CN107552578A - 一种实时获取负载辊缝信息的智能轧机 - Google Patents

Abstract

本发明公开了一种实时获取负载辊缝信息的智能轧机，在四辊或六辊板带轧机的工作辊前后分别布置一组位移传感器，将直接测量结果通过相关计算模型计算，可求得工作辊垂直方向的挠度、单位宽度轧制压力以及磨损和热凸度，结合与带材接触的工作辊的压扁量模型，进而可计算负载辊缝的形状曲线，即出口板厚分布。相比传统轧机而言，通过布置位移传感器获得直接测量结果取代了此部分在传统计算方法中的近似假设，尤其是不用进行迭代计算，使累计误差减小，精度提高，在轧件进入辊缝瞬间即可获知辊缝信息。

Description

一种实时获取负载辊缝信息的智能轧机

技术领域

本发明涉及自动化测量领域，尤其涉及一种实时获取负载辊缝信息的智能轧机。

背景技术

钢板的高精度板形板厚控制及过程控制一直是板带轧机生产过程的控制目标，而负载辊缝的参数信息直接影响轧机系统稳定性及产品质量。一般来讲，板带轧机在轧制生产时，工作辊弯曲、工作辊磨损和热凸度以及负载辊缝是不容易直接测量的，所以通常采取理论计算的方式得到上述相关数据。要计算负载辊缝的数值，必须同时分析整个辊系的弹性变形和辊缝内金属塑性变形，目前通常采用传统分割模型影响系数法，但是采用这种方法因为缺少一组已知量，所以需要首先进行假设，尤其是需要辊缝内金属变形模型与辊系变形模型相互迭代耦合求解，累计误差较大，同时存在时滞性。

因此，本发明提供一种实时获取负载辊缝信息的智能轧机，精确获取计算负载辊缝的参数信息，建立以实时获取参数信息为已知条件的辊系变形模型，确定实测参数信息与负载辊缝信息之间的对应关系，对制定板形板厚控制策略，得到高精度板带产品具有重要意义。

发明内容

本发明的目的在于提供一种实时获取负载辊缝信息的智能轧机，该轧机配置位移传感器，在轧件进入辊缝瞬间即可获知辊缝信息。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种实时获取负载辊缝信息的智能轧机，在板带轧机的一个待检测工作辊的入口侧和出口侧分别布置一组位移传感器，每组位移传感器包括多个位移传感器，多个位移传感器之间彼此均匀分布并成直线排列，每组位移传感器的排列总长度与所述工作辊的辊身长度相同，多个位移传感器与工作辊之间的轴线距离均相等，且所述位移传感器的轴向方向都垂直于空载时所述工作辊的轴线方向，所述每组位移传感器的检测方向通过空载时工作辊的轴线，所述每组位移传感器的检测方向与水平面的夹角为40°～60°，两组位移传感器的检测方向与水平面构成的夹角的角度差值为3°～10°；所述位移传感器用于测量从所述位移传感器到所述工作辊表面的距离值，通过测量的距离值并结合计算模型获得所述工作辊沿垂直方向的挠度、单位宽度轧制压力以及磨损和热凸度，结合与带材接触的所述工作辊的压扁量模型，得到负载辊缝的形状曲线；所述计算模型包括的具体计算步骤为：

步骤(1)：已知所述每组位移传感器的数量，相邻两个所述位移传感器之间的距离以及所述工作辊的初始直径，利用所述两组位移传感器的位置信息和测量结果，得到轧制时所述工作辊轴线相对于轧机空载时的挠度以及所述工作辊的磨损和热凸度；

