受到空气动力、边界流层、传热等多个复杂的物理因素作用，最终的锌层厚度和镀层前后均匀性主要受气刀距离、气刀气压、带钢速度等多个变量共同作用的影响，而这些变量对镀层厚度和镀层横向均匀性的影响原理较为复杂，具有较强的非线性，使用传统的机理建模方法很难建立精确的***模型；

(3)镀锌的生产过程干扰因素众多，比如气刀高度，喷嘴缝隙，带钢的温度、板厚、板宽、表面粗糙度，生产线张力，锌锅的温度以及化学成分、带钢板形和带钢抖动等因素的变化都将对镀层厚度和前后均匀性产生影响。

综上所述，镀锌是一个典型的时变大滞后、非线性、强扰动的生产过程， 控制难度大。目前国内大部分钢铁企业主要依赖于操作工的经验采用人工手动操作结合底层回路PID的方式进行控制，其控制精度低、锌耗量大、质量波动大，甚至不能保证镀层厚度和镀层均匀度的质量要求。因此，镀层厚度自动控制***也逐渐在一些企业中得到了运用，其对于提高镀锌厚度控制精度和自动化水平具有一定的作用。从原理上分析，目前镀锌厚度***普遍采用以气刀压力为主，气刀距离为辅的反馈控制方法，其中气刀距离指的是前后两侧气刀之间的距离(即总的气刀距离)。然而，由于镀锌生产过程存在的控制难点，目前的反馈控制方法普遍面临以下两个问题：

1)、前后镀层偏差问题

目前的镀层厚度反馈控制***以总气刀距离为控制变量，而不考虑前、后气刀距离的具体分配。而在总气刀距离一定的前提下，前后单侧气刀距离的分配虽然与镀层总厚度关联不大，却直接影响前后单侧镀层的厚度。通常前后侧气刀的压力值是相同的，因此只有在前后侧气刀距离一致时，才能够使前后镀层厚度一致，这就要求将带钢控制在气刀中心线附近，同时也是保证安全生产，防止气刀刮到带钢的需要。然而，由于机械原因，气刀中心线无法与带钢中心线完全重合，存在一定误差，同时，由于存在测量误差，实际生产中的带钢中心垂直度存在一定偏差，而且冷却塔顶辊、沉没辊及稳定辊随着生产的进行存在一定程度的磨损，导致该偏差量是随时变化的。另外，带钢板型的变化也会导致其相对于前后两侧的气刀距离发生偏移。这一系列扰动因素导致在连续热镀锌过程中，即使总气刀距离保持恒定，其实际的前后侧刀距仍是动态变化的，进而使带钢前后表面镀层厚度出现波动。而由于气刀距离、气刀压力等控制变量对镀层横向均匀性的影响原理较为复杂，具有较强的非线性，因此给带钢前后表面镀层厚度的一致性控制带来了难度。如果前后表面的镀层厚度偏差过大， 导致产品不符合质量标准，会造成较大的经济损失。同时，镀锌生产***存在很大的测量滞后，如果对前后镀层厚度控制的准确性不够，会导致前后镀层厚度来回调整，发生振荡。

2)、压力饱和问题

当气刀压力处于饱和时，气刀压力无法再提高，若气刀距离不改变，为满足镀层厚度控制需求，则生产线速度无法再增加。故气压饱和对生产线产能具有约束作用。气刀压力未饱和时，当出现生产线速度变化或者其他干扰因素导致的镀层厚度变化时，控制***可以通过调节气刀压力消除上述扰动带来的镀层厚度变化，保证镀锌产品的质量符合质量要求；而当其处于饱和时，气刀压力已无法增大，失去了调节能力，当外界扰动出现时，操作人员不得不通过降低生产线速度以保障气刀压力有足够的控制裕量使得镀层厚度符合质量指标要求，生产线速度的降低，使得上下游工序的产能和节奏都受到了极大影响，给工厂带来了大量的经济损失。

