可逆冷軋機過程自動化系統(tǒng)的研發(fā)

鄭 崗，嚴 敏，杜金華，張 捷，高林林，趙團民

(1．西安理工大學自動化與信息工程學院，陜西 西安 710048;2．中國重型機械研究院有限公司，陜西 西安 710032)

1 前言

高精度現(xiàn)代冷軋帶鋼生產(chǎn)必須由控制系統(tǒng)來實現(xiàn)，在每秒幾十米的軋制速度下控制軋機的動作，生產(chǎn)厚度精度等級為微米級的鋼板。軋機控制系統(tǒng)一般都具有基礎自動化級，其各種設定由操作工給出，存在調(diào)整時間長、產(chǎn)品質(zhì)量不穩(wěn)定、生產(chǎn)效率低等問題。近年來，隨著具有過程控制級的過程自動化系統(tǒng)逐步應用于工業(yè)現(xiàn)場［1-3］，使得操作更加準確、快速;另一方面，隨著產(chǎn)品質(zhì)量需求的不斷提高和多規(guī)格、多品種靈活生產(chǎn)方式的要求，在線自適應技術被廣泛用來實現(xiàn)高效的生產(chǎn)控制和管理。根據(jù)企業(yè)現(xiàn)有需求，本文分析了軋制過程特點，搭建了一種可逆液壓冷軋機過程自動化系統(tǒng)體系架構。根據(jù)冷軋生產(chǎn)線控制系統(tǒng)的特點［4］，設計了基于.NET［5］中間件平臺的單機架可逆液壓冷軋機過程自動化軟件系統(tǒng)。同時，為達到更高的帶材厚度精度，分析和設計了基于人工智能算法的軋制力預報和自學習方法及道次分配策略及優(yōu)化算法。

2 系統(tǒng)構成

2.1 硬件構成

過程自動化系統(tǒng)硬件平臺主要由工業(yè)級HP服務器、網(wǎng)絡交換機、工程師站、操作員站、UPS備用電源等組成。為提高硬件平臺的可靠性，采用磁盤冗余陣列Raid(Redundant Array of Independent Disks)冗余技術在線備份硬盤數(shù)據(jù)，保證在硬盤故障時，數(shù)據(jù)不丟失，以確保軋制正常進行。HP服務器作為過程控制級在線服務器，主要執(zhí)行生產(chǎn)過程數(shù)據(jù)交換與存儲、軋制力預報計算與模型自學習、道次分配策略及優(yōu)化等功能。過程控制級與基礎自動化級之間通過以太網(wǎng)進行通信，以確保數(shù)據(jù)及控制命令的實時傳輸［6-7］。

2.2 軟件構成

軟件主要構成如圖1所示。

圖1 系統(tǒng)軟件構成Fig.1 Constitution of system software

服務器安裝Windows Server操作系統(tǒng)和Oracle 10g數(shù)據(jù)庫企業(yè)版，負責存儲原始帶卷數(shù)據(jù)、帶卷軋制隊列、軋輥數(shù)據(jù)、工藝數(shù)據(jù)以及基礎自動化發(fā)送的實時測量值數(shù)據(jù)，并完成數(shù)據(jù)的實時處理。工程師站和操作員站采用HP PC機，安裝有Windows XP Professional操作系統(tǒng)，同時安裝Microsoft Visual Studio 2005(.NET2005)開發(fā)應用程序平臺和Oracle 10g客戶端訪問引擎，其主要功能為原始帶卷數(shù)據(jù)輸入、軋制工藝設定、道次優(yōu)化、對生產(chǎn)過程進行監(jiān)控，實時報警，數(shù)據(jù)訪問、人機交互，以及為客戶查詢數(shù)據(jù)庫提供圖形化的工具和報表。工程師站、操作員站和數(shù)據(jù)庫服務器之間通過基于TCP/IP協(xié)議的工業(yè)以太網(wǎng)通信，速率100Mb/s。100M的工業(yè)以太網(wǎng)(Ethernet)由于其通用性較好，數(shù)據(jù)傳輸速度較高，是冷軋生產(chǎn)線二級網(wǎng)絡的主流配置［8-10］。

