優化厚度控制模型，提高寬厚板厚度控制命中率

張　麗

(山東鋼鐵股份有限公司萊蕪分公司自動化部，山東 萊蕪 271104)

?

優化厚度控制模型，提高寬厚板厚度控制命中率

張麗

(山東鋼鐵股份有限公司萊蕪分公司自動化部，山東 萊蕪 271104)

寬厚板厚度精度表征控制水平高低，也是最基本的質量指標之一。本文介紹了萊鋼4 300 mm寬厚板軋機厚度控制現狀，詳細論述了控制模型優化措施，通過優化彈跳曲線，改善厚度預報偏差，同時研究二級數學模型計算，對輥縫短期自學習與長期自學習的自適應過程進行優化和完善，采用道次間自學習來初步消除計算偏差，提高寬厚板厚度命中率。

彈跳曲線； 二級數學模型； 自學習

1　概　述

寬厚板厚度精度表征控制水平高低，同時也是厚板的最重要的，也是最基本的質量指標之一。包括:

a)厚度均勻性命中率；即：鋼板寬度1/2處沿長度方向上各個位置的厚度值落在平均厚度若干個標準偏差內的比率。

b)平均厚度相對于目標厚度的命中率；即：軋制完成的鋼板平均厚度相在合同公差范圍內的比率。由于國外裝備先進，采用天然氣對板坯加熱，熱值穩定，溫度均勻，軋機精度高，再加上控制技術成熟，因此厚度均勻性命中率一般能達到97%；平均厚度相對于目標厚度的命中率能達到98%左右。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，一般厚度均勻性命中率在94%，平均厚度相對于目標厚度的命中率在95%左右。萊鋼寬厚板生產線的工藝裝備水平比較先進，由西門子奧鋼聯設計，目前的研究手段可以滿足要求，但目前厚度控制精度情況不是很理想，2014年1到4月份厚度控制精度如表1所示，因此研究程序，優化厚度控制模型,以期提高寬厚板厚度命中率。

表1　1到4月份厚度命中率

2　控制模型優化

厚度控制由一、二兩級自動化系統組成：

二級系統主要通過數學模型生成道次計劃表。分為預計算，后計算、再計算三個步驟。

一級系統主要通過AGC來動態調整輥縫以達到保證鋼板厚板一致。AGC系統是以液壓缸驅動對輥縫進行動態微調，具備兩個基本內閉環，即軋制力閉環和位置閉環。一般與自動位置控制系統即APC系統(電動或液壓驅動)一起使用。首先根據二級軋制模型由APC系統設定一個輥縫參考位置，即進行輥縫粗調，在此基礎上，采用高響應的伺服油缸來修正軋制過程中的輥縫變化，即進行輥縫精調。

2.1改善厚度預報偏差，優化彈跳曲線

通過對厚度模型進行推演，得到控制用的模型公式。使用現場數據對模型進行驗證。對厚度控制情況進行持續監控，發現在軋制力發生較大偏差時，極易造成厚度偏差。通過優化彈跳曲線，進一步減小預報偏差。彈跳曲線的測量一般由軋機零調過程產生,同時通過液壓缸上安裝的壓力傳感器和位移傳感器按一定的采樣周期自動記錄實測的軋制壓力和機架彈跳。通過標定過程獲得初始輥縫與軋制力分布，去除零調影響。將間隔一定軋制力對數據進行統計得到軋制力與彈跳量的對應關系如表2如示：

表2　軋制力與彈跳量對應表

通過對軋機彈跳進行測定、評估，并使用評估后的數據對彈跳數據進行曲線擬合，得到用于計算軋機軋制力與彈跳量對應關系的函數。同時，使用表2中數據，描繪出機架彈跳曲線，比較擬合彈跳曲線與實際彈跳曲線，如下圖1(其中橫軸為軋制力，單位為牛；Y軸為彈跳量，單位m)，從圖1可以看出兩條曲線吻合度較高。