针对镀层偏差问题，国内也有相关专利和文献提出了基于模型的控制方法，如公开号为CN103510032.A的专利《冷轧热镀锌镀层均匀度的偏差值控制方法》，采用刀唇开度对镀层厚度的影响模型，引入影响效率函数矩阵，提高了镀层均匀度控制精度，同时增加成本函数和过滤函数项，提高了镀层误差函数精度，从而提高了镀层均匀度计算精度，使镀锌产品表面质量得以改善。然而，上述方法侧重于改善镀层横向均匀度，并不涉及能克服工况偏移与带钢厚度导致的前后镀层不一致的情况。

为了解决气刀压力饱和的问题，文献《热镀锌线锌层厚度的闭环控制简介》(刘海龙，四川冶金，2006:28(6))，介绍了VAI公司提供的镀层厚度控制***，该***反馈控制器由控制块和饱和块两个功能块构成，首先调用控制块， 根据镀层厚度的偏差，基于气刀压力对于镀层厚度的增益值，计算得到气刀压力调节改变量，然后根据该气刀压力改变量和底层气刀压力闭环控制***的增益计算阀门开度的改变量叠加到现有阀门开度值上，如果其值未超过80％(阀门的调节能力进入饱和区域)，则说明气刀压力未进入饱和，则无须改变气刀距离值。反之，则进入饱和块，此时将气刀压力的调节量设置为使阀门开度未进入饱和的上限，并计算在该气刀压力情况下剩余的需通过气刀距离补偿的镀层厚度的偏差值，然后根据气刀距离对镀层厚度的增益值计算气刀距离调整量。这种调节方式基于线性近似的灵敏度计算气刀距离调整量，精度较低，该调节方式先将气刀压力调至饱和状态，再使用气刀距离根据剩余偏差进行补偿调节，将导致气刀压力仍处于饱和临界状态，失去调节的裕量。

可见，现有镀层厚度反馈控制***中虽然考虑了镀层均匀度的问题，但缺乏解决前后镀层厚度动态偏差的机制，容易产生单侧厚度不达标的情况；而同时，现有***虽然采用了气刀距离对气刀压力饱和情况进行补偿，但未对气刀距离补偿量计算进行寻优，导致补偿过后的气刀压力仍然缺乏调节的裕量，当外界干扰持续加剧时，需要通过不断调节气刀距离消除外界扰动的影响，然而，刀距是通过步长离散调节进行调节的，与可连续调节的气压相比，调节的精度较差，容易导致超调或者较大的调节余差。

回归到本发明的技术方案来看：

相较而言，本发明的目的是针对现有镀层厚度反馈控制***存在的前后镀层偏差问题和气刀压力饱和所带来的镀层质量波动及产能受限等问题，提出了一种基于非线性神经网络模型的镀锌厚度反馈控制中的气刀距离优化方法。首先，应用神经网络技术，以带钢速度、气刀距离、气刀压力为输入，镀层厚度 为输出，建立镀锌生产镀层厚度神经网络预测模型；当出现前后镀层厚度不一致时，应用前后镀层偏差优化模块，以统计时间内前后镀层厚度偏差均值为输入，通过神经网络，计算前后气刀距离的修正量，分别对前后气刀距离进行调整；当气刀压力处于饱和区时，首先设置气刀压力调节空间，然后通过神经网络模型，调整前后侧气刀距离。本发明可有效解决镀锌生产过程中由于工况偏移、带钢厚度变化或其他原因所造成的前后镀层厚度不一致的情况，也可有效避免气压工作在饱和工作区的情况，保证调节气压裕量，显著提高产品质量和前后镀层均匀性，降低镀层厚度质量波动，在提升生产线产能的情况下仍能保障产品质量符合指标要求等效果。

本发明提出了一种镀锌生产线镀层厚度反馈控制中的气刀距离优化方法。能够快速应对工况偏移或气压工作在饱和区时，迅速优化气刀距离，消除工况偏移及带钢厚度变化所带来的前后镀层厚度偏差，保证气刀压力的调整裕量，保证镀层厚度纵向均匀性，在提升生产线产能的情况下仍能保障产品质量符合指标要求，减少不合格产品的产生。