3 軋制力預報與模型自學習

3.1 軋制力預報與模型自學習

過程自動化系統(tǒng)的核心功能為是進行高準確率的軋制力預報，同時根據(jù)歷史帶卷數(shù)據(jù)對系統(tǒng)模型進行自學習以修正軋制力預報模型，從而提高帶材厚度精度，其過程如圖2所示［11］。

圖2 過程模型計算與模型自適應Fig.2 Process model calculation and model self-adaption

根據(jù)軋制過程實際狀況，軋制力具有非線性和時變的特點，基于傳統(tǒng)的數(shù)學模型的方法和簡單自學習算法無法滿足實際的高準確率軋制力預報需求，而基于在線自適應算法的神經(jīng)網(wǎng)絡方法可以通過其智能學習策略在一定程度上彌補非線性模型的缺陷，通過歷史數(shù)據(jù)在線訓練網(wǎng)絡參數(shù)以減小由于時變而引起的預測誤差。其過程如圖3中“模型自適應優(yōu)化”模塊所示。

圖3 道次軋制規(guī)程計算功能結構框圖Fig.3 Function structure diagram of pass rolling regulation calculation

由于軋機系統(tǒng)存在許多不確定性的或者未知的影響參數(shù)，如工作輥表面磨損、帶材材質(zhì)不同等，使得軋制力的預報往往出現(xiàn)較大偏差。因此，模型在線自適應算法必須保證有較好的魯棒性及快速適應性。本文設計的過程自動化系統(tǒng)采用傳統(tǒng)數(shù)學模型與神經(jīng)網(wǎng)絡相結合的方法，利用多層BP神經(jīng)網(wǎng)絡分別預報摩擦系數(shù)和主應力，然后利用傳統(tǒng)模型預報軋制壓力，并利用神經(jīng)網(wǎng)絡的自學習能力對模型進行校正［12］。

3.2 軋制設定值計算

獨立于道次計算，軋制設定值計算主要完成以下功能:軋制策略、設定值計算、設定值給定。道次軋制規(guī)程計算的功能結構如圖3所示。

過程自動化系統(tǒng)根據(jù)帶卷原始數(shù)據(jù)、工藝數(shù)據(jù)、軋制數(shù)學模型和已有軋制設定值計算每一道次的軋制設定值。計算的結果在終端顯示。操作員能夠通過終端修改軋制策略，為修改軋制策略初始化一個新的設定值計算。計算好的設定值存儲在數(shù)據(jù)庫里并顯示給操作員。只要這些設定值還沒有傳送到基礎自動化，都可以由操作員通過過程自動化的HMI來修改。

4 道次分配策略與道次優(yōu)化算法

軋制道次計算系統(tǒng)是單機架冷軋機過程自動控制系統(tǒng)的一部分，為基礎自動化系統(tǒng)計算每一軋制道次的設定值，與人工修正的相對固定的軋制道次不同，該系統(tǒng)可以連續(xù)地自適應地優(yōu)化過程模型，根據(jù)當前軋制狀態(tài)自動計算設定值，其效果優(yōu)于人工根據(jù)經(jīng)驗所進行的軋機設定。這一系統(tǒng)可以使整卷帶材的軋制處于軋機力能參數(shù)范圍內(nèi)和控制器控制范圍之內(nèi)，使軋制的結果不依賴于操作員的人工操作，具有軋制的穩(wěn)定性和一致性。

