一种改善换规格首块带钢板形质量的自学习方法技术

一种改善换规格首块带钢板形质量的自学习方法。该方法包括步骤：首先对带钢钢种、宽度、厚度进行分类，计算带钢所在的层别号；任意带钢轧制完成后，进行板形短期自学习和继承性自学习计算，短期自学习计算值保存到相应层别号中；轧辊换辊后，进行板形长期自学习计算，并将学习值存入到相应的层别之中，将短期自学习清零；任意带钢轧制前，判断自学习继承条件是否满足，若满足条件，读取上一块带钢继承性自学习值；任意带钢轧制前，取相应层别的短期板形自学习量和长期自学习量；结合三种自学习值进行板形模型的设定计算。本发明专利技术通过板形短期自学习、长期自学习、继承性自学习共同作用，可显著提高换规格首卷的板形质量控制精度。

【技术实现步骤摘要】

本专利技术涉及一种热轧带钢薄板轧制工艺技术,具体指。
技术介绍
随着工业技术的发展，热轧板带的用途越来越广，从汽车、电子、家电到能源、航空、采矿等领域均有大量的运用，热轧板带的尺寸精度控制也显得尤为重要。板形作为板带尺寸精度控制的重要组成部分，越来越受到钢铁企业的重视，板形的生产机理非常复杂，好的板形不但要有设备、工艺、管理等条件作为的保证，高精度的板形控制系统也必不可少。板形控制技术发展至今，简单的板形问题已经能够被克服，现阶段板形控制系统尚存在的一个难题为换规格以后首块带钢的板形质量难以得到保证，这也是热轧带钢质量控制中其余控制系统存在的普遍缺陷。板形控制模型分为两部分，一部分为设定计算模型，一部分为动态闭环控制模型，设定计算模型主要是保证带钢头部(板形仪表尚未检测到带钢板形质量)的板形质量，而动态闭环控制模型主要保证仪表检测到板形值以后全长的板形质量。和其他控制模型类似，设定计算模型一般采用理论模型或经验模型，由于系统特性的变化、子模型的预报误差、环境的变化等因素，导致预报精度有限，为此引入了自学习算法，仪表检测到本块带钢板形值以后，通过自学习系统，修正下一块带钢的板形设定值，以保证下一块带钢的头部板形质量，从以上可以看出，有效的自学习算法对板形质量控制精度的提高有着积极的意义。工作辊弯辊和窜辊是热连轧改善板形的主要手段，以弯辊计算为例，弯辊的计算模型结构可表达为Bf — (Cm_kpP_kffCCffC_kffECffE_kBCCBC_kBECBE_kCWECCffE_C) /kf式中Bf为弯辊力设定值，Cffl所需要控制的板形目标，P为轧制力设定值；；Cwc为工作辊辊身中部的综合辊形半径值；cWES工作辊辊身边部的综合辊形半径值；cB。为支持辊辊身中部的综合辊形半径值；cBE为支持辊辊身边部的综合辊形半径值Kaffi为工作辊初始辊形；kp为轧制力影响系数；kf为弯辊力影响系数；kK为工作辊中部辊形影响系数；kWE为工作辊边部辊形影响系数；kB。为支持辊中部辊形影响系数；kBE为支持辊边部辊形影响系数；kCffE为工作辊辊初始辊形影响系数，C为自学习项。通过自学习算法，实时对C进行修正，达到准确计算弯辊力的效果。若轧制带钢规格相同，通过简单的自学习算法能够达到预期目的，如图I所示，从i块带钢到i+4块带钢规格均相同，则每一块的自学习值都能有效运用于下一块带钢。但若带钢规格进行变化，如图2 (i+2块带钢厚度发生变化)和图3 (i+2块带钢宽度发生变化)，由于各类带钢轧制特性不同，则i+Ι块带钢轧制完成后，所计算的自学习量不一定适用于i+2块带钢，甚至会出现学习值使得板形质量越学越坏的情况，但如果换规格首块不采用自学习值，由于模型的固有误差，同样设定精度无法得到有效保证。对带钢轧制模型自学习方法的研究成果较多，关于轧制模型自学习值在带钢之间如何有效运用的文献较少，如文献1(带钢热连轧的模型与控制，冶金工业出版社，2002)提到的增长记忆式递推最小二乘法以及指数平滑法，但没有提及如何把计算出来的自学习值运用到后续轧制的带钢；对轧制模型自学习值在带钢之间如何有效运用文献较少，如文献2(满足不锈钢与碳钢混合轧制的板形快速自学习的开发与应用，2006年全国轧钢生产技术会议文集)提到考虑带钢属性进行层别细化，解决不锈钢与碳钢混合轧制的板形问题，但没有考虑相邻带钢处于不同层别的自学习算法，以及相同层别换辊后的学习方式；如文献3(热轧带钢轧制力模型自学习算法优化，北京科技大学学报，V32，No6)中同样提到采用层别细化并判断带钢与带钢之间在考虑厚度和宽度的变化系数，此文献具有一定的实用性，相邻带钢之间如果钢种强度的变化以及换辊后同类层别的自学习方面都存在不足；如文献4 (1780热连轧机板形控制系统的设计及应用，第二十九届中国控制会议论文集)提到采用短期自学习和长期自学习共同作用，但没有提及换规格带钢的板形自学习的使用方式。
