（控制理论与控制工程专业论文）板形智能控制策略的研究.pdf

东北大学 硕士学位论文中文摘要 板形智能控制策略的研究 摘 要 本文以人工智能理论为基础， 选择冷带轧机板形智能控制策略为研究课题， 对板形神经网络模式识别与模糊控制相结合的控制策略以及板形板厚综合预报 控制策略进行了深入的研究，取得了一定的成果。 在板形神经一模糊控制策略研究中， 提出一种基于遗传算法优化b p 神经网 络的板形缺陷模式识别方法，并基于模式识别结果设计了板形模糊控制器。首 先提出了一种实用的g a ( g e n e r i c a l g o r i t h m 一一遗传算法) 编码方案，并对 遗传参数进行改进，对b p网络的拓扑结构进行优化。利用勒让德正交多项式 建立了6 种板形缺陷基本模式， 设计了6 输入 3 输出的g a - b p 板形缺陷模式识 别模型。 然后将模式识别与控制器设计合二为一， 利用g a - b p 神经网络识别出 相对于6 种基本模式的的隶属度，直接作为板形模糊控制的前件部，实现了隶 属度的求取功能。通过对板形缺陷特征的分析，合理定义了模糊集合，推导了 板形模糊控制算法，大大地减少了模糊推理的计算量。 通过对现场实测数据的仿真，表明g a - b p 板形模式识别方法可以准确识别 出实际板形缺陷中的基本模式，物理意义明确，识别精度可以达到1 0 - 5 ，效果 令人满意. 同时与 c ma c神经网络模型识别效果进行了比较， 结果表明g a - b p 模型识别精度要高， 而c ma c网络的识别速度比较快， 两种方法各有所长。 依 据本文提出的两个板形缺陷性能指标，板形模糊控制器的仿真结果表明，该控 制器可快速将板形缺陷控制到期望目 标， 同时最大板形缺陷可控制在士 2 1 以内， 板形控制性能良好。 鉴于板形板厚控制系统是祸合的、复杂的多变量系统，板形控制受到板厚 的影响和制约，因此对板形板厚综合预测控制策略进行了研究。通过分析板形 板厚控制系统的数学模型，采用g a - b p 神经网络构建板形板厚预测模型， 在此 基础上应用集中优化一集中控制的算法，推导了轧制力和工作辊弯辊力的在线 控制规律，并且采用反馈校正的方法，对控制模型在线进行修正。仿真表明， 该方法实现了板形板厚控制的解祸， 控制效果比前馈补偿解祸p i d控制策略要 好，为解决采用常规控制技术难以有效控制板形板厚系统的难题奠定了基础。 关键词:板形遗传算法b p网络模式识别 模糊推理预测控制 东北大学硕士学位论文 r e s e a r c h o n i n t e l l i g e n t c o n t r o l s t r a t e g y o f fl a t n e s s ab s t r a c t t h i s p a p e r s e l e c t s i n t e l l i g e n t c o n t r o l s t r a t e g y o f fl a t n e s s a s r e s e a r c h t h e s i s b a s e d o n a r t i f i c a l i n t e l l i g e n t t h e o ry, m a k e s e m b e d d e d s t u d y o n c o n t r o l s t r a t e g y w h i c h c o m b i n e d p a t t e rn- r e c o g n i t i o n u s i n g n e u r a l n e t w o r k w i t h f u z z y c o n t r o l o f fl a t n e s s , w h i c h h a s ma d e c e r t a i n a c h i e v e me n t . i n t h e r e s e a r c h o n n e u r a l - f u z z y c o n t r o l s t r a t e g y o f fl a t n e e s , t h i s p a p e r p u t f o r w a r d a p a tt e rn - r e c o g n i t i o n m e t h o d f o r fl a t n e s s d e f e c t b a s e d o n b p n e t w o r k o p t i m i z e d 妙 g e n e t i c a l g o r i t h m a n d d e s i g n a fl a t n e s s f u z z y c o n t r o l l e r o n t h e b a s i s o f p a t t e r - r e c o g n i t i o n r e s u l t s . f i r s t , a p r a c t i c a l g a c o d e s c h e m e