（机械设计及理论专业论文）四辊冷轧机板形神经模糊控制研究.pdf

摘要 摘要 板带材生产在国民经济中占有十分重要的地位，广泛应用于汽车、家 用电器和宇航技术等方面。随着社会的不断进步，用户对板带材产品的质 量提出了越来越高的要求。板厚和板形是板带材质量的两大主要质量指标， 到目前为止，板厚问题已基本上得到了完善的解决，而对于板形问题，一 直没有得到满意的解决，板形问题己成为日益迫切的急需解决的问题。 倾辊和弯辊是常用的两种板形控制手段，是消除一次和二次板形的主 要手段。在实际中，广泛使用传统的p i d 模型进行控制，本文在此基础上， 根据从板形数据中提取出的一次和二次板形信息，利用神经网络动态调整 p i d 控制器的参数，将基于神经网络的模糊p i d 模型应用到倾辊和弯辊控 制中，以提高传统p i d 模型对板形的控制能力。 分段冷却也是常用的板形控制手段，生产中主要用来消除高次板形， 它是一个及其复杂的过程，很难建立一个精确的数学模型，本文针对这一 问题，利用板形数据中的高次板形信息，在线地对分段冷却模型进行模糊 辨识，根据辨识结果求逆，得到动态的模糊控制器进行控制，建立了分段 冷却自适应模糊控制模型，以提高高次板形的控制质量。 本文最后在所建立的板形智能控制模型的基础上，编写了动态仿真软 件，形象地展示了板形控制效果。仿真结果表明所建立的基于神经网络的 模糊p i d 倾辊弯辊控制模型和分段冷却自适应模糊控制模型可靠性高、适 应性强，提高了板形综合控制的精度，推动了板形控制的发展，具有重要 的实用价值。 关键词板形；智能控制；l a i d ；神经网络；模糊控制；自适应控制；动态 仿真 燕山大学t 学硕上学位论文 a b s t r a c t s t r i pp r o d u c t i o ni sv e r yi m p o r t a n ti nn a t i o n a lp r o d u c lw h i c hi sw i d e l yu s e d i na u t o m o t i v ev e h i c l e ，h o u s e h o l da p p l i a n c ea n ds p a c en a v i g a t i o nt e c h n o l o g ye t c w i t ht h ed e v e l o p m e n to fo u rs o c i e t y , m o r ea n dm o r eh i g h q u a l i t yp r o d u c t sa l e n e e d e db yc u s t o m e r s t h i c k n e s sp r e c i s i o na n df l a t n e s sa l et w om a i nq u a l i t y t a r g e t s u pt on o w , t h ep r o b l e mo f t h i c k n e s sp r e c i s i o nh a sb e e ns o l v e do nt h e w h o l e ，h o w e v e r , t h ep r o b l e mo ff l a t n e s sh a sn o tb e e ns o l v e ds a t i s f a c t o r i l ya n di t i sm o r ea n dm o r eu r g e n tt os o l v et h ep r o b l e m t i l t i n gr o l la n db e n d i n gr o l la l et w oc o m m o nf l a t n e s sc o n t r o l m e a n sa n d t h e ya r em a i nm e a n so fe l i m i n a t i n gl i n e a la n dq u a d r a t i cf l a t n e s s i np r a c t i c e ， c o n v e n t i o n a lp i dm o d ei su s e dw i d e l y , b a s e do nw h i c hf u z z yp i db a s e do n n e u r a ln e t w o r ki su s e di nt i l t i n gr o l la n db e n d i n gr o l lc o n t r o lt or a i s ef