自动化1102陶举林连轧控制系统设计外文翻译.doc

第18届IFAC世界大会的预印本米兰（意大利）8月28日至9月2日，2011一个集成的系统方法求解多目标调度实验热连轧机的问题和先进控制希德艾哈迈德Gaffour*，马赫迪Mahfouf*，乔治Panoutsos*和陈军*自动控制与系统工程，谢菲尔德大学S13JD英国*部，（电话：114-222-5613; s.gaffour Sheffield.ac.uk，m.mahfouf Sheffield.ac.uk）。林肯大学*工程学院，LN67TS英国英国（电话：1522668901;巨谌 Lincoln.ac.uk）。摘要：通用于大多数行业，金属行业不得不“重新考虑”其短期和长期的策略时，它涉及到生产的金属对客户的规格。事实上，金属生产商有平衡的更一致和更高质量的轧制产品与要求。随着能源成本和对环境的影响，提高了效率。在这些考虑下，关键的是工业系统，例如热轧机的性能，必须小心在搜索的进一步改进分析。用于优化钢热轧条件包括：系统功效，先进的控制策略，最佳轧制制度和产品质量。本文是作者的上采用先进的技术和新的综合方法的广泛研究的结果，在对热轧过程优化调度的领域。所提出的设计依据：1.多目标基于优化的群自适应免疫算法（PAIA）; 2.基于物理模型和共生数据驱动的建模合金的机械性能的准确预测钢; 3.先进的控制，包括自适应模糊广义预测控制（AFGPC）；在轧制过程中保证了轧机的最佳性能。因此，这项研究工作的首要目标是整合双方关于股票和轧制过程识别知识，为了计算最合适的轧时间表最佳热形变型材和系统图进行处理的最佳路线，从而实现“右第一次”所需的最终微观结构和力学性能，生产这些合金结构钢。关键词：热轧钢厂，自适应模糊广义预测控制，多目标优化，共生建模方法，群自适应免疫算法。引言 节能和提高生产率两个重要目标，今天的钢铁行业正在努力实现。其中一个实现这些目标的可能途径是通过优化轧制规程。钢的质量取决于具有相关联的属性，它的组织结构，包括安排，音量分数，尺寸和各相的形貌变换与对于给定的一个给定的组合物的工艺路线（克劳斯，2004年G）。这是众所周知的，存在的热形变之间有很强的相关性。钢及其组织和最终性能和各微观结构和产品类型的开发特点，财产的具体工艺路线范围是控制和利用微观结构的变化。考虑到这些，关于钢铁生产调度和控制问题研究人员已经研究了许多。然而，许多方法都在实践中使用。为了找到最佳的良好的，可行的解决办法在调度问题配置文件中设定定量的微观结构参数和热变形，然后设置过程有效的参数，如轧制速度，温度，变形量，轧制数传递等。这样的方法已被一般基于遗传算法（GA）中的问题检测和控制理论原则和专家系统（迪克西特和迪克西特，2000）。这些传统步骤已经很长一段时间取决于设计师试验和错误的操作完成的直觉和经验。在这项工作中，一种新的基于模型的设计被用来优化调度和热轧轧机的控制，因此能够实现“右键首次”生产金属的建议。两个主要阶段形成用于整体控制设计这个新策略提出的基础。在第一阶段中，最佳轧制时间表是根据所期望的系统的计算,最终的组织和性能。在这一阶段，设计方法被分成微结构优化即获得规定的微观问题（模块）参数，如最终粒度和体积分数，变形过程中重结晶（Gaffour等2010A）和一个实现轧制规程优化问题（模块2）需要在模块1的热条件进行。该设计方法需要四个基本组成部分：1定义2建立优化问题3在热轧时股票模型描述材料的组织演变4最优策略基于共生。