基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法技术

本发明专利技术公开了一种基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法，采集数据

【技术实现步骤摘要】
基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法


[0001]本专利技术涉及冷轧带钢生产的自动板形控制
，具体涉及一种基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法。

技术介绍

[0002]板形控制的目的是要轧出外形平直的带材，即带材的平直度控制。板形控制性能的好坏直接影响产品质量和生产稳定性。
[0003]当一卷钢准备轧制时，或者说当带钢进入轧机辊缝前，需要预先设置轧机板形调控机构的调节量，如压下倾斜的偏移量、AS-U辊的径向伸缩量、一中间辊的轴向横移量等。此时需要根据带钢的厚度、宽度、材质、压下量等有关参数，结合设备参数如轧辊直径、辊面粗糙度等数据，利用数学模型计算出各相关板形调节机构的调节量，并输出到执行机构，这就是板形控制的设定计算。
[0004]如果轧机没有反馈控制，则该设定值在没有人工干预的条件下，将会自始至终对当前带钢产生作用，影响整个轧制过程。如果轧机有反馈控制，则从带钢带头进入辊缝直至建立稳定轧制的一段时间内，在反馈控制模块不能投入的情况下，仍需要设定值保证这一段带钢的板形，因此设定控制的精度关系到每一卷带钢的废弃长度，即成材率。而且，当反馈控制模块投入运行时，当时的设定值就是反馈控制的起始点、初始值，它的正确与否将影响到反馈控制模块调整板形到目标值的收敛速度和收敛精度。因此，设定计算的精度直接影响到带钢板形质量和轧制稳定性。
[0005]现有的二十辊轧机板形控制具有反馈控制模块，它采用神经网络-模糊推理的控制方法。该系统以熟练操作人员的经验为基础建立知识库，知识库包括数据库和自学习装置两部分。数据库用来存储控制过程的事实，它是动态的；自学习装置的功能是根据在线获取的信息补充或修改知识库的内容。神经网络是对板形检测仪采集到的板形信息进行处理，抽出板形特征信息完成板形识别；模糊推理是根据神经网络识别出的板形信息和数据库内容，按照模糊推理规则确定相应板形调控机构调节量的大小。
[0006]板形控制受大量的非线性因素的影响，如来料缺陷、轧辊原始凸度、轧辊磨损、轧制速度、温度分布等，轧制过程的动态特性非常复杂，现有的控制方法可以较好的对某单一钢种类型板形进行稳定控制，但在轧制新开发的钢种类型，及轧机加减速轧制时，板形控制响应较慢，板形控制效果不好，需要操作人员频繁手动操作对AS-U辊、第一中间窜辊、压下倾斜干预，且在高速轧制过程中调节难度非常大，无法满足板形的精确控制要求，严重影响带钢产品板形质量和生产稳定性，因而必须对现有的板形控制方法进行优化。