l a t n e s s c o n t r o la b i l i t yo fc o n v e n t i o n a lp i dm o d eu s i n gn e u r a ln e t w o r kt oa d 3 u s tt h e p a r a m e t e r so fp i dc o n t r o l l e ri nt h ep a p e r s u b s e c t i o n a lc o o l i n gi sa l s oc o m m o nf l a t n e s sc o n t r 0 1m e a n s ，w h i c hi s m a i n l yu s e dt oe l i m i n a t eh i g h e rd e g r e ef l a t n e s s i t i sam o s tc o m p l e xp r o c e s s a n di ti sh a r dt ob u i l dap r e c i s em a t h e m a t i c a lm o d e l ，s os e l f - a d a p t i v ef u z z y c o n t r o le f f e c t sf o rs u b s e c t i o n a lc o o l i n gm o d e li sb u i l tb yi d e n t i f y i n g s u b s e c t i o n a lc o o l i n gm o d e lb yh i g h e rd e g r e ef l a t n e s si n f o r m a t i o no ff l a t n e s s d a t aa n dg a i n i n gd y n a m i cf u z z yc o n t r o l l e rt or a i s eh i g h e rd e g r e ef l a t n e s sc o n t r o l q u a l i t yi nt h ep a p e r l a s ti nt h ep a p e r , ad y n a m i cs i m u l a t i n gs o f t w a r ei sc o m p i l e db a s eo nt h e b u i l tf l a t n e s si n t e l l e c tc o n t r o lm o d e l b yw h i c hf l a t n e s sc o n t r o le f f e c t s s i m u l a t i n gr e s u l t si n d i c a t et h a tt h eb u i l tf u z z yp i db a s e do nn e u r a l n e t w o r k t i l t i n gr o l l a n db e n d i n gr o l lm o d e la n ds e l f - a d a p t i v ef u z z yc o n t r o le f f e c t sf o r s u b s e c t i o n a lc o o l i n gm o d e lh a v eh i g hr e l i a b i l i t ya n ds t r o n ga d a p t a b i l i t y ，r a i s i n g f l a t n e s si n t e g r a t e dc o n t r o lp r e c i s i o n ，p 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 s a b s t r a c t c o n t r o la n dh a v i n gi m p o r t a n t p r a c t i c a lv a l u e k e y w o r d sf l a t n e s s ；i n t e l l i g e n tc o n t r o l ；p i d ；n e u r a ln e t w o r k ；f u z z yc o n t r o l ； s e l f - a d a p t i v ec o n t r o l ；d y n a m i cs i m u l a t i n g i l l 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四辊冷轧机板形神经模 糊控制研究，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，论文中除已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 努嘴之 日期：坷年删日 燕山大学硕士学位论文使用授权书 四辊冷轧机板形神经模糊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，可以公布论文的 全部或部分内容。 