步骤(2)：建立支承辊、中间辊和所述工作辊轴线变形表达式，建立辊间弹性压扁表达式，建立辊间变形协调表达式，得到单位宽度轧制压力；

步骤(3)：根据与带材接触的工作辊的压扁影响系数，单位宽度轧制压力，相邻两个高精度位移传感器之间的距离，得到与带材接触的工作辊的压扁量；

步骤(4)：根据空载辊缝常数、与所述带材接触的工作辊的压扁量、轧制时工作辊轴线相对于轧机空载时的挠度以及工作辊磨损和热凸度，得到负载辊缝的形状曲线。

优选的，所述板带轧机为四辊轧机或六辊轧机。

优选的，所述步骤(1)的具体步骤为：

利用两组位移传感器的位置信息和测量结果采用如下计算模型：

其中，m为每组位移传感器数量，D_w为工作辊初始直径；ΔR_w为工作辊磨损和热凸度；f_w为轧制时工作辊轴线相对于轧机空载时的挠度；L₁为轧机入口侧位移传感器检测工作辊的圆截面上测点到空载轴心点的距离；L₂为轧机出口侧位移传感器检测工作辊的圆截面上测点到空载轴心点的距离；α为轧机入口侧位移传感器检测方向与垂直方向的夹角；β为轧机出口侧位移传感器检测方向与垂直方向的夹角；d_a0为轧机空载时轧机入口侧位移传感器的检测值；d_a1为轧制时轧机入口侧位移传感器的检测值；d_b0为轧机空载时轧机出口侧位移传感器的检测值；d_b1为轧制时轧机出口侧位移传感器的检测值；

联立上述表达式(1)-(4)，所述四个表达式联立解出f_w与ΔR_w，即可得到轧制时所述工作辊轴线相对于轧机空载时的挠度以及所述工作辊的磨损和热凸度；

优选的，当轧机为六辊轧机时，其特征在于，步骤(2)的具体步骤为：

建立支承辊、中间辊和工作辊轴线变形表达式

f_bi＝f(q_mbi) (i＝1,2,…,m) (5)

f_mi＝f(q_wmi,q_mbi) (i＝1,2,…,m) (6)

f_wi＝f(p_li,q_wmi) (i＝1,2,…,m) (7)

其中，f_b为支撑辊轴线相对于轧机空载时的挠度，f_m为中间辊轴线相对于轧机空载时的挠度，q_mb为中间辊和支承辊之间压力分布，q_wm为工作辊和中间辊之间压力分布，p_l为单位宽度轧制压力；

建立辊间弹性压扁表达式

Δ_mbi＝f(q_mbi) (i＝1,2,…,m) (8)

Δ_wmi＝f(q_wmi) (i＝1,2,…,m) (9)

其中，Δ_mb为中间辊与支承辊之间弹性压扁量，Δ_wm为工作辊与中间辊之间弹性压扁量。

建立辊间变形协调表达式

f_mi＝f(f_bi,Δ_mbi) (i＝1,2,…,m) (10)

f_wi＝f(f_mi,Δ_wmi) (i＝1,2,…,m) (11)

联立上述表达式(5)-(11)共七个表达式，所述七个表达式可解出七个未知量f_b、f_m、q_mb、q_wm、p_l、Δ_mb和Δ_wm，即可求解出单位宽度轧制压力p_l。

优选的，当轧机为四辊轧机时，步骤(2)的具体步骤为：

建立支承辊和工作辊轴线变形表达式

f_bi＝f(q_i) (i＝1,2,…,m) (14)

f_wi＝f(p_li,q_i) (i＝1,2,…,m) (15)

其中，f_b为支撑辊轴线相对于轧机空载时的挠度，q为辊间压力分布，p_l为单位宽度轧制压力；

建立辊间弹性压扁表达式

Δ_wbi＝f(q_i) (i＝1,2,…,m) (16)

其中，Δ_wb为辊间弹性压扁量。

建立工作辊与支撑辊轴线变形协调表达式

f_bi＝f(f_wi,Δ_wbi) (i＝1,2,…,m) (17)

联立表达式(14)-(17)，所述四个表达式可解出四个未知量f_b、q、p_l和Δ_wb，即可求解出单位宽度轧制压力p_l。

优选的，所述步骤(3)的具体步骤为：

其中，Δ_ws为与带材接触的工作辊的压扁量；α_ws为与带材接触的工作辊的压扁影响系数，p_l为单位宽度轧制压力，Δy为相邻两个位移传感器距离；

优选的，所述步骤(4)的具体步骤为：

h_1i＝s₀+2f_wi+2Δ_wsi+2ΔR_wi (i＝1,2,…,m) (13)

其中，h₁为负载辊缝；s₀为空载辊缝常数；Δ_ws为与带材接触的工作辊的压扁量；f_w为轧制时工作辊轴线相对于轧机空载时的挠度；ΔR_w为工作辊磨损和热凸度。

优选的，所述待检测工作辊为上工作辊。

优选的，所述位移传感器为超声波传感器、红外线传感器或激光传感器；所述位移传感器的量程大于20mm，测量精度小于100nm，且重复精度小于50nm。

本发明的有益效果是：

1、一种实时获取负载辊缝信息的智能轧机，通过配置位移传感器，将直接测量结果通过计算模型计算，可求得工作辊垂直方向的挠度、单位宽度轧制压力以及磨损和热凸度，结合与带材接触的工作辊的压扁量模型，进而可计算负载辊缝的形状曲线，即出口板厚分布。