軋制策略為設定值計算提供數(shù)據(jù)，并收集、檢查、修正設定值計算所需要的全部數(shù)據(jù)，主要包含軋制給定、道次壓下量自動分配、標準軋制策略、操作員給定和道次優(yōu)化。其中軋制給定主要計算總壓下量及各道次壓下量，確定帶卷如何軋制;道次壓下量自動分配模塊根據(jù)多年的軋制經(jīng)驗，按恒軋制力軋制計算各道次壓下量，可盡量減少帶卷的軋制時間。道次數(shù)可以按工藝要求人工確定，也可以由道次優(yōu)化程序計算。計算中需要使用實際或自適應的材料硬化曲線;標準軋制給定是對于特殊的情況，可能不需要按照恒軋制力分配道次壓下量;操作員給定是指操作員可以人工設置軋制給定，獲得道次計算的結果;道次優(yōu)化功能實現(xiàn)在一定條件下，使軋制道次數(shù)最少。

軋制道次數(shù)可由工藝工程師給定，或者由過程自動化系統(tǒng)內(nèi)部的道次優(yōu)化功能確定。道次優(yōu)化的任務是在考慮到軋制策略的同時尋找最少道次數(shù)。道次優(yōu)化算法流程如圖4所示。

圖4 厚度分配和道次優(yōu)化Fig.4 Thickness allocation and pass optimization

5 結論

本文根據(jù)單機架可逆冷軋機的實際軋制過程，提出了基于.NET平臺的單機架可逆液壓冷軋機二級過程自動化系統(tǒng)的整體方案。采用模塊化的設計思想將整個系統(tǒng)分成多個模塊，模塊之間通過Oracle 10 g數(shù)據(jù)庫進行數(shù)據(jù)交換，處理后的數(shù)據(jù)存儲到數(shù)據(jù)庫中。然后通過數(shù)學手段分析過程數(shù)據(jù)，采用先進的基于自學習神經(jīng)網(wǎng)絡的軋制數(shù)學模型計算經(jīng)過優(yōu)化的軋制工藝數(shù)據(jù)。系統(tǒng)在鋼卷生產(chǎn)過程中不僅提供了生產(chǎn)過程控制，而且還提供生產(chǎn)管理功能，與基礎自動化系統(tǒng)共同完成帶材自動化軋制。

［1］ Sheets Charles．Upgrading legacy level 2 systems:Techniques and trials．Iron and Steel Technology，2008，5(1):51－62．

［2］ Shimoda Naoki，Okamoto Ken，Hailong Wan，Wenzhong Liu．Process control technology for thin strip production in Tangshan，China．Iron and Steel Technology，2005，2(1):33－41．

［3］ Yamaguchi Naoki，Tsugeno Masashi，Sato Seiji，Vizoso Julio，Bonelo J．M．，Gallardo Rafael Maestre．New Process Control System for the Sendzimir Reversing Cold Mill of Acerinox．AISE Steel Technology，2001，(11－12):45－49．

［4］ 丁修堃．軋制過程自動化［M］．北京:冶金工業(yè)出版社，2005．

［5］ Jeffrey Richter．Microsoft．NET框架程序設計［M］．北京:清華大學出版社，2003．

［6］ 何純玉，吳迪，王君，等．中厚板軋制過程計算機控制系統(tǒng)結構的研制［J］．東北大學學報(自然科學版)，2006(2)．

［7］ 孫一康．適用于軋鋼過程的計算機控制系統(tǒng)［J］．中國工程科學，2000(1)．

［8］ 柳軍，宋蕾．冷連軋計算機控制系統(tǒng)組成與功能分析［J］．自動化技術與應用，2006(8)．

［9］ 徐光，陳和鐵，楊節(jié)．冷連軋機計算機控制系統(tǒng)［J］．冶金自動化，1999(2)．

［10］ 矯志杰，何純玉，陳波，等．首鋼中厚板軋機過程控制系統(tǒng)［J］．東北大學學報(自然科學版)，2004(5)．

［11］ Sungzoon Cho，Yongjung Cho，and Sungchul Yoon．Reliable Roll Force Prediction in Cold Mill Using Multiple Neural Networks．IEEE Transactions on Neural Networks，1997，8(4)．