摘自EnerCopyright国际自动控制联合会（IFAC）窗体顶端所需的机械性能窗体底端窗体顶端优化过程控制轧制制度的建立和自适应模糊广义预测控制AFGPC窗体底端窗体顶端微观结构优化算法窗体底端窗体顶端轧制规程优化算法窗体底端窗体顶端微观结构参数铁素体晶粒珠光体体积分数窗体底端窗体顶端变形简介应变应变率变形温度窗体底端窗体顶端模型评估物理为基础的模型共生模型（LR，NIPALS，NF，NNDPL）ITT模式TS模式YS模式窗体底端窗体顶端模型评估物理为基础的模型共生模型（LR，NIPALS，NF，NNDPL）ITT模式TS模式YS模式窗体底端 1，优化 图一，（a)图片实际希勒穆勒在谢菲尔德（二）共生模型为基础的综合系统的大学为优化调度和先进的控制。对于机械的预测建模方法合金钢的特性（Gaffour等人2010年b），目前无论是在股票和轧机，包括限制成形处理中的限制和热加工性股票的最优准则。在第二阶段中，所述磨机进行出轧制时间表使用新的非线性自适应模糊广义预测控制（AFGPC），以保证最佳的工艺性能在负载下。本文的其余部分安排如下：第2节提出建议的综合性框架的总体视图设计描述的最优化方法，该基于物理模型的低碳钢（C-Mn钢合金）预测机械共生建模方法性能和非线性自适应预测控制器在轧机实施。第3节介绍从结果实时热轧实验。最后，总结言论和进一步的工作列在第4节。2，先进设备，先进机制调度优化和控制 对钢铁材料研究的广泛活动，通过滚动试验铝的微观结构在IMMPETUS：研究所微观结构和机械加工工程：谢菲尔德大学激发了作者调查的性能实验室试验机，实验laboratoryscale热轧机中所描绘的图1。由于对在现代工业中的炼钢过程中的重要性，本实验的实验室规模钢厂一直受到了关于钢，铝，及其它几种调查钛的关注。图1.B描绘的基于模型的框图微结构的优化，速度和集成系统间隙控制热轧过程。2.1微观结构优化 使用上述框架，应该先指定所需的机械性能和初始条件轧制，然后通过使用共生建模技术。它结合了非线性迭代偏最小二乘自适应广场（NIPALS）模型，线性回归模型（LR），神经网络模型双环程序（NNDLP），神经模糊模型（NF）和冶金知识，微观结构的优化为基础的人口自适应免疫算法（PAIA）搜索找到附近最佳的定量微观参数会得到上述特性。有关此共生详情建模技术和算法PAIA指（Gaffour等人2010A）和（Gaffour等人2010年b）。这个阶段（模块1）的最优化问题，有必要建立最优标准。这个标准是由以下目标函数：受制于以前的目标函数是分配一个成本和每一个解决方案，其中Pi是在优化问题考虑的属性的目标,N是数属性，有助于成本函数; D代表铁素体粒径，VP是珠光体团在最后的微观结构的体积分数。在研究中考虑的相关属性数，N=3，这是拉伸强度TS，屈服强度YS和冲击转变温度ITT。2.2轧制规程优化 调度问题在这里视为一个多目标使用PAIA算法的优化问题，最大限度地减少所导致的结果之间的误差。微观结构的优化和在最终的微结构计算其数量特征。该设计方法需要三个基本组成部分：股票模式，进程或物理的限制，以及最优标准。虽然这种策略试图应用到广泛的钢合金，考虑的身体为基础的模式的情况下的C-Mn合金，为使微结构状态被定义，主要是在晶粒尺寸和的百分比计重结晶材料（塞拉斯，1980）。在C-锰钢，该recystallisation曲线一般遵循以下形式的Avrami方程：其中，t是时间，单位为秒，T50是时间为50的静态重结晶，是应变，c是临界应变，D0为初始晶粒尺寸。无需通过完全再结晶产生的晶粒尺寸，先前动态再结晶是由描述下面的公式系统：其中，0.670.150* =2.810-4d Z和Z是Zener-Hollomon参数。当再结晶完成后，进一步的粮食增长可能发生，即使在相对较短的时间内经过。时间晶粒生长的依赖性可以由下面的等式表示：其中，R是气体常数，T是变形温度。粒径通过不同阶段的演变确定了最终的组织和性能。在这种情况下定义当铁素体晶粒是非常重要的机械性能。