保密口，在年解密后适用本授权书。 本学位论文属于 不保密叮。 ( 请在以上相应方框内打“4 ”) 作者签名： 导师签名： 努哆孑日期岬年中月洎 擞，日叻謦彩 第1 章绪论 第1 章绪论 1 1 课题研究背景 1 1 1 我国钢铁工业发展现状 从2 0 世纪末到现在，世界钢铁技术迅速发展，轧制出现了高度的自动 化、连续化和高精度。我国钢铁工业适应新的发展，取得了持续高速增长 的举世瞩目的成就，使我国成为世界第一产钢大国和消费大国，为我国经 济的持续高速增长作出了重要贡献1 1 】。在不断开创现代钢铁增长新纪录的同 时，我国钢铁科技也进入了一个蓬勃发展的新时期，并已成为钢铁生产高 速增长的主要推动力量，而且在今后的1 0 1 5 年，我国钢铁工业还将在较 高水平上继续保持稳定增长的发展趋势，同时，我国钢铁工业的科学与技 术发展水平也必将迈上新的台阶【2 】。 但是，目前我国钢铁行业的持续高速发展还面临不少问题，主要是： ( 1 ) 资源短缺限制钢铁工业的高速增长： ( 2 ) 环境容量限制钢铁行业规模扩张； ( 3 ) 投资分散、节奏失衡将严重影响短缺资源和资金的有效分配与利用， 导致产业集中程度的降低，可能造成产能短期内的过剩，最终影响企业竞 争能力与全行业持续健康发展； ( 4 ) 国民经济某些用钢大户行业( 如建筑、交通运输) 的发展速度变化和新 的要求，会对钢铁生产和科技的发展速度造成重大影响。 目前在钢铁产品方面，我国与发达国家还有一定的差距，主要反映在 优质钢材和冶金新材料方面。在优质带材方面，钢中杂质和有害元素较高， 组织和性能方面存在较大差距，表面质量和外形尺寸精度，特别是薄板的 表面质量有较大的差距；在冶金新材料方面，国外朝性能高级化，品种规 格多样化，先进材料制备高技术化方向发展，我国则存在品种结构不合理， 高性能材料尚需进口，部分装备、软件尚需引进的不足。 燕山大学1 = 学硕士学位论文 1 1 2 板形控制发展现状 冷轧带材的生产水平标志着一个国家钢铁工业的发展水平，板厚精度 和板形精度是板带材的两大主要质量指标，因此相应的板厚控制技术和板 形控制技术就成为轧钢领域的两大关键技术，最近几十年来，板厚控制技 术和板形控制技术都有了较大发展【3 l 。 在板厚控制方面，从上世纪五十年代就开始进行研究，随着轧制技术 和轧制理论的进步，厚度自动控制( a g c ) 系统得以迅速发展，到目前已达到 比较完善的地步，厚度控制精度基本上得到解决【9 】。 在板形控制方面，对于它的研究远早于板厚控制的研究，但发展一直 很慢。六十年代国内外开始从新的理论高度研究板形问题，在板形基础理 论和控制技术方面取得了较大的进展。 在理论上，以斯通为代表的弹性基础梁方法和绍特为代表的影响系数 方法以及有限元方法的出现大大推进了板形理论的发展【l o l ，人们对板形控 制的数学模型进行了深入细致的研究，在轧件三维变形理论、轧辊的弹性 变形理论、动态遗传理论、动态设定型板形测控理论和解析板形刚度理论 方面都取得了较大的进展，用计算机模拟轧制过程，对轧后板形和横向厚 度差进行精确的设定、预测和控制，提高了轧制产品的精度和成品率。 在技术上，各个国家从工艺手段和设备两个方面入手，开发了许多适 用的新技术，出现了各种各样的新工艺、新轧机、新检测手段和控制系统。 工艺方面的板形控制技术主要有i l i 】： ( 1 ) 合理安排不同规格产品的轧制； ( 2 ) 合理制定轧制规程； ( 3 ) 轧辊调温法( 调整轧辊热凸度分布) ： ( 4 ) 张力控制法( 改变张应力分布) ； ( 5 ) 异步轧制法。 设备方面的板形控制技术主要有： ( 1 ) 垂直平面弯辊系统； ( 2 ) 水平面工作辊弯辊系统； 2 第1 章绪论 ( 3 ) 轧辊交叉系统； ( 4 ) 阶梯支撑辊技术； ( 5 ) 轧辊分段冷却技术； ( 6 ) 轴向移动圆柱形轧辊技术； ( 7 ) 轴向移动非圆柱形轧辊技术； ( 8 ) 轴向移动带辊套的轧辊技术； ( 9 ) 柔性轧辊技术； ( 1 0 ) 柔性边部支撑辊控制板形技术。 