（机械设计及理论专业论文）冷轧板形智能预测控制研究.pdf

摘要 摘要 本文以实现板形在线反馈控制为目的，以冷轧板带钢板形智能预测控 制为研究课题，根据预测控制的基本原理，针对某1 2 2 0 五机架四辊冷连轧 机，建立了冷轧板形的智能预测控制系统。 首先，阐述了板形的基本概念、板形的表示方法、常见的板形缺陷模 式及消除板形缺陷的相应控制策略。介绍了板形模式识别的多种方法，并 根据板形在线控制的要求，选用基于勒让德正交多项式的最小二乘法，进 行板形模式识别，用m a t l a b 软件编写了模式识别程序，并给出了识别实例。 其次，根据现有的板形预测模型，建立了改进型e l m a n 网络板形预测 模型，用遗传算法对网络进行了优化选择，并对预测模型输出进行了反馈 校正，从而使预测模型精度得到了提高。用m a t l a b 软件编写了板形预测模 型程序，通过在线仿真实例，表明此预测模型，比机理模型及常用的b p 网 络模型，具有精度高，更适用于实际轧制过程的优点。 再次，结合动态模糊神经网络，建立了板形在线滚动优化控制模型， 推导了基于g a b p 的离线训练算法及其在线训练算法。用m a t l a b 软件编写 了板形在线滚动优化控制模型程序，给出了离线优化前后的隶属函数图。 最后，利用m a t l a b 软件编写了扳形智能预测控制系统程序，并结合实例 对板形控制效果进行了在线仿真。仿真结果表明，本文所建立的板形智能 预测控制系统，基本消除了冷轧板形一次浪、二次浪缺陷，对于实现板形 在线实时控制，促进板形控制模型的发展，具有重要的意义。 关键词智能预测控制；板形控制；模式识别；板形预测；遗传算法；模糊 神经网络 茎坐查兰三兰堡圭兰篁笙茎 a b s t r a c t i nt h i sp a p e r ，t h ea u t h o ra i m st or e a l i z et h ef l a t n e s so n l i n ef e e d b a c k c o n t r 0 1 t h ea u t h o rc h o o s e st h ec o l d s t r i ps t e e lf l a t n e s si n t e l l i g e n tp r e d i c t i o n c o n t r o la sr e s e a r c hs u b j e c t a c c o r d i n gt ot h eb a s a lp r i n c i p l eo f p r e d i c t i o nc o n t r o l ， t h ec o l dr o l l i n gf l a t n e s si n t e l l i g e n tp r e d i c t i o nc o n t r o ls y s t e mi se s t a b l i s h e df o r 1 2 2 0f i v e s t a n df o u r - h i g hc o l dt a n d e mm i l l f i r s t ，b a s i cc o n c e p t i o no ff l a t n e s s ，r e p r e s e n t a t i o no ff l a t n e s s ，t h ec o m m o n d e f e c t i v ef l a t n e s sa n dc o r r e s p o n d i n gc o n t r o ll a wa r ee x p l a i n e d t h e n ，m a n y f l a t n e s sp a t t e r nr e c o g n i t i o nm e t h o d sa l ei n t r o d u c e d i nt h i sp a p e r ，a c c o r d i n gt o t h er e q u i r e m e n t so ff l a t n e s so n l i n ec o n t r o l ，l e a s ts q u a r em e t h o db a s e do n l e g e n d r eo r t h o d o x yp o l y n o m i a li sc h o s e nf o rf l a t n e s sp a t t e r nr e c o g n i t i o n t h e p a t t e r nr e c o g n i t i o np r o g r a m i s i m p l e m e n t e db y m a t l a b s o f t w a r e ，a n d r e c o g n i t i o ne x a m p l e sa r eg i v e n s e c o n d ，a c c o r d i n gt ot h ee x i s t e df l a t n e s sp r e d i c t i o nm o d e l s ，t h em o d i f i e d e l m a nn