CN105689405A - 一种冷轧带材在线目标板形的智能设定方法 - Google Patents

Abstract

本发明公开了一种冷轧带材在线目标板形智能设定方法，它包括如下步骤：将板形曲线拆分为原始板形检测曲线、工艺误差板形补偿曲线和目标板形曲线三种，其中原始板形检测曲线和工艺误差板形补偿曲线叠加组成有效的实测板形曲线，简称有效板形曲线，目标板形曲线仅需考虑后续工序要求所要达到的板形调控目标；建立基于四次勒让德多项式的在线板形目标曲线，满足轧后带材残余应力偏差沿板宽方向自相平衡(即沿带宽横向积分为零)的约束条件，目标清晰，功能明确；建立基于智能算法的目标板形标准曲线库，获得在线目标板形的最佳参数，保证板形控制精度。

Description

一种冷轧带材在线目标板形的智能设定方法

技术领域

本发明涉及轧制带材机械设备自动化测量领域，尤其涉及一种冷轧带材在线目标板形的智能设定方法,该方法适用于冷轧带材、铝带、铜带等板带产品的板形控制目标。

背景技术

随着轧制理论和钢铁轧制技术的快速发展，带材趋向更宽更薄，因此，板形问题也随之日愈突出和复杂，板形控制理论和调控技术研究也在不断更新和完善。板形闭环控制的关键主要在于实时检测高灵敏度的在线板形信号、考虑实际工况的目标板形曲线和稳定可靠的高精度板形调控模型，其中原始板形信号是基础和前提，目标板形曲线是核心和关键，板形调控模型是效率和手段，三者缺一不可，对于提高板形闭环控制精度都至关重要。在板形测控过程中，首先需要利用板形仪实时测量在线带材残余张应力的横向分布规律，对其进行数字处理和工艺误差补偿后，送入板形测控系统；板形测控系统再根据当前实际工况进行板形目标曲线和调控参数设定；最后利用板形控制手段实现高精度闭环自动控制。

带材在轧制过程中，利用各种调控手段使在线检测板形曲线无限逼近满足不同要求的目标板形曲线，尽可能消除两者之间偏差。其中目标板形曲线是板形闭环调控的目标，既要考虑轧制过程不同钢种、规格带材对板形的特殊要求，还要考虑后续工序对带材板形的工艺要求，如松边轧制有利于防止边裂、断带等事故，罩退时微双边浪带材有利于防止带卷粘结和提高带材退火效果，而连退时微中浪有利于带材张力的合理分布。

传统板形目标曲线多数是根据生产实践经验确定的高次多项式，不仅包含工艺误差，而且还需要考虑后续工艺要求，参数设定困难，且经常固定不变，这在很大程度上不易满足特殊工艺或突发工况对板形控制的技术要求。如当板凸度、带材温度、对中跑偏、张力波动、检测辊挠曲等变化时，轧制状态和工艺误差明显改变，此时如果目标曲线保持不变，势必会对带材的板形闭环控制效果产生一定影响。因此，从机理上，将工艺误差从传统目标曲线中剥离出来单独建模，不仅使目标曲线功能清晰职能明确，只需考虑后续工序板形要求即可，而且工艺误差在线补偿有利于适应当前工况参数的实际变化，将其叠加于原始板形曲线形成有效板形曲线，既能真实反映在线带材的实际板形规律，又与轧后离线带材板形状态吻合。

从机理上来说，目标曲线实质上也应表示为带材内部残余张应力的横向分布规律，代表轧后带材应该呈现出的板形状况。在传统概念中，或者将目标曲线设定为一条直线即认为板形良好，或者将工艺板形误差积累到目标曲线上保证轧后带材板形良好。显然这两种方式在实际应用过程中会引起一系列问题，易导致在线板形状态良好的带材离线卸张后经常会表现出不同程度的板形缺陷。