在展开阐述该方法之前，先阐述下，适用该方法的***可以理解为包括神经网络预测模块、实时优化模块、前后镀层偏差优化模块、饱和气压优化模块四个部分组成。

其中，神经网络预测模块是一个以带钢速度、气刀距离、气刀压力为输入，镀层厚度为输出建立的神经网络预测模型，该模型基于镀锌过程的历史数据进行学习，可在线根据当前操作工况(带钢速度、气刀距离、气刀压力)的采样值对镀层厚度做出精确的预测，提前预知镀锌过程中可测不可控变量对镀层厚度的影响，为控制变量的调整提供依据。神经网络模块是实时优化模块的基础。

其中，所述的实时优化模块，该模块以镀层厚度预测值与镀层厚度控制目标之间的偏差最小化为优化目标，以气刀距离运行区间为约束，迭代搜索给定工况(气刀压力、生产线速度、镀层厚度设定值)下最优气刀距离。具体而言，本模块解决的是一个寻优问题，其目标函数为镀层厚度预测值与控制目标之间的偏差，而决策变量为气刀距离，约束条件为神经网络预测模块的生产线速度、气刀距离、气刀压力与镀层厚度之间的映射关系，以及气刀距离的工艺规程约束。通过对气刀距离寻优，消除镀层厚度预测值与控制目标之间的偏差。实时优化模块是前后镀层偏差优化模块及饱和气压饱和优化模块的基础。

其中，所述的前后镀层偏差优化模块以带钢前后镀层厚度均匀性为控制目标，在工况发生偏移而导致前后气刀距离不一致时，在保证总镀层厚度达标的前提下，优化前后侧气刀距离，以消除前后镀层偏差。具体而言，当出现前后镀层厚度偏差时，为了保证总镀层厚度不发生变化，要使前后镀层厚度改变量大小一致，方向相反，与之相对应，在其他工况不改变的情况下，需要保证总气刀距离不发生变化，而前后侧气刀距离变化量大小一致，方向相反。把当前工况(生产线速度、气刀距离、气刀压力)以及需改变的镀层厚度输入实时优化模块，即可分别获得前后气刀距离的改变量。

其中，所述的饱和气压优化模块是当气刀压力工作在饱和区时，优化气刀距离，以补偿气刀压力的调节空间。当气刀压力处于饱和时，若要减小气刀压力且保证镀层不变，在保证生产安全的前提下，则可以减小气刀距离。其中，气刀距离的改变量根据生产线速度、修正后的气刀压力、生产线速度及需要改变的镀层厚度，通过实时优化模块计算所得。

基于上述的四个模块，在每个控制周期内，***运行步骤如下所示：

不失一般性，前后气刀距离修正量为GF_delta、GB_delta，饱和气压的气刀距离补偿量为delta_gap，前后气刀距离设定值为GF_SV，GB_SV，本控制***包含一个前后镀层存储区域，存储前后镀层厚度的历史测量值，CW_bias为该存储区内前镀层厚度减去后镀层厚度的均值。

S1：从一级机中读取前后镀层厚度测量值信息，首先判断前后镀层存储区域是否已满，若未满，将镀层厚度保存进入该存储区域，进入S4，否则，进入S2。其也可描述为：读取前、后镀层厚度测量值，若存储区域未满，则将所测厚度存入存储区域，进入步骤S4；若存储区域已满，则进入步骤S2；

S2：采用先进先出的原则将当前的镀层厚度测量值保存入前后镀层存储区域，并覆盖掉原存储区域中最早的镀层厚度测量值。判断该存储区域内前后镀层偏差均值CW_bias是否超过前后偏差修正的阈值，若是则进入S3，否则进入S4。其也可描述为：利用当前的测量值替换存储区域中最早的测量值，然后，判断存储区域内前、后镀层偏差均值CW_bias是否超过前后偏差修正的阈值；若超过，则进入步骤S3，若未超过，则进入步骤S4；

