DE4411313C2 - Process for filtering out the influence of eccentricity during rolling - Google Patents

Description

Die Erfindung bezieht sich auf ein Verfahren gemäß dem Oberbegriff des Anspruchs 1. Ein solches Verfahren ist durch die US 4 580 224 bekannt.The invention relates to a method according to the preamble of Such a method is known from US 4,580,224.

Enge Toleranzforderungen von wenigen Mikrometern beim Warm- und Kalt­ bandwalzen bedingen eine optimale Kompensation des qualitätsmindernden Einflusses von Walzenexzentrizitäten in Walzgerüsten. Diese Exzentrizitäten ergeben sich insbesondere aus den Schleifungenauigkeiten an den Walzen, aus betriebsbedingten wie durch thermische Ungleichgewichte hervorgerufene Abweichungen zwischen der Geometrieachse und der Laufachse der einzelnen Walze sowie auch aus ungleichförmigem Verschleiß an der Walzenoberfläche. Dabei können Exzentrizirätswerte bis zu mehreren 10 µm auftreten.Tight tolerance requirements of a few micrometers for hot and cold Belt rolls require an optimal compensation of the quality-reducing Influence of roll eccentricities in roll stands. These eccentricities result in particular from the grinding inaccuracies on the rollers, from operational and thermal imbalances Deviations between the geometry axis and the running axis of the individual Roller and also from non-uniform wear on the roller surface. Eccentricity values down to several 10 µm can occur.

Eine direkte Ausregelung dieser Exzentrizitäten ist nicht möglich, da die Banddicke als Regelgröße nicht unmittelbar am Walzspaltausgang und damit nicht verzögerungsfrei meßbar ist.A direct adjustment of these eccentricities is not possible because the Strip thickness as a control variable not directly at the roll gap exit and thus is not measurable without delay.

Die Fachwelt kennt vielerlei Versuche, das Problem der Walzenexzent- rizitäten zu beherrschen (vgl. Rolling Mill Technolcgy Series, Vol. 1 der United Engineering, Inc., Pittsburgh, Pa., insbesondere den Beitrag von V. H. Ginzburg "Roll Eccentricity").The experts are familiar with many attempts, the problem of roller eccentricities to master (cf. Rolling Mill Technolcgy Series, Vol. 1 of the United Engineering, Inc., Pittsburgh, Pa., Particularly the contribution by V. H. Ginzburg "Roll Eccentricity").

So ist es durch die DE 20 50 402 A1 bekannt, eine Fourier-Analyse zur Exzentrizitätsermittlung vorzusehen. In der Zeitschrift "Stahl und Eisen", Band 97 (1977), Nr. 9, Seiten 450 bis 455 ist durch den Beitrag von B. Schmitt "Aufbau der Regelkreise einer modernen Kaltbandtandemstraße nach dem Prinzip der starren Drehzahlregelung" die Kombination eines Walzkraftregel­ kreises zur Exzentrizitätsausregelung mit einer überlagerten Dickenregelung nach dem Gaugemeter-Prinzip angegeben. Die Banddicke wird dabei jeweils rechnerisch aus der Walzkraft, der Walzenanstellposition und dem Gerüst­ modul ermittelt. Der in diesem Rechenwert enthaltene Exzentrizitätsanteil wird dann über ein im Eingang zum Dickenregler angeordnetes Element mit Totzone ausgeblendet.It is known from DE 20 50 402 A1 to use a Fourier analysis Eccentricity determination to be provided. In the magazine "Stahl und Eisen", volume 97 (1977), No. 9, pages 450 to 455 is by the contribution of B. Schmitt  "Building up the control loops of a modern cold strip tandem mill after Principle of rigid speed control "the combination of a rolling force control circle for eccentricity control with a superimposed thickness control specified according to the gauge principle. The tape thickness is in each case arithmetically from the rolling force, the roll position and the stand module determined. The percentage of eccentricity contained in this calculation is then via an element arranged in the entrance to the thickness controller Dead zone hidden.

Nach der US-PS 3 928 994 ist es bekannt, mittels der Methode der Auto­ korrelation den Einfluß der Walzenexzentrizitäten auf das im Istwertkanal verwendete Signal für Gerüstdehnung zu eliminieren. Die andere Komponente des indirekt gebildeten Istwertsignals, nämlich die Walzenanstellung wird hiervon nicht berührt, so daß mit diesem bekannten Verfahren die Kompen­ sation des Einflusses der Walzenexzentrizitäten nur zum Teil gelingt. Des weiteren sind Autokorrelationsmethoden wegen der dabei verwendeten Mit­ telwertbildung stets mit einem für ein schnelles Reagieren der Dickenregelung abträglichen Zeitaufwand verbunden.According to US Pat. No. 3,928,994 it is known to use the auto method correlation the influence of the roller eccentricities on that in the actual value channel Eliminate used signal for scaffolding stretch. The other component of the indirectly formed actual value signal, namely the roll adjustment not affected by this, so that the compen with this known method The influence of the roller eccentricities is only partially successful. Of others are autocorrelation methods because of the Mit used always with one for a quick reaction of the thickness control detrimental expenditure of time.