发明内容

本发明克服了现有目标板形设定技术中的不足，提供一种针对冷轧带材在线目标板形的智能设定方法。

为了解决上述技术问题，本发明是通过以下技术方案实现的：

一种冷轧带材在线目标板形的智能设定方法，其内容包括如下步骤：

一、将板形曲线拆分为原始板形检测曲线、工艺误差板形补偿曲线和目标板形曲线三种；其中原始板形检测曲线和工艺误差板形补偿曲线叠加组成有效的实测板形曲线，简称有效板形曲线，其能够真实反映实际的冷轧带材板形状态，目标板形曲线表示考虑后续工序要求所要达到的板形调控目标；在板形调控过程中，建立对应的板形信号误差补偿模型，对检测到的在线原始板形信号进行补偿校正，准确反映带材真实板形状况，在此基础上，根据不同工艺特点，制定动态板形标准曲线，对冷轧带材在线板形信号进行准确识别和计算板形控制调整量，结合弯辊、倾辊、轧辊横移及分段冷却板形调控手段，综合利用板形控制手段使有效板形曲线能逼近目标板形曲线，无限缩小两者之间的板形偏差，此时有效板形曲线与目标板形曲线趋于一致，能够反映冷轧带材实际板形状态，确定代表在线带材实际板形状态的有效残余张应力Δσ(y)；

二、建立基于四次勒让德多项式的在线板形目标曲线，满足轧后带材残余应力偏差沿板宽方向自相平衡的约束条件，也即沿带宽横向积分为零的约束条件，目标清晰，功能明确，目标曲线只需考虑后续工序板形要求，有利于实现冷轧带材的目标曲线智能设定和高效板形调控；

三、建立基于智能算法的目标板形标准曲线库；首先，基于当前轧制工况和目标板形模型，获得在线目标板形的最佳参数；其次持续采集效果良好的目标曲线特征值和工况参数，补充至标准曲线数据库中，再次训练执行自适应和自学习过程；同时针对当前待轧制带材的工况参数，为其提供目标设定曲线，完成板形闭环过程，以保证板形控制精度。

与传统概念的目标曲线相比，该方法对传统意义上的板形曲线进行拆分剥离，将工艺误差补偿曲线从目标曲线中独立出来，即板形曲线包括原始板形检测曲线、工艺误差板形补偿曲线和目标曲线。其中原始板形检测曲线为板形仪提供的原始板形信号，工艺误差板形补偿曲线为考虑各种影响板形精度的工艺误差综合补偿信号，目标曲线为考虑后续工序工艺需求的实际板形控制目标。原始板形检测曲线叠加上工艺误差补偿曲线后，表示为反映在线带材实际板形状况的有效板形曲线，在板形调控过程中，通过板形控制手段的综合调控，使有效板形曲线无限逼近目标曲线，尽可能缩小两者偏差，理论上两者都可以代表轧后离线带材的实际板形状态。

附图说明

图1是原始板形检测、工艺误差板形补偿和目标板形关系；

图2是板形检测基本原理示意图；

图3是目标板形特征值网络示意图；

图4是板形调控流程图；

图5是调控前检测板形和目标板形对比；

图6是调控后检测板形和目标板形对比。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述：

一种冷轧带材在线目标板形智能设定方法，其内容包括如下步骤：

一、将板形曲线拆分为原始板形检测曲线、工艺误差板形补偿曲线和目标板形曲线三种；其中原始板形检测曲线和工艺误差板形补偿曲线叠加组成有效的实测板形曲线，简称有效板形曲线，其能够真实反映实际的冷轧带材板形状态，目标板形曲线表示考虑后续工序要求所要达到的板形调控目标；在板形调控过程中，建立对应的板形信号误差补偿模型，对检测到的在线原始板形信号进行补偿校正，准确反映带材真实板形状况，在此基础上，根据不同工艺特点，制定动态板形标准曲线，对冷轧带材在线板形信号进行准确识别和计算板形控制调整量，结合弯辊、倾辊、轧辊横移及分段冷却板形调控手段，综合利用板形控制手段使有效板形曲线能逼近目标板形曲线，无限缩小两者之间的板形偏差，此时有效板形曲线与目标板形曲线趋于一致，能够反映冷轧带材实际板形状态，确定代表在线带材实际板形状态的有效残余张应力Δσ(y)；