S3：为保证镀层厚度不变，气刀距离应保持不变，即前后气刀距离改变量大小相同，方向相反，也就是说前镀层厚度需要改变-CW_bias/2，后镀层厚度需要改变CW_bias/2。把气刀距离、气刀压力、生产线速度和需改变的镀层厚度偏差量分别输入实时优化模块，分别计算出前后气刀距离改变量GF_delta和GB_delta，进入S4。其中，实时优化模块是根据气刀距离、气刀压力和生产线速度计算出镀层厚度预测值，则控制目标为镀层厚度预测值加上需改变的镀层厚度量，控制偏差为需改变的镀层厚度量。根据增量式PID对气刀距离进行寻优，使得修正后的前后侧气刀距离与气刀压力、生产线速度预测的镀层厚度值 满足镀层厚度控制目标值。则前后侧气刀距离改变量为修正后的气刀距离减去气刀距离原始值。

其可简单描述为：根据气刀距离、气刀压力、生产线速度和镀层厚度偏差量实时优化计算出最优气刀距离，从而确定前、后气刀距离改变量GF_delta和GB_delta；其中，前镀层厚度需要改变的偏差量为-CW_bias/2，后镀层厚度需要改变的偏差量为CW_bias/2；然后，进入步骤S5；

S4：令GF_delta＝0，GB_delta＝0，不进行前后镀层偏差修正，即令前、后气刀距离改变量均为0，进入S5。

S5：判断气刀是否进入饱和区域，若进入饱和区域，则进入S6，若没有进入饱和区，则进入S7。

S6：增加气刀压力调节裕量，根据当前气刀距离、气刀高度、生产线速度及增加调节裕量后的气刀压力，通过神经网络预测模型计算镀层厚度预测值，计算出预测值与镀层厚度设定值之间的偏差值。把增加调节裕量后的气刀压力、气刀距离和生产线速度投入实时优化模块，计算出气刀距离改变量delta_gap，为保证带钢中心线与气刀中心线重合，需将该气刀距离改变量平均分配至前后侧气刀处，则GF_delta＝GF_delta+delta_gap/2，GB_delta＝GB_delta+delta_gap/2。进入S8。

其可总结描述为：

增加气刀压力调节裕量，根据当前气刀距离、生产线速度、增加裕量后的气刀压力，利用神经网络计算镀层厚度预测值，进而得到镀层厚度的偏差量；

进而，根据气刀距离、气刀压力、生产线速度和镀层厚度的偏差量实时优化计算出最优气刀距离，确定气刀距离改变量，进而将该气刀距离改变量平均分配给前、后气刀进行改变，得到前、后气刀距离改变量，进入S8；

S7：GF_delta、GB_delta保持不变，即前、后气刀距离改变量保持不变，进入S8。

S8：计算新的前后气刀距离设定值GF_SV＝GF_SV+GF_delta，GB_SV＝GB_SV+GB_delta，并下达至PLC。当且仅当气压饱和时，P_ini为气刀压力设定值，并下达至PLC。

对于上述技术方案的技术效果分析如下：

(1)本发明在反馈控制中采用气刀距离优化方法，有效地克服了因板型变化或其他扰动对前后镀层厚度的影响，保证了反馈控制中带钢前后表面镀层厚度的均匀性。

(2)本发明在反馈控制中采用气刀距离优化方法，有效地克服了气刀压力工作在饱和区而导致镀层表面质量波动及对产能进一步提高所带来的不利影响，保证了前馈控制中带钢镀层质量。

(3)本发明在反馈控制中采用实时优化方法，在保证各操作参数满足工艺需求的同时，根据当前控制参数及控制偏差，实时计算出气刀距离改变量，同时保证镀层厚度满足控制目标，不仅保证了反馈控制中镀层厚度的表面质量，同时优化了操作参数，以克服前后镀层偏差，增加气压调节裕量，在提升生产线产能的情况下仍能保障产品质量符合指标要求。

综上所述，采用本发明的控制***，可以在前后镀层厚度发生偏差时，准确地优化气刀距离，以快速有效地消除前后镀层厚度偏差，从而保证了镀层厚度的均匀性，同时能够有效地保证气刀压力远离饱和区，增加了气刀压力的调节空间，保证了镀层表面质量，在提升生产线产能的情况下仍能保障产品质量符合指标要求。

