CN114054517B - 单机架冷轧机乳化液喷射装置故障检测方法 - Google Patents
单机架冷轧机乳化液喷射装置故障检测方法 Download PDFInfo
- Publication number
- CN114054517B CN114054517B CN202111382478.1A CN202111382478A CN114054517B CN 114054517 B CN114054517 B CN 114054517B CN 202111382478 A CN202111382478 A CN 202111382478A CN 114054517 B CN114054517 B CN 114054517B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- emulsion injection
- fault
- mode
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000839 emulsion Substances 0.000 title claims abstract description 109
- 238000002347 injection Methods 0.000 title claims abstract description 95
- 239000007924 injection Substances 0.000 title claims abstract description 95
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000005097 cold rolling Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 58
- 238000005070 sampling Methods 0.000 claims abstract description 45
- 238000001816 cooling Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims description 5
- 238000005507 spraying Methods 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 description 7
- 239000010959 steel Substances 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241000135164 Timea Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000110 cooling liquid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013000 roll bending Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B27/00—Rolls, roll alloys or roll fabrication; Lubricating, cooling or heating rolls while in use
- B21B27/06—Lubricating, cooling or heating rolls
- B21B27/10—Lubricating, cooling or heating rolls externally
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种单机架冷轧机乳化液喷射装置故障检测方法,通过获取建模参数;通过模糊建模方法建立分段冷却系统的离散时间T‑S模糊控制模型;获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数;设计切换型模糊故障观测器增益矩阵模块;基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为八个模糊子空间,对于每一个模糊子空间,设计切换模式和切换型模糊故障观测器,确定切换模式后,通过步骤S4所得该模式对应的切换型模糊故障观测器,观测故障检测信号和乳化液喷射装置的估计出口压力该方法能够快速且高精度的实现乳化液喷射装置的故障检测,简易有效可行,能够满足分段冷却控制系统的实时性要求。
Description
技术领域
本发明涉及一种单机架冷轧机乳化液喷射装置故障检测方法,属于冷轧带钢技术领域。
背景技术
冷轧带钢轧制生产过程中会产生大量热量,这些热量促使轧机工作辊产生不均匀的热膨胀,进而形成不规则的工作辊热凸度而改变辊缝分布,最终使得出口板形具有不均匀分布的高次板形缺陷。常规板形控制手段,如轧辊倾斜、工作辊弯辊、中间辊窜辊等,往往难以消除这些不规则的高次板形缺陷。现代板形控制系统中通常采用乳化液喷射装置来分段式喷射乳化液以带走轧制过程中产生的热量,释放工作辊内应力以有效控制工作辊热凸度且提高轧辊使用寿命,最终提高出口板形质量。