i s p u t f o r w a r d . mo r e e v e r , g e n e t i c p a r a m e t e r s a r e im p r o v e d a n d t o p o l o g i c a l s t r u c t u r e o f b p n e t w o r k i s o p t i m i z e d . b a s e d o n t h e s e w o r k , t h i s p a p e r c o n s t i t u t e s s i x e s s e n c e p a tt e r n s o f fl a t n e s s d e f e c t u s i n g l e r a n d e o r t h o d o x y p o l y n o m i a l a n d d e s i g n a g a - b p fl a t n e s s d e f e c t p a tt e rn- r e c o g n i t i o n n e t w o r k m o d e l w i t h 6 i n p u t s a n d 3 o u t p u t s . t h e n , p a t t e r - r e c o g n i t i o n a n d c o n t r o l l e r a r e u n i t e d i n t o o n e f u n c t i o n a n d i t r e c o g n i z e t h e m e m b e r s h i p o f fl a t n e s s d e f e c t r e l a t i v e t o s i x e s s e n c e p a t t e rns a s t h e f o r e p i e c e o f f u z z y c o n t r o l l e r d i r e c t l y w h i c h r e a l i z e d e v a l u a t i o n f u n c t i o n o f m e m b e r s h i p . t h r o u g h t h e a n a l y s i s o f fl a t n e s s d e f e c t c h a r a c t e r s , i t d e f i n e t h e f u z z y s e t r a t i o n a l l y , d e d u c e fl a t n e s s f u z z y c o n t r o l a l g o r i t h m a n d r e d u c e c a l c u l a t i o n a l a m o u t o f f u z z y i n f e r e n c e g r e a t l y . t h r o u g h t h e s i m u l a t i o n w i t h f i e l d - m e a s u r e d d a t a , i t s h o w s t h a t g a - b p p a tt e rn- r e c o g n i t i o n m e t h o d c a n r e c o g n i z e e s s e n c e p a t t e rns fr o m a c t u a l fl a t n e s s d e f e c t a c c u r a t e l y a n d h a s n o t o n l y s i g n i f i c a n t p h y s i c a l d e f i n i t u d e , a l s o h i g h d i s c r i m - in a t in g p r e c i s i o n t h a t r e a c h 1 0 - 5 a n d s a t i s f i e d e f f e c t . a t t h e s a m e t i m e , i t c o m p a r e d r e c o g n i t i o n e f f e c t s w i t h c ma c r e c o g n i t i o n m o d e l . t h e r e s u l t s h o w s t h a t g a - b p h a s h i g e r d i s c r im i n a t i n g p r e c i s o n t h a n c ma c , b u t c ma c a c h i e v e b e t t e r i n t r a i n i n g s p e e d , s o t h e s e t w o m e t h o d h a v e t