以下将对以上提到的流程再进一步展开进行阐述，其详细的设计可以视作 本发明可选或者优选的方案。为更好理解以下描述，给出下表，以期对下文阐述的各符号、参数量进行一种定义，当然，以下表格只是一种示意列举，各符合和参数量也可在其之上有其他含义，还是需以下文阐述为准。

本控制***主要由神经网络预测模块、实时优化模块、前后镀层偏差优化模块、饱和气压优化模块等四个部分组成。

图中Ⅰ表示神经网络预测模块，是一个以带钢速度、气刀距离、气刀压力为输入，镀层厚度为输出建立的神经网络预测模型，该模型基于镀锌过程的历史数据进行学习，可在线根据当前操作工况(带钢速度S(t)、气刀距离D(t)、气 刀压力P(t))的检测值对镀层厚度做出精确的预测，将该神经网络的非线性映射关系记为NNp(*)，其表达式如下：

NNp(D(t),S(t),P(t))＝CWp(t)

该模块是实时优化模块运行的基础。

图中Ⅱ表示实时优化模块，该模块以镀层厚度预测值与镀层厚度控制目标之间的偏差最小化为优化目标，以气刀距离工艺规程为约束，迭代搜索给定工况(气刀压力、生产线速度、镀层厚度设定值)下最优气刀距离。具体而言，本模块解决的是一个寻优问题，其目标函数镀层厚度预测值与控制目标之间的偏差，而决策变量为气刀距离，约束条件为神经网络预测模块的生产线速度、气刀距离、气刀压力与镀层厚度之间的映射关系，气刀距离的工艺规程约束。通过对气刀距离寻优，消除镀层厚度预测值与控制目标之间的偏差。实时优化模块是镀层偏差优化模块及饱和气压优化模块的基础。

图中Ⅲ表示前后镀层偏差优化模块，以带钢前后镀层厚度均匀性为控制目标，在工况发生偏移而导致前后气刀距离不一致时，在保证总镀层厚度达标的前提下，优化气刀距离，以消除前后镀层偏差。具体而言，当出现前后镀层厚度偏差时，为了保证总镀层厚度不发生变化，要使前后镀层厚度改变量大小一致，方向相反，与之相对应，在其他工况不改变的情况下，需要保证总气刀距离不发生变化，而前后侧气刀距离变化量大小一致，方向相反。把当时工况(生产线速度、气刀距离、气刀压力)以及需改变的镀层厚度输入实时优化模块，即可分别获得前后气刀距离的改变量。

图中Ⅳ表示饱和气压优化模块，当气刀压力工作在饱和区时，在保证镀层厚度的前提下，优化气刀距离，以调整气刀压力的调节空间。具体而言，当气刀压力处于饱和时，给定气刀压力增加调节裕量，然后通过神经网络计算出调 节气刀压力所导致的镀层厚度的改变量，则气刀距离则要补偿气刀压力改变所带来的镀层厚度，把给定工况(增加调节裕量后的气刀压力、气刀距离和生产线速度)及气刀距离需要的镀层厚度投入实时优化模块，计算出气刀距离修正量。

基于上述的前馈控制***架构，在每个控制周期内，本发明运行流程图如图2所示，图中各步骤的详述如下：

S101(可以对应理解上文的步骤S1)：从一级机中读取前后镀层厚度测量值信息，首先判断前后镀层存储区域是否已满，若未满，将镀层厚度保存进入该存储区域，进入S104，否则，进入S102。

S102(可以对应理解上文的步骤S2)：采用先进先出的原则将当前的镀层厚度测量值保存入前后镀层存储区域，并覆盖掉原存储区域中最早的镀层厚度测量值。判断该存储区域内前后镀层偏差均值CW_bias是否超过前后偏差修正的阈值，计算式(1)：

若CW_bias>θ_bias，则进入S103，否则进入S104。

S103(可以对应理解上文的步骤S3)：要修正前后镀层偏差CW_bias，且保证镀层厚度不变，则根据神经网络的映射关系式(2)及气刀距离与前后气刀距离的关系式(3)

NNp(D(t),P(t),S(t))＝CWp (2)

D(t)＝D_front(t)+D_back(t) (3)

