CN107520255A - 一种自学习式轧机入口厚度优化方法 - Google Patents

Abstract

一种自学习式轧机入口厚度优化方法，属于冷轧过程控制技术领域。该方法解决了由于前置工序导致的带钢减薄造成的轧机入口实际测量厚度与设定厚度存在较大偏差的问题。本发明通过优化方法，实现了自动计算轧机入口厚度修正系数，并以入口厚度修正系数来修正热轧来料厚度，使其转化为更接近真实轧机入口带钢厚度的设定值。本发明优化了轧机入口厚度设定值精度，提高了模型系统整体的计算精度。

Description

一种自学习式轧机入口厚度优化方法

技术领域

本发明涉及冷轧过程控制技术领域，特别是提供了一种在轧制模型设定计算中提高轧机入口厚度设定精度的技术。

背景技术

高度自动化的现代轧机，在正常情况下是由模型控制轧机去轧钢。所以，控制模型系统整体的精度、工作状态和水平在很大程度上决定了轧制产品的产量、质量、成材率、成本和效益。

轧制过程中，影响因素众多，众多单体模型构成模型系统，实现轧制过程的整体控制。由于模型之间有着密切的依存关系，所以模型中不论是哪一个环节精确度的缺失都会对模型整体控制效果产生不利的影响。

在模型设定计算中，轧机入口厚度是最基础的几个要素之一，直接影响着压下分配的计算，进而影响其他关联模型的计算结果。现有的控制模型中，一般将热轧来料的原始厚度作为带钢的轧机入口厚度，并且同一规格钢卷的热轧来料厚度是同一个值。但是，一方面由于生产时序不同，热轧来料的原始厚度不可避免存在着一定误差；另一方面带钢在进入轧机之前，由于生产工艺的需求需要进行拉矫和酸洗，带钢在热轧原料厚度基础上会得到一定的减薄，所以使用热轧来料厚度作为轧机入口厚度存在较大偏差。由于这种入口厚度偏差现象的存在，必然会影响压下分配的结果，进而造成其他模型计算结果的精度不足，最终影响模型系统的整体效果，所以，现使用的轧机入口厚度值无法满足高精度模型设定计算的要求，需要将其转化为更接近真实来料厚度的值来提高模型设定计算的精度，优化轧制控制的水平。

发明内容

为了克服上述现有技术的不足，本发明提供了一种提高设定轧机入口厚度精度的方法。

本发明的方法提供了以自学习算法为基础，根据实际过程数据的统计和分析，在考虑带钢轧机入口厚度变化规律的基础上，使用自学习方法计算轧机入口厚度修正系数，并以入口厚度修正系数来修正热轧来料厚度，使其转化为更接近真实轧机入口带钢厚度的设定值，实现入口厚度值精度的提高，最终提高模型系统整体的计算精度。

本发明所采用的技术方案其实施步骤如下：

步骤一、计算当前卷带钢实际入口厚度偏差Δ^*：获取当前卷带钢的工艺过程数据，包括实际轧机入口厚度Ha、热轧来料的厚度值H，计算当前卷带钢的轧机入口厚度偏差Δ^*，其公式为：Δ^*＝Ha-H。

步骤二、计算新的入口厚度修正系数Δ₁：获取当前卷带钢的实际轧机入口厚度偏差Δ^*和入口厚度修正系数Δ，使用增益系数法进行自学习计算，获得新的入口厚度修正系数Δ₁。

所述的增益系数法包括以下几个步骤：

步骤a、获取当前卷的入口厚度修正系数Δ，根据当前卷带钢是否为进行入口厚度修正的第一卷带钢，修正系数Δ获取分为两种情况：

情况一、若当前卷是第一卷带钢，则入口厚度修正系数Δ不存在，需要给定一个初始值Δ_set，入口厚度修正系数Δ＝Δ_set，当前卷的入口厚度修正应为热轧来料厚度加上初始值Δ₀。

情况二、若当前卷不是第一卷带钢，则入口厚度修正系数Δ存在，其值等于前一卷带钢计算获得的入口厚度修正系数Δ'₀，入口厚度修正系数Δ＝Δ'₀。

步骤b、获取当前卷的实际轧机入口厚度偏差值Δ^*。

步骤c、计算新的入口厚度修正系数Δ₁，公式为：Δ₁＝Δ+α(Δ^*-Δ)，其中α为增益系数，取值0.5。

步骤三、调用入口厚度修正系数Δ₁，在下一卷的模型设定计算中修正轧机入口厚度：获得下一卷的热轧来料厚度H',并修正其轧机入口厚度H₁，公式为：H₁＝H'+Δ₁。

步骤四、当如步骤三中所述的下一卷带钢开始轧制时，将“下一卷”状态变为“当前卷”，并收集工艺过程数据。然后，按上述步骤一、步骤二计算出新的入口厚度修正系数，并按步骤三所述对它的下一卷的带钢轧机入口厚度进行修正。