2、相比传统计算方法，减少了中间计算环节，直接测量结果取代了此部分在传统计算中的近似假设，尤其是不用进行迭代计算，使累计误差减小，计算精度提高，在轧件进入辊缝瞬间即可获知辊缝信息。

附图说明

图1为第一和第二位移传感器组布置位置轴向示意图；

图2为第一位移传感器组布置位置横向示意图；

图3为辊缝变化时工作辊与位移传感器组间几何关系变化示意图；

图4为某一时刻计算得到的工作辊轴线相对于轧机空载时的挠度；

图5为某一时刻计算得到的负载辊缝形状曲线。

主要附图标记：

第一位移传感器组1；

第二位移传感器组2；

上工作辊3；

轧制线4。

具体实施方法

下面结合附图对本发明做进一步说明。

具体实施例一：

如图1和图2所示，本发明提供一种实时获取负载辊缝信息的智能轧机，在现有六辊轧机基础上，沿与工作辊轴线平行方向分别在上工作辊前后各布置一组位移传感器，即轧机入口侧的第一位移传感器组1和轧机出口侧的第二位移传感器组2。每组位移传感器由多个位移传感器组成，在本实施例中位移传感器采用超声波传感器。多个所述位移传感器之间彼此均匀分布并成直线排列，所述每组位移传感器的排列总长度与所述工作辊的辊身长度相同，每个所述位移传感器与工作辊的轴线距离都相等，且所述位移传感器的轴向方向都垂直于空载时所述工作辊的轴线方向，位移传感器检测方向通过空载时上工作辊轴线，第一位移传感器组1检测方向与上工作辊3轴线所构成的平面与水平面构成的夹角为50°，第二位移传感器组2检测方向与上工作辊3轴线所构成的平面与水平面构成的夹角为45°；轧机工作辊3辊身长度为1720mm，直径为400mm，位移传感器每组25个且均匀分布，两个相邻位移传感器间距为70mm；位移传感器量程为30mm，测量精度为100nm，重复精度为50nm。每个位移传感器都用来测量所述位移传感器检测方向上从所述位移传感器到上工作辊3表面的距离。轧机负载和空载时，位移传感器的位置和检测方向相同且固定不变，但是由于轧机负载时上工作辊垂直挠曲，位移传感器的检测值产生变化。本领域技术人员都知道，除了本实施例所使用的超声波传感器外，位移传感器还可以使用红外线传感器、激光传感器等其它传感器；只要位移传感器的量程≥20mm，测量精度≤100nm，重复精度≤50nm，并能够在现场工况下长期稳定工作即可。

安装了位移传感器的智能轧机，实时获取负载辊缝信息的方法为：将位移传感器的测量值结合计算模型，求得上工作辊垂直方向的挠度、单位宽度轧制压力以及磨损和热凸度，结合与带材接触的上工作辊的压扁量模型，进而可计算负载辊缝的形状曲线，即出口板厚分布。所述计算模型具体包括以下几个步骤：

步骤(1)：已知每组位移传感器数量，相邻两个位移传感器的距离，工作辊初始直径，利用两组位移传感器的位置信息和测量结果，得到轧制时工作辊轴线相对于轧机空载时的挠度以及工作辊的磨损和热凸度；

步骤(2)：建立支承辊、中间辊和工作辊轴线变形表达式，建立辊间弹性压扁表达式，建立辊间变形协调表达式，得到单位宽度轧制压力；

步骤(3)：根据与带材接触的工作辊的压扁影响系数，单位宽度轧制压力，相邻两个高精度位移传感器距离，得到与带材接触的工作辊的压扁量；

步骤(4)：根据空载辊缝；与带材接触的工作辊的压扁量；轧制时工作辊轴线相对于轧机空载时的挠度；以及工作辊磨损和热凸度，得到负载辊缝的形状曲线。

针对本实施例中的六辊轧机，计算模型的具体算法如下：

(1)：每组位移传感器数量为m，相邻两个位移传感器距离为Δy，如图3所示，利用两组位移传感器的位置信息和检测结果采用如下计算模型：

其中，D_w为工作辊初始直径；ΔR_w为工作辊磨损和热凸度；f_w为轧制时工作辊轴线相对于轧机空载时的挠度(垂直位移)；L₁为轧机入口侧位移传感器检测工作辊的圆截面上测点到空载轴心点的距离；L₂为轧机出口侧位移传感器检测工作辊的圆截面上测点到空载轴心点的距离；α为轧机入口侧位移传感器检测方向与垂直方向的夹角；β为轧机出口侧位移传感器检测方向与垂直方向的夹角；d_a0为轧机空载时轧机入口侧位移传感器的检测值；d_a1为轧制时轧机入口侧位移传感器的检测值；d_b0为轧机空载时轧机出口侧位移传感器的检测值；d_b1为轧制时轧机出口侧位移传感器的检测值。