二、建立基于四次勒让德多项式的在线板形目标曲线，满足轧后带材残余应力偏差沿板宽方向自相平衡的约束条件，也即沿带宽横向积分为零的约束条件，目标清晰，功能明确，目标曲线只需考虑后续工序板形要求，有利于实现冷轧带材的目标曲线智能设定和高效板形调控；

三、建立基于智能算法的目标板形标准曲线库；首先，基于当前轧制工况和目标板形模型，获得在线目标板形的最佳参数；其次持续采集效果良好的目标曲线特征值和工况参数，补充至标准曲线数据库中，再次训练执行自适应和自学习过程；同时针对当前待轧制带材的工况参数，为其提供目标设定曲线，完成板形闭环过程，以保证板形控制精度。

将传统意义上的板形曲线拆分为原始板形检测曲线、工艺误差板形补偿曲线和在线目标板形曲线，三者之间的关系如图1所示；

一、原始板形检测曲线

基于板形理论定义和产生机理可知，带材各种浪形缺陷实质上是由于横向各条元的纵向延伸不同而引起的，但是在轧制过程中，不可能直接在线测量轧后带材横向各条元的纵向不均匀延伸。因带材张应力横向分布与带材纵向延伸有关，故可以通过测量带材张应力横向分布来获得带材横向各条元的延伸率分布，两者都可用来表示板形分布。在轧制过程中，带材板形基本检测原理如图2所示，带材在张力T_k(k＝1,2,…,m)的作用下，检测辊表面沿横向产生径向压力p_k。接触式板形仪测量板形时，将检测辊各通道的实测径向压力值换算为带材张应力，便可得到带材的残余应力分布，进而得到冷轧带材的在线板形分布规律。假设带材绕过检测辊的包角为2θ，第k个有效检测单元的宽度为b_i，覆盖该检测单元的带材厚度为h_k，根据力平衡方程式有如下关系

$T_{k}sin\mathrm{\θ}={\∫}_0^{\mathrm{\θ}}{p}_k{\mathrm{Rb}}_{k}cos\mathrm{\α}d\mathrm{\α}---\left(1\right)$

积分可得p_k＝T_k/(Rb_k)，可见如果忽略摩擦力的作用，在大包角状况下，带材对检测辊的单位压力与包角无关，故只要最小包角大于弹性单元所对应的中心角，检测压力信号就不受卷取包角的干扰。根据力学和几何关系可知，在张应力σ_k的作用下，带材对第k个有效检测单元的径向压力N_k为

N_i＝σ_i·b_ih_i·2sinθ(2)

由式(1)可求得作用在板形检测辊上的带材总张力T为

$T=\underset{k=1}{\overset{m}{\Σ}}{T}_k=\underset{k=1}{\overset{m}{\Σ}}{\mathrm{\σ}}_k\×b_k\×h_k=\frac{\underset{k=1}{\overset{m}{\Σ}}{N}_k}{2\sin \mathrm{\θ}}---\left(3\right)$

设带材板宽B和板厚h，则带材平均张应力为

$\stackrel{\‾}{\mathrm{\σ}}=\frac{T}{Bh}---\left(4\right)$

根据平均张应力值，可还原出残余张应力Δσ_k分布

工程中常采用比例还原法，以张力计测量出的张力值或根据电机扭矩反算出的张力值为基准值，求解基准张应力值，再乘以板形仪实时检测的径向压力分布，如式(6)所示，即可等比例换算出张应力的分布，继而得到残余张应力的分布。

