一种热轧带钢辊缝模型的优化方法技术

技术编号:8264881 阅读:223 留言:0更新日期:2013-01-30 18:55
本发明专利技术公开一种热轧带钢辊缝模型的优化方法。本发明专利技术中主要是优化了辊缝设定计算模型结构,增加了辊缝零点漂移补偿,降低了计算辊缝设定值时存在的辊缝零点漂移量偏差;同时对辊缝自学习的数据处理方法进行改进:采用同时去除极值轧制力和极值辊缝的辊缝自学习数据筛选方法,以及采用短时遗传学习与长时遗传学习机制相结合的方法来减轻辊缝自学习的震荡。对辊缝模型采用上述优化方法后,保证了辊缝设定值的准确性以及辊缝自学习的有效性,使得辊缝模型计算精度大幅提高,进而提高了热轧带钢成品带钢的厚度精度。

【技术实现步骤摘要】

本专利技术属于轧钢自动控制
,尤其涉及了。
技术介绍
厚度精度作为一种衡量板带材的重要质量指标,成为国内外冶金行业普遍关注的焦点。带钢厚度波动的根本原因之一是由于轧机辊缝发生了波动。所以带钢产生厚度偏差的主要原因在于轧辊辊缝的问题,辊缝的设定精度将直接影响到产品的终轧尺寸精度。轧机弹跳曲线是辊缝设定核心依据。弹跳曲线在零压力下对应的辊缝数值就是弹跳曲线的零点辊缝。该零点不是一成不变的,会在轧制过程中逐渐漂移,难以实现精确的建模和实时计算,所带来的误差会使辊缝零点漂移,现有的辊缝设定模型没有考虑辊缝零点 漂移,使得辊缝设定值存在偏差,降低了辊缝的设定精度,只能靠自学习方法修正其误差,无法通过精确的预设定提前得到补偿,在前后轧制工况变化较大时即换规格或换辊后会出现厚度精度下降的情况。模型自学习也是提高模型设定精度的重要手段,学习要根据系统状态的变化,不断利用实时信息,进行模型系数的修正,学习过程把预测值与实际值进行比较,计算出学习系数,用于下一块钢的设定计算。自学习通过学习系数的不断修正,使设定值不断趋近实际值,从而提高模型的设定精度。目前使用的辊缝自学习模型是采用指数平滑法,但指数平滑系数的选取有两个问题存在,当系数大时会导致学习过程振荡,该系数小时又导致学习异常缓慢,所以有必要在此基础上对辊缝自学习模型学习方法进行改进,从而保证辊缝自学习的精度。目前有如下几个专利是针对这方面做了一些工作比如专利公开号为CN1483526A的专利技术提供了一种带钢精轧机辊缝的控制方法,它是通过对精轧入口温度(即中间坯头部的温度)的精确计算,解决了在使用热卷箱卷取中间坯的生产过程中过程控制模型头部命中率低的问题,由此来控制精轧机辊缝的精度,缺点是只考虑到了轧制过程中的温度对辊缝模型的影响,并没有涉及其它影响因素,而且还只是针对采用热卷箱的特殊情况;专利公开号为CN101829687A的专利技术则涉及了一种消除规格影响的带钢精轧机辊缝控制方法,它只是通过增加了根据规格划分的辊缝补偿值来消除规格轧制的影响。通过这种方法,能提高换规格轧制时的厚度精度,缺点是它只是针对换规格轧制所引起的误差而增加的补偿;还有专利公开号为CN101927267A提到了一种精轧带钢辊缝的控制方法及装置,它是通过计算轧制力和轧制力矩来调整辊缝,缺点是单从轧制力和力矩入手,只考虑到了轧制力和力矩对辊缝的影响,没有提及其它参数对其辊缝的影响。
技术实现思路
