冷轧机板形控制执行器调控功效系数优化方法技术

本发明专利技术公开了一种冷轧机板形控制执行器调控功效系数优化方法，建立了不同轧制工作点下的板形调控功效系数先验值表，在表中，一组带钢宽度值和轧制力值对应一个轧制工作点，根据实际轧制工作点在表中的位置确定其边界工作点，由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子，通过边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控功效系数；使用在线自学习模型以及实测板形数据不断改进表中的板形调控功效系数精度，可以获得精确的板形调节机构的调控功效系数，并将其应用于闭环板形控制系统中，具有较高的板形控制精度。

【技术实现步骤摘要】

本专利技术属于冷轧带钢领域，适用于冷轧机板形调控机构功效系数的自学习优化方法。
技术介绍
现代高技术带钢冷轧机通常具备多种板形调节手段，如压下倾斜，弯辊，轧辊横移 等。实际应用中，需要综合运用各种板形调节手段，通过调节效果的相互配合达到消除偏 差的目的。因此，板形控制的前提是对各种板形调节手段性能的正确认识。随着工程计算 及测试手段的进步，利用调控功效函数描述轧机性能成为可能。调控功效作为闭环板形控 制系统的基础，是板形调节机构对板形影响规律的量化描述。目前板形调控功效系数基本 上通过有限元仿真计算和轧机实验两种方法确定，由于各板形调节机构对板形的影响很复 杂，且它们之间互相影响，很难通过传统的辊系弹性变形理论以及轧件三维变形理论来精 确的求解各板形调节机构的调控功效系数。在实际轧制过程中，调控功效系数还受许多轧 制参数的影响，如带钢宽度，轧制力等，不同规格的带钢对应不同的中间辊横移调控功效， 因而轧机实验和离线模型计算的计算值并不能满足实际生产中板形控制的要求。本专利技术使 用在线自学习模型来获得板形调节机构的调控功效系数，并将其应用于闭环板形控制系统 中，具有较高的板形控制精度。
技术实现思路
本专利技术公开一种冷轧板形调控机构功效系数优化方法，该方法通过板形调控功效 系数的在线自学习模型，为板形控制系统提供精确的板形调控功效系数，用于实现冷轧带 钢的高精度板形控制。本专利技术的技术方案叙述如下(1) 一种冷轧机板形调控机构功效系数的自学习优化方法，其特征在于建立了不 同轧制工作点下的板形调控功效系数先验值表。在表中，一组带钢宽度值和轧制力值对应 一个轧制工作点，根据实际轧制工作点在表中的位置确定其边界工作点，由边界工作点参 数与实际轧制工作点参数的相似程度设定权重因子，通过边界点的先验功效系数加权叠加 得到实际轧制工作点下的板形调控功效系数。使用实测板形数据与自学习模型计算得到的 板形变化量进行比较，不断改进表中的板形调控功效系数精度，如图1所示。当板形调控功 效系数的实测值与由自学习模型的计算值误差小于给定的极小值ε时，则认为自学习过 程完成。(2)根据建立不同轧制工作点下的板形调控功效系数先验值表的特征要求，在对 轧机调试时，选择几种不同宽度规格的带钢进行轧制，板形闭环控制系统不投入，当出现板 形缺陷时，手动调节各个板形调节机构来调节板形，板形计算机记录由板形辊测得的带钢 宽度方向上各个测量点的板形改变量。根据板形调节机构的调节量与板形变化量之间的关 系，计算出各个测量点处调节器对板形的影响系数，这些影响系数就是各个板形调节机构 的调控功效系数先验值。板形调控功效系数的计算公式为"Ay1'Eff ^AY-(IJAU) =Ay2ιιAul Au2Au.effu effn ^ffn effi2efL式中Eff为板形调控功效系数矩阵，ΔΥ为板宽方向的板形变化量矩阵，AU为板 形机构调节量矩阵。得到若干个工作点处的板形调控功效系数的先验值后，将这若干个不同的工作点做成表格，然后以文件的形式保存下来，如图2所示。每个工作点都对应-维的先验功效系数矩阵。(3)根据确定实际轧制工作点在表中的位置及其边界工作点，由边界工作点参数 与实际轧制工作点参数的相似程度设定权重因子的模型特征要求，轧制过程中，根据实际 带钢宽度和轧制力大小可以在表中确定实际轧制过程的工作点位置。设定权重因子时，要 考虑各个边界工作点与实际轧制工作点参数之间的相似程度。