基于寬厚板厚度控制研究與優化

林積生

(山東省冶金設計院股份有限公司,山東萊蕪 271104)

基于寬厚板厚度控制研究與優化

林積生

(山東省冶金設計院股份有限公司,山東萊蕪 271104)

介紹了厚度模型是寬厚板產品的控制核心,通過對影響寬厚板厚度偏差因素分析,對厚度偏差模型進行優化和調整,寬厚板產品得到優化改善,提高了控制精度,對熱連軋領域的軋制模型設計具有很高的借鑒價值。

自學習模型 厚度偏差 參數優化 彈跳曲線

1 引言

近年來,寬厚板生產線迅速建設,技術研究深入發展,自動控制系統的控制精度不斷提高,控制系統工藝自動化也不斷升級優化。模型控制已經是現代軋鋼的一個基本的控制手段,其中寬厚板厚度控制、軋機輥縫控制及其壓下模型、ACC冷卻系統控制、跟蹤及其批軋控制,生產線節奏控制模型等都是寬厚板軋線控軋控冷系統最關鍵的模型。

2 厚度模型存在的問題及參數優化方案

對影響厚度的自學習模型及目標厚度的精確計算進行探索與研究,以便對軋機自動控制系統更加深入了解。厚度自學習系數作為軋機厚度模型最重要的性能指標之一,對于鋼板厚度的精確計算起著舉足輕重的作用,直接影響成材率,因此對厚度自學習模型的研究有著深遠的意義。

2.1 厚度計算原理

隨著現代工業的發展對寬厚板厚度精度不斷提出更高的要求,在厚度計算時我們需要把所有會影響到厚度的因素都考慮在內,這樣才能得到需要的最精確的厚度值。在考慮了上述所有的影響因素,根據可用的測量值,通過厚度計算公式就可以計算鋼板軋制后的厚度,如下面公式所示。

式中：

h：厚板的出口厚度;

s：輥縫;

Δ hstand：機架拉伸帶來的厚度偏差;

Δ hroll：軋輥變形帶來的厚度偏差;

Δ hMorgoil：軸承油膜厚度帶來的厚度偏差;

Δ hthermal：軋輥熱凸度帶來的厚度偏差;

Δ hwear：軋輥磨損帶來的厚度偏差;

s0：零點。

由上式可以看出自學習的核心就是對S0零點的自學習,因此研究零點自學習的計算是關鍵。

2.2 存在的問題分析

寬厚板生產線的自動控制系統規模龐大,是一個具有非線性的、多變量耦合的、復雜控制系統,實時性要求非常高,常規的、單一的控制方法難以取得理想的控制效果。因此研究適合于此系統的控制理論、分析與設計方法,不是一蹴而就的,都是在不斷地優化和升級中,逐步完善控制系統的各個環節。厚度控制方面,軋制力模型預報不準確,控制精度不高。由于國內裝備水平相對較低,普遍采用高爐、焦爐混合煤氣對板坯加熱,熱值不穩定,溫度不均勻,再加上控制技術不成熟,厚度均勻性較低,一般厚度均一性命中率在94%,平均厚度相對于目標厚度的命中率在95%左右。

2.3 厚度控制模型的優化與完善

完善道次自學習功能,利用軋制中間道次的實測厚度來校準模型計算偏差,從而最終改善厚度預報精度;重新調整彈跳曲線,使用神經元網絡對軋機零調時的數據進行擬合從而得到新的彈跳曲線,通過對其進行持續調整,最后確定了適合的彈跳曲線;GM(厚度計)方式AGC即為軋制力反饋AGC,簡稱GM-AGC。GM-AGC(Gaugemeter AGC)厚度計型AGC系統優化,有效地提高了系統的動態響應特性,改善同板差和異板差。GM-AGC的實際厚度是利用彈跳方程計算出來的。軋機彈跳是由于在一定軋制力作用下,軋機機架發生的彈跳形變,是軋機所具有的物理特性,與軋機機架本身的結構和材質有關。軋機彈跳曲線即在一定的軋制力變化范圍內,機架所發生的彈跳變形量曲線。

軋機彈跳曲線一般可通過理論計算與實際測量來獲得。由于理論計算法難以估計軋機各部件接觸面之間的非接觸間隙對軋機剛度的影響,因此進行厚度控制和輥縫設定時主要采用實測法獲得軋機的彈性曲線。壓靠法是最常用的實測法之一。該方法成本低,操作簡便、數據測量整理方便等優點。軋機彈跳曲線是輥縫設定和AG C控制的核心模型,彈跳曲線在某一特定壓力下對應的斜率就是該點的軋機剛度。軋機剛度可用公來表示：