虽然现阶段出现的这些板形控制技术使板形的实物水平得到不断提 高，但由于影响板形的因素及其复杂，当前板形问题在世界范围内依然没 有较理想的解决办法，板形问题已成为国内外轧钢界研究热点之一。 1 1 3 板形控制存在的问题 要精确地控制板形，就要建立精确的板形控制系统，目前影响和限制 高精度板形控制系统建立的问题主要符1 2 】： ( 1 ) 板形检测信息的检测和模式分解由于现场情况很复杂，板形的检 测受到诸多因素的影响，如何提高板形检测手段的精度，得到尽量接近真 实的板形信息是实现高精度板形控制的前提。另外板形控制的每一种手段 只能控制某一类板形缺陷，而实测板形是一个综合信息，所以必须对检测 到的板形信息进行适当的处理，即模式分解。如何寻求简单实用、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。 ( 2 ) 板形控制系统的模型开发板形控制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 的干扰异常复杂，这给板形控制系统的建模带来了更大的困难。 ( 3 ) 板形控制系统的解耦控制在板形控制系统中，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板形控制系统面i 临的一个现实 燕山大学工学硕士学位论文 问题。 ( 4 ) 板形控制系统的控制方法在板形控制系统板形缺陷的控制中，目 前多数采用简单的p i d 控制方法1 3 】，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，适当的引入先进 控制技术对带材板形缺陷进行控制，是提高板形控制系统控制质量的关键。 1 2 人工智能在轧钢领域中的应用 1 2 1 人工智能的概念和特点 人工智能( a r t i f i c i a li n t e l l i g e n c ea i ) 是那些与人的思维、决策、问题求解 和学习等有关活动的自动化1 1 4 1 ，它是- t l 正在发展的综合性的前沿学科， 是计算机科学与技术学科领域的一个重要的研究方向，主要研究如何使用 机器( 计算机) 来模拟和实现人类的智能行为，是在计算机、控制论、信息论， 数学、心理学、哲学、语言学等6 种学科相互综合、相互渗透的基础上发 展起来的一门新兴边缘学利”】。 现代控制理论随着要研究的对象和系统越来越复杂，借助于数学模型 描述和分析的传统控制理论难以解决复杂系统的控制问题，尤其是在具有 如下特点的一类现代控制工程中i l6 】： ( 1 ) 不确定性的模型传统控制是基于模型的控制，这里的模型包括控 制对象干扰模型。传统控制通常认为模型是已知的或经过辨识可以得到的。 对于不确定性的模型，传统控制难以满足要求。 ( 2 ) 高度非线性在传统的控制理论中，线性系统理论比较成熟，对于 具有高度非线性的控制对象，虽然也有一些非线性控制方法可供使用，但 总的来说，目前非线性控制理论还很不成熟，有些方法又过于复杂，无法 广泛应用。 ( 3 ) 复杂的任务要求在传统的控制系统中，控制的任务要求输出量为 定值( 调节系统) 或者要求输出量跟随期望的运动轨迹( 跟踪系统) ，因此控制 任务的要求比较单一。但对于复杂的控制任务诸如智能机器人系统、复杂 工业过程控制系统、计算机集成制造系统( e l m s ) 、航天航空控制系统、社 4 第1 章绪论 会经济管理系统、环保及能源系统等传统的控制理论都无能为力。 综上所述，现代控制系统普遍表现为系统的数学模型难以通过传统的 数学工具来描述。因此，采用数学工具或计算机仿真技术的传统控制理论 已经无法解决此类系统的控制问题。然而，我们在生产实践中看到，许多 复杂的生产过程难以实现的目标控制，可以通过熟练的操作工、技术人员 或专家的操作获得满意的控制效果。那么，如何有效地将熟练的操作工、 技术人员或专家的经验知识和控制理论结合起来去解决复杂系统的控制问 题就是智能控制原理研究的目标所在。智能控制的概念主要是针对控制对 象及其环境、目标和任务的不确定性和复杂性而提出来的。一方面，这是 由于实现大规模复杂系统的控制需要，另一方面，也是由于现代计算机技 术、人工智能和微电子学等学科的高速发展，使控制的技术工具发生了革 命性的变化。 1 2 2 人工智能在轧钢领域的应用状况 从8 0 年代开始，人工智能就进入了轧制领域【1 ”，此后各国轧钢学者和 工程技术人员在人工智能发面做了大量的工作，内容涉及到神经网络、模 糊控制、专家系统和遗传算法等各个方面。 