e t w o r kf l a t n e s sp r e d i c t i o nm o d e li se s t a b l i s h e d t h eo p t i m i z a t i o no f n e t w o r ks t r u c t u r ei sd o n eb yg e n e t i ca l g o r i t h m ，a n df e e d b a c kc o m p e n s a t i o ni s u s e dt ot h eo u t p u to fp r e d i c t i o nm o d e l s ot h ep r e d i c t i o np r e c i s i o ni si m p r o v e d b ym a t l a bs o f t w a r e ，t h e a u t h o rr e a l i z e sf l a t n e s sp r e d i c t i o np r o g r a m t h e s i m u l a t i o nr e s u l t ss h o wt h a t ，c o m p a r et ot h em a t h e m a t i cm o d e la n db pn e t w o r k m o d e l ，t h i sm o d e li ss u i tf o ra c t u a lr o l l i n gp r o c e s s ，a n dh a sh i g hp r e c i s i o n t h i r d ，t h ef l a t n e s so n l i n er o l l i n go p t i m i z a t i o nc o n t r o lm o d e li ss e tu pw i t h d y n a m i cf u z z y n e u r a ln e t w o r k t h eo n - l i n et r a i n i n ga l g o r i t h ma n do f f - l i n e t r a i n i n ga l g o r i t h mb a s e do ng a b pf o rt h i sm o d e la r ed e d u c e d t h ef l a t n e s s o n l i n e r o l l i n go p t i m i z a t i o n c o n t r o lm o d e lp r o g r a mi sw r i t t e n b ym a t l a b s o f t w a r e t h ef i g u r e so fm e m b e r s h i pf u n c t i o n sa r eg i v e nr e s p e c t i v e l yb e f o r ea n d a f t e ro p t i m i z a t i o n i nt h ee n d ，t h ef l a t n e s si n t e l l i g e n tp r e d i c t i o nc o n t r o lp r o g r a mi sc o m p i l e d l t a b s t r a c t u s i n gm a t l a bs o f t w a r e t h es i m u l a t i o n so ff l a t n e s so l l l i n e c o n t r o la l eg i v e n c o m b i n i n ge x a m p l e s t h er e s u l t ss h o wt h a t ，t h ef l a t n e s si n t e l l i g e n tp r e d i c t i o n c o n t r o ls y s t e me s t a b l i s h e di nt h i sp a p e rc a ns l a k es i m p l ew a v ea n dq u a d r a t i c w a v e t h i ss t u d yh a si m p o r t a n tm e a n i n go nr e a l i z i n gf l a t n e s so n l i n er e a l t i m e c o n t r o la n dp r o m o t i n gt h ed e v e l o p m e n to ff l a t n e s sc o n t r o lm o d e l k e y w o r d si n t e l l i g e n tp r e d i c t i o nc o n t r o l ；f l a t n e s sc o n t r o l ；p a t t e r nr e c o g n i t i o n ； f l a t n e s sp r e d i c t i o n ；g e n e t i ca l g o r i t h m ；f u z z yn e u r a ln e t w o r k 燕山大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文冷轧板形智能预测控制 研究，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究 工作所取得的成果。