基于RBF網絡改進的厚度計AGC

張守武

(北京現代職業技術學院,北京 101300)

基于RBF網絡改進的厚度計AGC

張守武

(北京現代職業技術學院,北京 101300)

本文是對傳統的厚度計式厚度控制系統的研究，針對其數學模型的不精確問題，提出了采用RBF神經網絡的改進方法。使用RBF神經網絡來代替數學模型模擬軋機的輸入輸出關系，克服一般數學模型的因為參數變化引起誤差變大的困難。針對一般RBF神經網絡計算復雜，難以在硬件實現的問題，本文采用動態自適應RBF網絡，相對于其他RBF型網絡結構簡單，適于在TDC上實現。

RBF網絡 厚度計式AGC TDC編程

1 引言

新世紀以來，我國的經濟水平開始了飛速的發展，而鋁材產品作為各行各業的原材料，也是國民經濟發展的重要組成部分。由于生產技術的不斷發展，各用戶部門對鋁產品的尺寸精度尤其是厚度要求越來越高。因此，提高產品質量，不斷運用新的技術提高鋁材的產品質量，具有重大的現實意義[1]。厚度的精度是鋁板帶材乃至所有金屬軋制行業的產品的最重要性能指標之一，提高厚度控制水平，減小厚度在軋制過程中波動是所有的板帶材料軋制水平的重要衡量標準。現在主要的實現途徑有兩種，一種是提高模型的精度；另一種是提高實時控制系統的在線控制能力。針對模型精度提高的問題，本文提出了新的厚度控制的思想，主體依然是厚度計式AGC，但是軋制力的來源不是測量而是計算，通過對模型的仿真建立模型，以來料厚度、前后張力來對軋制力進行估計，這樣就提高了精度，本文選用的動態自適應RBF網絡可以自己設定需要的內部神經元個數，而且結構簡單，適合在硬件上實現[2]。

2 RBF厚度計AGC仿真

圖1 RBF網絡計算值與實際值比較圖

圖2 RBF厚度控制時厚度波動圖

軋制過程中實時的軋出厚度是測量不出來的，測厚儀測得的厚度有很大的滯后，用來控制的話就會產生很大的誤差，而厚度計式AGC是利用現場測量到的各種數據如軋制壓力、空載輥縫，通過彈跳方程來計算現在時刻的軋出厚度，使用這一厚度來進行控制[3]，這就解決了滯后的問題。這是一種間接的測量方法，這種方法把軋機作為了一個假設的厚度計，而其中C是通過測量得到的，不同的牌號、厚度、道次都是不同的，將計算得到的h與目標值hset做差，得到了厚度偏差δh，為了消除這個厚差δh，則輥縫調節量δS應為[4]：

式中：C—軋機剛度系數，kN/mm；

Q—軋件塑性系數，kN/mm。

數據的來源是曾經建立的軋機模型仿真得到的數據，利用精軋機入口厚度為7mm，精軋機出口設定為4．2毫米一種規格的2000組數據，對3輸入1 輸出的RBF網絡進行了訓練(學習1200組)和仿真(測試800組)。將網絡訓練得到的兩個數據c和w用于構建輸出函數，組成控制網絡并搭配其他附加模塊可以建立起RBF厚度計式網絡[5]。經過上述步驟，RBF厚度計式厚度控制的模型就搭建好了。

模型建立完成，首先使用測試數據測試網絡達到需要的精度，將800組測試數據作為輸入，觀察軋機模型輸出的出口厚度和網絡計算的出口厚度圖1所示。

從圖中可以看出，網絡模型計算值基本上擬和生產實際值，基本上反映了被控對象的輸入輸出特性，最大誤差不超過2%，這是網絡的計算值，用于控制系統的話誤差還會進一步加大，下面是進行出口厚度控制的仿真。

以建立好的軋機模型為被控對象，假設來料厚度和張力的變化，當來料厚度有隨機變化時，檢測AGC對其控制的性能，在來料中加入幅值為0．1mm的隨機波動，同時在前后張力的輸入中也加入波動，可以得到控制仿真如圖2所示。

可見，對于來料厚度幅值為0．1mm的隨機波動，控制可以實現將厚度的誤差控制在13um以內。RBF厚度計式控制對于厚度的控制具有較好的效果，但是上述仿真過程是在理想狀態下進行的，即系統軋制過程沒有受到環境因素和各種干擾的影響。

3 結語

本文以某鋁廠的單機架鋁帶冷軋機為研究對象，根據現場采集的生產數據和理論模型，建立了數學模型和BP網絡相結合的軋機的模型，分別建立流量厚度控制和厚度計式厚度控制的傳統模型，提出了使用RBF網絡代替軋制力測量，以此來計算厚度，精度有一定的提高。

[1]徐幫學,楊佐偉.鋁與鋁合金產品國內外最新標準及其工程應用技術全書[M].北京:銀像聲音出版社,1995,9:43-50．

[2]劉靜安.淺談中國鋁及鋁合金材料產業現狀與發展戰略[J].鋁加工,2006．

[3]趙志業.金屬塑性變形與軋制理論[M].北京:冶金工業出版社,1982:151-157．

[4]韓嚴斌.厚度控制系統在可逆冷軋機上的應用研究[D].武漢科技大學碩士論文,2005,5．

[5]李天軍.RBF神經網絡及其在鍋爐過熱汽溫控制中的應用[D].哈爾濱工業大學,2007．