乳化液分段冷却的原理是轧辊分段冷却系统借助于对轧辊按区分段喷射冷却液,实现对沿轧辊辊身长度方向上得热凸度的高精度控制,使轧辊各段上得热凸度发生积极变化,来控制带材相应段上在长度方向的延伸率变化,最终达到改善带钢平直度的目的。然而,冷轧带钢轧制过程中轧辊的温升是一个复杂的物理过程,与诸多因素有关,在对轧辊进行分段冷却时,很难建立起该过程的数学模型;与此同时,乳化液分段冷却的作用机理具有高度非线性、长时间滞后性,传统的预设定型乳化液分段冷却方法很难得到理想的板形控制质量。另一方面,人工智能方法作为解决此类复杂控制问题的有效手段而被广泛应用。在冷轧工作辊的乳化液分段冷却控制领域,已有模糊控制方法成功应用于实际控制的业绩,一定程度上解决了控制高次板形缺陷的技术难题。
但在实际运行中,由于单机架冷轧机乳化液喷射装置工况环境较为恶劣,受到湿度大、机械振动噪声强、工作稳定高等不利因素影响,致使乳化液喷射装置时常发生故障而不能正常工作,严重影响了冷轧生成进程和产品质量提升。
迄今为止,技术人员通常在发现轧机出口板形发生严重偏差时才能意识到乳化液喷射装置有可能发生故障进而进行停机检修。这种传统的乳化液喷射装置故障检测方法既不能及时发现故障的产生,更不能准确检测出故障,严重影响了冷轧机组的平稳运行。
为了解决上述技术问题,就必须详细研究分析乳化液喷射装置的工作机理,进而找到导致乳化液喷射装置发生故障的主要因素,在此基础上,研究如何能够快速且高精度的实现乳化液喷射装置故障检测的智能检测方法,以避免由于故障因素导致的产品板形变差、轧机停机影响生产排程等棘手问题,并为进一步提高冷轧带钢产品的质量水平和生产效益发挥关键作用。
上述问题是在单机架冷轧机乳化液喷射装置故障检测过程中应当予以考虑并解决的问题。
发明内容
本发明的目的是提供一种单机架冷轧机乳化液喷射装置故障检测方法解决现有技术中存在的传统的乳化液喷射装置故障检测方法既不能及时发现故障的产生,更不能准确检测出故障,严重影响冷轧机组的平稳运行的问题。
本发明的技术解决方案是:
一种单机架冷轧机乳化液喷射装置故障检测方法,包括以下步骤,
S1、获取建模参数,包括乳化液喷射装置的出口压力、乳化液喷射装置的中间压力、乳化液喷射装置的入口压力和乳化液喷射装置的故障检测信号,设定单机架冷轧机乳化液喷射装置分段冷却控制的控制周期T;
S2、由步骤S1所得建模参数,通过模糊建模方法建立分段冷却系统的离散时间T-S模糊控制模型,由所建立的离散时间T-S模糊控制模型,获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数;
S3、由步骤S2所得矩阵参数,设计切换型模糊故障观测器增益矩阵模块,并输出观测器增益矩阵和/>
S4、基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为若干模糊子空间,对于每一个模糊子空间,设计切换模式和切换型模糊故障观测器,该切换型模糊故障观测器的输入来自步骤S2所得矩阵参数以及步骤S3所得观测器增益矩阵和/>
S5、确定切换模式后,通过步骤S4所得该模式对应的切换型模糊故障观测器,观测故障检测信号和乳化液喷射装置的估计出口压力/>
进一步地,步骤S2中,由所建立的离散时间T-S模糊控制模型,获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数具体为,
S21、建立分段冷却系统的离散时间T-S模糊控制模型:
其中,x1(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的出口压力,x2(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的中间压力,hi(x1(t))表示当前时刻的归一化模糊权值函数,u(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的入口压力,f(t)表示控制周期T的第t个控制采样时刻的乳化液喷射装置故障信号值,w(t)表示喷嘴在控制周期T的第t个控制采样时刻的乳化液喷射测量噪声,y(t)表示在控制周期T的第t个采样时刻可测物理量;
S22、通过步骤S21所得分段冷却系统的离散时间T-S模糊控制模型,获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数Ai、Bi、Ci、D1i、D2i、Ei。
进一步地,步骤S3中,设计切换型模糊故障观测器增益矩阵模块,具体为,
其中, 表示对应八种切换模式下的增益矩阵。
