一种冷轧带钢板形控制方法技术

本发明专利技术提供冷轧带钢板形控制方法，接收目标板形分布信号和实际板形分布信号，计算离散型的板形偏差值；接收轧机倾辊装置、工作辊弯辊装置和中间辊弯辊装置实时位置信号，计算当前控制周期内各轧机传动装置能够实现的最大和最小动作冲程；以轧机的倾辊装置控制输出量、工作辊弯辊装置控制输出量和中间辊弯辊装置控制输出量组成粒子群优化算法的状态向量，生成N1组粒子群优化算法的状态向量初始种群粒子和粒子群优化学习过程中的指标评价函数；计算倾辊装置、工作辊弯辊装置和中间辊弯辊装置的最佳控制输出量，并传输至板形控制系统基础自动化级PLC，完成在线调节，从根本上杜绝了冷轧带钢板形控制过程中执行器饱和现象发生的可能。

【技术实现步骤摘要】

【技术保护点】
一种冷轧带钢板形控制方法，其特征在于：它包括以下步骤：1）接收按照轧制工艺要求设定的目标板形分布信号和由安装在轧机出口侧的接触式板形仪在线测量的实际板形分布信号，计算出两者之间的差值得到离散型的板形偏差值δi，i=1,2,…,n，其中n为板形有效测量点个数；2）接收轧机倾辊装置、工作辊弯辊装置和中间辊弯辊装置这三种装置的实时位置信号，通过考虑单个控制周期内三种装置的动作极限、三种装置的极限位置约束，按照如下数学公式计算出在当前控制周期内各轧机传动装置能够实现的最大和最小动作冲程：u1min=min{?q1,p1min?p1}，u1max=max{q1,p1max?p1},u2min=min{?q2,p2min?p2}，u2max=max{q2,p2max?p2},u3min=min{?q3,p3min?p3}，u3max=max{q3,p3max?p3},式中，u1min为倾辊装置的最小动作冲程，u1max为倾辊装置的最大动作冲程，q1为倾辊装置单个控制周期内的动作极限，p1min为倾辊装置的最小极限位置，p1max为倾辊装置的最小极限位置；u2min为工作辊弯辊装置的最小动作冲程，u2max为工作辊弯辊装置的最大动作冲程，q2为工作辊弯辊装置单个控制周期内的动作极限，p2min为工作辊弯辊装置的最小极限位置，p2max为工作辊弯辊装置的最小极限位置；u3min为中间辊弯辊装置的最小动作冲程，u3max为中间辊弯辊装置的最大动作冲程，q3为中间辊弯辊装置单个控制周期内的动作极限，p3min为中间辊弯辊装置的最小极限位置，p3max为中间辊弯辊装置的最小极限位置；3）以轧机的倾辊装置控制输出量、工作辊弯辊装置控制输出量和中间辊弯辊装置控制输出量组成粒子群优化算法的状态向量，并以步骤2）中计算的得到的当前控制周期内各轧机传动装置能够实现的最大和最小动作冲程为参考，按照如下数学公式生成N1组粒子群优化算法的状态向量初始种群粒子xj=(u1j,u2j,u3j)，j=1,2,…,N1,这里N1为粒子群优化算法的种群数：u1j=u1min+rand(1)×(u1max?u1min)，u2j=u2min+rand(1)×(u2max?u2min)，u3j=u3min+rand(1)×(u3max?u3min)，式中，u1j为第j个粒子对应的倾辊装置控制输出量；u2j为第j个粒子对应的工作辊弯辊装置控制输出量；u3j为第j个粒子对应的中间辊弯辊装置控制输出量；rand(1)为一维的均匀分布在[0,1]区间的随机数；4）选定粒子群优化算法的最大迭代步数N2，粒子群优化学习过程中的指标评价函数为如下数学公式：Jj=Σi=1n(δi-u1jE1i-u2jE2i-u2jE1i)2,式中，Jj为第j个粒子对应的指标评价函数值；E1i为倾辊装置在第i个板形有效测量点对应的板形控制功效系数,由工艺人员提前给出；E2i为工作辊弯辊装置在第i个板形有效测量点对应的板形控制功效系数,由工艺人员提前给出；E3i为中间辊弯辊装置在第i个板形有效测量点对应的板形控制功效系数,由工艺人员提前给出；然后利用粒子群优化算法的学习机制计算倾辊装置的最佳控制输出量u1op，工作辊弯辊装置的最佳控制输出量u2op，和中间辊弯辊装置的最佳控制输出量u3op；5）将所述步骤4）计算得到的轧机倾辊装置、工作辊弯辊装置和中间辊弯辊装置的最佳控制输出量传输至板形控制系统基础自动化级PLC，完成对轧机倾辊装置、工作辊弯辊装置和中间辊弯辊装置进行在线调节；6）等待下一控制周期开始的触发信号，然后由接触式板形仪接收本次调节后的实际出口板形分布信号，并将该信号传送至板形计算机，返回步骤1），继续下一控制周期的板形控制。...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵昊裔，
申请(专利权)人：中冶南方工程技术有限公司，
类型：发明
国别省市：