据本人所知，论文中除己注明部分外不包含他人已发 表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体， 均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。 作者签字爿召乎日期：2 0 町年尹月拥 燕山大学硕士学位论文使用授权书 冷轧板形智能预测控制研究系本人在燕山大学攻读硕士学位期间 在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有， 本人如需发表将署名燕山大学为第一完成单位及相关人员。本人完全了解 燕山大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送 交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权燕山大学， 可以采用影印、缩印或其他复制手段保存论文，可以公饰论文的全部或部 分内容。 作者签名： 导师签名： 牛召乎 年解密后适用本授权书。 ) 日期：2 a d 7 年铲月2 夕日 日嘲毯谚 硅z 口 密打 密 保内 保 不框 方 于 应 属 相 文 上 论 以 位 在 学 请 本 0 第1 章绪论 第1 章绪论 1 1 我国板带材的生产情况 钢板和带钢是国民经济各部门中应用最广泛的钢材，约占钢材总量的 4 5 ，它作为多种工业部门的原料使用，在汽车、造船、桥梁、建筑、家用 电器、石油、铁路和集装箱等工业上得到了广泛应用。随着我国加入w t o 和国民经济的快速发展，各行业的产品结构都进行了大幅度的调整，对板 带材的需求量也与日俱增。 我国板带材长期以来一直是净进口。近五年来，进口量更是保持在1 0 0 0 万吨以上，2 0 0 2 年进口量达2 1 1 7 万吨，比2 0 0 1 年增加近7 0 0 万吨；2 0 0 3 年板材进口高达3 3 2 5 万吨，占进口总量的8 1 1 5 ；2 0 0 4 年我国各类板带 材进口量达2 5 1 0 万吨，占全年钢材进口总量的8 5 ；2 0 0 5 年进口2 2 4 3 万 吨。出口量由2 0 0 3 年的1 8 2 万吨上升到2 0 0 5 年的8 4 5 万吨。板带材净进 口量由2 0 0 3 年的3 1 4 3 万吨降到2 0 0 5 年的1 3 9 8 万吨，减少1 7 4 5 万吨，下 降5 5 5 。到2 0 0 6 年8 月底累计板带材进口1 0 5 5 万吨，出口1 1 4 2 万吨， 净出口8 7 万吨，历史上第一次出现板带材总出口量大于进口量。我国钢铁 产品结构显著改善，品种和产品质量显著提高。特厚板、厚板、中板、中 厚宽带钢由净进口转为净出口，但是出口高附加值产品的比例很小，出口 单价低。不锈钢板带、冷轧薄板带、 1 5 r a m 热轧酸洗普薄板卷、电镀锌板 带、合金钢热镀镀层板、 o 5 m m 镀锡板、镀铬板、镀铅板、其他镀层板、 取向硅钢和高牌号冷轧无取向硅钢板带等高技术含量、高附加值板带材， 仍不能满足国民经济各部门产品升级换代的需求，一直是缺口最大、进口 最多、供需矛盾最为突出的品种【1 】。 钢铁产品的板带比是衡量一个国家钢铁工业发展水平和钢材消费档次 的重要标志，世界发达国家的板带材比重均保持在6 0 左右，最高己达到 6 6 以上。目前，我国生产钢材的板带比重由2 0 0 0 年的3 4 5 4 ，上升到 2 0 0 5 年的3 9 7 ，而2 0 0 5 年市场表观消费的板带比为4 0 。生产板带比低， 燕山大学工学硕士学位论文 反映我国钢材生产品种结构不合理；消费板带比低，反映我国工业化水平 较低【2 l ，钢材生产的板带比增加仍然是我国钢材生产结构调整的重要方向。 继续提高板带材比重，具体来说，是减少线材、螺纹钢、棒材、型钢的比 重，增加热轧板、冷轧板、镀锌板、涂层板的比重；到2 0 1 0 年，板带材比 重达到5 0 。 随着我国钢铁工业结构的调整和国家的工业化进程，当国家从建筑业 为主要支柱产业转向汽车等制造业为支柱产业时，板带比将超过5 0 。世 界钢铁工业的快速发展和市场竞争的加剧，也使板带产品的竞争更为激烈。 先进的装备水平，高精度、高质量板带产品的制造，将是各钢铁企业增强 其市场竞争力的关键所在。 1 2 板形控制技术的发展概况 1 2 1 板形控制技术的发展 2 0 世纪5 0 年代以前，板形控制主要用磨削轧辊原始凸度的方法加以实 现。由于原始凸度磨削完成后是固定不变的值，很难适应千变万化的轧制 情况，因此，人们又采用人工控制压下制度和控制轧辊热凸度及合理编制 生产计划来弥补其不足。但是，这必然会影响轧机生产能力的发挥和增加 编制生产计划的复杂性。 