一种改善换规格首块带钢板形质量的自学习方法

摘要

一种改善换规格首块带钢板形质量的自学习方法。该方法包括步骤：首先对带钢钢种、宽度、厚度进行分类，计算带钢所在的层别号；任意带钢轧制完成后，进行板形短期自学习和继承性自学习计算，短期自学习计算值保存到相应层别号中；轧辊换辊后，进行板形长期自学习计算，并将学习值存入到相应的层别之中，将短期自学习清零；任意带钢轧制前，判断自学习继承条件是否满足，若满足条件，读取上一块带钢继承性自学习值；任意带钢轧制前，取相应层别的短期板形自学习量和长期自学习量；结合三种自学习值进行板形模型的设定计算。本发明通过板形短期自学习、长期自学习、继承性自学习共同作用，可显著提高换规格首卷的板形质量控制精度。

权利要求

1. 一种改善换规格首块带钢板形质量的自学习方法，其特征在于：所述方法包含以下步骤：（a）首先对带钢钢种、宽度、厚度进行分类，确定所在的层别号；其中提到的层别号计算和带钢钢种、宽度、厚度有关，规定钢种总共有GNum档，宽度总共有BNum档，厚度总共有HNum档，若某一带钢钢种所处档位为iG，宽度档位为iB，厚度档位为iH，则层别号N计算方法为：层别号相同的带钢，其短期自学习、长期自学习计算完成后，均存入相同的数据区域，层别号不同则存入的数据区域不同；

（b）任意带钢轧制完成后，进行板形短期自学习和继承性自学习计算，短期自学习计算值保存到相应层别号中；

（c）换辊结束后，进行板形长期自学习计算，并将学习值存入到相应的层别之中，将相应层别短期自学习清零；

（d）任意带钢轧制前，判断自学习继承条件是否满足条件，若满足条件，读取上一块带钢继承性自学习值；任意带钢轧制完成，计算继承性自学习量，公式为：上式中：

为第i+1块带钢板形继承性自学习量；

为根据第i块带钢板形实测值反算出来的板形短期自学习调整系数； k3为板形短期自学习增益系数，取值范围为0.3-0.7；

其中，i和i+1块带钢层别号并不一定相同，若满足继承条件，则 对i+1块带钢起作用，否则不起作用；

是否满足继承条件判断如下：

1）进行继承条件判断的带钢，需满足如下要求：从换辊开轧后第二块带钢开始判断；

带钢的规格发生了变化；带钢在本换辊周期内没有进行过轧制；

2）若前后带钢iG和iB均相等，前后带钢层别号N差别在[-2，+2]范围内，满足继承条件；

3）若前后带钢iB和iH均相等，前后带钢层别号差在[BNum×HNum-2，BNum×HNum+2]范围内，满足继承条件；

4）若前后iG和iH均相等，前后带钢层别号差在[HNum-2，HNum+2]范围内，满足继承条件；

5）其余情况不满足继承条件；

（e）任意带钢轧制前，读取相应层别的短期板形自学习量和长期自学习量；（f）结合三种板形自学习值，进行板形模型的设定计算。

2.根据权利要求1所述的一种改善换规格首块带钢板形质量的自学习方法，其特征在于：所述步骤（b）中，板形短期自学习按照层别划分进行自学习：上式中：

为层别号相同的第i+1块带钢板形短期自学习量；

为层别号相同的第i块带钢板形短期自学习量；

为根据第i块带钢板形实测值反算出来的板形短期自学习调整系数；

k1为板形短期自学习增益系数，取值范围为0.3-0.7。

3.根据权利要求1所述的一种改善换规格首块带钢板形质量的自学习方法，其特征在于：所述步骤（c），工作辊换辊后，对于换辊周期内轧制的所有层别号进行板形长期自学习，按照层别划分进行自学习，采用如下算法：上式中：

为层别号相同的第j+1换辊单元带钢板形长期自学习量；

为层别号相同的第j换辊单元带钢板形长期自学习量；

为根据第j单元带钢板形短期自学习量；

k2为板形长期自学习增益系数，取值范围为0.3-0.7；

长期自学习完成后，将j换辊单元短期自学习量 清零。

说明书

一种改善换规格首块带钢板形质量的自学习方法

技术领域：

[0001] 本发明涉及一种热轧带钢薄板轧制工艺技术，具体指一种改善换规格首块带钢板形质量的自学习方法。背景技术：

[0002] 随着工业技术的发展，热轧板带的用途越来越广，从汽车、电子、家电到能源、航空、采矿等领域均有大量的运用，热轧板带的尺寸精度控制也显得尤为重要。板形作为板带尺寸精度控制的重要组成部分，越来越受到钢铁企业的重视，板形的生产机理非常复杂，好的板形不但要有设备、工艺、管理等条件作为的保证，高精度的板形控制系统也必不可少。板形控制技术发展至今，简单的板形问题已经能够被克服，现阶段板形控制系统尚存在的一个难题为换规格以后首块带钢的板形质量难以得到保证，这也是热轧带钢质量控制中其余控制系统存在的普遍缺陷。