h e i r o w n s t r o n g p o i n t e a c h . a c c o r d i n g t o t w o p e r f o r m a n c e i n d e x o f fl a t n e s s d e f e c t e x t r a c t e d i n t h e p a p e r , s i m u l a t i o n r e s u l t f o r fl a t n e s s f u z z y c o n t r o l l e r i n d i c a t e s t h a t t h i s c o n t r o l l e r c a n c o n t r o l fl a t n e s s d e f e c t t o e x p e c t e d t a r g e t fl e e t l y a n d m a x m i u n d e f e c t c a n b e r e s t r i c t e d u n d e r 1 2 i , w h i c h 东 北大学 硕士学位论文 m e a n s t h a t i t h a s u p s t a n d i n g c o n t r o l p e r f o r m a n c e . i n v i e w o f t h a t fl a t n e s s a n d t h i c k n e s s c o n t r o l s y s e m i s a c o u p l e d a n d c o m p l i c a t e d s y s t e m , fl a t n e s s c o n t r o l i s e ff e c t e d a n d r e s t r i c t e d b y t h i c k n e s s c o n t r o l . s o t h i s p a p e r a l s o t a k e r e s e a r c h o n fl a t n e s s a n d t h i c k n e s s s y n t h e t i c a l p r e d i c t i v e c o n t r o l s t r a t e g y . t h r o u g h t h e a n a l y s i s o n ma t h e m a t i c m o d e l o f fl a t n e s s a n d t h i c k n e s s c o n t r o l s y s t e m , i t a d o p t g a - b p n e t w o r k t o c o n s t r u c t p r e d i c t i v e m o d e l a n d o n t h i s b a s i s i t u s e d c e n t r a l i z e d o p t i m i z a t i o n - c e n t r a l i z e d c o n t r o l a l g o r i t h m t o d e d u c e o n l i n e c o n t r o l l i n g l a w f o r o p t i m a l r o l l i n g f o r c e a n d w o r k - r o l l b e n d i n g f o r c e . a l s o i t a d o p t f e e d b a c k m o d i f i c a t i o n m e t h o d t o re v i s e c o n t r o l m o d e l o n l i n e . s i m u l a t i o n s h o w s t h a t th i s s t r a t e g y c a n r e a l i z e d e c o u p l e i n g f o r fl a t n e s s a n d t h i c k n e s s c o n t r o l a n d i t s c o n t r o l e ff e c t s i s b e t t e r t h a n f e e d f o r w a r d c o m p e n s a t i o n d e c o u p l i n g a n d p i d c o n t r o l m e t h o d , w h i c h e s t a b l i s h t h e f o u n d a t i o n o f s o l v i n g d i f f i c u l t p r o b l e m t h a t r o u t i n e c o n t r o l m e t h o d c