上述表达式(1)-(4)的四个表达式联立，可解出f_w与ΔR_w，即可计算出轧制时工作辊轴线相对于轧机空载时的挠度(垂直位移)以及工作辊的磨损和热凸度。

(2)计算单位宽度轧制压力计算模型为：

建立支承辊、中间辊和工作辊轴线变形表达式

f_bi＝f(q_mbi) (i＝1,2,…,m) (5)

f_mi＝f(q_wmi,q_mbi) (i＝1,2,…,m) (6)

f_wi＝f(p_li,q_wmi) (i＝1,2,…,m) (7)

其中，f_b为支撑辊轴线相对于轧机空载时的挠度(垂直位移)，f_m为中间辊轴线相对于轧机空载时的挠度(垂直位移)，q_mb为中间辊和支承辊之间压力分布，q_wm为工作辊和中间辊之间压力分布，p_l为单位宽度轧制压力。

建立辊间弹性压扁表达式

Δ_mbi＝f(q_mbi) (i＝1,2,…,m) (8)

Δ_wmi＝f(q_wmi) (i＝1,2,…,m) (9)

其中，Δ_mb为中间辊与支承辊之间弹性压扁量，Δ_wm为工作辊与中间辊之间弹性压扁量。

建立辊间变形协调表达式

f_mi＝f(f_bi,Δ_mbi) (i＝1,2,…,m) (10)

f_wi＝f(f_mi,Δ_wmi) (i＝1,2,…,m) (11)

联立上述表达式(5)-(11)，七个表达式可解出七个未知量，f_b、f_m、q_mb、q_wm、p_l、Δ_mb和Δ_wm，即可求解出单位宽度轧制压力p_l。

(3)与带材接触的工作辊的压扁量模型为：

其中，Δ_ws为与带材接触的工作辊的压扁量；α_ws为与带材接触的工作辊的压扁影响系数，p_l为单位宽度轧制压力，Δy为相邻两个位移传感器距离。

(4)负载辊缝的形状曲线，即出口板厚分布计算模型为：

h_1i＝s₀+2f_wi+2Δ_wsi+2ΔR_wi (i＝1,2,…,m) (13)

其中，h₁为负载辊缝(出口板厚分布)；s₀为空载辊缝常数，f_w为轧制时工作辊轴线相对于轧机空载时的挠度(垂直位移)，Δ_ws为与带材接触的工作辊的压扁量，ΔR_w为工作辊磨损和热凸度。

具体实施例二：

如果本发明用于四辊轧机上，则计算模型中的步骤(1)、(3)和(4)的算法和六辊轧机相同，而步骤(2)使用以下算法：

(2)四辊轧机计算单位宽度轧制压力计算模型为：

建立支承辊和工作辊轴线变形表达式

f_bi＝f(q_i) (i＝1,2,…,m) (14)

f_wi＝f(p_li,q_i) (i＝1,2,…,m) (15)

其中，f_b为支撑辊轴线相对于轧机空载时的挠度，q为辊间压力分布，p_l为单位宽度轧制压力。

建立辊间弹性压扁表达式

Δ_wbi＝f(q_i) (i＝1,2,…,m) (16)

其中，Δ_wb为辊间弹性压扁量。

建立工作辊与支撑辊轴线变形协调表达式

f_bi＝f(f_wi,Δ_wbi) (i＝1,2,…,m) (17)

联立表达式(14)-(17)，上述四个表达式可解出四个未知量f_b、q、p_l和Δ_wb，即可求解出单位宽度轧制压力p_l。

在实际应用中以四辊轧机为例，该轧机工作辊直径为380mm，工作辊辊身长度为900mm，支承辊直径为800mm，支承辊辊身长度为900mm。轧制产品宽度为500mm，空载辊缝为2.5mm。轧制生产时，在某一时刻，传感器测量值经过数学模型计算，得到的工作辊轴线相对于轧机空载时的挠度(垂直位移)f_w如图4所示；计算得到负载辊缝的形状曲线，即出口板厚分布h₁，如图5所示。