从奥氏体到转换铁素体可以由下面的式（表示皮克林1978年）：其中D和D是铁素体晶粒尺寸和奥氏体晶大小分别的dT/ dt为时的冷却速度变换，是在奥氏体的应变，一个，b和c为材料常数。上述方程清楚地表明灵敏度的高度的微观结构，以在轧制过程中的操作条件。因此，最优性准则，这是要最小化，以便在整个过程中，以确定变形温度（T），应变（）和应变率（）是这样的变形分布可以把数物理现实要求。对于这个特定的问题热金属变形的目标被定义为如下：第一个目标函数表明，理想的解决方案应接近奥氏体粒径靶D（）值dt的精氨酸等（）各轧制道次（）之后必需的，并且所述第二目标表示一个完整的重结晶，无论接下来的传球开始或相前实现改造。 是轧制速度，r表示减少和t加载的比例是滚动的扭矩，N是被轧制道次的总数。对于这种双目标问题，最佳的设计应理想是一个解决方案，达到奥氏体晶粒尺寸靶以最低的成本。在不违反定义希勒磨约束的前提下，为了创造可行域的限制优化搜索。图。图2示出表示搜索的过程的流程图对于最佳轧制时间表。2.3优化工艺参数 它不是物理上可能的，以确保所有的点变形件将进行应变，应变率，在上面的优化获得的温度轨迹。然而，工艺参数，如轧制速度，减少，和轧制扭矩可以自动计算并尝试以实现所需的轨迹在预定点中的材料件。在这项工作中的人工神经网络被用来将轧制转矩建模关系（参见Mahfouf，等人，2005）。2.4轧机控制 为了实现“右键首次”生产金属设计与具体的组织和性能，并调节材料的性质，不同的轧制时间表被设计成具有精确减小金属厚度。 PAIA为基础的优化调度高度，轧机速度控制具有不同的滚动条件。事实上，在轧制速度调节是最重要的时候变形轧制股票。在轧机的速度控制，因此有任何改善可被认为是必要的，以提供最佳的控制行动的各种轧制负荷。为了实现这一目标的最优处理“，位于Hille磨的速度控制问题有被调查从一个新的非线性的角度。自适应模糊广义预测控制（AFGPC）。它已经表明，在本申请中使用的AFGPC消除了由常规PID的问题控制器，如一个非常活跃的控制信号，并且轴当在高速下工作的振颤。对于全面关于成功地实时实现的描述所述AFGPC算法在轧机的读者可参考至（Gaffour等人2009）。自适应模糊广义预测控制（AFGPC）系统由四个部分组成，分别是植物被控制，一个参考模型，指定植物的期望的性能，神经网络模型工厂，而且成本函数最小化，基于梯度体面投影法算法其确定需要产生的植物的所述输入所需的性能。一个神经模糊方案基于径向基础函数（RBF）已经被设计用来携带出的联机识别的模型参数，与目标在自适应广义预测控制使用非线性系统并允许轧机中广泛使用范围的操作条件。该方案提供了“成本与非线性输出功能最小化“块预测在每个采样时刻。反复出现的线性神经元与可解释的权重进行在线辨识该模型由监督学习的手段本身提出了一个具有挑战性的任务。在预测控制的情况下，的最小化下述标准进行。其中N1是最小成本地平线，N2是最大的成本地平线，怒江是控制地平线，滚回参考轨迹，（i）是控制加权序列和P（Z-1）是在模型的逆模型。以下上下文以P（1）=1，d为的时间延迟系统。的自适应模糊实施通过RBF型神经模糊模型预测控制，可以被看作是约束的非线性，优化时寻找最佳，并且可以使用可以解决以下迭代方法：其中，Pn为投影矩阵（）怒江XNU在迭代n与矩阵I和GN是初始化的梯度准则函数：J相对于联合国大学梯度可以计算为如下：其中雅可比被表示为如下：窗体顶端3.模拟结果 共有20个实时热轧实验carriedout在不同的工作条件和设计标准。所使用的实验材料是市售的C型锰合金钢（光亮软钢）080A15档次。在每个轧制试验，一个材料的金相研究组织进行输出。选定的标本加工要进行机械测试为好。