技术实现思路
通过以上技术背景和文献分析可知，现有的自学习方式均无法有效保证常规计划编排、宽度交叉轧制、钢种交叉轧制下换规格首卷的板形问题，导致板形质量控制存在缺陷。为了解决以上问题，本专利技术涉及一种板形自学习策略，通过短期自学习、长期自学习及继承性自学习的结合，达到提高自学习效率的目的，提高各种工况下换规格首块带钢的板形质量。具体实施步骤如下(a)首先对带钢钢种、宽度、厚度进行分类，确定所在的层别号；层别号计算和带钢钢种、宽度、厚度有关，规定钢种总共有GNum档，宽度总共有BNum档，厚度总共有HNum档。则层别总数为GNumXBNumXHNum。若某一带钢钢种所处档位为iG，宽度档位为iB，厚度档位为iH，则层别号N计算方法为N= i G X BNum X HNum+ i B X HNum+ i H+1以1780mm热连轧机为例，钢种档位iG根据带钢强度划分，定义带钢屈服强度σ s<=200Mpa定义iG = 0，200 < σ s < = 300Mpa定义iG = 1，依次类推。宽度档位iB按带钢宽度划分，若产品大纲宽度范围为800mm-l700mm，定义带钢宽度B < = 800mm时，iB =O;800 < B < = 900mm, iB = I，依次类推。厚度档位iH按带钢厚度划分，若产品大纲厚度范围为 I. 定义厚度 h < = I. 2mm 时，iH = 0;1.2<H<=2. 0mm, iH = I,依次类推；在计算机内存中在开辟GNumXBNumXHNum条记录,每条记录均存放板形短期自学习和长期自学习值，程序通过带钢的层别号N索引，进行存储或读取。(b)任意带钢轧制完成后，进行板形短期自学习计算，计算值保存到相应层别号中；对于任意层别号，其板形短期自学习均采用如下算法ACs (/ + 1) = ACs (/) + Jcl (ACf (/) - ACs (/))上式中ACs(i+l)为层别号相同的第i+i块带钢板形短期自学习量；ACs(i)为层别号相同的第i块带钢板形短期自学习量ACf (i)为根据第i块带钢板形实测值反算出来的板形短期自学习调整系数屯为板形短期自学习增益系数，取值范围为O. 3-0. 7。(c)换辊结束后，进行板形长期自学习计算，并将学习值存入到相应的层别之中，将短期自学习清零；工作辊换辊后，对于换辊周期内轧制的所有层别号进行板形长期自学习，对于任意层别号，采用如下算法AC^j+l) = AC^jO+^AC^j)上式中MCjj+l)为层别号相同的第j+Ι换辊单元带钢板形长期自学习量；AC1(J)为层别号相同的第j换辊单元带钢板形长期自学习量；△(；(」)为根据第j单元带钢板形短期自学习量；k2为板形长期自学习增益系数，取值范围为O. 3-0. 7。长期自学习完成后，将j换辊单元短期自学习量△(；(」)清零。(d)任意带钢轧制前，判断继承性自学习是否满足条件，若满足条件，取继承性自学习值；任意带钢轧制完成，计算继承性自学习量，采用的公式为 ACa (/ + I) = k3AC^ (/) 上式中ACa(i+l)为第i+Ι块带钢板形继承性自学习量为根据第i块带钢板形实测值反算出来的板形短期自学习本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：邵健，何安瑞，孙文权，荆丰伟，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：