在神经网络方面，利用b p 网络进行板形识别【l 引、利用自组织模型进行 操作数据分类1 9 1 、应用神经网络提高热轧轧制力模型精度 2 0 , 2 1 、利用神经 网络预报冷轧轧制力捌、利用神经网络模型对冷轧过程进行厚度控制2 3 l 、 利用神经网络预报轧件出1 3 厚度1 2 4 l 、应用神经网络检查冷轧带钢表面的缺 陷瑚、应用有限元和神经网络对三维冷轧过程轧制力和变形进行预报【2 6 】、 利用神经网络识别轧辊偏心【删、把神经网络用于轧机的自动控制0 2 8 垮。 在模糊控制方面，有中厚板轧制平面形状模糊控制f 2 9 】、连轧机自适应 模糊张力控制、粗轧机的模糊分类张力控制3 ”、带钢板形的模糊控制3 2 1 、 参数自整定模糊控制器厚度监控a g c 的实现、板厚张力不相关控制 3 ”、 无头轧制多级传动系统如、型钢轧机的模糊设定3 5 1 、利用模糊推理进行冷 连轧机组的智能操作指导【蚓、棒材轧制的模糊多目标优化口”、连轧模糊自 适应综合控制系统 3 8 1 、不锈钢轧制过程板形自动模糊逻辑控制3 9 】、轧制过 燕山大学工学硕士学位论文 程模糊逻辑控制m 】、热轧板冷却过程多变量模糊控制【4 l l 、热带钢轧机板形 控制模糊算法钮、在车l s l j 力预防中应用模糊控制的研究等叫。 在专家系统方面，有热带钢轧机的过程控制l 、智能型穿轧机压下控 制仪4 5 1 、冷连轧机厚度精度诊断蛔、中厚板坯料设计软件研究与应用 4 7 1 、 液压a g c 系统故障诊断专家系统的实现【4 引、热连轧负荷分配【4 9 】、棒钢出炉 节奏控制5 0 j 、高速线材轧机机械故障诊断系统5 1 1 、高速线材尺寸精度控制 专家系统1 5 ”、热轧在线传动系统诊断【5 列等。 在遗传算法方面，有基于遗传算法的热连轧机弯辊力预设定控制m j 、 基于g a 的模糊控制器在弯辊控制中的应用1 55 1 、基于递阶遗传算法的r b f 神经元网络板形板厚综合控制【5 “、基于遗传算法的电液弯辊力伺服控制【5 ”、 热连轧精轧机组的板形最优控制【5 踟、多目标遗传算法在八辊五机架全连续 冷连轧机轧制策略优化中的应用1 5 9 】、基于m a s 的分布式棒线材轧制在线生 产调度系统唧】、硅钢板轧制中工作辊磨损模型参数的研究1 6 、基于全局并 行遗传算法的冷连轧机轧制策略优化研究【6 2 1 等。 1 2 3 在轧钢领域引入智能方法的必要性 现代金属轧制过程特别是连轧过程的控制非常复杂，它涉及到压力、 速度、流量、温度等大量物理参数，以及弹性变形、塑性变形、热力耦合 等复杂过程、工件内部组织结构与性能的变化等多方面的问题。所以，轧 制过程具有多变量、非线性、强耦合的特征嘟】，利用传统方法，只能从几 条基本假设出发，按照推理演绎的方法，导出某个或某些参数的计算公式， 实践证明，这种方法不能满足现代化高精度轧制过程控制的要求。 应运而生的人工智能适应了这种需要。它避开了过去那种对轧制过程 深层规律的无止境的探求，转而模拟人脑来处理那些实实在在发生了的事 情。它不是从基本原理出发，而是以事实和数据作根据，来实现对过程的 优化控制。过去轧机自动控制系统的缺憾和不足，是靠操作工头脑的判断、 通过人工干预来弥补的。有了人工智能参与之后，把这部分工作用计算机 来实现，利用它武装起来的计算机依靠的是数据，从实际生产过程中采集 数据，经过处理后用于指导同一条生产线。这样针对性强，可靠性高，更 6 第1 章绪论 有利于轧制过程的优化控制，况且计算机的反应速度快、计算精度高、存 储容量大m l 。 目前在轧制过程中的各个环节，从生产计划的编排、坯料的管理、加 热中的优化燃烧控制、轧制中的设定计算及厚度和板形控制，到成品库的 管理等都有人工智能方法成功应用的例子。可见，人工智能已经成为现代 化轧机实现高精度控制的一个非常有效的工具，它进入轧制过程领域是轧 制理论和轧制技术发展史上一件具有划时代意义的大事。 1 3 课题来源及其研究意义 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。 我国现有的板形控制整体水平与国际先进水平相比还有一定的差距【2 1 。 制约板形控制技术提高的瓶颈和关键则是关于板形理论和模型的研究滞后 于技术的发展，缺乏先进的板形控制模型。因此，全面深入地研究板形控 制理论，建立精确快速的板形在线控制模型，已成为板形技术发展的迫切 要求。 然而板形控制系统是一个及其复杂的非线性系统，而且影响板形的因 素繁多，板形检测又很不完善，很难建立精确的数学模型。