技术实现思路

[0007]本专利技术的目的就是针对现有技术的缺陷，提供一种提高板形控制精度、提高板形控制响应的基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法。
[0008]为实现上述目的，本专利技术所设计的基于前馈一中间窜辊补偿的二十辊轧机板形优
化控制方法，包括以下步骤：
[0009]a)采集轧机轧制的钢种、道次、主轧机电机线速度的数据；
[0010]b)将所采集的钢种、道次、主轧机电机线速度数据和一中间窜辊补偿量得到实时的前馈一中间窜辊补偿量ΔS；
[0011]c)采集一中间窜辊反馈实际位置值S
act
和一中间窜辊前馈补偿前设定位置值S
ref
，计算得到偏差值ΔS
i
，偏差值ΔS
i
＝S
act-S
ref
；
[0012]d)采集板形测量仪工作侧边部两个检测环及传动侧边部两个检测环的共四个实时板形张应力数据Δσ
i
，即工作侧的边部两个检测环的实时板形张应力数据Δσ1、Δσ2和传动侧的边部两个检测环的实时板形张应力数据Δσ3、Δσ4；
[0013]e)根据实时板形张应力数据Δσ
i
计算得到反馈的边部板形数据ε
i
，并结合目标板形曲线，计算工作侧边部两个检测环和传动侧边部两个检测环的共四个板形数据偏差值Δε
i
，进而计算四个板形数据偏差值Δε
i
所对应的板形因子a
i
；
[0014]工作侧边部板形数据偏差值Δε1、Δε2对应的板形因子a1、a2，传动侧边部板形数据偏差值Δε3、Δε4对应的板形因子a3、a4；
[0015]f)根据工作侧边部板形数据偏差值Δε1、Δε2和对应的板形因子a1、a2计算工作侧边部板形浪形程度数值Δε
WS
，及根据传动侧边部板形数据偏差值Δε3、Δε4和对应的板形因子a3、a4计算传动侧边部板形浪形程度数值Δε
DS
；
[0016]g)判断一中间窜辊位置偏差值ΔS
i
数值不在特征点死区|ε
特征点1
|的范围内，或者Δε
WS
、Δε
DS
不在特征点死区|ε
特征点2
|范围内，则不进行基于前馈一中间窜辊补偿的控制调节；
[0017]h)判断ΔS
i
数值在特征点死区|ε
特征点1
|范围内，及Δε
WS
、Δε
DS
数值在特征点死区|ε
特征点2
|范围内，则根据一中间辊前馈补偿前设定位置值S
ref
与前馈一中间窜辊补偿量ΔS进行相加，数据限幅，结合一中间窜辊控制规则，得到最终的一中间窜辊前馈补偿后的设定计算数值S
ref补偿后
；
[0018]i)运算处理更新后得到最终的一中间窜辊前馈补偿后设定计算数值S
ref补偿后
，根据位置自动控制对一中间窜辊进行精确的闭环控制。
[0019]进一步地，所述步骤a)中，采集的数据包括当前轧制的钢种类型、轧制道次顺序号、主轧机的电机线速度v。
[0020]进一步地，所述步骤d)中，边部的判断是根据实际轧制板宽和板形测量仪的边部测量环的宽度进行计算判断的，只有当边部测量环覆盖率≥50％时，判断测量有效；当板形测量仪边部测量环覆盖率在＜50％时，存在板形反馈失真的情况，此时判断测量无效。
[0021]进一步地，所述步骤e)中，具体计算过程为：边部板形数据ε
i
是由实时板形张应力数据Δσ
i
、带钢弹性模量E根据公式计算得到；结合目标板形曲线，与工作侧及传动侧边部共四个板形对应的目标板形数据表示为ε
Ti
，根据Δε
i
＝ε
Ti-ε
i
，即可分别得到工作侧边部两个检测环及传动侧边部两个检测环的共四个板形数据偏差值即Δε1、Δε2、Δε3、Δε4；进而以Δε1与Δε2，Δε3与Δε4之间数值大小为基础进行逻辑判断，得到工作侧对应的边部板形因子a1，a2及传动侧对应的边部板形因子a3，a4；
[0022]逻辑判断具体如下：
[0023]当|Δε
1-Δε2|＞20I，a1＝600，a2＝400；当|Δ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法，其特征在于：包括以下步骤：a)采集轧机轧制的钢种、道次、主轧机电机线速度的数据；b)将所采集的钢种、道次、主轧机电机线速度数据和一中间窜辊补偿量得到实时的前馈一中间窜辊补偿量ΔS；c)采集一中间窜辊反馈实际位置值S
act
和一中间窜辊前馈补偿前设定位置值S
ref
，计算得到偏差值ΔS
i
，偏差值ΔS
i
＝S
act-S
ref
；d)采集板形测量仪工作侧边部两个检测环及传动侧边部两个检测环的共四个实时板形张应力数据Δσ
i
，即工作侧的边部两个检测环的实时板形张应力数据Δσ1、Δσ2和传动侧的边部两个检测环的实时板形张应力数据Δσ3、Δσ4；e)根据实时板形张应力数据Δσ
i
计算得到反馈的边部板形数据ε
i
，并结合目标板形曲线，计算工作侧边部两个检测环和传动侧边部两个检测环的共四个板形数据偏差值Δε
i
，进而计算四个板形数据偏差值Δε
i
所对应的板形因子a
i
；工作侧边部板形数据偏差值Δε1、Δε2对应的板形因子a1、a2，传动侧边部板形数据偏差值Δε3、Δε4对应的板形因子a3、a4；f)根据工作侧边部板形数据偏差值Δε1、Δε2和对应的板形因子a1、a2计算工作侧边部板形浪形程度数值Δε
WS
，及根据传动侧边部板形数据偏差值Δε3、Δε4和对应的板形因子a3、a4计算传动侧边部板形浪形程度数值Δε
DS
；g)判断一中间窜辊位置偏差值ΔS
i
数值不在特征点死区|ε
特征点1
|的范围内，或者Δε
WS
、Δε
DS
不在特征点死区|ε
特征点2
|范围内，则不进行基于前馈一中间窜辊补偿的控制调节；h)判断ΔS
i
数值在特征点死区|ε
特征点1
|范围内，及Δε
WS
、Δε
DS
数值在特征点死区|ε
特征点2
|范围内，则根据一中间辊前馈补偿前设定位置值S
ref
与前馈一中间窜辊补偿量ΔS进行相加，数据限幅，结合一中间窜辊控制规则，得到最终的一中间窜辊前馈补偿后的设定计算数值S
ref补偿后
；i)运算处理更新后得到最终的一中间窜辊前馈补偿后设定计算数值S
ref补偿后
，根据位置自动控制对一中间窜辊进行精确的闭环控制。2.根据权利要求1所述基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法，其特征在于：所述步骤a)中，采集的数据包括当前轧制的钢种类型、轧制道次顺序号、主轧机的电机线速度v。3.根据权利要求1所述基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法，其特征在于：所述步骤d)中，边部的判断是根据实际轧制板宽和板形测量仪的边部测量环的宽度进行计算判断的，只有当边部测量环覆盖率≥50％时，判断测量有效；当板形测量仪边部测量环覆盖率在＜50％时，存在板形反馈失真的情况，此时判断测量无效。4.根据权利要求1所述基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法，其特征在于：所述步骤e)中，具体计算过程为：边部板形数据ε
i
是由实时板形张应力...

【专利技术属性】
技术研发人员：熊金乐，李胤，马红，陶桂林，吴胜，张力，张发开，何春帮，孙辉，李亚强，
申请(专利权)人：武汉钢铁有限公司，
类型：发明
国别省市：