其中为平均径向压力值，σ₀为基准张应力，表示为σ₀＝T_z/(Bh)，T_z为张力计实测张力值或根据电机扭矩反算张力值。

二、工艺误差板形补偿曲线

由于冷轧带材生产过程极为复杂，干扰在线板形信号的因素众多，导致在线检测到的板形信号往往包含着其他因素引起的板形偏差，不能反映真实板形状况，影响板形控制效果。干扰因素可分为内因和外因：内因是板形检测辊板形分辨力、板形信号处理系统检测精度；外因是带材温差、钢卷卷形凸度、带材边部覆盖、检测辊包角大小、检测辊挠度及检测辊几何安装误差。内因可以通过优化设计检测辊结构和信号处理硬件电路系统加以改善，外因需要通过探索其产生机理，建立对应的板形信号误差补偿模型，对检测到的在线原始板形信号进行补偿校正，才能准确反映带材真实板形状况，提高板形仪检测精度。在此基础上，根据不同工艺特点，制定动态板形标准曲线，对冷轧带材在线板形信号进行准确识别和计算板形控制调整量，结合弯辊、倾辊、轧辊横移及分段冷却等板形调控手段，最终实现板形闭环控制功能。

综上所述，根据所述的原始板形检测曲线和工艺误差板形补偿曲线叠加组成有效的实测板形曲线，确定代表在线带材实际板形状态的有效残余张应力Δσ(y)表示为

式中y∈[-1,1]，是板宽坐标，原点位于板宽中心，从板的一边到另一边，y从-1到+1，表示板形误差综合补偿量，主要包括

其中Δσ_m,Δσ_a,Δσ_f,Δσ_t,Δσ_g分别表示边部误差、安装精度、挠度、温差、局部高点引起的板形补偿量。

三、有效板形曲线模式识别

冷轧带材板形实际上表现为轧后带材残余应力偏差沿横向(板宽方向)的分布曲线，残余应力应满足其自相平衡(即沿带宽横向积分为零)的约束条件，因此选择勒让德多项式表示带材板形状态更接近实际。以勒让德正交多项式为板形基本模式，建立以1次、2次、3次和4次勒让德正交多项式为板形基本模式的板形模式识别方法，可将一个复杂的板形分解为1次分量、2次分量、3次分量和4次分量，这种方法使板形识别结果中有两种非对称板形分量和两种对称板形分量，识别结果更具有完备性，提高板形模式识别的精度，细化板形控制的目标，有利于提高板形控制的精度。则式(7)可进一步表示为

式中p₁(y),p₂(y),p₃(y),p₄(y)分别为1次、2次、3次、4次勒让德正交多项式，又称板形基模式多项式(残余应力归一化分布模式)，其中p₁(y)＝y，p₂(y)＝(3y²-1)/2，p₃(y)＝(5y³-3y)/2，p₄(y)＝(35y⁴-30y²+3)/8，p₁(y)，p₂(y)，p₃(y)和p₄(y)是正值时，分别表示左边浪、中间浪、右三分浪和四分浪四种板形基本模式，前面加负号，变为互反模式；a₁，a₂，a₃，a₄的物理意义分别是1次、2次、3次、4次板形分量在右板边(y＝1)的残余应力值，也是残余应力的最大值(当a₁，a₂，a₃，a₄为正时)或最小值(当a₁，a₂，a₃，a₄为负时)。理论上，板形控制的目标是使a₁，a₂，a₃，a₄均趋于零，即带材中的残余应力偏差趋于零，其横向分布趋一条直线。