与此同时，智 能控制迅速发展，在轧制领域获得了广泛的应用，它与板形控制的结合为 板形控制提供了一个强有力的工具，为板形的在线高精度控制开辟了新的 途径，对我国钢铁技术赶超世界先进国家具有重要的意义。 1 4 本课题主要研究内容 本文根据我国现有板形控制技术的现状，以1 2 2 0 五机架四辊冷连轧机 为研究对象，首先建立了基于神经网络的模糊p i d 倾辊弯辊控制模型，来 7 燕山大学t 学硕士学位论文 控制一次和二次板形偏差，并对模型进行了仿真；其次，建立了分段冷却 自适应模糊控制模型，来控制高次板形偏差，并对其进行了仿真：最后， 在以上两个模型的基础上编写了动态仿真软件，形象地展示了板形控制的 效果，为板形智能控制建立了一个简易平台。 8 第2 章板形控制理论基础 第2 章板形控制理论基础 2 1 板形有关基本知识 2 1 1 板形的概念 板带的轧制过程实质上是金属在轧辊作用下发生塑性变形的过程，一 定断面形状的坯料经过轧制发生明显的纵向延伸和一定的横向流动，最终 成为一定尺寸的成品。板带轧制对变形过程有一个主要的要求，即沿板带 宽度各部分有均一的纵向延伸。设想将带钢分割成若干纵条，如果对于任 何一条压下量发生变化，都会引起该窄条的纵向延伸发生变化，同时也会 影响到相邻窄条的变形。由于带钢实际上是一个整体，各窄条之间必定互 相牵制，互相影响，因此，当沿横向的压下量分布不均时，各窄条就会相 应地发生不均匀的延伸，这就会在各窄条之间产生相互作用的内应力。当 这个内应力足够大时，就会引起带钢的翘曲1 6 ”。 为了说明金属纵向变形的不均匀程度，引入了“板形”这个概念。所 谓扳形，直观来说，是指板材的翘曲程度：就其实质而言，是指带钢内部 残余应力的分布。只要带钢中存在残余的内应力，就称为板形不良。如果 这个应力虽然存在，但不足以引起带钢翘曲，则称为“潜在的”板形不良， 如果应力足够大，以致引起带钢翘曲，则称为“表观的”板形不良1 6 j 。带钢 在张力作用下冷轧有时并未发生翘曲，当去除张力后，带钢发生明显的翘 曲，前者可称为潜在的板形不良，后者称为表观的板形不良。 带钢中内应力的分布不同，它所引起的带钢翘曲的形式也不同，根据 带钢内应力的分布规律和翘曲程度，板形缺陷可分为：单边浪、双边浪、 中间浪、边中浪和四分浪等，它们的板形缺陷形式、横断面形状以及应力 的大体分布如图2 1 所示 t 2 1 。 9 燕山大学工学硕士学位论文 爿爿o 讲协 团目 = 马 二亡= 自匕= be = 刍 ( a ) 单边浪 ( b ) 双边浪 ( c ) 中间浪( d ) 边中浪 ( e ) 四分浪 图2 - i几种基本的板形缺陷 f i g 2 - 1 s e v e r a le l e m e n t a r yf l a t n e s sd e f e c t s 2 1 2 板形的表示方法 定量地表示板形，既是生产中衡量板形质量的需要，也是研究板形问 题和实现自动控制的前提条件。从板形理论研究与生产应用的不同角度出 发，根据带钢翘曲的力学条件以及带钢内部应力的分布趋势，板形缺陷既 可以用相对长度差来表示，也可以用表观的波形表示，既可以用矢量表示， 也可以用残余应力的分布表示，另外还有一些其它的表示方法，常用的表 示方法主要有如下几种f 6 5 1 ： ( 1 ) 相对长度差表示方法相对长度差表示方法就是取板带上横向不同 点的纵条的相对长度差来表示板形的方法。英国的相对长度差单位是蒙 ( m o n ) ，1 蒙相当于相对长度差为1 0 。4 ；美国是用带材宽度上最长和最短纵 条上的相对长度差来表示，单位是百分数；加拿大吕公司也是取最长和最 短纵条之间的相对长度差作为板形单位，称为i 单位，1 个l 表示相对长度 差l o 一，我国也用i 表示板形单位。所以板形。可表示为 r 。= 1 0 5 竺( 2 1 ) “ 上 式中所取基准点的轧后长度 其它点相对基准点的轧后长度差 1 0 第2 章板形控制理沦基础 ( 2 ) 波形表示方法在翘曲的带钢上测量相对长度来求出相对长度差很 不方便，所以人们采用了更为直观的方法，即以翘曲波形来表示板形，称 为翘曲度。将带材切取一段置于平台之上，如将最短纵条视为直线，最长 纵条视为一正弦波，则如图2 - 2 所示，可将带钢的翘曲度彳表示为 名：拿1 0 0 ( 2 - 2 ) “ 式中r 一波幅 一波长 图2 2 正弦波的波形曲线 f i g 2 - 2 t h ec u r v eo f s i n ew a v e 这种方法直观、易于测量，所以许多工作者都采用这种方法表示板形。 ( 3 ) 矢量表示法这是研究某些板形控制系统时所采用的一种表示方 法，它形象地表示了在控制系统作用下板形的变化趋势。