[0003] 板形控制模型分为两部分，一部分为设定计算模型，一部分为动态闭环控制模型，设定计算模型主要是保证带钢头部(板形仪表尚未检测到带钢板形质量)的板形质量，而动态闭环控制模型主要保证仪表检测到板形值以后全长的板形质量。和其他控制模型类似，设定计算模型一般采用理论模型或经验模型，由于系统特性的变化、子模型的预报误差、环境的变化等因素，导致预报精度有限，为此引入了自学习算法，仪表检测到本块带钢板形值以后，通过自学习系统，修正下一块带钢的板形设定值，以保证下一块带钢的头部板形质量，从以上可以看出，有效的自学习算法对板形质量控制精度的提高有着积极的意义。

[0004] 工作辊弯辊和窜辊是热连轧改善板形的主要手段，以弯辊计算为例，弯辊的计算模型结构可表达为：

[0005] Bf＝(Cm-kpP-kWCCWC-kWECWE-kBCCBC-kBECBE-kCWRCCWR-C)/kf

[0006] 式中Bf为弯辊力设定值，Cm所需要控制的板形目标，P为轧制力设定值；；CWC为工作辊辊身中部的综合辊形半径值；CWE为工作辊辊身边部的综合辊形半径值；CBC为支持辊辊身中部的综合辊形半径值；CBE为支持辊辊身边部的综合辊形半径值；CCWR为工作辊初始辊形；kp为轧制力影响系数；kf为弯辊力影响系数；kWC为工作辊中部辊形影响系数；kWE为工作辊边部辊形影响系数；kBC为支持辊中部辊形影响系数；kBE为支持辊边部辊形影响系数；kCWR为工作辊辊初始辊形影响系数，C为自学习项。通过自学习算法，实时对C进行修正，达到准确计算弯辊力的效果。

[0007] 若轧制带钢规格相同，通过简单的自学习算法能够达到预期目的，如图1所示，从i块带钢到i+4块带钢规格均相同，则每一块的自学习值都能有效运用于下一块带钢。但若带钢规格进行变化，如图2(i+2块带钢厚度发生变化)和图3(i+2块带钢宽度发生变化)，由于各类带钢轧制特性不同，则i+1块带钢轧制完成后，所计算的自学习量不一定适用于i+2块带钢，甚至会出现学习值使得板形质量越学越坏的情况，但如果换规格首块不采用自学习值，由于模型的固有误差，同样设定精度无法得到有效保证。

[0008] 对带钢轧制模型自学习方法的研究成果较多，关于轧制模型自学习值在带钢之间如何有效运用的文献较少，如文献1(带钢热连轧的模型与控制，冶金工业出版社，2002)提到的增长记忆式递推最小二乘法以及指数平滑法，但没有提及如何把计算出来的自学习值运用到后续轧制的带钢；对轧制模型自学习值在带钢之间如何有效运用文献较少，如文献2(满足不锈钢与碳钢混合轧制的板形快速自学习的开发与应用，2006年全国轧钢生产技术会议文集)提到考虑带钢属性进行层别细化，解决不锈钢与碳钢混合轧制的板形问题，但没有考虑相邻带钢处于不同层别的自学习算法，以及相同层别换辊后的学习方式；如文献3(热轧带钢轧制力模型自学习算法优化，北京科技大学学报，V32，No6)中同样提到采用层别细化并判断带钢与带钢之间在考虑厚度和宽度的变化系数，此文献具有一定的实用性，相邻带钢之间如果钢种强度的变化以及换辊后同类层别的自学习方面都存在不足；如文献4(1780热连轧机板形控制系统的设计及应用，第二十九届中国控制会议论文集)提到采用短期自学习和长期自学习共同作用，但没有提及换规格带钢的板形自学习的使用方式。
发明内容：

[0009] 通过以上技术背景和文献分析可知，现有的自学习方式均无法有效保证常规计划编排、宽度交叉轧制、钢种交叉轧制下换规格首卷的板形问题，导致板形质量控制存在缺陷。为了解决以上问题，本发明涉及一种板形自学习策略，通过短期自学习、长期自学习及继承性自学习的结合，达到提高自学习效率的目的，提高各种工况下换规格首块带钢的板形质量。具体实施步骤如下：

[0010] (a)首先对带钢钢种、宽度、厚度进行分类，确定所在的层别号；层别号计算和带钢钢种、宽度、厚度有关，规定钢种总共有GNum档，宽度总共有BNum档，厚度总共有HNum档。则层别总数为：GNum×BNum×HNum。若某一带钢钢种所处档位为iG，宽度档位为iB，厚度档位为iH，则层别号N计算方法为：