Die US-PS 3 543 549 beschreibt ein Verfahren zur Ermittlung und zur Kom­ pensation des Einflusses von Walzenexzentrizitäten während des laufenden Walzbetriebes bei der Positions- oder Dickenregelung von Walzgerüsten, insbesondere mit indirekter, unter Einwirkung der Walzgerüstdehnung er­ folgender Istwertbildung, welches die Sinus- und Cosinussignale von zusätz­ lich an den Stützwalzen anzubringenden Gebern benötigt.U.S. Patent 3,543,549 describes a method of detection and com compensation of the influence of roller eccentricities during the running Rolling operation in the position or thickness control of rolling stands, especially with indirect, under the influence of the rolling mill stretch he following actual value formation, which the sine and cosine signals of additional Lich sensors to be attached to the support rollers.

In der US-PS 4 299 104 ist eine Exzentrizitätsfilterung beschrieben, bei der (als "off-line acquisition" bezeichnet) in einer Leerlaufphase ohne Walzgut das Exzentrizitätssignal synchron zur Walzenumdrehung abgespeichert wird. Außerdem kann das Walzkraftsignal im Betrieb ständig umdrehungssynchron in den Speicher eingelesen werden ("on-line acquisition" genannt). Durch Mittelung über mehrere Walzeriumdrehungen hebt sich der periodische Ex­ zentrizitätsanteil aus dem als stochastisch angenommenen Walzkraftsignal heraus. Zur Kompensation wird das auf eine der beiden Arten erfaßte Ex­ zentrizitätssignal um drehungssynchron vom Walzkraftsignal subtrahiert. Beide Verfahren benötigen jedoch winkelgebende Sensoren an den Walzen.In U.S. Patent 4,299,104 an eccentricity filter is described in which (referred to as "off-line acquisition") in an idle phase without rolling stock the eccentricity signal is stored in synchronism with the roller revolution. In addition, the rolling force signal can be in constant rotation during operation be read into the memory (called "on-line acquisition"). By Averaging over several turns of the waltz raises the periodic Ex proportion of centricity from the rolling force signal assumed to be stochastic out. To compensate, the Ex recorded in one of two ways centricity signal subtracted from the rolling force signal in synchronism with the rotation. Both  However, methods require angle-giving sensors on the Rollers.

In der EP 0 170 016 B1 ist ein Verfahren beschrieben, bei dem das Exzentrizitätssignal modelliert wird, um die gewünschte Kompensation durchzuführen. Grund- und Oberwellenanteil des Exzentrizitätssignals werden durch eine Anzahl Oszillatoren geschaffen und im laufenden Betrieb nach dem Beobachterprinzip in Amplitude und Phase dem tatsächlichen Exzentrizitätssignal nachgeführt. Die einzelnen Oberwellen des Exzentrizitätssignals müssen hier durch einzelne Oszillatoren individuell aufgebaut werden, wodurch sich entsprechend der Anzahl der berücksichtigten Oberwellen der Aufwand an Osziallatoren vervielfacht. Außerdem lassen sich bei diesem Verfahren nicht auch durchaus auftretende nichtharmonische Oberwellen modellieren.EP 0 170 016 B1 describes a method in which which the eccentricity signal is modeled to the perform the desired compensation. Basic and Harmonic content of the eccentricity signal are caused by created a number of oscillators and in the running Operation according to the observer principle in amplitude and phase tracked the actual eccentricity signal. The individual harmonics of the eccentricity signal must be here can be built individually using individual oscillators, whereby according to the number of considered Harmonics multiplied the expenditure on oscillators. In addition, this method cannot also be used non-harmonic harmonics that do occur model.