本专利技术要解决的技术问题是提供一种热轧带钢辊缝模型优化方法,解决轧制过程中弹跳模型的辊缝零点漂移问题和辊缝自学习模型精度低问题,以此提高精轧带钢辊缝模型的设定精度,从而达到提高热轧带钢成品厚度精度的目的。本专利技术是通过下面的技术方案来实现的,包括辊缝设定计算模型及辊缝自学习数据处理方法,在辊缝计算模型中加入了辊缝零点漂移补偿,降低了辊缝零点漂移所引起的辊缝计算偏差,优化了辊缝设定模型结构,从而提高了热轧带钢辊缝模型的设定计算精度;优化后的辊缝设定计算模型为如下形式权利要求1.,包括辊缝设定计算模型及辊缝自学习数据处理方法,其特征在于,在辊缝计算模型中加入了辊缝零点漂移补偿,降低了辊缝零点漂移所引起的辊缝计算偏差,优化了辊缝设定模型结构,从而提高了热轧带钢辊缝模型的设定计算精度; 优化后的辊缝设定计算模型为如下形式2.根据权利要求I所述的一种热轧带钢辊缝模型优化方法,其特征在于,所述的辊缝自学习的数据处理方法是采用同时去除极值轧制力和极值辊缝的辊缝自学习数据筛选方法,以及采用短时遗传学习方法结合长时遗传学习方法来减轻辊缝自学习的震荡;所述的长时遗传学习方法是指模型记忆带钢头部的厚度,按钢种、规格记忆,轧制过程更新记忆,把长时遗传与短时遗传相结合,投入模型设定计算中。3.根据权利要求I所述的一种热轧带钢辊缝模型优化方法,其特征在于,所述的辊缝自学习的数据处理方法是采取去掉轧制力最大值或最小值,同时去掉轧制力最大值或最小值对应点的辊缝值;相应的在去掉辊缝最大值或最小值时同时也去掉对应点的轧制力值,再求剩下的数据的平均值做差用来计算辊缝自学习值。全文摘要本专利技术公开。本专利技术中主要是优化了辊缝设定计算模型结构,增加了辊缝零点漂移补偿,降低了计算辊缝设定值时存在的辊缝零点漂移量偏差;同时对辊缝自学习的数据处理方法进行改进采用同时去除极值轧制力和极值辊缝的辊缝自学习数据筛选方法,以及采用短时遗传学习与长时遗传学习机制相结合的方法来减轻辊缝自学习的震荡。对辊缝模型采用上述优化方法后,保证了辊缝设定值的准确性以及辊缝自学习的有效性,使得辊缝模型计算精度大幅提高,进而提高了热轧带钢成品带钢的厚度精度。文档编号B21B37/58GK102896156SQ20121037635公开日2013年1月30日 申请日期2012年9月29日 优先权日2012年9月29日专利技术者费静, 王军生, 陈百红, 张岩, 李文斌, 宋宝宇, 秦大伟, 宋君, 王奎越 申请人:鞍钢股份有限公司本文档来自技高网
...

【技术保护点】
一种热轧带钢辊缝模型的优化方法,包括辊缝设定计算模型及辊缝自学习数据处理方法,其特征在于,在辊缝计算模型中加入了辊缝零点漂移补偿,降低了辊缝零点漂移所引起的辊缝计算偏差,优化了辊缝设定模型结构,从而提高了热轧带钢辊缝模型的设定计算精度;优化后的辊缝设定计算模型为如下形式:Gap=Fh-(S-Sj)*Gwid100*WCX+(S0-Sj)*Gwid100+(F-F0)*Goil100*M-Lcs式中:Gap???辊缝设定计算值;Fh????板带出口厚度设定计算值;Gwid??宽度补偿增益,层别数据;WCX??宽度补偿;Goil???油膜补偿增益,层别数据;M?????轧机常数;Lcs???辊缝学习系数,层别数据;WCX????宽度补偿系数;F,F0,Fj???分别为轧制力,压靠力,起始压靠力;S,S0,Sj???分别为轧制辊缝,压靠辊缝,起始辊缝;M,M′???轧机刚度。

【技术特征摘要】

【专利技术属性】
技术研发人员:费静王军生陈百红张岩李文斌宋宝宇秦大伟宋君王奎越
申请(专利权)人:鞍钢股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1