如果现场工况条件具备，也可以在板带轧机下工作辊前后分别布置一组位移传感器来实现本发明，只需将本申请实施例一和二中所涉及的上工作辊替换为下工作辊即可，对于该技术领域的普通技术人员来说没有任何难度。

本发明通过配置位移传感器，将直接测量结果通过计算模型计算，可求得工作辊垂直方向的挠度、单位宽度轧制压力以及磨损和热凸度，结合与带材接触的工作辊的压扁量模型，进而可计算负载辊缝的形状曲线，即出口板厚分布。相比传统计算方法，减少了中间计算环节，直接测量结果取代了此部分在传统计算中的近似假设，尤其是不用进行迭代计算，使累计误差减小，计算精度提高，在轧件进入辊缝瞬间即可获知辊缝信息。经过测试，采用传统方法，金属模型与辊系模型迭代次数与收敛误差有关，通常至少50次以上，计算时间很长，金属模型要想精确，金属模型每次需要1分钟以上，辊系模型0.05秒左右，这样导致传统方法至少需要50分钟以上，而本申请只需要0.05秒，两者差别极大，尤其是传统方法中迭代计算不稳定，有时会发散，误差就会更大，采用本申请使得误差可控。

以上所述是本申请的优选实施方式，应当指出，对于该技术领域的普通技术人员来说，在不脱离本技术原理前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (9)

1.一种实时获取负载辊缝信息的智能轧机，其特征在于：在板带轧机的一个待检测工作辊的入口侧和出口侧分别布置一组位移传感器，每组位移传感器包括多个位移传感器，多个位移传感器之间彼此均匀分布并成直线排列，每组位移传感器的排列总长度与所述工作辊的辊身长度相同，多个位移传感器与工作辊之间的轴线距离均相等，且所述位移传感器的轴向方向都垂直于空载时所述工作辊的轴线方向，所述每组位移传感器的检测方向通过空载时工作辊的轴线，所述每组位移传感器的检测方向与水平面的夹角为40°～60°，两组位移传感器的检测方向与水平面构成的夹角的角度差值为3°～10°；所述位移传感器用于测量从所述位移传感器到所述工作辊表面的距离值，通过测量的距离值并结合计算模型获得所述工作辊沿垂直方向的挠度、单位宽度轧制压力以及磨损和热凸度，结合与带材接触的所述工作辊的压扁量模型，得到负载辊缝的形状曲线；所述计算模型包括的具体计算步骤为：

步骤(1)：已知所述每组位移传感器的数量，相邻两个所述位移传感器之间的距离以及所述工作辊的初始直径，利用所述两组位移传感器的位置信息和测量结果，得到轧制时所述工作辊轴线相对于轧机空载时的挠度以及所述工作辊的磨损和热凸度；

步骤(2)：建立支承辊、中间辊和所述工作辊轴线变形表达式，建立辊间弹性压扁表达式，建立辊间变形协调表达式，得到单位宽度轧制压力；

步骤(3)：根据与带材接触的工作辊的压扁影响系数，单位宽度轧制压力，相邻两个高精度位移传感器之间的距离，得到与带材接触的工作辊的压扁量；

步骤(4)：根据空载辊缝常数、与所述带材接触的工作辊的压扁量、轧制时工作辊轴线相对于轧机空载时的挠度以及工作辊磨损和热凸度，得到负载辊缝的形状曲线。

2.根据权利要求1所述的实时获取负载辊缝信息的智能轧机，其特征在于：所述板带轧机为四辊轧机或六辊轧机。

3.根据权利要求1所述的实时获取负载辊缝信息的智能轧机，其特征在于，所述步骤(1)的具体步骤为：

利用两组位移传感器的位置信息和测量结果采用如下计算模型进行计算：

表达式1：

表达式2：

表达式3：

表达式4：

其中，m为每组位移传感器的数量，D_w为工作辊初始直径；ΔR_w为工作辊磨损和热凸度；f_w为轧制时工作辊轴线相对于轧机空载时的挠度；L₁为轧机入口侧位移传感器检测工作辊的圆截面上测点到空载轴心点的距离；L₂为轧机出口侧位移传感器检测工作辊的圆截面上测点到空载轴心点的距离；α为轧机入口侧位移传感器检测方向与垂直方向的夹角；β为轧机出口侧位移传感器检测方向与垂直方向的夹角；d_a0为轧机空载时轧机入口侧位移传感器的检测值；d_a1为轧制时轧机入口侧位移传感器的检测值；d_b0为轧机空载时轧机出口侧位移传感器的检测值；d_b1为轧制时轧机出口侧位移传感器的检测值；