四、基于勒让德多项式的在线目标板形曲线

冷轧带材在轧制前，板形预设定系统根据当前轧制工况和工艺需求选择最合适的板形目标曲线，在板形调控过程中再根据带材跑偏、温度、张力波动等实际工况进行精细微调，以使在线板形曲线尽量逼近目标板形曲线，从而使轧后带材获得满足设定要求的离线板形状态。传统板形目标曲线多数表示为高次多项式，既包含工艺误差，又考虑后续工艺要求，对于复杂多变的突发轧制工况，如当板凸度、带材温度、对中跑偏、张力波动、检测辊挠曲等参数发生明显变化时，其工艺误差明显改变，此时如目标曲线保持不变，势必会对带材的板形闭环控制效果产生一定的影响，不易满足板形调控要求。此外，高次多项式参数设定困难，工艺误差一旦设定不当易出现较大的板形偏差，超出轧机现有板形控制手段的调控范围。

综上所述，将工艺误差补偿曲线独立于目标板形而叠加于板形检测曲线，不仅使有效板形曲线真实反映实际板形状态，而且使目标曲线更清晰明确，功能只需考虑后续工序板形要求即可。为了便于分析和调整目标板形曲线与有效板形曲线的板形模式相对应，根据所述的建立基于四次勒让德多项式的在线板形目标曲线，建立了基于四次勒让德多项式的目标板形设定模型，以实现冷轧带材的目标曲线智能设定和高效板形调控；因此，目标板形曲线Δσ^*(y)可设定为

${\mathrm{\Δ\σ}}^{*}\left(y\right)=a_1^{*}{p}_1\left(y\right)+a_2^{*}{p}_2\left(y\right)+a_3^{*}{p}_3\left(y\right)+a_4^{*}{p}_4\left(y\right)---\left(10\right)$

式中分别为1次、2次、3次、4次目标板形分量系数，在通常情况下，可设定以保证目标板形曲线的左右对称性，只有在检测辊安装误差、挠度等参数超限导致板形调控手段严重失效等特定工况，出于安全稳定轧制考虑时，和才有可能不为零，另外在确定多道次或连轧过程中的目标板形分量系数时，可根据带材失稳判别模型进行基本参数设定；识别板形P(y)减去目标板形Δσ^*(y)，则基本板形偏差E(y)表示为

$\begin{array}{c}E\left(y\right)=P\left(y\right)-{\mathrm{\Δ\σ}}^{*}\left(y\right)=(a_1-a_1^{*})p_1\left(y\right)+(a_2-a_2^{*})p_2\left(y\right)+\\ (a_3-a_3^{*})p_3\left(y\right)+(a_4-a_4^{*})p_4\left(y\right)\end{array}---\left(11\right)$

分别用 $e_1=a_1-a_1^{*},e_2=a_2-a_2^{*},e_3=a_3-a_3^{*},e_e=a_4-a_4^{*},$ 则基本板形偏差表示为

E(y)＝e₁p₁(y)+e₂p₂(y)+e₃p₃(y)+e₄p₄(y)(12)

设调控前的板形状态为利用倾辊、弯辊、横移等常规手段消除基本板形偏差后，典型手段调控后的板形状态为依旧保留的剩余板形偏差E_r

E_r＝Δσ^r+1(y)-Δσ^*(y)(13)

在计算目标板形曲线时，首先需要根据带材宽度和跑偏量，准确计算带材覆盖板形检测辊的有效起始通道、有效末通道及有效通道数量，进行必要的边部误差补偿后形成原始板形曲线；然后根据带材材质、规格等轧制参数，从板形标准曲线样本库中智能判断挑选出最相近的标准曲线作为当前板形控制的目标曲线，对目标曲线进行离散化处理，使其对应于板形检测曲线；在板形调控过程中，通过连续实施各板形控制手段的综合调控，使板形曲线无限逼近设定的目标曲线，以满足板形控制要求，另外还可需要根据轧制工况的实际变化和板形调控效果精细修正目标曲线，使其达到最佳的轧后板形控制精度。