2 0 世纪5 0 年代，液压弯辊装置被应用到钢板轧机上，从而开始了自动 板形控制的发展历程。采用液压弯辊装置的目的是为了能调节轧辊挠度， 使得板形的在线控制成为可能。 2 0 世纪7 0 8 0 年代，是冷轧机发展史上具有划时代意义的时期，在这期 间相继开发了控制手段多、调控能力强的新机型3 一，它们的目的就是达到 动态地减小或补偿轧辊的弹性变形。 1 9 7 7 年日本金属公司研制成功了h c 轧机( h i g hc r o w n c o n t r o lm i l l ) ，使 板形理论和板形控制技术进入了一个新的时期。 2 0 世纪7 0 年代末，日本住友金属工业公一j 开发了v c ( v a r i a b l e c r o w n ) $ l 辊技术。它通过瞬时改变轧辊凸度的方法束控制板形质量。 2 第1 章绪论 1 9 8 2 年，连续可变凸度的c v c 车l 机( c o n t i n u o u s l yv a r i a b l ec r o w nm i l l ) 由联邦德国施罗曼一西马克公司开发成功。它可以连续调节一对轧辊的凸 度，改变初始辊凸度的大小和正负，以此达到控制板形的目的。 1 9 8 4 年，由日本三菱重工与新日铁合作研制的p c 轧机( p a i rc r o s s e d r o i l i n gm i l l ) 问世，由于其在凸度及板形方面优异的控制能力，受到了世界 各国的重视。 1 9 8 7 年，德国德马克公司研制出一种万能板形控制轧机u p c ( u n i v e r s a l p r o f i l ec o n t r 0 1 ) $ l 机。 2 0 世纪9 0 年代，法国克莱西姆公司研制成功动态变形辊d s r ( d y n a m i e s h a p er o l l e r ) 轧机，不仅能够对轧制辊缝进行全辊缝调节，而且能够对轧制 辊缝中任意位置进行调节，满足对轧制辊缝中任意一个局部缺陷的调控要 求。 此外，在h c s l 机基础上，又开发了h c m 轧机( 中间辊移动六辊轧机) 、 h c w 车l 机( 工作辊移动四辊轧机) 、h c m w 车l 机( 中间辊和工作辊均可移动六 辊轧机) ，以及u c m 车l 机、u c m w 轧机、变接触支撑辊轧机、森吉米尔2 0 辊轧机、干叶工作辊移动轧机等众多新机型。 可以说，2 0 世纪，板形控制研发的重点是轧制理论指导下的机型和辊 型的创新，而2 1 世纪的重点是在成熟的理论和设备基础上控制算法的创新。 高精度板形自动控制的关键是模型。板形控制技术模型主要包括倾辊 控制技术、弯辊控制技术、轧辊轴向移动技术、轧辊分段冷却技术、辊型 优化技术、轧制规程优化技术、边部减薄控制技术、板形板厚控制仿真技 术等。由于模型的复杂性，使研究者转向无模型的智能控制。 由于人工智能技术具有处理非线性和不确定性问题的能力，所以随着 知识处理技术的发展，智能控制e l 益实用。在智能控制中，无论是神经网 络还是模糊逻辑都是以实际生产数据和操作者的经验为基础的。 在板形人工神经网络控制方面，韩国j o o n s i k s o n 等研究了热轧中在线 神经网络预报模型【8 胡】。国内，周旭东等建立了一种自适应神经网络，对冷 轧单机架板形板厚综合系统进行控制肛n 1 ；周晓敏等将智能控制和预测控 制结合，建立了基于b p 、h o 两e l d 神经网络的板形预测控制数学模型1 3 。堋； 燕山大学下学硕上学位论文 王莉等建立了一种基于l a i d 神经元网络的冷连轧板形板厚多变量综合控制 系统【l ”；陶红勇等建立了基于b p 神经网络的板形控制数学模型，并用双机 架可逆冷轧机实测数据进行了仿真研究f l “；王哲等将基于b p 神经网络预测 模型的广义预测控制方法用于u c 轧机的板形控制l l ”。 在板形模糊控制方面，韩国科学与技术高等学院的j o n g y e o bj u n g 等 人就普通六辊轧机的板形控制进行了系列、详细的研究，探讨了利用模糊 逻辑进行六辊轧机板形控制的可行性，研究了对称板形的动态及静态控制 特性，将模糊逻辑应用于控制包括非对称板形在内的任意板形，取得了较 大进展【培“2 0 1 ；澳大利亚w o l l o n g o n g 大学的h 工z h u 等将模糊控制方法用于 热轧的板形控制【2 “。同时，在国内，朴春俊等人利用模糊理论，对分段检 测出的张力进行个体量化、横向总体量化和输出量化，用模糊推理规则进 行三元模糊推理及决策，以控制表的形式为液压弯辊伺服系统提供可靠的 指令信号，极大地提高板材质量1 2 3 1 ；王东升将传统的p i d 控制器和模糊控 制理论结合，建立了模糊自整定p i d 控制器，应用于热轧板形控制1 ；王 军分析了模糊控制在冷轧五机架出口处工作辊精细分段冷却中的应用【2 5 】； 刘建昌等人建立了板形模糊控制器，把板形识别结果经过模糊推理和解模 糊得到执行机构控制量，板形控制精度得到了提高【2 6 l ；李建更等设计了一 种基于遗传算法的模糊控制器，并将其应用于u c 轧机中间辊弯辊控制， 使二次板形缺陷得到了快速有效的控制【2 ”。应用实例有，日新制钢周南厂 把模糊控制应用于森吉米尔轧机的自动板形控制；冷却液板形模糊控制已 应用于日本古河铝工株式会社福井厂；新日铁名古屋钢铁厂也实现了弯辊 和冷却液联合模糊控制。 