一种带钢热连轧宽度控制方法技术

本申请涉及一种带钢热连轧宽度控制方法，包括：轧件依次进入立辊和平辊，热连轧粗轧轧制过程开始；根据在精轧机组最末机架所得到的带钢宽度实际值与精轧出口宽度设定值之差，计算轧制宽度误差Δδ；计算精轧宽展的自适应系数Δt；用粗轧出口侧的宽度仪实测的粗轧带钢出口宽度与计算出的粗轧带钢出口宽度进行比较，得到全局宽度遗传系数Δk；计算带钢短行程控制总长度为L

【技术实现步骤摘要】
一种带钢热连轧宽度控制方法


[0001]本申请涉及钢铁加工
，尤其涉及一种带钢热连轧宽度控制方法。

技术介绍

[0002]钢及有色金属带钢热连轧除了要保证成品带钢的厚度精度、终轧及卷取温度、凸度及平直度外，还需保证带钢的宽度精度。随着用户对提高成材率要求的不断提高，宽度控制精度亦从过去的+20mm提高到了目前的+8～+12mm，特别是对中宽及窄带钢热连轧机，由于相当一部分成品将用于螺旋焊管和直缝焊管，对宽度的精度要求更严。宽度偏差每减小1mm，成材率就可以提高0.1％，因此，带钢的宽度控制技术可显著提高经济效益，进而提高成材率一直是热连轧领域重要的研究课题之一。
[0003]在带钢热连轧生产中，为保证出厂带钢的规格符合要求，需要将不符合尺寸要求的带钢头部和尾部切掉。由于粗轧机对带钢的反复轧制会引起带钢头部和尾部的宽度短缺部分的长度加大和短缺尺寸加大，这种情况会加大带钢切头的损耗率，并对降低成品的宽度质量指标。
[0004]在传统的带钢板材轧制过程中，通常通过具有边界约束条件的数学物理方程来近似描述轧制过程，由于轧制工况存在很多可变因素，并且带钢轧制具有非线性和不确定的特点，这样的描述方式不能完整精确的表达，故而使用传统方式建立的数学模型不能达到高精度要求因此对带钢板材宽度的精度控制存在着上限。近年来，随着神经网络技术的兴起，神经网络模型能够学习到模型中蕴含的知识，天然适应解决非线性控制问题，因此，如果能够将神经网络技术引入到带钢热连轧宽度控制问题中，则能进一步提高带钢热连轧过程中的宽度控制精度。