a n t e ff e c t i v e l y c o n t r o l fl a t n e s s a n d t h i c k n e s s s y n t h e t i c a l s y s t e m . k e y w o r d : f l a t n e s s , g e n e t i c a l g o r i t h m , b a c k p r o p o g a t i o n n e t w o r k , p a tt e r n - r e c o g n i t i o n , f u z z y i n f e r e n c e , p r e d i c t i v e c o n t r o l m 独创性声明 本人声明所呈交的学位论文是在导师的指导下完成的。论文中 取得的研究成果除加以标注和致谢的地方外，不包含其他人已经发 表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示谢意。 本 人 签 名 : 3 -p ， 日期: ) 川 水年 讼片叻日 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用 学位论文的规定:即学校有权保留并向国家有关部门或机构送交论 文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可 以将学位论文的全部或部分内容编入有关数据库进行检索、交流。 ( 如作者和导师同意网上交流，请在下方签名;否则视为不同 意。 ) 学 位 论 文 作 者 签 名 : 孚 林导 师 签 名 : 钊 13 签字日期: 汹于 v a -.4 4签 字 日 期 ?. 呀 za l 6 ” 东北大学硕士学位论文第一章 绪论 第一章 绪论 板形精度是带钢的一项主要质量指标和决定其市场竞争力的重要因素。随 着汽车、轻工、家电和电气制造等工业用户对板形质量要求的不断提高，板形 控制技术己成为带钢生产的核心技术之一，是继板厚控制之后世界各国开发研 究的又一热点问题。 一个完整的板形控制系统， 不但要控制轧制力， 同时还要控制液压弯辊力、 轧辊横移、带钢张力、轧辊偏心及局部热凸度等，这些因素又相互影响，因此 它是一个多变量、 强祸合、 非线性的控制系统 v 。由于板形控制系统的复杂性， 板形控制系统数学模型的精确建立具有相当的难度，是板形控制中的难点。 近年来，人工智能在轧制中的应用引起了人们的广泛关注，专家系统、人 工神经网络、模糊逻辑与模糊控制、遗传算法等，已经成为轧制领域研究人员 耳熟能详的新名词，一场人工智能热正在轧制领域悄悄兴起2 - 6 人工智能技术具有极强的处理非线性和不确定性问题的能力，而这些也是 板形控制中的难点问题，因此随着知识处理技术的发展，人工智能技术在板形 控制中的应用越来越广泛。目前，国内外已经就人工智能在板形控制中的应用 进行了大量分析和研究，并取得了满意的成果。进一步的工厂实际应用也表明 了 人工智能技术在板形控制中有着广泛的应用前景7 - 8 1 1 . 1 1 . 1 . 1 人工智能在轧制领域中的发展概况 传统轧制分析方法的缺陷9 1 经过几代人艰苦努力建立起来的传统轧制理论，曾经帮助人们加深了对轧 制过程本质的认识，解决了主要轧制过程参数 ( 如宽展、前滑、轧制力等)的 近似计算问题。但是它所能达到的精度，己经远远不能满足现代轧钢生产技术 发展的需要。 在轧制理论的形成与发展过程中，人们为了能够方便地对轧制过程进行理 论分析，对轧制过程进行了一系列简化，提出了理想轧制过程的概念。其核心 内容主要包括以下假设: ( 1 ) 轧辊是匀速转动、圆柱形的不变形刚体; ( 2 ) 轧件是均质、均温、 各向同性的理想塑性材料: 一】_ 东北大学硕士学位论文第一章 绪论 第一章 绪论 板形精度是带钢的一项主要质量指标和决定其市场竞争力的重要因素。随 着汽车、轻工、家电和电气制造等工业用户对板形质量要求的不断提高，板形 控制技术己成为带钢生产的核心技术之一，是继板厚控制之后世界各国开发研 究的又一热点问题。 一个完整的板形控制系统， 不但要控制轧制力， 同时还要控制液压弯辊力、 轧辊横移、带钢张力、轧辊偏心及局部热凸度等，这些因素又相互影响，因此 它是一个多变量、 强祸合、 非线性的控制系统 v 。由于板形控制系统的复杂性， 板形控制系统数学模型的精确建立具有相当的难度，是板形控制中的难点。 近年来，人工智能在轧制中的应用引起了人们的广泛关注，专家系统、人 工神经网络、模糊逻辑与模糊控制、遗传算法等，已经成为轧制领域研究人员 耳熟能详的新名词，一场人工智能热正在轧制领域悄悄兴起2 - 6 人工智能技术具有极强的处理非线性和不确定性问题的能力，而这些也是 板形控制中的难点问题，因此随着知识处理技术的发展，人工智能技术在板形 控制中的应用越来越广泛。目前，国内外已经就人工智能在板形控制中的应用 进行了大量分析和研究，并取得了满意的成果。进一步的工厂实际应用也表明 了 人工智能技术在板形控制中有着广泛的应用前景7 - 8 1 1 . 