In der eingangs erwähnten US 4,580 224 ist ein Verfahren angegeben, bei dem einer als zeitlich adaptives Filter mit linearer Struktur ausgebildeten Funktionseinheit zwei den Winkelgeschwindigkeiten zweier Walzen eines Walzgerüsts entsprechende, am Ausgang verschiedener Oszillatoren bereitgestellte, periodische Signale und ein eine Korrektur des Exzentrizitätseinflusses der Walzen berücksichtigendes Rückführsignal, nämlich das abgeschätzte Korrektursignal selbst, zugeführt sind. Die Verwendung der Funktionseinheit mit der linearen Struktur bewirkt von Hause aus ein nicht vermeidbares Überschwingen beim Filtern. Schon aus diesem Grunde, aber zusätzlich auch aufgrund der direkten Rückfüh­ rung des abgeschätzten Korrektursignals, dauert die Ausfil­ terung des Exzentrizitätseinflusses zu lange bzw. ist das Filterverhalten zu ungenau, um den dynamischen Vorgängen beim Walzen optimal zu folgen.A method is described in US Pat. No. 4,580,224 mentioned at the beginning specified, in which one as a time-adaptive filter with linear structure trained functional unit two den Angular velocities of two rolls of a roll stand corresponding, at the output of different oscillators provided periodic signals and a correction taking into account the influence of the eccentricity of the rolls Feedback signal, namely the estimated correction signal themselves, are fed. The use of the functional unit with the linear structure does not inherently result in a avoidable overshoot when filtering. Already from this Reason, but also because of the direct feedback tion of the estimated correction signal, the filing lasts eccentricity influence too long or is it  Filter behavior too imprecise to match the dynamic processes to follow optimally when rolling.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren der eingangs genannten Art anzugeben, durch das es möglich ist, das im Walzkraftsignal enthaltene Exzentrizitätssignal genauer und schneller zu kompensieren.The invention has for its object a method of Specify the type mentioned at the beginning, by which it is possible the eccentricity signal contained in the rolling force signal to compensate more precisely and faster.

Diese Aufgabe wird gemäß der Erfindung durch die im Anspruch 1 gekennzeichneten Merkmale gelöst.This object is achieved according to the invention by the Characteristics characterized claim 1 solved.

Vorteilhafterweise führt das Verfahren nach der Erfindung durch die Verwendung eines nichtlinear strukturierten Filters und die Rückführung des mit dem abgeschätzten Korrektursignal korrigierten Walzkraftsignals zu einer höchst genauen, überschwingungsfreien Kompensation des Exzentrizitätseinflusses der Walzen, die durch die Nachführung der Parameter der Funktionseinheit eine besonders schnelle Konvergenz beim Filtervorgang gewährleistet.The method according to the invention advantageously leads through the use of a nonlinear structured Filters and the feedback of the with the estimated Correction signal corrected rolling force signal to a highly precise, overshoot-free compensation of the Influence of eccentricity of the rollers caused by the Tracking the parameters of the functional unit particularly fast convergence during the filtering process guaranteed.

Vorteilhafte Ausgestaltungen des Verfahrens nach der Erfindung sind in den übrigen Ansprüchen gekennzeichnet.Advantageous embodiments of the method according to the Invention are characterized in the remaining claims.

Neuronale Netze, die bei dem Verfahren nach der Erfindung Anwendung finden können, sind z. B. bekannt als:Neural networks involved in the process according to the Invention can be used, for. B. known as:

• - Multilayer Perceptron (s. D.E. Rumerlhart, G.E. Hinton, R.J. Williams: Learning Representations by Error Propagation, 1986, in Rumerlhart, McGlelland (eds.):
  Parallel Distributed Processing: Exploration in the Microstructure of Cognition, Cambridge, MA, MIT-Press) - Multilayer Perceptron (see DE Rumerlhart, GE Hinton, RJ Williams: Learning Representations by Error Propagation, 1986, in Rumerlhart, McGlelland (eds.):
  Parallel Distributed Processing: Exploration in the Microstructure of Cognition, Cambridge, MA, MIT-Press)
• - Recurrent Neural Nets (s. P.J. Werbos: Backpropagation Through Time:
  What It Does and How to Do It, 1990, IEEE Proceedings, Vol. 78, No. 10)- Recurrent Neural Nets (see PJ Werbos: Backpropagation Through Time:
  What It Does and How to Do It, 1990, IEEE Proceedings, Vol. 78, No. 10)
• - Radial Basis Function Nets (s. T. Poggio, F. Girosi: Networks for Approximation and Learning, 1990, IEEE Proceedings, Vol. 78, No. 9)- Radial Basis Function Nets (see T. Poggio, F. Girosi: Networks for Approximation and Learning, 1990, IEEE Proceedings, vol. 78, no. 9)
• - Functionai-Link-Nets (s. Y.-H. Pao: The Functional-Link Net: Basis for an integrated Neural-Net Computing Environment, Chapter 8 in "Adaptive Pattern Recognition and Neural Networks", 1989, Addison- Wesley)- Functionai-Link-Nets (see Y.-H. Pao: The Functional-Link Net: Basis for an integrated Neural-Net Computing Environment, Chapter 8 in "Adaptive Pattern Recognition and Neural Networks", 1989, Addison- Wesley)
• - RCE-Net (s. D.L. Reilly, L.N. Cooper, C. Elbaum: A Neural Model for Category Learning, 1982, Biological Gybernetics, Vol. 45)- RCE-Net (see D.L. Reilly, L.N. Cooper, C. Elbaum: A Neural Model for Category Learning, 1982, Biological Gybernetics, Vol. 45)
• - Time-Delay Neural Networks (s. T.A. Johansen, B.A. Foss: A NARMAX Model Representation for Adaptive Control Cased on Local Models, 1992, Modeling, Identification and Control, Vol. 13, No. 1)- Time-Delay Neural Networks (see T.A. Johansen, B.A. Foss: A NARMAX Model Representation for Adaptive Control Cased on Local Models, 1992, Modeling, Identification and Control, Vol. 13, No. 1)