如图2所示，权重因子YA、YB、YC禾Π Y D表征了 A、B、C和D四个工作点与工作点 0之间参数的相似程度，它是跟工作点参数(宽度、轧制力)有关的量，计算公式如下wb-W0Pc-Powb~waPc-PawoPd-PowbPd-Pbwd-W0Po-Pawd-WcPc-Pawo-WcPo-PbwdPd-PbYa =yb =Yc =yd =式中:w0、wA、wB、wc和wD分别为工作点0、A、B、C和D处的带钢宽度值；p0> Pa、PB、 Pc和Pd分别为工作点0、A、B、C和D处的轧制力值。当实际轧制的工作点0位于两点之间时，也就是在图2中落在两个结点之间连线 上时，该工作点只有两个边界点。例如当工作点位于A、B两点之间的连线上时，它的两个边 界点为A、B，则Y。和Y D均为零。由于工作点0的轧制力参数与A、B两个工作点处的轧制 力参数相同，因此在计算这两点的权重因子时，只考虑工作点0与A、B两个工作点处带钢宽 度参数的相似程度，权重因子计算公式为_ wb-wo wb~wa wq-^aYa Yb=—wb~wa 同理，当工作点位于A、C两点之间的连线上时，它的两个边界点为A、C，则“和 Yd均为零。此时工作点0的带钢宽度参数与A、C两个工作点处的带钢宽度参数相同，因此 只考虑工作点0与A、C两个工作点处轧制力参数的相似程度，权重因子计算公式为6 (4)根据使用边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控 功效系数的模型特征要求，实际轧制工作点处的板形调控功效系数为Eff0 = EffA · γ A+EffB · y B+Effc · y c+EffD · γ D式中EffQ为实际轧制工作点处的板形调控功效系数的自学习模型计算值；EfTA， EffB, Effc和EfT11为按步骤2所述计算出来的边界工作点A、B、C和D处的板形调控功效系 数；YA、YB、Yc和Yd分别为A、B、C和D四个工作点与工作点0之间的权重因子。(5)根据使用实测板形数据不断改进表中的板形调控功效系数精度的模型特征要 求，当实际轧制工作点处的板形调节机构产生的变化量为AUtj= [Δ、Au02 -AUojJtW, 板形改变量的自学习模型计算值为Δ Y' 0 = Eff0 ‘ Δ U0(6)各结点的初值是板形调控功效系数的先验值，由于只是通过一组实测板形数 据确定的，因此这些先验值并不精确。为了得到精确的板形调控功效系数，使之更接近于现 场实际情况，需要根据实测板形数据来不断地提高这些先验值的精确度。模型使用实测板 形数据与自学习模型计算得到的板形变化量进行比较，实际轧制工作点0处的实测板形改 变量为ΔΥ。= [AyQl Ay02…AyJt，比较方法为δ 0 = Δ Y0-Δ Y' 0(7)根据使用实测板形数据与自学习模型计算得到的板形变化量进行比较，不断 改进表中的板形调控功效系数精度的模型特征要求，利用步骤6计算出的偏差来改进实际 轧制工作点在表中的各个边界工作点的板形调控功效系数精度，改进方法为Eff' k = δ 0 · Δ U0 · y k · v+Effk (k = A, B, C, D)式中Eff' k为A、B、C和D四个工作点处经过学习改进后的板形调控功效系数， Yk为权重因子，Effk为这四个工作点处板形调控功效系数的先验值，ν为学习速度，值在 0 1之间，通过它可以改变学习速度。(8)根据判别自学习过程是否完成的模型特征要求，当板形调控功效系数的实测 值与由自学习模型的计算值误差小于给定的极小值ε时，则认为自学习过程完成的判别 方法，其特征在于，板形变化量的实测值与自学习模型计算值之间的差值要满足δ 0 < ε这里ε为给定的用于判别学习精度是否达到要求的极本文档来自技高网...

【技术保护点】
一种冷轧机板形控制执行器调控功效系数优化方法，其特征在于，建立了不同轧制工作点下的板形调控功效系数先验值表，在表中，一组带钢宽度值和轧制力值对应一个轧制工作点，根据实际轧制工作点在表中的位置确定其边界工作点，由边界工作点参数与实际轧制工作点参数的相似程度设定权重因子，通过边界点的先验功效系数加权叠加得到实际轧制工作点下的板形调控功效系数；为了提高板形调控功效系数的精度，需要使用实测板形数据与自学习模型计算得到的板形变化量进行比较，不断改进表中的板形调控功效系数精度；当板形调控功效系数的实测值与由自学习模型的计算值误差小于给定的极小值ε时，则认为自学习过程完成，用于闭环板形控制系统中。

【技术特征摘要】

【专利技术属性】
技术研发人员：王鹏飞，王军生，俞小峰，刘军，张殿华，赵启林，刘佳伟，李丽霞，曹忠华，候永钢，宋蕾，
申请(专利权)人：鞍钢股份有限公司，
类型：发明
国别省市：21[中国|辽宁]