1 1 . 1 . 1 人工智能在轧制领域中的发展概况 传统轧制分析方法的缺陷9 1 经过几代人艰苦努力建立起来的传统轧制理论，曾经帮助人们加深了对轧 制过程本质的认识，解决了主要轧制过程参数 ( 如宽展、前滑、轧制力等)的 近似计算问题。但是它所能达到的精度，己经远远不能满足现代轧钢生产技术 发展的需要。 在轧制理论的形成与发展过程中，人们为了能够方便地对轧制过程进行理 论分析，对轧制过程进行了一系列简化，提出了理想轧制过程的概念。其核心 内容主要包括以下假设: ( 1 ) 轧辊是匀速转动、圆柱形的不变形刚体; ( 2 ) 轧件是均质、均温、 各向同性的理想塑性材料: 一】_ 东北大学硕士学位论文第一章 绪论 ( 3 ) 变形过程中金属无横向流动 ( 平面变形假设) ; ( 4 ) 在同一垂直平面内，各处金属质点的流动速度相同或接触面上轧件速 度与轧辊速度一致; ( 5 ) 双辊传动，变形过程是上下对称、左右对称的。 上述介绍的抽象化的理想轧制过程实际上是不存在的，但是它却可以为我 们分析现代轧制技术的特点提供参照。 我们先来看轧辊。首先，轧辊不是一个理想的圆柱体，板形控制要求我们 研究轧辊凸度， 这里既有辊型设计时采用的原始凸度， 也有热凸度和磨损凸度， 特别是近几年来还为一些特定的轧辊设计了凸度曲线( 典型的如c v c轧辊) ; 其 次，轧辊远不是刚体，在轧制力作用下，轧辊不但会产生弹性挠曲，而且还有 弹性压扁; 另外， 轧件带来的 热量会引起轧辊的 热膨胀p o i 。 不从这样的角度去 看待轧辊，就谈不上高水平的板形控制。 再来看轧件。轧件也不是均质、均温、各向同性的理想塑性材料。人们早 己认识到，轧件头、中、尾的温度不均匀分布，是导致产品尺寸偏差的重要原 因;沿板带钢轧件横截面的温差，不仅导致出现浪形，而且会对晶粒尺寸等轧 件内部的组织性能产生影响。对轧件内部晶粒形状取向、织构的研究己成为提 高产品深冲性能、电磁性能等特殊要求的条件【 ” 1 。 人们己经越来越不能容忍平面变形假设与平断面假设所带来的误差和缺 憾。可见，传统的轧制理论己经远远不能满足现代化轧制技术发展的需要，实 践呼唤着新的、更为有效的方法出现。 1 . 3 . 2现代轧制技术的特点 现代轧制技术的特点可以归纳如下: ( 1 )多变量轧制过程中涉及的物理量很多。它们是随着时间进程与空间位 置而变化的，如温度、压力、张力、速度、流量、张力等。而且很多物理量是 以 场的形式存在的，如温度场、应力场、应变场、速度场等; ( 2 ) 强藕合。上述变量中，其中 任何一个发生变化都将引 起其它多个变量 发生变化，从而导致整个系统状态的改变。这种变量之间的影响是双向的，例 如温度的变化引起轧制力的变化，而轧制力变化引起塑性变形功率的变化，反 过来又引起温度的变化: ( 3 ) 非线性轧制过程中的很多相关关系是非线性的。 这里既有几何非线性， 也有物理非线性问题。例如应力应变关系、轧机刚度曲线、轧件塑性曲线等; 一2_ 东北大学硕士学位论文第一章 绪论 ( 3 ) 变形过程中金属无横向流动 ( 平面变形假设) ; ( 4 ) 在同一垂直平面内，各处金属质点的流动速度相同或接触面上轧件速 度与轧辊速度一致; ( 5 ) 双辊传动，变形过程是上下对称、左右对称的。 上述介绍的抽象化的理想轧制过程实际上是不存在的，但是它却可以为我 们分析现代轧制技术的特点提供参照。 我们先来看轧辊。首先，轧辊不是一个理想的圆柱体，板形控制要求我们 研究轧辊凸度， 这里既有辊型设计时采用的原始凸度， 也有热凸度和磨损凸度， 特别是近几年来还为一些特定的轧辊设计了凸度曲线( 典型的如c v c轧辊) ; 其 次，轧辊远不是刚体，在轧制力作用下，轧辊不但会产生弹性挠曲，而且还有 弹性压扁; 另外， 轧件带来的 热量会引起轧辊的 热膨胀p o i 。 不从这样的角度去 看待轧辊，就谈不上高水平的板形控制。 再来看轧件。轧件也不是均质、均温、各向同性的理想塑性材料。人们早 己认识到，轧件头、中、尾的温度不均匀分布，是导致产品尺寸偏差的重要原 因;沿板带钢轧件横截面的温差，不仅导致出现浪形，而且会对晶粒尺寸等轧 件内部的组织性能产生影响。对轧件内部晶粒形状取向、织构的研究己成为提 高产品深冲性能、电磁性能等特殊要求的条件【 ” 1 。 人们己经越来越不能容忍平面变形假设与平断面假设所带来的误差和缺 憾。可见，传统的轧制理论己经远远不能满足现代化轧制技术发展的需要，实 践呼唤着新的、更为有效的方法出现。 1 . 3 . 2现代轧制技术的特点 现代轧制技术的特点可以归纳如下: ( 1 )多变量轧制过程中涉及的物理量很多。它们是随着时间进程与空间位 置而变化的，如温度、压力、张力、速度、流量、张力等。而且很多物理量是 以 场的形式存在的，如温度场、应力场、应变场、速度场等; ( 2 ) 强藕合。上述变量中，其中 任何一个发生变化都将引 起其它多个变量 发生变化，从而导致整个系统状态的改变。这种变量之间的影响是双向的，例 如温度的变化引起轧制力的变化，而轧制力变化引起塑性变形功率的变化，反 过来又引起温度的变化: ( 3 ) 非线性轧制过程中的很多相关关系是非线性的。 