步骤五、根据步骤四所述的思路，进行在线生产中的当前卷和下一卷的切换，并按照步骤一、二、三计算，最终实现自学习式修正模型设定计算中的轧机入口厚度。

与现有技术相比，本发明的有益效果是通过自学习式的轧机入口厚度补偿修正，首先解决了实际轧机入口厚度与设定入口厚度存在较大偏差的问题，通过修正后的入口厚度值可以真实地反映了实际轧机入口厚度；其次，实现了轧机入口厚度自动优化的目标。由于轧机入口厚度设定精度的提升，提高了模型设定的整体精度，提高了轧制控制水平。

附图说明

图1为入口厚度修正系数的计算流程图；

图2为设定入口厚度修正的计算流程图；

图3SDC03钢种修正前入口厚度偏差的分布直方图；

图4SDC03钢种修正后入口厚度偏差的分布直方图。

具体实施方式

下面结合附图对本发明进一步说明。

在模型设定计算中优化轧机入口厚度精度的方法，在某钢厂进行在线投入使用，其步骤如下。

步骤一，调研生产现场已有的轧机入口厚度设定计算的方法和实际精度情况，以便为修正后效果对比分析做准备。

步骤二，入口厚度修正系数的计算是，通过热轧来料厚度hthick、实际轧机入口厚度ha以及当前使用的入口厚度修正系数zh’来进行计算新的入口厚度修正系数zh。根据入口厚度修正系数的计算流程和现有自学习模型计算的方法，建立入口厚度修正系数的自学习模型，其计算流程如图1所示。

步骤三，根据入口厚度修正系数的计算流程，形成自学习程序修改的方案，并投入在线控制系统。

步骤四，根据入口厚度修正的思路，在设定计算过程中调用前一卷计算所得的入口厚度修正系数zh，并对热轧来料厚度hthick进行修正，其计算流程如图2所示。

步骤五，根据入口厚度修正方案的流程，形成入口厚度修正的程序修改方案，并入口在线的设定模型计算当中。

步骤六，在线投入自学习式轧机入口厚度修正方案一段时间后收集工艺过程数据，包括热轧来料厚度hthick、实际轧机入口厚度ha、修正后的入口厚度设定值h。

步骤七，统计修正方案前后入口厚度偏差，进行对比分析。修正前的入口厚度设定的方法是，入口厚度设定值为热轧来料厚度乘以0.98，所以修正前的入口厚度偏差是，实际轧机入口厚度-热轧来料厚度×0.98；修正后的入口厚度偏差是，实际轧机入口厚度-修正后的入口厚度设定值。

根据生产的数据，对SDC03钢种为例进行统计分析，统计生产的591卷带钢的修正前后的入口厚度偏差的分布情况，其偏差的分布情况如图3、图4所示的直方图所示。由图所示，自学习修正后的入口厚度偏差的均值减小，近于趋于接近于目标值0；偏差分布接近于正态分布，偏差值较小的更加集中且钢卷数更多；实现了在线自动控制。所以，修正后的轧机入口厚度设定精度得到了大大提升，而且更加的稳定，提高了模型控制系统的整体精度和控制水平。

Claims (3)

1.一种自学习式轧机入口厚度优化方法，其特征在于：

步骤一、计算当前卷带钢实际入口厚度偏差Δ^*：获取当前卷带钢的工艺过程数据，工艺过程数据包括实际轧机入口厚度Ha、热轧来料的厚度值H，计算当前卷带钢的轧机入口厚度偏差Δ^*，其公式为：Δ^*＝Ha-H；

步骤二、计算新的入口厚度修正系数Δ₁：获取当前卷带钢的实际轧机入口厚度偏差Δ^*和入口厚度修正系数Δ，使用增益系数法进行自学习计算，获得新的入口厚度修正系数Δ₁；

步骤三、调用入口厚度修正系数Δ₁：在下一卷的模型设定计算中修正轧机入口厚度：获得下一卷的热轧来料厚度H',并修正其轧机入口厚度H₁，公式为：H₁＝H'+Δ₁；

步骤四、当步骤三中所述的下一卷带钢开始轧制时，将“下一卷”状态变为“当前卷”，并收集工艺过程数据；按上述步骤一、步骤二计算出新的入口厚度修正系数，并按步骤三所述对它的下一卷的带钢轧机入口厚度进行修正。

2.如权利要求1所述的优化方法，其特征在于：所述的增益系数法包括以下几个步骤：

步骤a、获取当前卷的入口厚度修正系数Δ，根据当前卷带钢是否为进行入口厚度修正的第一卷带钢，修正系数Δ获取分为两种情况：

情况一、若当前卷是第一卷带钢，则入口厚度修正系数Δ不存在，需要给定一个初始值Δ_set，入口厚度修正系数Δ＝Δ_set，当前卷的入口厚度修正应为热轧来料厚度加上初始值Δ₀；

情况二、若当前卷不是第一卷带钢，则入口厚度修正系数Δ存在，其值等于前一卷带钢计算获得的入口厚度修正系数Δ'₀，入口厚度修正系数Δ＝Δ'₀；

步骤b、获取当前卷的实际轧机入口厚度偏差值Δ^*；

步骤c、计算新的入口厚度修正系数Δ₁，公式为：Δ₁＝Δ+α(Δ^*-Δ)，其中α为增益系数。

3.如权利要求2所述的优化方法，其特征在于：所述的增益系数取值0.5。