1 2 2 板形控制中存在的问题 目前，实际生产中均采用板形自动控f l ；g j a f c ( a u t o m a t i cf l a t n e s sc o n t r 0 1 ) 系统，其存在的主要问题为： ( i ) a f c 系统的模型开发a f c 系统的模型包括预设定模型和反馈控制 模型。在轧制过程中，由于影响板形的因素十分复杂，无法得到与轧机辊 缝对应的精确的数学关系。另外轧制过程的环境恶劣，板形受到的干扰异 4 第1 章绪论 常复杂，这给a f c 系统的建模带来了更大的困难。 ( 2 ) 板形检测信息的模式识别板带材生产过程中，影响板形的因素很 多，板形检测得到的成分也很复杂，因此板形模式识别对板形控制来说至 关重要。只有准确识别板形的各种特征信息，才能为确定板形控制策略提 供依据，否则将鱼目混珠，甚至可能导致执行机构误动作，从而影响板形 质量。因此，寻求简单实用、鲁棒性强的识别方法，使板形控制做到有的 放矢，是板形在线控制急待解决的问题。 ( 3 ) a f c 系统的解耦控制在a f c 系统中，无论是全局板形控制还是局 部板形控制，耦合现象都无法避免。为了提高板形控制系统的控制质量， 消除各种控制手段间的相互影响是a f c 系统的一个现实问题。 ( 4 ) a r c 系统的控制方法在a f c 系统全局板形缺陷控制中，目前多数 采用简单的p i d 控制方法，由于控制系统固有的复杂性，难以取得理想的控 制效果。因此根据板形控制各自的工艺特点，适当地引入先进控制技术对 板带材板形缺陷进行控制是提高a f c 系统控制质量的关键。 1 2 3 板形控制的未来发展方向 ( 1 ) 轧钢设备的更新轧钢设备的更新包括新设备的开发和旧设备的改 造。轧钢设备最主要的就是轧机，虽然自2 0 世纪7 0 年代以来，涌现出了一 大批高新技术的轧机，使板带材的板形质量得到了明显的提高，但无论是 h c 系列轧机，还是c v c 系列轧机都不是完善无缺的。随着工业用户对板带 材板形的要求越来越高，开发既节省能源又具有良好板形控制能力的新型 轧机己成为今后的发展方向。目前，在我国开发高新轧机还有许多困难， 所以引进国外的先进设备，消化其核心技术，吸取其精华，对原有轧机进 行技术改造成为轧钢设备更新的主要方向。 ( 2 ) 板形信息检测及数据处理板形信息检测技术的提高主要是扳形仪 测量精度的提高，因此开发高精度的板形测量传感器，寻求合理的检测方 法，生产出高质量的板形仪是改善板形的又一个突破口。 由于板形检测的成分复杂，所以对获得的板形信息进行处理也足至关 重要的，否则将会鱼目混珠，导致控制器误动作，从而影响板形质量。因 5 燕山大学丁学硕士学位论文 此用神经网络等先进的识别方法抽取板形特征信息，也将是板形控制工作 者努力的一个方向。 ( 3 ) 控制方法的研究板形控制方法的研究，既要考虑到板形的控制能 力，又要考虑到生产过程的复杂性，探求新的控制方法或实现多种方法综 合控制，己成为板形控制发展的另一个方向。 ( 4 ) 控制器的完善控制器是板形控制系统的核心，因此在设计控制器 时，一定要考虑到来料尺寸、形状差异及轧件材质等多方面因素的影响， 力争实现“自由轧制”。由于板形控制系统是一个复杂的工业控制系统， 无法建立其精确的数学模型，而且影响板形的因素繁多，板形检测又很不 完善，这样给控制带来诸多困难。实践证明，对于这样一个复杂系统，常 规的控制方法难以取得理想的控制效果。因而，采用现代控制方法( 如多变 量控制、最优控制、自适应控制、预测控制等) 和智能控制方法( 如模糊控制、 专家系统、神经网络等方法) 相结合的手段，己成为板形控制的发展趋势。 1 3 课题研究目的和意义 随着我国加入w t o ，钢铁工业面临着巨大的挑战，其中冷轧板带产品 的生产受到的冲击最大，国产板带钢与进口板带钢相比，在质量上还存在 较大差距，很多行业用钢还依赖于进口板带钢。于是，如何提高国产板带 钢的质量是目前急需解决的重要问题。板形是衡量板带钢的重要质量指标 之一，因此提高板带钢的质量关键在于解决板形质量问题。 目前，造成板形质量缺陷的重要因素是板形控制技术落后。对于国内 自制设备而言，其板形控制能力不强，缺乏先进的控制模型；而对于引进 的进口设备而言，又缺乏配套的先进控制模型。当务之急，就是要开发具 有自主知识产权的先进板形控制模型，从而提高板形质量。 对于板带材轧制过程而言，轧制环境恶劣，板形受大量非线性因素， 如轧辊初始辊型、磨损辊型、热辊型、轧制力、弯辊力、轧制速度、温度 分布和来料板形等影响。而且，轧制过程的动态特性使控制中难以考虑所 有影响板形的因素，同时板形控制系统具有惯性和滞后的特点，各种控制 因素义相互影响，具有很强的耦合性。因此，板形控制是一个多变量、强 第1 章绪论 耦合的控制系统，十分复杂，板形控制模型的建立十分困难。 传统的板形控制模型建立在基于数学模型的现代控制理论基础上，具 有复杂的非线性，使得难以建立精确的控制模型，并且对于高速连续的自 动轧制过程，模型不能满足现场实时控制的需要。当模型不能很好地完成 控制工作时，操作者必须进行人工干预棒打目测，以控制板形。