可知，在生产线速度S(t)和气刀压力P(t)不变时，要保证CWp不变，则D(t)应保持不变，即前后气刀距离修正量之和为零，满足式(4)

D_front_delta(t)+D_back_delta(t)＝0 (4)

由式(4)变换至式(5)，

D_front_delta(t)＝-D_back_delta(t) (5)

即前后气刀距离变化量，大小相等，方向相反。由于镀层厚度偏差一般不大，在小范围内，可认为前后气刀距离改变对单侧镀层厚度的增益基本相同，因此，前后镀层厚度修正量大小一致，方向相反，而要使前后镀层偏差变为0，就需要让前气刀距离修正的镀层偏差量为-CW_bias/2，后气刀距离修正的镀层偏差量为CW_bias/2。

根据式(5)可知，前后气刀距离变化量，大小相等，故只需要计算前气刀距离的变化量即可得到后气刀距离的变化量。分别将气刀距离D(t)作为D_ini、气刀压力P(t)作为P_ini、生产线速度S(t)作为S_ini和欲修正的前镀层厚度偏差量-CW_bias/2作为CWm，根据实时优化算法计算出D_front_delta(t)。

实时优化算法是这样描述的：

目标函数：min|CWt-CWp|

决策变量：D

约束条件：

CWp＝NN(D,P_ini,S_ini) (6)

CWt＝NN(D_ini,P_ini,S_ini)+CWm (7)

D∈[Dmin,Dmax] (8)

根据增量式PID算法对D进行迭代寻优，其中增量式算法描述：

error＝CWt-CWp (9)

P_error＝error-error_1 (10)

I_error＝error (11)

D_error＝error-2*error_1+error_2 (12)

△u＝Kp*P_error+Ki*I_error+Kd*D_error (13)

D＝D+△u (14)

其中，D的初始值为D_ini，error_1是error迭代计算中的上一代值，error_2是error迭代计算中的上二代值。通过式(9)～式(14)迭代计算，找到D使得CWp无限接近CWt。实时优化算法最终返回气刀距离改变量△D，满足式(15)

△D＝D-D_ini (15)

上式中，△D是在当前生产线速度与气刀压力情况下，使镀层厚度改变CWm所需的总气刀距离改变量。显然，这里需要调整前镀层厚度，因此将这个改变量全部施加到前气刀距离上，即D_front_delta(t)＝△D；根据式(5)，D_back_delta(t)＝-△D。进入S105。为了保证镀层厚度不变，气刀距离应保持不变，即前后刀距离改变量大小相同，方向相反，所以，D_back_delta(t)＝-△D。该△D是针对前镀层厚度需要改变的偏差量-CW_bias/2，以及-△D是针对后镀层厚度需要改变的偏差量CW_bias/2进行修正的。

S104(可以对应理解上文的步骤S4)：令D_front_delta(t)＝0、D_back_delta(t)＝0，进入S105。

S105(可以对应理解上文的步骤S5)：判断气刀压力是否进入饱和区域，若气刀压力工作区已进入饱和区域，则进入S106，否则进入S107。

S106(可以对应理解上文的步骤S6)：令气刀压力增加调节裕量后Pini＝P(t)+△P，则优化气刀距离以补偿气刀压力改变所带来的镀层厚度变化量，则所需补偿的镀层厚度CWm为

CWm＝NN(D(t),P(t),S(t))-NN(D(t),P_ini,S(t)) (16)

把D(t)作为D_ini，S(t)作为S_ini，以及P_ini，CWm投入实时优化模块，计算出气刀距离改变量D_delta。则前后气刀距离修正量分别为：

D_front_delta(t)＝D_front_delta(t)+D_delta/2 (17)

D_back_delta(t)＝D_back_delta(t)+D_delta/2 (18)

进入S108。

S107(可以对应理解上文的步骤S7)：D_front_delta(t)，D_back_delta(t)保持不变。进入S108。

S108(可以对应理解上文的步骤S8)：计算前后气刀距离设定值DF_SV，DB_SV

DF_SV＝DF_SV+D_front_delta(t) (19)

DB_SV＝DB_SV+D_back_delta(t) (20)