[0011] N＝iG×BNum×HNum+iB×HNum+iH+1

[0012] 以1780mm热连轧机为例，钢种档位iG根据带钢强度划分，定义带钢屈服强度σs＜＝200Mpa定义iG＝0，200＜σs＜＝300Mpa定义iG＝1，依次类推。宽度档位iB按带钢宽度划分，若产品大纲宽度范围为800mm-1700mm，定义带钢宽度B＜＝800mm时，iB＝0；800＜B＜＝900mm，iB＝1，依次类推。厚度档位iH按带钢厚度划分，若产品大纲厚度范围为1.2mm-18mm，定义厚度h＜＝1.2mm时，iH＝0；1.2＜H＜＝2.0mm，iH＝1，依次类推；

[0013] 在计算机内存中在开辟GNum×BNum×HNum条记录，每条记录均存放板形短期自学习和长期自学习值，程序通过带钢的层别号N索引，进行存储或读取。

[0014] (b)任意带钢轧制完成后，进行板形短期自学习计算，计算值保存到相应层别号中；对于任意层别号，其板形短期自学习均采用如下算法：

[0015]

[0016] 上式中：ΔCs(i+1)为层别号相同的第i+1块带钢板形短期自学习量；ΔCs(i)为层别号相同的第i块带钢板形短期自学习量； (i)为根据第i块带钢板形实测值反算出来的板形短期自学习调整系数；k1为板形短期自学习增益系数，取值范围为0.3-0.7。

[0017] (c)换辊结束后，进行板形长期自学习计算，并将学习值存入到相应的层别之中，将短期自学习清零；工作辊换辊后，对于换辊周期内轧制的所有层别号进行板形长期自学习，对于任意层别号，采用如下算法：

[0018] ΔCl(j+1)＝ΔCl(j)+k2ΔCs(j)

[0019] 上式中：ΔCl(j+1)为层别号相同的第j+1换辊单元带钢板形长期自学习量；ΔCl(j)为层别号相同的第j换辊单元带钢板形长期自学习量；ΔCs(j)为根据第j单元带钢板形短期自学习量；k2为板形长期自学习增益系数，取值范围为0.3-0.7。长期自学习完成后，将j换辊单元短期自学习量ΔCs(j)清零。

[0020] (d)任意带钢轧制前，判断继承性自学习是否满足条件，若满足条件，取继承性自学习值；任意带钢轧制完成，计算继承性自学习量，采用的公式为：

[0021]

[0022] 上式中：ΔCa(i+1)为第i+1块带钢板形继承性自学习量； 为根据第i块带钢板形实测值反算出来的板形短期自学习调整系数；k3为板形短期自学习增益系数，取值范围为0.3-0.7。其中，i和i+1块带钢层别号并不一定相同，若满足继承条件，则ΔCa(i+1)对i+1块带钢起作用，否则不起作用。

[0023] 是否满足继承条件判断如下：

[0024] 1)进行继承条件判断的带钢，需满足如下要求：从换辊开轧后第二块带钢开始判断；带钢的规格发生了变化；带钢在本换辊周期内没有进行过轧制。

[0025] 2)若前后带钢iG和iB均相等，前后带钢层别号N差别在[-2，+2]范围内，满足继承条件；

[0026] 3)若前后带钢iB和iH均相等，前后带钢层别号N差在[BNum×HNum-2，BNum×HNum+2]范围内，满足继承条件；

[0027] 4)若前后iG和iH均相等，前后带钢层别号N差在[HNum-2，HNum+2]范围内，满足继承条件；

[0028] 5)其余情况不满足继承条件。

[0029] (e)任意带钢轧制前，取相应层别的短期板形自学习量和长期自学习量，若满足继承条件，读取上一块带钢继承性自学习量。

[0030] 因此弯辊计算公式中，若满足继承条件，换规格后i+1块带钢的自学习值Ci+1表示为：

[0031] Ci+1＝ΔCs(i+1)+ΔCl(i+1)+ΔCa(i+1)

[0032] 若不满足继承条件，换规格后i+1块带钢的自学习值Ci+1表示为：

[0033] Ci+1＝ΔCs(i+1)+ΔCl(i+1)

[0034] (f)结合板形自学习值，进行板形模型的设定计算。

[0035] 本发明的有益效果是：由于采用上述技术方案，本发明可显著改善换规格后首卷带钢板形的控制精度，此自学习方案对交叉轧制和传统轧制计划编排均有很好的适应性。本发明通过在二级计算机中对自学习模式进行修改，即可达到效果，无需进行设备和系统改造，实现容易，可行性高。为了验证控制的有效性，在某1780mm热连轧厂进行了实验对比，实验周期为两个月，分别采用长期自学习和短期自学习结合方式，以及长期自学习、短期自学习、继承性自学习相结合方式，对比数据表明，采用后者的自学习方式换规格首块带钢的板形命中率比前者提高了58％。
附图说明：