联立上述表达式1-表达式4，四个表达式联立解出f_w与ΔR_w，即可得到轧制时所述工作辊轴线相对于轧机空载时的挠度以及所述工作辊的磨损和热凸度。

4.根据权利要求2所述的实时获取负载辊缝信息的智能轧机，其特征在于，当轧机为六辊轧机时，步骤(2)的具体步骤为：

建立支承辊、中间辊和工作辊轴线如下变形表达式：

表达式5：f_bi＝f(q_mbi)(i＝1,2,…,m)；

表达式6：f_mi＝f(q_wmi,q_mbi)(i＝1,2,…,m)；

表达式7：f_wi＝f(p_li,q_wmi)(i＝1,2,…,m)；

其中，f_b为支撑辊轴线相对于轧机空载时的挠度，f_m为中间辊轴线相对于轧机空载时的挠度，q_mb为中间辊和支承辊之间压力分布，q_wm为工作辊和中间辊之间压力分布，p_l为单位宽度轧制压力；

建立辊间弹性压扁如下表达式：

表达式8：Δ_mbi＝f(q_mbi)(i＝1,2,…,m)；

表达式9：Δ_wmi＝f(q_wmi)(i＝1,2,…,m)；

其中，Δ_mb为中间辊与支承辊之间弹性压扁量，Δ_wm为工作辊与中间辊之间弹性压扁量；

建立辊间变形协调如下表达式：

表达式10：f_mi＝f(f_bi,Δ_mbi)(i＝1,2,…,m)；

表达式11：f_wi＝f(f_mi,Δ_wmi)(i＝1,2,…,m)；

联立上述表达式5-表达式11共七个表达式，七个表达式可解出七个未知量f_b、f_m、q_mb、q_wm、p_l、Δ_mb和Δ_wm，即可求解出单位宽度轧制压力p_l。

5.根据权利要求2所述的实时获取负载辊缝信息的智能轧机，其特征在于，当轧机为四辊轧机时，步骤(2)的具体步骤为：

建立支承辊和工作辊轴线的如下变形表达式：

表达式14：f_bi＝f(q_i)(i＝1,2,…,m)；

表达式15：f_wi＝f(p_li,q_i)(i＝1,2,…,m)；

其中，f_b为支撑辊轴线相对于轧机空载时的挠度，q为辊间压力分布，p_l为单位宽度轧制压力；

建立辊间弹性压扁如下表达式：

表达式16：Δ_wbi＝f(q_i)(i＝1,2,…,m)；

其中，Δ_wb为辊间弹性压扁量；

建立工作辊与支撑辊轴线变形协调如下表达式：

表达式17：f_bi＝f(f_wi,Δ_wbi)(i＝1,2,…,m)；

联立表达式14-表达式17，上述四个表达式可解出四个未知量f_b、q、p_l和Δ_wb，即可求解出单位宽度轧制压力p_l。

6.根据权利要求2所述的实时获取负载辊缝信息的智能轧机，其特征在于，所述步骤(3)的具体步骤为：

表达式12：

其中，Δ_ws为与带材接触的工作辊的压扁量；α_ws为与带材接触的工作辊的压扁影响系数，p_l为单位宽度轧制压力，Δy为相邻两个位移传感器距离。

7.根据权利要求1所述的实时获取负载辊缝信息的智能轧机，其特征在于，所述步骤(4)的具体步骤为：

表达式13：h_1i＝s₀+2f_wi+2Δ_wsi+2ΔR_wi(i＝1,2,…,m)；

其中，h₁为负载辊缝；s₀为空载辊缝常数；Δ_ws为与带材接触的工作辊的压扁量；f_w为轧制时工作辊轴线相对于轧机空载时的挠度；ΔR_w为工作辊磨损和热凸度。

8.根据权利要求1所述的实时获取负载辊缝信息的智能轧机，其特征在于：待检测工作辊为上工作辊。

9.根据权利要求1所述的实时获取负载辊缝信息的智能轧机，其特征在于：所述位移传感器为超声波传感器、红外线传感器或激光传感器；所述位移传感器的量程大于20mm，测量精度小于100nm，且重复精度小于50nm。