Die Erfindung soll im folgenden anhand der Zeichnung für ein Ausführungs­ beispiel beschrieben werden. Es zeigenThe invention is intended below with reference to the drawing for an embodiment example. Show it

Fig. 1 die schematische Darstellung eines Walzenpaares in einer Walzstrecke und den Einsatzort des Verfahrens innerhalb der Regelung für die Walzenanstellung, Fig. 1 is a schematic representation of a pair of rolls in a rolling line and the place of use of the process within the system for the roll adjustment,

Fig. 2 die Verfahrensschritte nach der Erfindung zur Bildung des Exzentri­ zitätssignals Fig. 2 shows the method steps according to the invention for forming the eccentricity signal

Fig. 3 die Verfahrensschritte nach der Erfindung zur Bildung des Exzentri­ zitätssignals unter Einsatz zweier neuronaler Netze und Fig. 3 shows the method steps according to the invention for forming the eccentricity signal using two neural networks and

Fig. 4 die jeweiligen zeitlichen Signalverläufe im Bezug auf das Verfahren nach der Erfindung. Fig. 4 shows the respective temporal waveforms in relation to the method according to the invention.

Fig. 1 zeigt schematisch den Walzvorgang für ein Band mit einer Eingangs­ dicke h_e, das durch zwei Arbeitswalzen 1, 2, deren Anstellung s₀ eine Walzkraft fw hervorruft, auf eine Ausgangsdicke h_a gewalzt wird. Die An­ stellung s₀ der Walzen 1, 2 wird (z. B. innerhalb einer Gaugemeter-Regelung) durch einen Regler 5 geregelt. Fig. 1 shows schematically the rolling process for a ribbon having a thickness h _e input, the fw causes by two work rolls 1, 2, whose employment s₀ a rolling force, to an initial thickness h _a is rolled. The position s₀ of the rollers 1 , 2 is regulated (for example within a gauge control) by a controller 5 .

Für das Verfahren nach der Erfindung wird zur Modellierung und anschließen­ den Kompensation des Exzentrizitätseinflusses beim Walzen im laufenden Betrieb zunächst die Drehzahlinformation ω_w1, ω_w2 der zwei Exzentrizitäten aufweisenden (oder aber in erster Linie Exzentrizitäten von nicht gezeig­ ten Stützwalzen weitergebenden) Arbeitswalzen 1, 2 sowie das Walzkraft Signal fw zwischen den Arbeitswalzen 1, 2 erfaßt. Aufgrund von Exzentri­ zitäten (z. B. der Stützwalzen) enthält das Walzkraftsignal fw mit der Walzendrehzahl periodische Exzentrizitätsanteile fe, die den auf der Walz­ kraft fw basierenden Regler 5 stören. Das nachfolgend beschriebene Ver­ fahren soll am Ausgang eines Exzentrizitätsfilters 4 das kompensierte, d. h. von den Exzentrizitätseinflüssen befreite Walzkraftsignal fwOut ab­ geben. Zusätzlich wird das modellierte Exzentrizitätssignal fe auch zur Vorsteuerung dem Regler 5, dem auch noch andere Prozeßgrößen P zuge­ führt sein können, bereitgestellt.For the method according to the invention, for modeling and subsequently compensating for the influence of eccentricity during rolling during operation, the rotational speed _information ω _w1 , ω _{w2 of} the work rolls 1 , 2 which have two eccentricities (or primarily eccentricities of support rolls (not shown)) and the rolling force signal fw detected between the work rolls 1 , 2 . Due to eccentricities (e.g. the back-up rolls), the rolling force signal fw contains periodic eccentricity components fe with the roll speed, which disturb the controller 5 based on the rolling force fw. The method described below is intended to give the compensated rolling force signal fwOut at the output of an eccentricity filter 4 , ie, freed from the eccentricity influences. In addition, the modeled eccentricity signal fe is also provided for the control 5 to the controller 5 , which can also be supplied with other process variables P.