五、在线目标板形曲线智能设定模型

5.1目标板形智能入库和在线调用

图3所示是目标板形特征值网络示意图；根据所述的建立基于智能算法的目标板形标准曲线库，首先利用智能算法训练标准曲线数据库中的已有良好样本，获得当前数据的最佳结构；其次持续采集效果良好的目标曲线特征值和工况参数，补充至标准曲线数据库中，再次训练执行自适应和自学习过程；同时针对当前待轧制带材的工况参数，为其提供目标设定曲线，完成板形闭环过程，以保证板形控制精度；用G表示由输入参数组成的向量G＝[g₁,g₂,…,g_l]，这里l表示变量个数。对于冷轧机而言，输入参数主要包括带材材质M、带材宽度B、入口厚度h₀、带材出口厚度h₁、带材温度T_s、环境温度T_c、辊型参数Cr、工作辊直径D_w和温度T_w、轧制力P、前张力T₁、后张力T₀、倾斜轧辊位移(驱动侧和工作侧辊缝测量的差值)x₁、弯辊力x₂、非对称弯辊力x₃、中间辊横移位置x₄、上一时间间隔倾辊调节增量Δx₁、弯辊力调节增量Δx₂、非对称弯辊力调节增量Δx₃、中间辊横移位置增量Δx₄、板形特征值(a₁,a₂,a₃,a₄)；输出参数为目标函数的特征值

对于不同配置的冷带材轧机来说，其机型特征和控制特性各不一样，工况参数也不尽相同，因此需要针对每台轧机进行长时间的智能训练，才能获得良好的网络结构，使板形控制逐渐趋于稳定和高精度。

5.2基本步骤

在板形闭环调控过程中，板形检测辊实时产生原始板形信号，经数字信号处理后送入板形检测系统，进行进一步的数字处理和工艺误差补偿，获得真实反映实际带材板形状态的有效板形信号，与目标板形对比获得板形偏差，最后利用板形控制手段进行综合调控，从而形成一个完整的闭环控制周期。具体的板形闭环调控过程如图4所示，基本步骤如下：

(1)考虑轧机特性和工况参数，根据带材宽度和跑偏量计算有效起始通道、有效末通道和有效通道数，实时计算工艺误差综合补偿量

(2)通过板形仪获取在线检测信号，实时计算残余张应力减去工艺误差综合补偿量，获得有效残余张应力Δσ(y)；

(3)对有效残余张应力进行模式识别，获取1、2、3、4次分量板形特征值；同时，根据轧制工况参数选择板形标准曲线参考特征值，智能计算当前工况所需的目标板形曲线Δσ^*(y)和板形偏差E(y)；

(4)利用板形控制矩阵，基于当前板形偏差实时计算典型控制手段的板形调控量ΔU，判别剩余板形偏差是否满足调控要求，如不满足则连续调控直至满足收敛条件；

(5)根据常规调控手段收敛后的当前剩余板形偏差，利用分段冷却手段和冷却调控功效函数，对当前板形状态进行精细微调，直至板形状态满足目标板形收敛要求；

(6)根据当前板形调控效果和轧制工况参数，形成满足板形要求的新目标板形曲线，对其进行短期自适应自学习，形成板形标准曲线的基本特征量，保存于样本数据库并进行分类和编号，以备后续相似工况板形闭环控制时的在线调用；

(7)积累不同材质、规格带材轧制规程和板形状况后，对标准曲线库中的目标板形曲线进行长期自适应和自学习，提高当前带材目标板形的适应范围和设定精度。

以1050HC六辊可逆冷带材轧机为例，具备倾辊、非对称正负弯辊、横移等板形调控功能。在生产过程中，除特定材质或规格的带材外，基本以倾辊、弯辊调控为主。如某卷带材材质为SPHC，来料厚度为3.0mm，六道次轧制成品，其中末道次入口厚度0.4mm，出口厚度0.3mm，轧制速度500m/min，轧制力设定值6000kN，弯辊力设定值11.0kN，非对称弯辊力限制在±20kN，张力41.0kN。在轧机出口安装有板形辊，左侧操作侧，右侧传动侧，辊身长度1050mm，19路检测通道，单通道宽度50mm，有效检测宽度950mm。图6和图7分别示出了调控前后的检测板形和目标板形的对比关系。