可见， 操作者的经验对于板形控制的稳定性及板带精度的提高具有重要意义，于 是，人工智能技术被逐渐引入到轧钢生产中来，各种智能控制方法如人工 神经网络、模糊技术、模糊神经网络、专家系统等逐渐与各种控制手段相 结合，在生产中发挥越来越重要的作用，已经成为板形控制技术的重要研 究方向。 目前，在我国的钢铁企业中，多数轧机的板形控制还停留在手动操作 和开环控制的水平，板形控制精度远远不能满足要求。而国外钢铁企业从 上世纪7 0 年代就开始将自适应控制等先进技术应用于生产实践中，并取得 了较好的效果。因此，对板形控制进行研究，探讨适合实际生产需要的板 形控制技术，不仅可以节约能耗、节省原材料，而且对于提高板形质量、 板形稳定性、轧制能力、生产率，及我国在国际钢材市场上的竞争力，缩 小与发达国家的技术差距，使我国的板带产品质量早日达到世界先进水平， 都具有十分重要的意义。 1 4 课题来源与本文主要研究内容 1 4 1 课题来源 本课题来源于国家自然科学基金资助项目( 5 0 6 7 5 1 8 6 ) ：现代带钢冷轧机 板形在线控制模糊神经模型的研究；河北省自然科学基金资助项目 ( e 2 0 0 4 0 0 0 2 0 6 ) ：遗传模糊单神经元双模控制器及其在板形控制中的应用研 究。 1 4 2 本文主要研究内容 本文以冷轧带钢板形智能预测控制为研究课题，针对某1 2 2 0 五机架四 7 燕山大学下学硕上学位论文 辊冷连轧机，将遗传模糊神经网络与预测控制思想相结合用于冷轧板形的 自动控制，进行了以下几方面的研究工作： ( 1 ) 基于前人的研究成果，建立了基于勒让德正交多项式的最小二乘法 板形模式识别模型。 ( 2 ) 根据预测控制的基本原理，建立了改进型e l m a n 网络板形预测模型， 用遗传算法对e l m a n 网络的结构、权值、阈值进行了优化选择，并对e l m a n 网络板形预测模型、基于变分法的板形计算模型和基于b p 网络的板形预测 模型的预测效果，进行了比较分析。 ( 3 ) 根据预测控制的基本原理，建立了基于动态模糊神经网络的板形滚 动优化控制模型。 ( 4 ) ； l j 用m a t l a b 编制了板形预测控制仿真程序，通过对实测轧制参数 的处理，进行了预测控制仿真分析。 第2 章板形基础知识 第2 章板形基础知识 2 1 板形的基本概念 板形包括板带纵、横两个方面的尺寸指标。就纵向而言，通常指的是 平直度，或称翘曲度，俗称浪形，即沿板带长度方向上的平坦程度。就横 向而言，板形所指的是板带的断面形状，即板宽方向上的厚度分布，包括 板凸度、边部减薄及局部高点等一系列概念。其中，板凸度是最为常用的 横向板形代表性指标。为了便于控制，在设计工艺、设备和控制系统时， 进行分别处理，就有了平直度控甫l j a f c ( a u t o m a t i cf l a t n e s sc o n t r 0 1 ) 、凸度 控制a c c ( a u t o m a t i cc r o w nc o n t r 0 1 ) 和边部减薄控制a e c ( a u t o m a t i c e d g e d r o pc o n t r 0 1 ) 。冷轧主要是进行平直度控制，对于某些特殊产品，如 电工钢，还要进行边部减薄控制；热轧主要进行凸度控制。因此，对于冷 轧，板形控制往往就指平直度控制。 2 1 1 板形表示方法 板带材的平直度就其实质而言，是指其内部残余应力的分布。将板带 沿纵向设想成由若干窄条组成，它们互相牵制，互相影响。如果板带沿横 向厚度压下不一样，则各窄条就会相应的发生延伸不均，从而产生相互作 用的内应力。当该内应力足够大时，就会引起板带的翘曲，此翘曲程度即 被定义为平直度。平直度的表示方法主要有以下几种： 2 1 1 1相对长度差表示法相对长度差表示法就是取板带横向不同位置 的相对长度差来表示板形，即 f ：l c - l , x 1 0 5 ( 2 1 ) l 式中l 板带中部纤维长度 l 板带边部纤维长度 云板带纤维平均长度 9 燕山大学工学硕上学位论文 相对长度差一般以l o 巧为一个单位，称为一个i 单位。 2 1 1 2 波形表示法翘曲板带的相对长度测量不方便，所以人们采用了 一种更为直观的表示方法。将板带切取一段置于平台上，其最短纵条视为 一直线，最长纵条视为一个正弦波，则板带材浪形的的波浪度表示如下 a ：生x 1 0 0 ( 2 - 2 ) o 式中凡波形高度 l 波形长度 五波浪度 2 1 1 3 残余应力表示法当沿板带宽度方向各纵向纤维延伸率不均匀 时，各纤维之间必然发生相互作用而产生应力，称之为残余应力。残余应 力沿横向分布必然有拉有压，当压应力大于临界屈曲应力时，就会产生浪 形，否则板带仍然保持平直，所以残余应力既包含了明板形信息，又含有 暗板形信息。由于板形的本质是板带中的残余应力沿横向的分布，因此残 余应力表示法是板形最本质的表示方法。 在带张力轧制时，残余应力的横向分布表现为前张应力的横向分布 a c t ( y ) = 口( y ) 一厅( 2 - 3 ) 式中a ( r ( y ) 残余应力分布 玎( ) ，) 前张应力分布 厅平均前张应力 2 1 2 板形良好的条件 保持板形良好的条件是，板带轧制前后横端面的形状相似，即横向各 部分的压下量相同。