Anhand von Fig. 2 wird das Verfahren nach der Erfindung erläutert:
Der in Fig. 1 gezeigte Exzentrizitätsfilter 4 enthält gemäß Fig. 2 zwei Winkelgeneratoren 41, 42 und eine Funktionseinheit als Filter 43 nichtlinearer Struktur, z. B. ein an sich bekanntes neuronales Netz. Für jede Arbeits­ walze 1 bzw. 2 wird ein Winkelgenerator 41 bzw. 42 eingesetzt, der am Ausgang ein periodisches, z. B. sägezahnförmiges Signal liefert, dessen Win­ kelgeschwindigkeit identisch mit der Winkelgeschwindigkeit ω_w1, bzw. ω_w2 der zugehörigen Arbeitswalze 1 bzw. 2 ist. Zur Synchronisation von Winkelgeneratorausgangssignal und Arbeitswalze wird kein winkelgebender Sensor an den Walzen 1, 2 benötigt. Der Winkelgenerator 41 bzw. 42 erhält als Eingangssignal nur den aktuellen Wert der Drehzahl ω_w1, ω_w2 der jeweiligen Walze 1, 2. Das neuronale Netz (Funktionseinheit 43) bildet durch ständige Adaption seiner Gewichtskoeffizienten aus den Eingangsin­ formationen den Signalanteil fe nach, der durch die Exzentrizität bedingt ist. Durch Subtraktion der Zeitsignale fw und fe entsteht das korrigierte (also entkoppelte) Walzkraftsignal fwOut.The method according to the invention is explained with reference to FIG. 2:
The Exzentrizitätsfilter 4 shown in Fig. 1 according to Fig. 2, two angle generators 41, 42 and a function as a filter unit 43 is not a linear structure, z. B. a known neural network. For each working roller 1 or 2 , an angle generator 41 or 42 is used, the periodic, z. B. provides sawtooth-shaped signal, the win kel speed identical to the angular velocity ω _w1 , or ω _{w2 of} the associated work _roll 1 or 2 . For the synchronization of the angle generator output signal and the work roll, no angle-giving sensor on the rolls 1 , 2 is required. The angle _generator 41 or 42 receives as input signal only the current value of the speed ω _w1 , ω _{w2 of} the respective roller 1, 2 . The neural network (functional unit 43 ) reproduces the signal component fe, which is caused by the eccentricity, by constantly adapting its weight coefficients from the input information. The corrected (i.e. decoupled) rolling force signal fwOut is created by subtracting the time signals fw and fe.

Die Adaption erfolgt im laufen­ den Betrieb und gehorcht dem Prinzip, der Minimierung des mittleren Feh­ lerquadrates bzw. der, Varianz von fwOut (vgl. z. B. LMS-Algorithmus in B. Widrow, S. Stearns "Adaptive Signal Processing", Prentice Hall 1985, Seiten 99 bis 114).The adaptation takes place in the running the operation and obeys the principle of minimizing the average mistake lerquadrates or the, variance of fwOut (see e.g. LMS algorithm in B. Widrow, S. Stearns "Adaptive Signal Processing", Prentice Hall 1985, Pages 99 to 114).

Die Struktur des neuronalen Netzes kann verschiedenen Typs sein, enthält jedoch in jedem Fall nichtlineare Verarbeitungselemente. Alle Arten von mehrlagigen Feed-Forward Netzwerken des Multilayer Perceptron Typs (MLP), Radial Basis Function Nets (RBF), Functional Link Nets (FL), und ähnliche neuronale Netze wie auch Voiterra-Reihen oder ähnliche Polynomansätze sind für die Funktionseinheit 43 mit nichtlinearer Struktur möglich.The structure of the neural network can be of various types, but in any case contains non-linear processing elements. All types of multilayer feed-forward networks of the multilayer perceptron type (MLP), radial basis function nets (RBF), functional link nets (FL), and similar neural networks as well as Voiterra series or similar polynomial approaches are for the functional unit 43 with nonlinear Structure possible.

Beim Einsatz eines Radial Basis Function Nets (RBF) für die Funktions­ einheit 43 ist es vorteilhaft, daß die Basisfunktionen endlos zyklisch fort­ gesetzt werden, indem zusätzlich zu dem Winkel, der vom Winkelgenerator geliefert wurde, um ±2 π, ±4 π, ±6 π usw. veränderte Eingangswinkel überla­ gert werden.When using a Radial Basis Function Net (RBF) for the functional unit 43 , it is advantageous that the basic functions are continued cyclically by, in addition to the angle supplied by the angle generator, by ± 2π, ± 4π, ± 6 π etc. changed input angle superimposed.