从图5(a)中可以看出，在线板形状态总体呈现明显的中浪特征和轻微的单边浪特征，其中2次板形分量最明显，3次和4次特征次之，1次板形最小。考虑后续工艺要求，目标曲线设定为微中浪曲线，在线板形减去目标曲线的板形偏差如图5(b)所示。根据轧机现有调控手段和板形调控影响关系，在同步减小总弯辊力时，使操作侧弯辊力略小于传动侧弯辊力20％，弯辊力90kN，同时配合微调±10％倾辊量。调整后的板形曲线如图6(a)所示，板形偏差明显减小，板形分量信息如图6(b)所示，各次板形分量都有明显减小，尤以2次板形偏差减小幅度最为明显，受目标板形或后续工艺的要求，轧后带材板形以微中浪为主。从图5和图6中都可以看到，受轧机板形调控手段的限制，轧后依旧残留部分板形偏差，因此如能适当调整精细分段冷却，则有望微调局部板形偏差。

综上所述，依据理论模型和实例验证数据，表明在线板形检测曲线、误差补偿曲线和板形目标曲线对于板形闭环控制过程都是至关重要，直接影响在线带材的板形控制精度和轧后离线的实际板形状态。因此，提高板形控制精度的关键在于：

(1)研制高精度的工业级板形仪，获得高灵敏度的原始板形检测信号；

(2)考虑边部跑偏、挠曲变形、横向温差、带材凸度、安装误差等因素，结合实测数据和工况变化，建立轧制过程中的高精度工艺误差综合补偿模型；

(3)考虑后续工序的特定工艺要求，建立灵活方便的目标板形设定模型；

(4)依据轧机特性和实际工况，或进一步改造升级板形控制手段，组建高效的动态板形协同调控模型；

(5)基于理论模型和现场实测数据，对大量实测样本数据进行智能识别和网络训练，获得稳定可靠的标准样本库，为后续生产提供重要参考；

(6)提高板形预设定数学模型的计算精度和计算速度，一定程度上可以提高板形闭环控制的调控效率。

由于采用上述技术方案，本发明提供的一种冷轧带材在线目标板形智能设定方法，与现有目标板形设定技术相比，其有益效果是：

(1)将板形曲线分为原始板形检测信号、工艺误差补偿信号和目标板形信号三种，对三类曲线进行相对独立建模，机理清晰功能明确，其中原始板形检测信号为板形检测辊的实时检测信号，工艺误差补偿信号为考虑实际工况的在线板形误差综合补偿量，目标曲线主要是为后续工序的实际工艺要求而设定。在线检测板形曲线叠加上工艺误差综合补偿曲线后，才能认为是有效实测板形曲线，能够代表在线带材的实际板形状态，最大程度保证实测板形与轧后离线板形规律一致。

(2)利用包含3次特征分量的勒让德多项式表示在线板形的目标曲线，同时对有效实测板形曲线进行模式分解，其各次特征值减去目标板形曲线目标特征值获得各次板形偏差，便于准确描述冷轧带材的非对称板形状态。

(3)对调控效果较好的目标曲线进行自适应、自学习，通过判别和加权，形成新的标准曲线，用于后续同类材质、规格带材或相近工况参数的板形控制调用。

Claims (4)