DF_SV，DB_SV下达至PLC。当且仅当气刀压力饱和时，P_ini为气刀压力设定值，并下达至PLC。

此外，每隔一定的时间，***在线采集这段时间内运行所产生的新的生产数据，筛选出样本，对预测神经网络权重进行继续训练，更新神经网络。具体而言，采用反向传播方法更新神经网络的权重，使预测神经网络能够学习到新的工况信息，可以自动适应***特征的变化。

以下以镀锌实际生产过程为例，说明本发明所取得的有益效果：

图3中列出了采用本发明方法设计的前后镀层厚度偏差修正算法的效果图。从图中可以看到，在1小时左右，前后镀层厚度偏差统计值达到启动前后气刀距离优化的阈值时，镀层偏差修正算法优化前后气刀距离，使得前后镀层偏差得到了控制。说明采用本发明所述的方法，可有效修正前后镀层厚度偏差，提高产品质量。

图4中列出了采用本发明设计的饱和气压优化的效果图。从图中可以看到，对于气刀压力已经工作在饱和气压边缘(67KPa为饱和区)的情况，如果(时间坐标30min左右)要提升生产线速度以提高产能，由于此时气刀压力已无调节裕量，无法继续调高气压以消除速度上升对镀层厚度的影响(镀层变厚)，导致了产品质量的变差及锌液的大量浪费。而在本发明所述方法投运后(时间坐标为50min左右)，前后气刀距离得到了优化，通过在保障生产安全的情况下减小前后气刀距离，使得气刀压力的调节裕量得以增加，如图所示，镀层厚度得到了精准的控制，从而确保了产能提升后的产品质量。上述过程中，在传统控制方法下，镀锌生产线速度的增加会引起镀层厚度偏离产品工艺指标，镀层质量无法得到保证，即气压长期工作在饱和区域阻碍了生产线产能的提升，采用本发明所述方法后，通过气刀距离的优化控制，可保证气刀压力的控制裕量，在提升生产线产能的情况下仍能保障产品质量符合指标要求。

综上可见，本发明与现有技术的区别在于：

(1)、本发明采用神经网络模型。与传统的回归模型相比，神经网络具有很强的非线性拟合能力，能更加准确地反映镀锌生产过程的非线性特性，与现有采用线性模型对镀锌生产过程进行控制的方法相比，神经网络模型可以对镀锌生产的全工况进行高精度的预测，确保本发明的在镀锌生产的各个操作条件下都具有良好的控制精度与品质。

(2)、传统反馈PID需要多次根据反馈量偏差进行控制，由于镀锌生产***的测量大滞后性，使得前后镀层厚度偏差的调节过程非常缓慢，控制效果差。本发明以镀层厚度与控制目标之间的偏差为目标，以气刀距离的工艺规程为约束，采用神经网络预测模型对气刀距离进行迭代寻优，能够一次性消除镀层厚度与控制目标之间的偏差，能够快速且准确地保证镀层厚度均匀性。

(3)、本发明所采用的前后镀层偏差优化方法，是传统的以气刀压力为主、总气刀距离为辅的反馈控制***所不具有的。具体而言，本发明考虑了由于工况偏移或其他干扰因素引起的带钢前后镀层偏差的问题，采用气刀距离优化控制前后侧气刀距离，可以保证带钢前后表面镀层厚度的一致性，提高控制品质。

(4)、本发明所采用的饱和气压优化方法，是传统的反馈控制方法所不具有的。具体而言，通过气刀距离的优化控制，保证气刀压力的控制裕量，使气刀压力接近饱和区时，在提升生产线产能的情况下仍能保障产品质量符合指标要求，减少镀层表面质量波动，确保镀锌产品质量。

Claims (5)

1.一种镀锌生产气刀距离优化控制方法，其特征在于：包括如下步骤：

S1：读取前、后镀层厚度测量值，若存储区域未满，则将所测厚度存入存储区域，进入步骤S4；若存储区域已满，则进入步骤S2；

S2：利用当前的测量值替换存储区域中最早的测量值，然后，判断存储区域内前、后镀层偏差均值CW_bias是否超过前后偏差修正的阈值；若超过，则进入步骤S3，若未超过，则进入步骤S4；