Am Eingang erhält die Funktionseinheit 43 als neuronales Netz z. B. Blöcke von aufeinanderfolgenden Zeitsignalwerten der vorgeschalteten Winkelgene­ ratoren 41, 42. Als Korrektursignal für den Adaptionsprozeß wird direkt das entkoppelte Walzkraftsignal fwOut verwendet, das aus der Differenz der Signale fw und fe gebildet wird.At the input, the functional unit 43 receives z. B. blocks of successive time signal values of the upstream angle generators 41 , 42 . The decoupled rolling force signal fwOut, which is formed from the difference between the signals fw and fe, is used directly as the correction signal for the adaptation process.

In Fig. 3 ist eine verfeinerte Struktur der Funktionseinheit 43 gezeigt. Diese wird durch zwei neuronale Netze 45a und 45b realisiert, denen je­ weils von den Winkelgeneratoren 41 und 42 ein periodisches (also z. B. säge­ zahnförmiges) Signal ϕ1 bzw. ϕ2 geliefert wird, dessen Winkelgeschwindig­ keit gleich mit der Winkelgeschwindigkeit ω_w1 bez. ω_w2 der zugehörigen Arbeitswalze ist.A refined structure of the functional unit 43 is shown in FIG. 3. This is realized by two neural networks 45 a and 45 b, each of which is supplied by the angle generators 41 and 42 with a periodic (for example saw-tooth) signal ϕ1 or ϕ2, the angular speed of which is equal to the angular velocity ω _w1 bez. ω _{w2 of} the associated work _roll .

Gemäß Fig. 3 wird außerdem in der Funktionseinheit 43 ein adaptiver Hoch­ paßfilter 44 zur Berechnung der Varianz des Walzkraftsignals fw eingesetzt.Referring to FIG. 3 also, an adaptive high-pass filters is used fw for calculating the variance of the rolling force signal 44 in the function unit 43.

Zwei von den beiden neuronalen Netzen 45a bzw. 45b abgeschätzte, den je­ weiligen Walzen 1, 2 (Fig. 1) zugeordnete Korrektur-Teilwerte fe₁, fe₂ wer­ den zum gesuchten Korrektursignal fe summiert. Dieses dient gemäß Fig. 3 mit einem variablen Rückkopplungsfaktor k gewichtet zur Korrektur des über den Hochpaßfilter 44 bereitgestellten Walzkraftsignals, um dank den beiden neuronalen Netzen 45a, 45b zugeführt zu werden. Two estimated from the two neural networks 45 a and 45 b, the respective rollers 1, 2 ( Fig. 1) assigned correction partial values fe ₁, fe ₂ who summed up the sought correction signal fe. According to FIG. 3, this is weighted with a variable feedback factor k for correcting the rolling force signal provided via the high-pass filter 44 in order to be supplied thanks to the two neural networks 45 a, 45 b.

Der das Adaptionsverhalten verbessernde Rückkopplungsfaktor k wird von einem wählbaren Anfangswert während des Betriebes auf kleinere Werte herabgesetzt.The feedback factor k which improves the adaptation behavior is determined by a selectable initial value during operation to smaller values reduced.

Die beiden neuronalen Netze 45a, 45b können vorteilhafterweise in aufein­ anderfolgenden Abtastschritten abwechselnd adaptiert werden.The two neural networks 45 a, 45 b can advantageously be alternately adapted in successive scanning steps.

In Fig. 4 sind zu den einzelnen Signalen gemäß Fig. 2 die Zeitdiagramme einschließlich eines Sprunges gezeigt. So erhält das zwischen den Walzen 1, 2 ermittelte Walzkraftsignal fw kleine, auf die Exzentrizitäten zurückgehende Unregelmäßigkeiten a. Die im Winkelgenerator jeweils vorliegende perio­ dische Drehzahlinformation hat die gleiche Winkelgeschwindigkeit ω_w wie die Walzenwinkelgeschwindigkeit jeder Walze. Das neuronale Netz als Funk­ tionseinheit 43 liefert das reine, aus dem Walzkraftsignal fw ausgefilterte Korrektursignal fe, während das mit diesem (Exzentrizitäts-)Signal fe kor­ rigierte Walzkraftsignal fwOut die Exzentrizitätseinflüsse a nicht mehr aufweist. FIG. 4 shows the time diagrams including a jump for the individual signals according to FIG. 2. Thus, the rolling force signal fw determined between the rolls 1 , 2 receives small irregularities a due to the eccentricities. The periodic rotational speed information present in the angle generator has the same angular velocity ω _w as the roller angular velocity of each roller. The neural network as a function unit 43 supplies the pure correction signal fe filtered out of the rolling force signal fw, while the rolling force signal fwOut corrected with this (eccentricity) signal no longer exhibits the eccentricity influences a.