[0036] 图1轧制计划编排逻辑框图(带钢钢种宽度厚度均相同)。

[0037] 图2轧制计划编排逻辑框图(i+2块带钢厚度发生变化)。

[0038] 图3轧制计划编排逻辑框图(i+2块带钢宽度发生变化)。

[0039] 图4带钢A短期自学习流程图。

[0040] 图5带钢A长期自学习流程图。

[0041] 图6带钢板形自学习总体流程图。具体实施方式：

[0042] 下面结合附图和具体实施方式对本发明做进一步的说明：

[0043] 1)档位划分和层别号的确定。如表1所示，某1780mm热连轧机钢种总共划分为8档，GNum＝8；宽度分为10档，BNum＝10；厚度分为12档，HNum＝12；总共层别记录为
8×10×12＝960。在计算机中开辟一个具有960条记录的数据区，每条数据区内均放置长期自学习和短期自学习，进行存取和读取。

[0044] 定义带钢A规格：Q235B，宽度1250mm，厚度3.0mm；

[0045] 定义带钢B规格：Q235B，宽度1250mm，厚度2.3mm；

[0046] 定义带钢C规格：Q235B，宽度1000mm，厚度3.0mm；

[0047] 定义带钢D规格：Q235B，宽度1000mm，厚度2.0mm；

[0048] 表1钢种宽度厚度分档表

[0049]

[0050] 则带钢A：iG＝2，iB＝5，iH＝3，其层别号N＝2×10×12+5×12+3+1＝304。该规格带钢长期自学习和短期自学习均存入到304的层别号中。

[0051] 则带钢B：iG＝2，iB＝5，iH＝2，其层别号N＝2×10×12+5×12+2+1＝303。该规格带钢长期自学习和短期自学习均存入到303的层别号中。

[0052] 则带钢C：iG＝2，iB＝2，iH＝3，其层别号N＝2×10×12+2×12+3+1＝268。该规格带钢长期自学习和短期自学习均存入到268的层别号中。

[0053] 则带钢D：iG＝2，iB＝2，iH＝2，其层别号N＝2×10×12+2×12+2+1＝267。该规格带钢长期自学习和短期自学习均存入到267的层别号中。

[0054] 2)短期自学习。以带钢A为例，换辊后若轧制带钢A，带钢A第一次轧制，此时无短期自学习量。A轧制完成后，计算得到短期自学习量，第二次带钢A轧制时，设定弯辊力前到304层别取短期自学习量，轧制完成后，修正短期自学习量，并保存到304层别，供后续带钢A轧制时使用。如图4所示为带钢A的短期自学习流程图。

[0055] 3)长期自学习。以带钢A为例，在某轧制单位内如果轧制过带钢A，则换辊后，按照长期自学习计算公式，取出304层别短期自学习量，计算出长期自学习量，然后更新304层别长期自学习值，供下一次轧制单位带钢A读取，同时把304层别短期自学习值清零。如图5为带钢A的长期自学习流程图。

[0056] 4)继承性自学习。根据发明内容中提到的，以A，B，C，D四种带钢为例，说明继承性自学习过程。

[0057] 假设1：若轧制带钢A以后，轧制带钢B(B第一次轧制)。带钢A轧制完成后，进行继承性自学习计算，带钢B与带钢A相比，钢种和宽度不变，厚度进行变化，但层别号变化为1，满足继承条件，B带钢读取A带钢的继承性自学习量，带钢B板形设定时读取303层别取长期自学习值和带钢A的继承性自学习值。

[0058] 假设2：若轧制带钢C以后，轧制带钢D(D第一次轧制)，则同样的道理，满足继承条件。

[0059] 假设3：若轧制带钢A以后，轧制带钢C，(C第一次轧制)，钢种和厚度不变，宽度发生变化，层别变化为36，超过了[10，12]的界限，不满足继承条件，则轧制带钢C时，板形设定值只取带钢C所在层别的长期自学习值，不取带钢A的继承性自学习值。

[0060] 假设4：若轧制带钢A以后，轧制带钢B，又轧制带钢A，因为A在轧制B之前已经轧制过，已经具有短期自学习量，不满足继承条件，第二次轧制A时，板形设定读取带钢A所在层别的长期自学习值和短期自学习值，不取带钢B的继承性自学习值。

[0061] 同样的道理可推出任意轧制计划组合下三种自学习方式的使用情况。

[0062] 如图6所示为任意带钢板形自学习总体流程图。