圖1　擬合彈跳曲線與實際彈跳曲線比較

2.2優化厚度自學習

2.2.1二級數學模型計算

二級系統主要通過數學模型生成道次計劃表。分為預計算，后計算、再計算三個步驟：

1)預計算的目標是確定所有的軋制道次表。預計算是采用板坯數據進行計算的。如果有檢測裝置，軋線各位置的溫度值可以通過溫度檢測元件得到，否則，溫度值需要通過目標出爐溫度進行預設定。預計算將確定道次數、厚度分配、觸發條件等等。預計算還要對是否超過設備限制(軋制力、功率、變形等)進行校核，并且檢查是否達到目標值(厚度、凸度、平坦度、板形、溫度等)。

2)后計算在完成一個道次軋制后執行，計算與該道次機架相關的所有相關值。根據實測軋制力、實測輥縫、實測彎輥力等條件計算出軋件的實際出口尺寸。再根據厚度公式計算的厚度和測溫儀所測的厚板溫度分布，再次計算軋制力和軋制力矩。把這些值與實測值進行比較，得到修正系數。

3)再計算在各道次完成后執行。但是在延遲、操作工輸入改變的情況下再計算可以根據要求執行。再計算根據當前的溫度、尺寸和從后計算中得到的自學習系數對剩下的道次進行一個新的計算。

2.2.2優化厚度自學習

采用道次間自學習來初步消除計算偏差。在自學習中，采用短期+長期自學習相結合的方式。按照影響時限和觸發條件，輥縫零點自學習可分為短期自學習和長期自學習兩種。

1)短期自學習

完成軋制過程中的某個道次軋制后，并通過測厚裝置后，獲得該道次實測厚度。然后根據實測軋制力、實測輥縫、實測彎輥力等參數計算出鋼板的計算出口厚度。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。短期自學習因子用于對該支鋼板下一道次的輥縫設定值進行修正。

2)長期自學習

最后一個道次軋制完成且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的設定輥縫進行修正。

3　效果分析

通過采取以上優化措施，厚度控制效果明顯，如圖2，2014.5-11月份+/-0.2 mm、+/-0.1 mm厚度命中率平均值較1-4月份分別提高了 1.5、3.83個百分點；經過實際生產驗證，有效降低厚度尺寸脫合同的比例、同時切實減少了組板厚度、長度余量所占比例，有效提高原材料利用率，顯著提高了成材率，降低成本，提高了產品的市場競爭力，具有很好應用推廣性。

圖2　厚板偏差控制效果折線圖

[1]徐建忠.四輥軋機軋輥彈性變形解析模塊的開發[J]. 軋鋼,2003.

[2]趙志業,王鵬翙.熱軋厚板及板坯的實用軋制壓力公式[J].鋼鐵,1986(1).

[3]單傳東,趙琳.厚度自動控制在萊鋼寬厚板軋制中的應用[J].金屬材料與冶金工程,2010(6).

[4]孫建亮.面向板形板厚控制的軋機系統動態建模及仿真研究[D].燕山大學,2010.

The Automation Department of Shandong Iron and Steel

ZHANG Li

(Group Corporation Laiwu branch,Laiwu 271104,China)

Wide plate thickness accuracy characterizes the high or low control level ,it is one of the most basic quality indicators. This article introduced thickness control present situation of 4300 mm wide plate mill of LaiWu Steel Company,then the control model optimization measures are discussed in detail,by optimizing the stretch-curve,we improved thickness prediction deviation,at the same time we researched the mathematical model calculation of level two,optimized and improved the roll gap in the short term of self-study and long-term learning adaptive process,by including a self learning to eliminate preliminary calculation deviation. Through the above measures the wide plate thickness accuracy is improved.

stretch curve; the mathematical model of level two; self-adaptation

張麗(1984-)，女，工程師，本科，2007年畢業于青島理工大學,現從事儀表與自動化專業.

TF31；TP3-05

A

1671-3818(2016)01-0032-03