设轧前断面厚度为h ( y ) ，轧后断面厚度为矗( y ) ，其 中y 为以板带中心算起的横向位置。在不考虑金属在变形区内的横向流动 时，良好板形应满足 旦盟：c o n s t ( 2 - 4 ) h ( y ) 若以板带中心和边部两点粗略表示板形，则上述关系可表示为 1 0 第2 章板形基础知识 a h b 一：! 塑 f 2 5 1 hh 4 b = hc hc t 2 - 地= 吃一吃 ( 2 - 7 ) 式中日。、吃来料、轧后中心处厚度 日，、见来料、轧后边部厚度 豆、石来料、轧后平均厚度 a h 。来料中部厚度与边部厚度之差 轧后中部厚度与边部厚度之差 在考虑金属在变形区内的横向流动时，良好板形应满足 器= 筹+ 哿也，( y ， 口s ， ( y )l ( y )日( y ) 、 式中 l ( y ) 任意位置y 处，轧前板带长度 “( y ) 任意位置y 处，变形区出口金属的横向位移量 2 2 板形缺陷及其控制策略 2 2 1 常见板形缺陷 现代连轧过程中，板带一般会被施以一定的张力，使得板带表面的翘 曲程度会被消弱甚至完全消除，但并不意味着板带不存在板形缺陷。它会 随着板带张力在后部工序的卸载而显示出来，形成各种各样的板形缺陷。 常见的几种板形缺陷形式及板形如图2 一l 所示。 2 2 2 板形控制策略 对于普通的四辊轧机，可以通过支撑辊倾斜、工作辊弯辊、乳化液分 段冷却来控制板带的平直度。板带的板形与轧辊的有载辊缝形状直接相关， 各种板形控制手段归根到底都是通过改变工作辊的有载辊缝形状来控制板 带的板形。 2 2 2 1 倾斜控制倾辊控制属于自动位置控制，是轧机压下控制的一部 分。它通过支撑辊操作侧和传动侧的液压压下装置，迅速调整两侧的压下 燕山大学t 学硕士学位论文 单边浪 中浪 双边浪 四分浪 边中浪 l l l l l l l l a l l 盛00 i o0 oo 0 0 兮 | 幻邕 图2 - 1 板形缺陷的种类 f i g 2 1 s e v e r a ls t y l e so ff l a t n e s sd e f e c t s 位移，使轧辊作相应的倾斜，构成楔形辊缝，从而对工作辊给定的辊缝进 行微量调节，此微量值足轧辊工作侧与传动侧的倾斜差。倾斜控制主要用 来消除非对称板形缺陷中的左边浪和右边浪。 1 2 第2 章板形基础知识 2 2 2 2 弯辊控制弯辊控制属于自动压力控制。弯辊液压缸产生的压力 通过轧辊的轴承座传递到辊颈上，使工作辊受到一个弯辊力，产生附加弯 曲，以改变辊缝的形状。弯辊力的作用效果可分为两种：一种是使辊缝凸 度增大；另一种是使辊缝凸度减小。正弯辊使工作辊挠度减小，也就是使 工作辊中间部位辊缝相对两边减少，从而控制板带的边浪g 负弯辊使工作 辊挠度增加，也就是使工作辊中间部位辊缝相对两边增加，从而控制板带 的中浪。 在正常轧制时既可以选择操作侧或传动侧弯辊力单边调整，也可以选 择两侧同步调整。如果当前为正弯状态，且一直选择弯辊力减小，则轧辊 先是正弯状态逐渐减弱，之后切换到负弯状态，一直到负弯状态达到最强。 相反，如果当前为负弯状态，当选择弯辊力增大时，轧辊先是负弯状态逐 渐减弱，之后切换到正弯状态，且一直达到最大正弯状态。 2 2 2 3分段冷却控制分段冷却控制主要是对无法通过轧辊倾斜和弯辊 控制消除的复杂板形缺陷进行控制。每个工作辊由若干排连续布置的喷嘴 组成，这些排列的喷嘴中有一部分完成轧制过程中的基本冷却和润滑，其 它喷嘴完成分段冷却的功能。轧辊冷却的分段同板形仪测量段一一对应， 每个冷却段有乳化液喷嘴和控制喷嘴的阀门组成，通过喷嘴开闭及乳化液 喷射量的多少来改变工作辊热膨胀的横向分布，从而改变板带轧制时相应 位置的延伸率，控制板带的平直度。轧辊分段冷却可以控制高次板形缺陷， 但受到轧制过程中的温度和润滑条件限制，其板形调节范围较小且控制的 滞后时问较长。 2 3 板形模式识别 板形模式识别，是板形理论研究的重要内容和板形控制系统的重要组 成部分。它的任务是根据检测或计算的残余应力横向分布离散值珥( f = 1 ，2 ，l ，l 为测量点数或计算点数) ，经过一定的数学运算，得到板 形的特征系数值，为确定板形控制策略提供依据。 早期，板形模式识别的方法，是基于多项式的最小二乘回归法1 3 ”。 这种方法的缺点是，得到的各次板形分量与工程中常见的板形模式大都没 燕山大学t 学硕上学位论文 有对应关系，物理意义不明确；并且为了提高逼近精度，需要较多的多项 式系数和较高的次数，达不到压缩板形特征系数的目的，不利于从宏观上 把握板形和采取相应的控制措施。 后来，有学者提出了基于正交多项式的最小二乘回归法p “”】，达到了 压缩特征系数个数的目的，各次项与工程中常见的板形模式也有对应关系， 但选用的偶次多项式沿板宽的积分值不等于零，不满足残余应力自相平衡 的条件，不符合板形分布的本质，理论上存在缺陷。 目前，随着人工智能技术在轧制中的应用，出现了模糊模式识别法【3 9 】 和人工神经网络法【4 0 1 ，但它们需要大量的训练样本来提高网络的识别精 度，不如传统识别方法简单、实用。此外，还有基于小波分析、遗传算法 的板形模式识别法。 