这里既有几何非线性， 也有物理非线性问题。例如应力应变关系、轧机刚度曲线、轧件塑性曲线等; 一2_ 东 北大 学 硕士学 位论文第 一章 绪 论 ( 4 ) 时变性轧制过程不可能长期稳定地维持在一个理想的最佳点。上述大 量非线性、强祸合的变量时时刻刻在变化着，影响着目 标控制量的变化。 面对一堆这样复杂的问题，循规蹈矩地按照传统方法，从几条基木假设出 发，列出几个方程， 进行简化求解， 显然难以得到理想的结果。 在这种情况下， 善于思索的人们难免要提出疑问，在传统方法显得力不从心的时候，是不是会 有新的途径来帮助我们解决这些问题呢? 进入2 0 世纪8 0 年代以后，计算机科学与技术取得了惊人的进步。功能强 大的微型机己经成为科学技术人员最得力的助手与工具，各种专门用途的软件 如雨后春笋般地涌现出来。计算机软硬件条件的改进为人工智能的发展提供了 良好的土壤，伴随着对人的思维规律与智慧特征的探索和对人脑、神经系统生 理机制的研究，人工智能的理论与方法逐渐成熟，并在很多领域应用成功。这 引起了轧制工作者的极大兴趣。 人工智能所带来的全新的思维方法和处理手段， 令人振奋，耳目一新. 人工智能进入轧制过程研究领域，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，为轧制理论发展树立了新的里程碑。 1 . 1 . 3人工智能在轧制领域中的应用p 2 - 1 7 1 人工智能与传统方法不同，它避开了过去那种对轧制过程深层规律无止境 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。利用大量的数据 通过 “ 训练”的过程告诉计算机，在什么条件下、什么钢种、多高的温度、压 下量多大、轧制力是多大。经过千百万次的训练，计算机硬 “ 记住”了这种因 果关系。当再次给出相似范围内的具体条件，问讯轧制力时，计算机就会给出 一个答案。这个答案是可信的，因为它基于事实，是千百万次实实在在发生了 的真实情况。 人工智能使我们手中又多了一个强有力的工具。人工智能进入轧制过程研 究领域，是轧制理论和轧制技术发展历史上一件具有划时代意义的大事。短短 几年间己经成功地应用于从板坯库管理到加热、轧制、精整、成品库整条生产 线的各个环节，完成管理、参数预报、过程优化、监控等多方面的工作。这正 是人工智能近年来颇受轧制工作者青睐的原因。 围绕着人工智能在轧制中的应用，一轮新的国际竞争己经开始。专家们纷 纷预言: 2 1 世纪将是轧制技术发展的人工智能时代。 在这个新时代即将到来之 一3- 东 北大 学 硕士学 位论文第 一章 绪 论 ( 4 ) 时变性轧制过程不可能长期稳定地维持在一个理想的最佳点。上述大 量非线性、强祸合的变量时时刻刻在变化着，影响着目 标控制量的变化。 面对一堆这样复杂的问题，循规蹈矩地按照传统方法，从几条基木假设出 发，列出几个方程， 进行简化求解， 显然难以得到理想的结果。 在这种情况下， 善于思索的人们难免要提出疑问，在传统方法显得力不从心的时候，是不是会 有新的途径来帮助我们解决这些问题呢? 进入2 0 世纪8 0 年代以后，计算机科学与技术取得了惊人的进步。功能强 大的微型机己经成为科学技术人员最得力的助手与工具，各种专门用途的软件 如雨后春笋般地涌现出来。计算机软硬件条件的改进为人工智能的发展提供了 良好的土壤，伴随着对人的思维规律与智慧特征的探索和对人脑、神经系统生 理机制的研究，人工智能的理论与方法逐渐成熟，并在很多领域应用成功。这 引起了轧制工作者的极大兴趣。 人工智能所带来的全新的思维方法和处理手段， 令人振奋，耳目一新. 人工智能进入轧制过程研究领域，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，为轧制理论发展树立了新的里程碑。 1 . 1 . 3人工智能在轧制领域中的应用p 2 - 1 7 1 人工智能与传统方法不同，它避开了过去那种对轧制过程深层规律无止境 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。利用大量的数据 通过 “ 训练”的过程告诉计算机，在什么条件下、什么钢种、多高的温度、压 下量多大、轧制力是多大。经过千百万次的训练，计算机硬 “ 记住”了这种因 果关系。当再次给出相似范围内的具体条件，问讯轧制力时，计算机就会给出 一个答案。这个答案是可信的，因为它基于事实，是千百万次实实在在发生了 的真实情况。 人工智能使我们手中又多了一个强有力的工具。人工智能进入轧制过程研 究领域，是轧制理论和轧制技术发展历史上一件具有划时代意义的大事。短短 几年间己经成功地应用于从板坯库管理到加热、轧制、精整、成品库整条生产 线的各个环节，完成管理、参数预报、过程优化、监控等多方面的工作。这正 是人工智能近年来颇受轧制工作者青睐的原因。 围绕着人工智能在轧制中的应用，一轮新的国际竞争己经开始。专家们纷 纷预言: 2 1 世纪将是轧制技术发展的人工智能时代。 