如图2 3 所示，设 有某板形控制系统，当其设定值变化为1 时，带钢的c 点( 中心) 、口点( 半板 中心) 、p 点( 边部) 的板厚分别变化口。、以。这里口。、吼、o t e 为该系 统对板形的影响系数。以板宽方向的位置石为横坐标，以口为纵坐标，可将 影响系数表示于图2 3 ( a ) 上。上述三个影响系数的值大小不同，表示板形的 变化趋势也不同。怎样用一个统一的量来表示这些复杂的变化昵? 为解决 这个问题，引入了板形矢量0 。如图2 3 ( b ) ，板形矢量。有两个分量0 。和 0 。，即 一 0 = o ( o 。，o 。) ( 2 - 3 ) 燕山大学工学硕士学位论文 o 。和o 。可由下式确定： o ( o 。o ) o 目 0 0 。 ( a ) 影响系数 ( b ) 板形矢量 图2 3 扳形矢量的定义 f i g 2 - 3 t h ed e f i n i t i o no f f l a t n e s sv e g t o r o 。：! 盟 ( 2 4 )。= _ 旦( 2 4 ) z q o ，：! 益( 2 5 )。= _ 三-( 2 - 5 ) j p 一石q ( 4 ) 残余应力表示法带钢板形实质上是指带钢内部残余应力沿横向的 分布。所以在理论研究和板形控制中用带钢内部的残余应力表示板形更能 反映问题的实质。如果施加到标准长度部分上的单位张力为死，则板宽上 某点的单位张力丁) 可表示为 t ( x ) = r o a t ( y ) = r o e e ( y )( 2 - 6 ) 式中双y h 曳余应力 “y 残余应变 卜带材的弹性模量 ) 一板宽位置坐标 第2 章板形控制理论基础 2 1 3 板形良好的几何条件 要获得良好的板形，必须保证带材沿横向有均匀的纵向延伸。因此， 必须保证轧件轧前断面几何形状和承载辊缝形状相匹配，即轧前和轧后断 面几何形状之间保持一定的几何关系。设轧前断面形状为翻，轧后断面 形状为 ，其中y 为以带材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，良好板形的条件在带宽范围内应该满足如下条件【6 5 】： 黑：a = c o n s t ( 2 - 7 ) o ) 式中日( y ) 来料厚度 厅( y ) 出口厚度 若以带材中心和边部两点粗略表示板形，则上述关系可表示为： 竺二丝：垃(2-8)hh 又可表示为 4 d - b _ ：盟( 2 - 9 ) hh 式中 皿，玩来料、轧后带材中心处厚度 h e ，吃来料、轧后带材边部厚度 巩来料中部厚度与边部厚度之差 吃轧后中部厚度与边部厚度之差 日， 来料、轧后平均厚度 事实上，上述条件是很粗略的，实践已证明是不够精确的。若考虑金 属在变形区的横向流动，则良好板形的条件应该满足如下条件脚】： 燕山大学工学硕士学位论文 一a h b h = 等+ 塑h 川o ) + “，( 刍2三 、7、7 或 竺盟：些垃+ 丝盟一血，( y 1 ( y ) l t y ) i - i ( y ) 式中a u 7 0 ) 变形区出1 ：3 金属的横向位移导数的增量 工( y ) 轧后带材纵条长度增量 厶轧后带材边部与中部纵条长度差 三( y ) - 牟l 后带材纵条长度 工轧后带材纵条平均长度 2 2 板形智能控制理论 f 2 一l o ) ( 2 1 1 ) 2 2 1 人工神经网络 人工神经网络是由大量处理单元广泛互连而成的网络。它是在现代神 经科学研究成果的基础上提出的，反映了人脑功能的基本特征，但并不是 人脑的真实描写，而这是它的某种抽象、简化与模拟。网络的信息处理由 神经元之间的相互作用来实现，知识与信息的存贮表现为网络元件间分布 式的物理联系；网络的学习和识别取决于各种神经元连接权值的动态演化 过程1 6 7 1 。 人工神经网络的主要特征为连续时间非线性动力学、网络的全局作用、 大规模并行分布处理及高度的鲁棒性和学习联想能力。同时它又具有一般 非线性动力系统的共性，即不可预测性、吸引性、耗散性、非平衡性、不 可逆性、高维性、广泛连接性与自适应性等。因此，它实际上是一个超大 规模非线性连续时间自适应信息处理系统1 6 4 1 。 1 4 第2 章板形控制理论基础 2 2 1 1 人工神经网络的结构根据神经元之间连接的拓扑结构上的不同， 可将神经网络机构分为两大类：分层网络和互连型网络。 分层网络将一个神经网络模型中的所有神经元功能分成若干层，一般 有输入层、中间层和输出层，各层顺序连接。分层网络可以细分为三种互 连形式： ( 1 ) 不含反馈的前向网络，如图2 - 4 ( a ) 所示； ( 2 ) 从输出层到输入层有反馈的前向网络，如图2 - 4 ( b ) 所示； ( 3 ) 层内有相互连接的前向网络，如图2 - 4 ( c ) 所示。 