式中：

K表示剛度;

P表示總軋制力;

g表示彈跳量。

彈跳量與輥縫設定的關系可用(3)表示：

式中：

s：預設輥縫;

h1：厚板的目標出口厚度;

hroll：軋輥變形帶來的厚度偏差;

g：機架彈跳;

s0kt：軋輥熱凸度帶來的輥縫偏差;

s0kw：軋輥磨損帶來的輥縫偏差;

s0：零點。

由上式可以看出彈跳量越大,預設輥縫越小。

2.3.1 寬厚板的自學習模型

(1)短期自學習。每完成一個道次軋制后,計算與該道次機架相關的所有設定值。根據實測軋制力、實測輥縫、實測彎輥力等參數計算出鋼板的實際出口尺寸。把這些值與實測值進行比較,得到的修正因子,我們稱為短期自學習因子。短期自學習因子對下一道次進行修正。

(2)長期自學習。最后一個道次軋制完成后測厚儀測得鋼板實測厚度后,輥縫零點將通過比較實測厚度與厚度模型輸出的計算厚度得到一個偏差值,對該偏差進行處理后得到自學習修正因子,我們稱為長期自學習因子。長期自學習因子將對下一塊鋼板進行修正(開始軋制前)。

2.3.2 輥縫零點及其自學習

(1)標定零點。這里說的的“零點”是由標定過程決定的。在標定中,將上下軋輥以某個速度壓靠在一起,直到達到一個特定的壓力。

這就意味著公式(1)的厚度值可以設為0,零點厚度與厚度計算公式中所有項之間的差可以用公式3-1計算。

這個差值就是“零點”。更精確的講,它是標定的零點。在軋制過程中,零點可以通過厚度測量進行自學習調整。

(2)零點自學習調整。自學習過程是一個不斷逼近目標的過程,其核心思想用數學模型來表述,稱為自學習算法。通常采用基于梯度的算法,其中最小均方誤差算法(即LMS算法)最為常用。寬厚板軋機系統自學習模型就是采用該算法。

當進行厚度測量時,零點會進行自動調整。為了得到厚度計算公式中的各項,需要確定軋制力、軋制速度等和軋輥的熱膨脹、磨損狀態。所以,零點可以用下面公式修正

ΔS0=klearn*Δh 公式3-2

自學習因子klearn的范圍在0-1之間,以保持穩定,通常為經驗值。Δh為厚度偏差。

(3)厚度偏差的計算。通過比較厚度測量值和厚度計算公式計算出的厚度,就可以確定厚度的誤差。

(4)測厚厚度值hmeas的噪聲過濾。每一塊通過測厚儀測量發送過來的厚度有很多,分布在鋼板的多個位置,它們的值會有波動較大的偏差,因此我們如果要使用該測量值,必須要對所有的厚度值進行計算。過濾采用標準偏差方法計算,然后對所有樣本應用該標準偏差的若干倍,用于剔除樣本中的噪聲點。

標準偏差：統計學名詞。一種量度數據分散程度的標準,用以衡量數據值偏離算術平均值的程度,是反映一組測量數據離散程度的統計指標,可用來統計結果在某一個時段內誤差上下波動的幅度。標準偏差越小,這些值偏離平均值就越少,反之亦然。

式中：

S-標準偏差(%)

n-樣本總數或測量次數,一般n值不應少于20-30個xi-樣本值

i-標識第i個樣本,取值1～n;

用過濾后的測量值減去厚度模型的計算值,得到厚度偏差,最終計算出可以修正厚度的零點,得到一個更加精確的厚度計算值。

3 優化后模型應用效果分析

根據對寬厚板厚度影響參數研究分析,對軋制模型進行優化處理,經投入運行后,帶鋼成品技術指標控制達到國內先進生產線技術指標要求,厚度控制模型精度得到有效提高,產品質量達到設計要求,滿足客戶需求,贏得市場份額。軋鋼數學模型研究學無止境,需根據實際生產進一步研究和深化提升,產品質量將會有更大的提升空間。

[1]張少峰.4100mm厚板軋機厚度自適應模型的研究與應用[J].寬厚板,2008(06).

[2]賈春莉.中厚板軋制過程控制中厚度精度的研究[D].東北大學,2010.

[3]邱紅雷,胡賢磊,趙忠,田勇,王國棟.中厚板軋制過程中的輥縫設定模型及其應用[J].鋼鐵,2004(12).