在这个新时代即将到来之 一3- 东北大学硕士学 位论文第一章 绪论 际，首先回顾一下近年来人工智能在轧制领域应用的发展状况，以利于做好思 想上、技术上的准备，赶上时代的步伐，与国际先进水平接轨。 人工智能进入轧制领域可以追溯到 2 0 世纪 8 0 年代。 1 9 8 4 年小园东雄曾介 绍了利用人工智能技术进行型钢的最优剪切控制。 9 0 年代以后，日本轧钢界学 者和工程技术人员在人工智能应用方面作了大量的工作。 在模糊理论和模糊控制方面，有带钢板形的模糊控制、估计碳素钢的变形 抗力、进行板厚一张力不相关控制、棒钢轧机的模糊设定、热带精轧机组的轧 制规程设定、利用模糊推理进行冷连轧机组的智能操作指导等等。 在专家系统应用方面， 有冷连轧机厚度精度诊断、 热连轧负荷分配， h型 钢孔型设计、型钢质量设计、棒钢出炉节奏控制、热轧在线传动系统诊断箔材 板形控制、铝材轧机板形控制、坯料精整路线选择、热带钢轧机的板坯自动搬 运、精整线板卷运输等等。 在神经网络方面，有冷连轧机组压下规程设定、多辊轧机板形控制、利用 b p网络进行板形识别、 综合利用神经网络和模糊逻辑进行板形控制、 利用自组 织模型进行操作数据分类等等。 与日本学者的风格不同，德国学者虽然没有像日本人那样发表那么多的文 章，但他们在人工智能的实际应用方面也下了很大功夫。据介绍，西门子公司 ( s i e m e n s a g ) 利用神经网络进行轧制过程自 动控制， 进行轧制力预报、带钢温 度预报和自 然宽展预报， 使轧制力预报精度提高1 5 % - 4 0 %， 温度精度提高2 5 % , 宽展精度提高2 5 %。 这些成果己 经应用于德国蒂森钢铁公司( t h y s s e n a g ) 、 赫 施钢铁公司( h o e s c h a g ) 等轧钢厂的6 套轧机上。 除了日本和德国之外，其他各国轧制工作者也在人工智能应用的各个方面 展开了 研究工作。 如勒奥( k p r a o ) 等利用神经网络预报热变形中的屈服应力， 拉齐奥( j l a r k i o a ) 等利用神经网络预报冷轧轧制力，埃斯特雷纳( k .a i s t l e i n e r ) 等 利用神经网 络识别轧辊偏心， 鲍特曼( f . p o r t m a n n ) 等把神经网络用于轧机的自 动 控制，马可华( ( s . w m a r k w a r d ) 等利用神经网络控制热镀锌线镀层质量的大小， j o n g y e o b j u n g 等用模糊理论控制冷轧板形等。 最近， 澳大利亚伍伦贡大学铁 乌( k .t i e u ) 教授带领的研究组在用模糊神经网络控制带钢厚度、 用遗传算法优化 轧制规程、利用神经网络预报轧件出口厚度等方面开展了一系列工作，引起人 们的关注。 在国内，2 0世纪 9 0年代以后开始有人工智能在轧制领域应用方面研究的 报道。如型钢工艺故障模糊诊断、工字钢孔型设计专家系统、利用神经网络预 一4_ 东 北大学 硕士学 位论文第一章 绪 论 报热连轧机组轧制力等。 近 1 0 年来， 我国在这方面的研究有了很大的进展: 周 旭东等提出工作辊分段冷却小脑模型模糊控制;孙一康等将免疫算法和模糊神 经网络相结合用于板形板厚控制;贾春玉提出了基于神经网络模糊推理的智能 厚度控制;钢铁研究总院提出热连轧动态负荷分配专家系统等，这些成果积极 的将人工智能技术应用于轧钢生产实践，提高了我国的轧钢自 动化水平。 1 .2板形控制的发展概况 1 .2 . 1 板形控制技术的发展 1 8 -2 0 1 2 0 世纪5 0 年代以前，带钢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6 0 年代，液压弯辊装置被应用到钢板轧机上，这标志着带钢板形控 制进入了新的时期。采用液压弯辊装置的目的是为了能调节轧辊挠度，使得带 钢板形的在线控制成为可能。 日 本石川岛播磨重工株式会社于2 0 世纪7 0 年代初期，开始研制在带钢平直 条件下的最佳弯辊力计算， 把它作为预设定控制模型， 用计算机进行在线控制， 这是板形模型控制的雏形。虽然弯辊控制技术比较成熟，而且被公认是控制板 形和板凸度的有效手段，但是由于受弯辊力和模型的限制，把它应用到连轧机 上去还存在不少问题。后来出现了最优轧制规程和动态负荷分配法生产带钢的 板形控制技术。 板形控制技术在2 0 世纪7 0 年代取得了重大进展。 1 9 7 2 年日立公司开发的h c 轧机( h i g h c r o w n c o n t r o l m i l l ) ， 使板形理论和板形控制技术进入了一个新的时 期。 1 9 7 4 年日 本住友金属工业公司开发了 v c ( v a r i a b l e c r o w n ) 轧辊技术，并在 1 9 7 7 年研制成功。它通过瞬时改变轧辊的凸度的方法来控制板形质量。 