Zur Optimierung des zuvor geschilderten Verfahrens werden die Parameter des neuronalen Netzes der Funktionseinheit 43 (gemäß Fig. 2) bzw. der neu­ ronalen Netze 45a, 45b während der ersten Umdrehung der Stützwalzen mit einer rekursiven Implementierung der Methode der kleinsten Quadra­ te (LS) ohne Vergessen initialisiert. Die Parameter werden während des Walzbetriebes laufend nach dem Verfahren "Recursive Least Squares" (RLS) mit Vergessen nachgeführt. Dabei wird der Vergessensfaktor in Abhängigkeit vom Unterschied der Walzendurchmesser und vom Anteil des Exzentrizitätssignals im Walzkraftsignal automatisch bestimmt.To optimize the above-described method, the parameters of the neural network of the functional unit 43 (according to FIG. 2) or of the neural networks 45 a, 45 b during the first rotation of the support rollers are implemented with a recursive implementation of the method of the smallest square (LS ) initialized without forgetting. The parameters are continuously updated during the rolling operation according to the "Recursive Least Squares" (RLS) method with forgetting. The forgetting factor is automatically determined as a function of the difference in the roll diameters and the proportion of the eccentricity signal in the rolling force signal.

Claims (16)

1. Verfahren zur Korrektur eines an einem Walzgerüst zwischen zwei Walzen er­ mittelten Walzkraftsignals durch ein die Exzentrizität der Walzen im laufenden Betrieb ausregelndes Korrektursignal, das dadurch gebildet wird, daß zunächst die Drehzahlen der beiden Walzen erfaßt und jeweils in ein periodisches Signal umgeformt werden, dessen Winkelgeschwindigkeit der Winkelgeschwindigkeit der entsprechenden Walze entspricht und dann diese beiden periodischen Signale zusammen mit einem eine Korrektur berücksich­ tigenden Rückführsignal einem strukturierten Filter zugeführt werden, mittels dem unter Minimierung der Varianz des korrigierten Walzkraftsignals durch fortlaufende Adaption der Gewichtskomponenten der Signale das Korrektur­ signal ständig abgeschätzt wird, dadurch gekennzeichnet,
daß das Filter (43) zur Abschätzung des Korrektursignals (fe) eine nicht­ lineare Struktur aufweist,
daß dem Filter (43) als Rückführsignal das um das zuvor abgeschätzte Korrek­ tursignal (fe) korrigierte Walzkraftsignal (fwOut) zugeführt wird und
daß die Parameter des Filters (43) während des Walzbetriebes laufend nach dem Verfahren "Recursive Least Squares" (RLS) mit Vergessen nachgeführt werden.1. A method of correcting a rolling force signal on a roll stand between two rolls by means of a correction signal which regulates the eccentricity of the rolls during operation, which is formed by first detecting the speeds of the two rolls and converting them into a periodic signal, the The angular velocity corresponds to the angular velocity of the corresponding roller, and then these two periodic signals are fed to a structured filter together with a correction signal that takes a correction into account, by means of which the correction signal is continuously estimated by minimizing the variance of the corrected rolling force signal by continuously adapting the weight components of the signals. characterized,
that the filter ( 43 ) for estimating the correction signal (fe) has a non-linear structure,
that the filter ( 43 ) is fed as the feedback signal corrected by the previously estimated correction signal (fe) rolling force signal (fwOut) and
that the parameters of the filter ( 43 ) are continuously updated with forgetting during the rolling operation according to the "Recursive Least Squares" (RLS) method. 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die beiden periodischen Signale durch Winkelgeneratoren (41, 42) bereit­ gestellt werden.2. The method according to claim 1, characterized in that the two periodic signals are provided by angle generators ( 41 , 42 ). 3. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, daß das Filter (43) mit nichtlinearer Struktur durch ein neuronales Netz gebildet wird. 3. The method according to any one of claims 1 or 2, characterized in that the filter ( 43 ) with a non-linear structure is formed by a neural network. 4. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, daß das Filter (43) mit nichtlinearer Struktur durch Polynomansätze wie Volterra-Reihen gebildet wird.4. The method according to any one of claims 1 or 2, characterized in that the filter ( 43 ) with a non-linear structure is formed by polynomial approaches such as Volterra rows. 5. Verfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, daß das Filter (43) mit nichtlinearer Struktur durch zwei Polynomansätze wie Volterra-Reihen oder zwei neuronale Netze (45a, 45b) realisiert wird, denen jeweils eines der beiden periodischen Signale (41, 42) sowie das um das zuvor abgeschätzte Korrektursignal (fe) korrigierte zwischen den beiden Walzen ermittelte Walzkraftsignal (fw) zugeführt werden (Fig. 3). 