S3：根据气刀距离、气刀压力、生产线速度和镀层厚度偏差量实时优化计算出最优气刀距离，从而确定前、后气刀距离改变量GF_delta和GB_delta；其中，前镀层厚度需要改变的偏差量为-CW_bias/2，后镀层厚度需要改变的偏差量为CW_bias/2；然后，进入步骤S5；

S4：令前、后气刀距离改变量均为0，进入步骤S5；

S5：判断气刀压力是否进入饱和区域，若进入，则进入步骤S6，若未进入，则进入步骤S7；

S6：增加气刀压力调节裕量，根据当前气刀距离、生产线速度、增加裕量后的气刀压力，利用神经网络计算镀层厚度预测值，进而得到镀层厚度的偏差量；

进而，根据气刀距离、气刀压力、生产线速度和镀层厚度的偏差量实时优化计算出最优气刀距离，确定气刀距离改变量，进而将该气刀距离改变量平均分配给前、后气刀进行改变，得到前、后气刀距离改变量，进入步骤S8；

S7：前、后气刀距离改变量保持不变，进入S8；

S8：依据步骤S3和S6确认的前、后气刀距离改变量确定新的前、后气刀距离设定值，依据步骤S6增加裕量的气刀压力为气刀压力设定值。

2.如权利要求1所述的镀锌生产气刀距离优化控制方法，其特征在于：在所述步骤S6中，在利用神经网络计算镀层厚度预测值时，进一步利用神经网络预测模块得到镀层厚度预测值；

所述神经网络预测模块以带钢速度、气刀距离、气刀压力为输入，镀层厚度为输出所建立，而且其基于镀锌过程的历史数据进行学习，进而根据当前操作的带钢速度、气刀距离和气刀压力的采样值对镀层厚度进行预测。

3.如权利要求2所述的镀锌生产气刀距离优化控制方法，其特征在于：在所述步骤S6中，所需补偿的镀层厚度为：

CWm＝NN(D(t),P(t),S(t))-NN(D(t),P_ini,S(t))

其中，D(t)是t时刻的气刀距离，P(t)是t时刻的气刀压力，S(t)是t时刻的生产线速度；P_ini是增加裕量后的气刀压力。

4.如权利要求1所述的镀锌生产气刀距离优化控制方法，其特征在于：在所述步骤S3和/或S6中，优化计算出最优气刀距离时，利用实时优化模块优化计算最优气刀距离；

所述实时优化模块以镀层厚度预测值与控制目标之间的偏差最小化为目标，以气刀距离运行区间为约束，迭代搜索给定的气刀压力、生产线速度和镀层厚度设定值下最优的气刀距离。

5.如权利要求4所述的镀锌生产气刀距离优化控制方法，其特征在于：所述实时优化模块所采用的实时优化算法具体描述为：

目标函数：min|CWt-CWp|

决策变量：D

约束条件：

CWp＝NN(D,P_ini,S_ini) (6)

CWt＝NN(D_ini,P_ini,S_ini)+CWm (7)

D∈[Dmin,Dmax] (8)

根据增量式PID算法对D进行迭代寻优，其中增量式算法描述：

error＝CWt-CWp (9)

P_error＝error-error_1 (10)

I_error＝error (11)

D_error＝error-2*error_1+error_2 (12)

△u＝Kp*P_error+Ki*I_error+Kd*D_error (13)

D＝D+△u (14)

其中，D的初始值为D_ini，error_1是error迭代计算中的上一代值，error_2是error迭代计算中的上二代值；通过式(9)～式(14)迭代计算，找到D使得CWp无限接近CWt；实时优化算法最终返回气刀距离改变量△D，满足式(15)

△D＝D-D_ini (15)

上式中，△D是在当前生产线速度与气刀压力情况下，使镀层厚度改变CWm所需的总气刀距离改变量，该△D是针对前镀层厚度需要改变的偏差量-CW_bias/2，以及-△D是针对后镀层厚度需要改变的偏差量CW_bias/2进行修正的。