魏藤 ( a ) 瓣融 ( c )( d ) 图2 - 4 神经网络拓扑结构形式 f i g 2 - 4 t h et o p l o # c a js t r u c t u r eo f n e t w o r k 相互连接网络是指网络中任意两个单元之间都有可能连接，如图2 - 4 ( d ) 所示。在无反馈的前向网络中，信号一旦通过某个神经元，过程就结束。 丽相互连接型网络中，信号要在神经元之间反复往返传递，网络处在一种 燕山大学工学硕士学位论文 不断改变状态的动态之中。从某初态开始，经过若干次的变化，才会到达 某种平衡状态。根据网络的结构和神经元的特性，还有可能进入周期振荡 或混沌等状态。因此，相互连接型网络可以认为是一种非线性动力学系统。 2 2 1 2 神经网络的学习方法如何设计权值使网络达到一定的要求，是人 工神经网络必不可少的部分，大多数神经网络权值的设计是通过学习得到 的，目前学习方式可分为如下几种。 ( 1 ) h e b b 型学习h e b b 型学习规则可描述为：如果神经网络中某一神 经元与另外一个直接与其相连的神经元同时处于兴奋状态，那么这两个神 经元的连接强度应该加强。用一算法表达式表示为 0 ( 七+ 1 ) = 0 ( 七) + ，7 ”( k ) y ，( 七) ( 2 1 2 ) 式中( k + 1 ) | i + 1 次迭代后单元i 和输出单元，之问连接权值 ( ) 次迭代后单元f 和输出单元，之间连接权值 ，7 学习因子，通常0 【o ，1 】 ( 2 - 1 6 ) 确定论域x 的一个模糊子集爿。肌称为模糊子集的隶属函数，肌 ) 称为x 对4 的隶属度，它表示论域x 中的元素x 属于其模糊子集4 的程度。 2 2 2 2 模糊关系两个非空集合x 与y 之间直积为 x x y = ( 2 1 7 ) 式( 2 1 7 ) 中的一个模糊子集r 被称为x 到y 的模糊关系，又称为二元模 糊关系。其特性可以由下面的隶属函数来描述 鳓：x x y _ 【o ，1 】( 2 1 8 ) 隶属函数舷表示序偶 b 的关系矩阵，对于给定的， b y ，则可推得结论a ，a x ，且a + 为 a + 3 善( ( 爿( 工) b ( y ) ) b ( 力) ( 2 3 4 ) 2 3 板形模式识别 在实际生产中，由检测仪测得的板形并不能单纯的属于某一类板形， 而是很复杂的多种类型板形模式在不同程度上的组合。而在轧机控制系统 中并没有直接消除这种复杂板形的相对应的控制机构，那么这种复杂板形 用什么方式来消除呢? 根据板形缺陷的基本模式以及相对应的扳形控制机 构，我们联想到可将这个复杂板形分解成基本的一次板形、二次板形及高 次板形的形式，然后根据每一种基本板形所属的程度，再经过数值转换之 后分别作用于相应的板形控制系统。这个过程的实现也就是所谓的板形模 式识别。 2 3 1 模式识别的基本原理 板形信号模式识别就是对实测的一组板形信号进行分析，采用一定的 数学方法判别该板形信号中存在的板形缺陷类型，以便为各种板形的控制 第2 章板形控制理论基础 策略提供依据。 板形模式识别基本原理如图2 7 所示。 图2 - 7 板形模式识别基本原理 f i g 2 7 t h ef u n d a m e n t a lp r i n c i p l eo ff l a t n e s sp a t t e r nr e c o g n i t i o n 根据板形模式识别的基本原理，可以得知板形模式识别的主要任务就 是把在线检测到的( 或理论计算得到的) 一组张力分布离散值经过一定的数 学方法，映射为较少的几个特征参数。而这些特征参数必须满足如下特点： ( 1 ) 尽可能少的状态变量，数学表达简练； ( 2 ) 不丢失必要的信息。特征参数能够完全反映原应力分布值所决定的 带钢板形质量状态； ( 3 ) 特征参数便于计算机处理，满足控制上的要求。 2 3 。2 标准板形模式的选择 一般的板形信号的缺陷模式较复杂，数学描述作为控制参数不能直接 使用。通常，根据被控轧机的技术和工艺实况及控制要求，定义行种标准 板形模式作为基本模式，识别的结果是每组离散板形信号与目标板形之间 的偏差值仃反映的板形缺陷属于某种模式或几种模式一定程度上的组合， 并用特征参数a 。( k = 1 , 2 ，n ) 表示，从而正确地反映每组板形检测信号所 决定的板形状况，为后续板形控制策略提供依据，以满足控制要求【1 2 】。 从冷轧板带轧制工艺过程可以看出，轧后板形残余应力应满足其自相 平衡即沿带宽横向积分为零的约束条件。由于勒让德多