进一步地,步骤S4中,基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为若干模糊子空间,具体为,划分规则为:对于两个规定的标量μ1,μ2,μ1>0,μ2∈(0,1),推导出八种切换模式j,j∈{1,2,...,8},来描述更新后的前一时刻以出口压力为前件变量的归一化模糊权值函数hi(x1(t-1))、当前时刻的归一化模糊权值函数hi(x1(t))的当前状态:
模式1:
模式2:
模式3:
模式4;
模式5:
模式6:
模式7:
模式8:
其中,IL、IR表示非空集合满足IL∪IR={1,...,r},四项在当前的t时刻定期更新,以确定模式j的实时值。
进一步地,步骤S4中,设计切换型模糊故障观测器:
其中, 其中,Ai、Bi、Ci、Ei为步骤S22所得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数,/>表示在第t个控制采样时刻的乳化液喷射装置的可测量出口压力,/>表示在第t个控制采样时刻的待估计的乳化液喷射装置的中间压力,/>为第t个控制采样时刻的待估计的乳化液喷射装置故障信号值,j为切换模式,j∈{1,...,8},表示在第t个采样时刻的待估计的出口压力,y(t)表示实际的出口压力。
进一步地,步骤S5中,确定切换模式,具体为,在每一个控制周期T,根据当前时刻的归一化模糊权值函数hi(x1(t))确定切换模式j,将第j种模式对应观测器增益矩阵和应用到该模式j对应的切换型模糊故障观测器中,实时估计信号,包括故障检测估计信号乳化液喷射装置的估计出口压力/>
本发明的有益效果是:该种单机架冷轧机乳化液喷射装置故障检测方法,通过模糊建模方法建立起了乳化液喷射装置的出口压力、乳化液喷射装置的中间压力、乳化液喷射装置的入口压力、乳化液喷射装置故障信号之间的物理关系模型;基于此模型,提出了一种基于对当前采样时刻模糊隶属函数进行实时分区的切换型模糊故障观测器来进行乳化液喷射装置故障的实时检测,能够快速且高精度的实现乳化液喷射装置故障检测的智能检测功能,有效避免由于故障因素导致的产品板形变差、轧机停机影响生产排程等棘手问题,且为操作人员判断是否停机检修提供决策依据,为进一步提高冷轧带钢产品的质量水平和生产效益发挥关键作用。同时该方法简易可行,能够完全满足分段冷却控制系统的实时性要求,对乳化液冷却控制系统的分段冷却过程起到预防和监控的作用,兼具有效性和可实施性的特点。
附图说明
图1是本发明实施例单机架冷轧机乳化液喷射装置故障检测方法的流程示意图;
图2是实施例单机架冷轧机乳化液喷射装置故障检测方法进行乳化液喷射装置的出口压力实时估计的效果示意图。
图3是实施例单机架冷轧机乳化液喷射装置故障检测方法进行乳化液喷射装置故障信号检测的效果示意图。
图4是实施例中乳化液喷射装置故障信号发生时不同控制采样时刻对应的实时切换模式j的说明示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例
一种单机架冷轧机乳化液喷射装置故障检测方法,如图1,包括以下步骤,
获取建模参数,包括乳化液喷射装置的出口压力、乳化液喷射装置的中间压力、乳化液喷射装置的入口压力和乳化液喷射装置的故障检测信号,设定单机架冷轧机乳化液喷射装置分段冷却控制的控制周期T。考虑到乳化液分段冷却控制具有较长时滞,因而其控制周期T优选为下游板形辊正常工作时测量周期的5倍时长,设定乳化液喷射装置分段冷却控制的控制周期T=4s。
S2、由步骤S1所得建模参数,通过模糊建模方法建立分段冷却系统的离散时间T-S模糊控制模型,由所建立的离散时间T-S模糊控制模型,获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数;
S21、建立分段冷却系统的离散时间T-S模糊控制模型:
其中,x1(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的出口压力,x2(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的中间压力,hi(x1(t))表示当前时刻的归一化模糊权值函数,u(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的入口压力,f(t)表示观测故障检测信号,w(t)表示喷嘴在控制周期T的第t个控制采样时刻的乳化液喷射测量噪声,y(t)表示在控制周期T的第t个采样时刻可测物理量;
S22、通过步骤S21所得分段冷却系统的离散时间T-S模糊控制模型,获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数Ai、Bi、Ci、D1i、D2i、Ei。
在一个具体实施案例中 C1=C2=[10],/>D21=D22=0.01,
S3、由步骤S2所得矩阵参数,设计切换型模糊故障观测器增益矩阵模块,并输出观测器增益矩阵和/>
步骤S3中,设计切换型模糊故障观测器增益矩阵模块,具体为,
其中, 表示对应八种切换模式下的增益矩阵。
步骤S3中,切换型模糊故障观测器增益矩阵和/>通过如下线性矩阵不等式(4)和(5)求解:
k'∈κ(s+d2),k∈κ(smax+d1),smax=max{2,s},d1,d2∈Z+