5. The method according to any one of claims 1 or 2, characterized in that the filter ( 43 ) with a non-linear structure by two polynomial approaches such as Volterra series or two neural networks ( 45 a, 45 b) is realized, each of which one of the two periodic Signals ( 41 , 42 ) and the rolling force signal (fw) determined between the two rollers and corrected by the previously estimated correction signal (fe) are fed ( FIG. 3). 6. Verfahren nach einem der Ansprüche 3 oder 5, dadurch gekennzeichnet, daß das neuronale Netz bzw. die neuronalen Netze als mehrlagige Feed-Forward Netzwerke des Multilayer Perceptron Typs arbeiten.6. The method according to any one of claims 3 or 5, characterized, that the neural network or the neural networks as multilayer Multilayer Perceptron type feed-forward networks work. 7. Verfahren nach einem der Ansprüche 3 oder 5, dadurch gekennzeichnet, daß das neuronale Netz bzw. die neuronalen Netze als Functional Link Netz arbeiten.7. The method according to any one of claims 3 or 5, characterized, that the neural network or neural networks as a functional link Work network. 8. Verfahren nach einem der Ansprüche 3 oder 5, dadurch gekennzeichnet, daß das neuronale Netz bzw. die neuronalen Netze als RCE, TDNN oder Recurrent Neural Netz arbeiten.8. The method according to any one of claims 3 or 5, characterized, that the neural network or the neural networks as RCE, TDNN or recurrent neural network work. 9. Verfahren nach einem der Ansprüche 3 oder 5, dadurch gekennzeichnet, daß das neuronale Netz bzw. die neuronalen Netze als Radial Basis Function Netze arbeiten.9. The method according to any one of claims 3 or 5, characterized, that the neural network or the neural networks as a radial basis Function networks work. 10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, daß die Basisfunktionen endlos zyklisch fortgesetzt werden, indem zusätzlich zu dem Winkel, der vom Winkelgenerator geliefert wird, um ±2 π, ±4 π, ±6 π, usw. veränderte Eingangswinkel überlagert werden. 10. The method according to claim 9, characterized, that the basic functions are continued cyclically by in addition to the angle provided by the angle generator, input angles changed by ± 2 π, ± 4 π, ± 6 π, etc. are superimposed.   11. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß die zwei neuronalen Netze (45a, 45b) oder die zwei Polynom­ ansätze in aufeinanderfolgenden Abtastschritten abwechselnd adap­ tiert werden.11. The method according to claim 5, characterized in that the two neural networks ( 45 a, 45 b) or the two polynomial approaches are alternately adapted in successive scanning steps. 12. Verfahren nach einem der Ansprüche 5 oder 11, dadurch gekennzeichnet, daß die Rückführung des Korrektursignals (fe) mit einem variablen Rückkopplungsfaktor (k) beaufschlagt wird.12. The method according to any one of claims 5 or 11, characterized, that the feedback of the correction signal (fe) with a variable Feedback factor (k) is applied. 13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, daß der Rückkopplungsfaktor (k) von einem gewählten Anfangs­ wert an verringert wird.13. The method according to claim 12, characterized, that the feedback factor (k) from a chosen start value is reduced. 14. Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß in dem Filter (43) ein adaptiver Hochpaß (44) zur Berechnung der Varianz des Walzkraftsignals (fw) eingesetzt wird.14. The method according to any one of claims 1 to 13, characterized in that an adaptive high-pass filter ( 44 ) for calculating the variance of the rolling force signal (fw) is used in the filter ( 43 ). 15. Verfahren nach einem der Ansprüche 3 bis 14, dadurch gekennzeichnet, daß die Parameter des neuronalen Netzes bzw. der neuronalen Netze (45a, 45b) bzw des Polynomansatzes bzw. der Polynoman­ sätze während der ersten Umdrehung der Stützwalzen mit einer rekursiven Implementierung der Methode der kleinsten Quadrate (LS) ohne Vergessen initialisiert werden. 15. The method according to any one of claims 3 to 14, characterized in that the parameters of the neural network or the neural networks ( 45 a, 45 b) or the polynomial approach or the polynomial sentences during the first rotation of the support rollers with a recursive implementation the least squares (LS) method can be initialized without forgetting. 16. Verfahren nach einem der Ansprüche 1 bis 15, dadurch gekennzeichnet, daß beim Nachführen der Parameter des Filters (43) der Vergessensfaktor in Abhängigkeit vom Unterschied der Walzendurchmesser und vom Anteil des Exzentrizitätssignals im Walzkraftsignal automatisch bestimmt wird.16. The method according to any one of claims 1 to 15, characterized in that the forgetting factor is automatically determined as a function of the difference in the roll diameter and the proportion of the eccentricity signal in the rolling force signal when tracking the parameters of the filter ( 43 ).