该从这样的实验室测试结果进行比较，以对所需的金属图案，以便评价可接受效率，精度和所提出的可靠性优化机制。 考虑在该优化的目的是的情况下，以找到最好的轧制规程，实现了C-Mn钢合金具有以下机械性能：452兆帕，325兆帕分别TS和YS，用-60的ITT。 为了分析的实时的可行性实现，以及为建立的设计参数控制器，一系列计算机模拟被carriedout在不同的工作条件。将样品预热直到中心温度为1050和初始晶粒尺寸被假定为220m。在初始库存几何形状为长150毫米，宽50毫米，25毫米厚。 在该实验中Hille的轧机的工作范围被设定在这样一种方式，在电机的工作高于额定速度，这是每分钟30转和60转之间。 出于这个原因，电机的能力提供电磁转矩被减少，从而使减少的量和每轧制转矩约束不得不变窄，每道次减少的百分比10至30是，因此产生的滚动扭矩高达2000 kNmm的。根据所期望的的金属图案的最终性能值，所需要的从第一阶段提供铁素体晶粒尺寸“模块1”是结果为15微米与20.7珠光体分数。这是没有这些最优解落入边界可行的解决方案，需要铁素体晶粒尺寸的7微米和30微米，具有珠光体分率没有较大的间超过30。使用关于在给定的溶液这一信息，第一阶段中，“模块2”搜寻最佳概况股票变形被调查导致最佳轧制参数有三个通轧制规程。表11.5显示了由调度提供的结果机制。 所谓SLIMMER（谢菲尔德莱斯特集成软件模型组织演变的滚动）在热轧模拟组织演变实验（贝诺和塞拉斯，1992）。图。图3示出了组织演变的计算机模拟过程中这个实验。轧制道次进行出为1，20，及分别为40秒。该图显示，该由系统轧制时间表给定的参数机制导致了很好的控制的微观事件在每个轧制道次。有人指出，应变的量通过第一遍制得足以使该级分轧件已经再结晶，虽然随后的除通静态再结晶。在除了上述轧制规程，发达优化机制给了最优参数显微，最佳的铁素体晶粒（微米），最佳珠光体分率（），1520.7 优化多道次轧制时间表：通关速度（RPM），减少（），温度（C），差距（毫米）;窗体顶端表我最优参数显微窗体底端窗体顶端最佳的铁素体晶粒（微米）15最佳珠光体分率（）20.7窗体底端窗体顶端优化多道次轧制时间表窗体底端通关速度（RPM） 减少（） 温度（C） 差距（毫米）以下信息：在相冷却速率变换=2.03oC/秒（空气冷却）;奥氏体粒径=27.60m（改造前为铁素体）;最后铁氧体粒径=14.11m，这是非常接近于期望微观结构。图4示出这样的最终显微组织。图。5还示出从机械测试的结果。产量金属的行为表明，平均起点变形是335.41兆帕。类似地，平均应力骨折是469.20兆帕。图6描绘记录的数据采集的主要变量采用非线性此实时实验期间系统自适应模糊广义预测控制器。它可以是可见，在所有的传球没有约束违规的发生。在控制性能方面，闭环控制这些滚动的条件下特性，其中该系统在上述条件额定转速运转了是可以接受的,速度控制和调节具有很好的负载扰动。此外，无超调，任何观察情况下，非常快速的瞬态响应进行了观察。只9轧制实验已经提出了。本文的结果考虑不同大势所趋金属的设计和工作条件的情况。图 7代表了这样的结果，显示了用户自定义摘要对张的最终产品的要求强度和屈服强度。4. 结论 本文提出了一种新的优化框架，开发一个综合模型设计策略，以优化控制热轧机。使用“共生”数据驱动，建模和算法PAIA提供这样的框架，这有利于复杂的问题，其投入产出关系不仅是高度非线性的，而且还属于数据分布，而更多的时候是了一个“疏性质”。一系列热轧实时实验和实验室试验表明，所提出的系统的机制导致了最佳轧制制度。根据不同的标准，并取得了优异的表现，在这个过程中对于不同的钢组织的控制下，发现，首次“生产的金属”是可能的。参考贝诺，J.H。和C M。塞拉斯（1992）