彭艳教授4 1 1 和张秀玲教授4 2 1 对传统的最+ - - 乘板形模式识别方法进 行了改进，建立了基于勒让德正交多项式的板形模式识别法，该方法简单、 实用。本文采用基于勒让德正交多项式的最小二乘法进行板形的模式识别。 2 3 1 板形基本模式 轧后板形表现为纵向残余应力a a r ( y ) 的横向分布，此残余应力应满足 其自相平衡的条件，即沿板宽的积分值为零 1 l 。a c r ( y ) d ，= 0 ( 2 9 ) 式中y 归一化后的板宽坐标 工程上常见的板形模式有六种，即左边浪、右边浪、中间浪、双边浪、 四分浪、边中浪。选用一次、二次、四次勒让德正交多项式表示三对两两 互反的六种板形基本模式所对应的残余应力分布，对应的标准归一化方程 如式( 2 - 1 0 ) 至式( 2 1 5 ) 所示，它们所表示的残余应力分布曲线如图2 2 所示。 左边浪的标准归一化方程 k = p l ( y ) = y ( 2 1 0 ) 右边浪的标准归一化方程 y 2 = 一p l ( y ) = 一y ( 2 - 1 1 ) 1 4 第2 章板形基础知识 10 500 51 ( a ) 左边浪 10 500 5 ( c ) 中间浪 i- o 500 5l y 1- 0 500 5 ( d ) 双边浪 1 - o y 0 o 5 l1 0 一 y 0 0 5 ( e ) 四分浪( f ) 边中浪 图2 2 板形基本模式的残余应力 f i g 2 - 2 r e s i d u a ls t r e s so fb a s i cs t r i pp a t t e r n s 燕山大学t 学硕上学位论文 中间浪的标准归- - 4 l j y 程 i 3 = p 2 ( ) ，) = 吾y 2 一i 1 双边浪的标准归一化方程 y 4 = - p 2 ( y ，= 一吾y 2 一争 四分浪的标准归一化方程 y 5 = p 3 ( y ) = ( 3 5 y - 3 0 y 2 + 3 ) 边中浪的标准归一化方程 i 6 = - - p 3 ( y ) = 一( 3 5 y - - 3 0 y 2 + 3 ) ( 2 一1 2 ) ( 2 1 3 ) f 2 1 4 ) ( 2 1 5 ) 2 3 2 基于勒让德正交多项式的最小二乘法 一般地，轧后板形可以表示为基本模式板形的线性组合 a o ( y ) = a t 见( _ ) ，) + d 2 p 2 ( y ) + a 3 p 3 ( y ) ( 2 - 1 6 ) 式中 d l ，a 2 ，a 3 板形特征系数 该方法将检测或计算得到的残余应力a o ( y ) 直接拟合成如式( 2 1 6 ) 所 示的勒让德正交多项式的线性组合。板形特征系数值o a ，a ：，呜，应使拟合误 差q 满足 q = 殂呸一日1 p l ( f ) 一a z p 2 ( i ) 一a 3 p 3 ( i ) 2 = m i n ( 2 1 7 ) i = 1 利用m a t l a b 软件中矩阵左除的命令，可直接求出a i ) a ：，a 3 。令 q = q p l i + 口2 见l + q p 3 l 吒2 以p i 2 + a 2 p 2 2 + a t p 3 2( 2 1 8 ) ： 吒= a t p l n + 口2 p 2 h + a i p 3 4 并记 1 6 第2 章板形基础知识 d = 三呈 ，p = ：三： ，a = 圣1 ( 2 ) 计算实际残余应力值嘎= 嘎厂磊，其中磊为实测或计算得到的前 ( 3 ) 计算板形偏差q = q 一一，其中一为目标板形应力值，计算板形 ( 4 ) 对板形偏差进行归一化：a o = 二b ； ( 6 ) 计算实际的板形特征系数值，即4 ，= c x m a x l o j i ，j = 1 ，2 ，3 。 1 7 燕山大学t 学硕士学位论文 分布为：【1 4 ，0 ，3 5 ，5 8 ，8 2 ，8 9 ，1 0 1 ，9 9 ，9 9 ，1 1 2 ，1 0 6 ，9 7 ，1 0 2 ，9 6 ，8 2 ， 6 7 ，4 9 ，5 5 】，单位为i 。利用基于勒让德正交多项式的最；b - 乘法，对其 进行模式识别，识别结果如图2 4 所示。 山 = 一 b 扳宽，( 山 至 一 气 ( a ) 待识别板形和拟合板形( b ) 一次板形曲线 ( c ) 二次板形曲线( d ) 四次板形曲线 图2 - 3 板形模式识别实例l f i g 2 3 t h ef l a t n e s sp a t t e r nr e c o g n i t i o ne x a m p l e1 1 8 第2 章板形摹础知识 ( a ) 待识别板形和拟合板形 ( c ) 二次板形曲线 ( b ) 一次扳形曲线 ( d ) 四次板形曲线 图2 4 板形模式识别实例2 f i g 2 4 t h ef l a t n e s sp a t t e r nr e c o g n i t i o ne x a m p l e2 图2 3 ( a ) 、图2 - 4 ( a ) 为待识别板形残余应力曲线及识别后的板形拟合曲 线，图2 - 3 ( b ) 、图2 - 4 ( b ) 为待识别板形中的一次板形分量的残余应力曲线； 图2 3 ( c ) 、图2 - 4 ( c ) 为待识别板形中的二次板