1.一种冷轧带材在线目标板形智能设定方法，其特征在于：该方法包括如下步骤：

一、将板形曲线拆分为原始板形检测曲线、工艺误差板形补偿曲线和目标板形曲线三种；其中原始板形检测曲线和工艺误差板形补偿曲线叠加组成有效的实测板形曲线，简称有效板形曲线，其能够真实反映实际的冷轧带材板形状态，目标板形曲线表示考虑后续工序要求所要达到的板形调控目标；在板形调控过程中，建立对应的板形信号误差补偿模型，对检测到的在线原始板形信号进行补偿校正，准确反映带材真实板形状况，在此基础上，根据不同工艺特点，制定动态板形标准曲线，对冷轧带材在线板形信号进行准确识别和计算板形控制调整量，结合弯辊、倾辊、轧辊横移及分段冷却板形调控手段，综合利用板形控制手段使有效板形曲线能逼近目标板形曲线，无限缩小两者之间的板形偏差，此时有效板形曲线与目标板形曲线趋于一致，能够反映冷轧带材实际板形状态，确定代表在线带材实际板形状态的有效残余张应力Δσ(y)；

二、建立基于四次勒让德多项式的在线板形目标曲线，满足轧后带材残余应力偏差沿板宽方向自相平衡的约束条件，也即沿带宽横向积分为零的约束条件，目标清晰，功能明确，目标曲线只需考虑后续工序板形要求，有利于实现冷轧带材的目标曲线智能设定和高效板形调控；

三、建立基于智能算法的目标板形标准曲线库；首先，基于当前轧制工况和目标板形模型，获得在线目标板形的最佳参数；其次持续采集效果良好的目标曲线特征值和工况参数，补充至标准曲线数据库中，再次训练执行自适应和自学习过程；同时针对当前待轧制带材的工况参数，为其提供目标设定曲线，完成板形闭环过程，以保证板形控制精度。

2.根据权利要求1所述的一种冷轧带材在线目标板形智能设定方法，其特征在于：根据所述的原始板形检测曲线和工艺误差板形补偿曲线叠加组成有效的实测板形曲线，确定代表在线带材实际板形状态的有效残余张应力Δσ(y)表示为

式中y∈[-1,1]，是板宽坐标，原点位于板宽中心，从板的一边到另一边，y从-1到+1，表示板形误差综合补偿量，主要包括

其中Δσ_m,Δσ_a,Δσ_f,Δσ_t,Δσ_g分别表示边部误差、安装精度、挠度、温差、局部高点引起的板形补偿量。

3.根据权利要求1所述的一种冷轧带材在线目标板形智能设定方法，其特征在于：根据所述的建立基于四次勒让德多项式的在线板形目标曲线，建立了基于四次勒让德多项式的目标板形设定模型，目标板形曲线Δσ^*(y)可设定为

${\mathrm{\Δ\σ}}^{*}\left(y\right)=a_1^{*}{p}_1\left(y\right)+a_2^{*}{p}_2\left(y\right)+a_3^{*}{p}_3\left(y\right)+a_4^{*}{p}_4\left(y\right)$

式中p₁(y),p₂(y),p₃(y),p₄(y)分别为1次、2次、3次、4次勒让德正交多项式，又称目标板形基模式多项式(残余应力归一化分布模式)；分别为1次、2次、3次、4次目标板形分量系数，在通常情况下，可设定 以保证目标曲线的左右对称性，只有在检测辊安装误差、挠度等参数超限导致板形调控手段严重失效等特定工况，出于安全稳定轧制考虑，和才有可能不为零，另外在确定多道次或连轧过程中的目标板形分量系数时，可根据带材失稳判别模型进行基本参数设定。

4.根据权利要求1所述的一种冷轧带材在线目标板形智能设定方法，其特征在于：根据所述的建立基于智能算法的目标板形标准曲线库，首先利用智能算法训练标准曲线数据库中的已有良好样本，获得当前数据的最佳结构；其次持续采集效果良好的目标曲线特征值和工况参数，补充至标准曲线数据库中，再次训练执行自适应和自学习过程；同时针对当前待轧制带材的工况参数，为其提供目标设定曲线，完成板形闭环过程，以保证板形控制精度；用G表示由输入参数组成的向量G＝[g₁,g₂,…,g_l]，这里l表示变量个数。