技术实现思路

[0005]为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种带钢热连轧宽度控制方法，以进一步提高带钢热连轧过程中的宽度控制精度。
[0006]本申请提供了一种带钢热连轧宽度控制方法，具体内容如下：
[0007]步骤S1、轧件依次进入立辊和平辊，热连轧粗轧轧制过程开始；
[0008]步骤S2、根据在精轧机组最末机架所得到的带钢宽度实际值与精轧出口宽度设定值之差，计算轧制宽度误差Δδ；
[0009]步骤S3、计算出精轧宽展的自适应系数Δt；
[0010]步骤S4、用粗轧出口侧的宽度仪实测的粗轧带钢出口宽度与计算出的粗轧带钢出口宽度进行比较，得到全局宽度遗传系数Δk；
[0011]步骤S5、根据下式计算带钢短行程控制总长度为L
11
：
[0012]L
11
＝α
11
β
11
W
in
；
[0013]式中，W
in
为立辊轧机的入口宽度，单位：mm；α
11
为短行程工艺调整参数；β
11
为与带钢质量等级相关的调整系数；
[0014]步骤S6、根据下式计算带钢短行程控制中间点距离端部的长度L
12
：
[0015]L
12
＝α
12
L
11
；
[0016]式中，α
12
为短行程中间点工艺调整参数；
[0017]带钢短行程开度最大值为：
[0018]S
11
＝S
SP
+ΔS1；
[0019]式中，S
SP
为静态开口度，单位：mm；ΔS1为短行程开度修正量，单位：mm；
[0020]ΔS1＝α
13
β
12
β
13
ΔB+W
OP
+W
FM
；
[0021]式中，ΔB为立辊的绝对宽度压下量，单位：mm；β
12
为与带钢入口宽度等级相关的调整系数；α
13
为调整系数；β
13
为与带钢质量等级、精轧厚度等级相关的调整系数；W
OP
为宽度控制的人工修正值，单位：mm；W
FM
为宽度精轧快速修正值，单位：mm；
[0022]步骤S7、根据下式计算带钢短行程中间点开度S
12
：
[0023]S
12
＝S
SP
+α
14
ΔS1；
[0024]式中，α
14
为短行程中间点工艺调整参数；
[0025]步骤S8、重复步骤S1至S7，获得若干组数据；
[0026]步骤S9、构建B
‑
P神经网络并进行训练，其中构建的B
‑
P神经网络的输入层数据为自适应系数Δt、全局宽度遗传系数Δk、带钢短行程控制总长度L
11
、带钢短行程控制中间点距离端部的长度L
12
、带钢短行程中间点开度S
12
；B
‑
P神经网络的输出层输出轧制宽度误差Δδ。
[0027]优选的，所述步骤S3具体包括：宽度仪和厚度仪测得带钢通过精轧最末机架后的宽度和厚度值，将精轧宽展模型计算出的精轧自然宽展与根据带钢通过粗轧和精轧后所测宽度而计算出的实际宽展值进行比较，计算出精轧宽展的自适应系数。
[0028]优选的，BP神经网络的输入层的节点个数n为5，x1代表自适应系数Δt、x2代表全局宽度遗传系数Δk、x3代表带钢短行程控制总长度L
11
、x4代表带钢短行程控制中间点距离端部的长度L
12
、x5代表带钢短行程中间点开度S
12
；输出层节点个数m为1，y1代表轧制宽度误差Δδ；已知BP神经网络的输入和输出层的节点数分别为输入变量和输出变量的维数，定义隐含层节点数为q，输入层和隐含层间的权值为θ
ji
(j＝1，2，
…
，q；i＝1，2，
…
，n)，阈值为b
j
(j＝1，2，
…
，q)，隐含层和输出层的权值为w
kj
(k＝1，2；j＝1，2，
…
，q)，阈值为f1(
·
)为隐含层的传递函数，f2(
·
)为输出层的传递函数，该BP神经网络的隐含层数定为一层；
[0029]隐含层节点的输出为：
[0030][0031]上式中f1(
·
)为隐含层的传递函数，输入层和隐含层间的权值为θ
ji
(j＝1，2，
…
，q；i＝1，2，
…
，n)，阈值为b
j
(j＝1，2，
…
，q)，
[0032]输出层节点的输出为：
[0033][0034]上式中f2(
·
)为输出层的传递函数，隐含层和输出层的权值为w
kj
(k＝1，2，
…
，m；j＝1，2，
…本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种带钢热连轧宽度控制方法，其特征在于，所述方法包括：步骤S1、轧件依次进入立辊和平辊，热连轧粗轧轧制过程开始；步骤S2、根据在精轧机组最末机架所得到的带钢宽度实际值与精轧出口宽度设定值之差，计算轧制宽度误差Δδ；步骤S3、计算出精轧宽展的自适应系数Δt；步骤S4、用粗轧出口侧的宽度仪实测的粗轧带钢出口宽度与计算出的粗轧带钢出口宽度进行比较，得到全局宽度遗传系数Δk；步骤S5、根据下式计算带钢短行程控制总长度为L
11
：L
11
＝α
11
β
11
W
in
；式中，W
in
为立辊轧机的入口宽度，单位：mm；α
11
为短行程工艺调整参数；β
11
为与带钢质量等级相关的调整系数；步骤S6、根据下式计算带钢短行程控制中间点距离端部的长度L
12
：L
12
＝α
12
L
11
；式中，α
12
为短行程中间点工艺调整参数；带钢短行程开度最大值为：S
11
＝S
SP
+ΔS1；式中，S
SP
为静态开口度，单位：mm；ΔS1为短行程开度修正量，单位：mm；ΔS1＝α
13
β
12
β
13
ΔB+W
OP
+W
FM
；式中，ΔB为立辊的绝对宽度压下量，单位：mm；β
12
为与带钢入口宽度等级相关的调整系数；α
13
为调整系数；β
13
为与带钢质量等级、精轧厚度等级相关的调整系数；W
OP
为宽度控制的人工修正值，单位：mm；W
FM
为宽度精轧快速修正值，单位：mm；步骤S7、根据下式计算带钢短行程中间点开度S
12
：S
12
＝S
SP
+α
14
ΔS1；式中，α
14
为短行程中间点工艺调整参数；步骤S8、重复步骤S1至S7，获得若干组数据；步骤S9、构建B
‑
P神经网络并进行训练，其中构建的B
‑
P神经网络的输入层数据为自适应系数Δt、全局宽度遗传系数Δk、带钢短行程控制总长度L
11
、带钢短行程控制中间点距离端部的长度L
12
、带钢短行程中间点开度S
12
；B
‑
P神经网络的输出层输出轧制宽度误差Δδ。2.根据权利要求1所述的带钢热连轧宽度控制方法，其特征在于，所述步骤S3具体包括：宽度仪和厚度仪测得带钢通过精轧最末机架后的宽度和厚度值，将精轧宽展模型计算出的精轧自然宽展与...

【专利技术属性】
技术研发人员：葛良松，胡广，郭毅，
申请(专利权)人：北京北科麦思科自动化工程技术有限公司，
类型：发明
国别省市：