1 9 8 2 年，连续可变凸度的c v c 轧机( c o n t i n u o u s l y v a r i a b l e c r o w n mi l l ) 由 s ms 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t - 与新日 铁合作研制的p c 轧机( p a i r c r o s s e d r o l l i n g 一5_ 东 北大学 硕士学 位论文第一章 绪 论 报热连轧机组轧制力等。 近 1 0 年来， 我国在这方面的研究有了很大的进展: 周 旭东等提出工作辊分段冷却小脑模型模糊控制;孙一康等将免疫算法和模糊神 经网络相结合用于板形板厚控制;贾春玉提出了基于神经网络模糊推理的智能 厚度控制;钢铁研究总院提出热连轧动态负荷分配专家系统等，这些成果积极 的将人工智能技术应用于轧钢生产实践，提高了我国的轧钢自 动化水平。 1 .2板形控制的发展概况 1 .2 . 1 板形控制技术的发展 1 8 -2 0 1 2 0 世纪5 0 年代以前，带钢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6 0 年代，液压弯辊装置被应用到钢板轧机上，这标志着带钢板形控 制进入了新的时期。采用液压弯辊装置的目的是为了能调节轧辊挠度，使得带 钢板形的在线控制成为可能。 日 本石川岛播磨重工株式会社于2 0 世纪7 0 年代初期，开始研制在带钢平直 条件下的最佳弯辊力计算， 把它作为预设定控制模型， 用计算机进行在线控制， 这是板形模型控制的雏形。虽然弯辊控制技术比较成熟，而且被公认是控制板 形和板凸度的有效手段，但是由于受弯辊力和模型的限制，把它应用到连轧机 上去还存在不少问题。后来出现了最优轧制规程和动态负荷分配法生产带钢的 板形控制技术。 板形控制技术在2 0 世纪7 0 年代取得了重大进展。 1 9 7 2 年日立公司开发的h c 轧机( h i g h c r o w n c o n t r o l m i l l ) ， 使板形理论和板形控制技术进入了一个新的时 期。 1 9 7 4 年日 本住友金属工业公司开发了 v c ( v a r i a b l e c r o w n ) 轧辊技术，并在 1 9 7 7 年研制成功。它通过瞬时改变轧辊的凸度的方法来控制板形质量。 1 9 8 2 年，连续可变凸度的c v c 轧机( c o n t i n u o u s l y v a r i a b l e c r o w n mi l l ) 由 s ms 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t - 与新日 铁合作研制的p c 轧机( p a i r c r o s s e d r o l l i n g 一5_ 东 北大学 硕士学 位论文第一章 绪 论 报热连轧机组轧制力等。 近 1 0 年来， 我国在这方面的研究有了很大的进展: 周 旭东等提出工作辊分段冷却小脑模型模糊控制;孙一康等将免疫算法和模糊神 经网络相结合用于板形板厚控制;贾春玉提出了基于神经网络模糊推理的智能 厚度控制;钢铁研究总院提出热连轧动态负荷分配专家系统等，这些成果积极 的将人工智能技术应用于轧钢生产实践，提高了我国的轧钢自 动化水平。 1 .2板形控制的发展概况 1 .2 . 1 板形控制技术的发展 1 8 -2 0 1 2 0 世纪5 0 年代以前，带钢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6 0 年代，液压弯辊装置被应用到钢板轧机上，这标志着带钢板形控 制进入了新的时期。采用液压弯辊装置的目的是为了能调节轧辊挠度，使得带 钢板形的在线控制成为可能。 日 本石川岛播磨重工株式会社于2 0 世纪7 0 年代初期，开始研制在带钢平直 条件下的最佳弯辊力计算， 把它作为预设定控制模型， 用计算机进行在线控制， 这是板形模型控制的雏形。虽然弯辊控制技术比较成熟，而且被公认是控制板 形和板凸度的有效手段，但是由于受弯辊力和模型的限制，把它应用到连轧机 上去还存在不少问题。后来出现了最优轧制规程和动态负荷分配法生产带钢的 板形控制技术。 板形控制技术在2 0 世纪7 0 年代取得了重大进展。 1 9 7 2 年日立公司开发的h c 轧机( h i g h c r o w n c o n t r o l m i l l ) ， 使板形理论和板形控制技术进入了一个新的时 期。 1 9 7 4 年日 本住友金属工业公司开发了 v c ( v a r i a b l e c r o w n ) 轧辊技术，并在 1 9 7 7 年研制成功。它通过瞬时改变轧辊的凸度的方法来控制板形质量。 1 9 8 2 年，连续可变凸度的c v c 轧机( c o n t i n u o u s l y v a r i a b l e c r o w n mi l l ) 由 s ms 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t - 与新日 铁合作研制的p c 轧机( p a i r c r o s s e d r