其中,
其中,表示一个对称正定矩阵,μ1、μ2表示一个大于0小于1的常数系数,/>表示对称负定矩阵,d1、d2、s表示一个正整数,smax={2,s},/> 表示要计算未知矩阵,/>表示对称矩阵,/>σ、δ表示常数,其中,Ai、Ei、Ci、D1i,D2i分别为步骤S2中所得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数;/>表示要计算的切换型观测器增益矩阵的组合。
结合设计的切换模式求解线性矩阵不等式(4)和(5)可以得到不同模式下的模糊增益矩阵和/>
切换模式j=1:
切换模式j=2:
切换模式j=3:
切换模式j=4:
切换模式j=5:
切换模式j=6:
切换模式j=7:
切换模式j=8:
设计切换型模糊故障观测器:
其中, 其中,Ai、Bi、Ci、Ei为步骤S22所得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数,/>表示在第t个控制采样时刻的乳化液喷射装置的可测量出口压力,/>表示在第t个控制采样时刻的待估计的乳化液喷射装置的中间压力,/>为第t个控制采样时刻的待估计的乳化液喷射装置故障信号值,j为切换模式,j为切换模式,j为切换模式,j∈{1,...,8},/>表示在第t个采样时刻的待估计的出口压力,y(t)表示实际的出口压力。
S4、基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为若干模糊子空间,对于每一个模糊子空间,设计切换模式和切换型模糊故障观测器,该切换型模糊故障观测器的输入来自步骤S2所得矩阵参数以及步骤S3所得观测器增益矩阵和/>
步骤S4中,基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为若干模糊子空间,具体为,划分规则为:对于两个规定的标量μ1,μ2,μ1>0,μ2∈(0,1),推导出八种切换模式j,j∈{1,2,...,8},来描述更新后的前一时刻以出口压力为前件变量的归一化模糊权值函数hi(x1(t-1))、当前时刻的归一化模糊权值函数hi(x1(t))的当前状态:
模式1:
模式2:
模式3:
模式4;
模式5:
模式6:
模式7:
模式8:
其中,IL、IR表示非空集合满足IL∪IR={1,...,r}。四项在当前的t时刻定期更新,以确定模式j的实时值。
步骤S4中,设计切换型模糊故障观测器:
其中,表示在第t个控制采样时刻的乳化液喷射装置的可测量出口压力,s表示在第t个控制采样时刻的待估计的乳化液喷射装置的中间压力,/>为第t个控制采样时刻的待估计的乳化液喷射装置故障信号值,j为切换模式,j为切换模式,j为切换模式,j∈{1,...,8},/>表示在第t个采样时刻的待估计物理量。
S5、确定切换模式后,通过步骤S4所得该模式对应的切换型模糊故障观测器,观测故障检测信号和乳化液喷射装置的估计出口压力/>
步骤S5中,确定切换模式,具体为,在每一个控制周期T,根据当前时刻的归一化模糊权值函数hi(x1(t))确定切换模式j,将第j种模式对应观测器增益矩阵和/>应用到该模式j对应的切换型模糊故障观测器中,实时估计信号,包括故障检测估计信号/>乳化液喷射装置的估计出口压力/>
在具体实施案例中,乳化液喷射装置的出口压力初始值设置x1(t)=ν(MPa)乳化液喷射装置的中间压力初始值设置为x2(t)=P(MPa);归一化模糊加权函数h2(x1(t))=1.0-h1(x1(t)),观测故障检测信号
由于外部干扰振幅总是小于故障信号振幅,因此在具体实例中测量噪声设置为w(t)=-0.05+0.1*rand(t),将上述离线计算得到的八组增益矩阵应用到切换型模糊故障观测器中就可以实现对单机架冷轧机乳化液喷射装置观测故障检测信号f(t)、乳化液喷射装置的出口压力x1(t)和乳化液喷射装置的中间压力x2(t)的实时估计,获得对应的估计信号,包括故障检测估计信号/>乳化液喷射装置的估计出口压力/>和中间压力故障检测估计信号/>通常采用为0时表示没有故障,不为0时表示有故障。
为了验证本发明故障检测方法的有效性,认为设置乳化液喷射装置在投入运行后的第135-175个控制周期时发生正弦故障。图2为本发明故障检测方法的乳化液喷射装置的出口压力的实时估计效果图,可以看出使用本发明切换型模糊故障观测器实时估计的乳化液喷射装置的出口压力估计值与其实际值非常接近。图3为本发明故障检测方法的乳化液喷射装置故障信号检测效果图,可以发现系统是可以及时检测到观测故障检测信号f(t)的,且对其动态特征进行了很好的描述。图4给出乳化液喷射装置故障信号发生时不同控制采样时刻对应的实时切换模式j,可以看出大部分工作模式都在不同控制采样时刻被一次触发工作。
由图2和图3可以看出,实施例的该种单机架冷轧机乳化液喷射装置故障检测方法,能够快速且高精度的实现乳化液喷射装置故障检测,为操作人员判断是否停机检修提供决策依据,解决因为乳化液喷射装置发生故障而造成产品板形质量严重下降的技术问题。且为进一步提高冷轧带钢产品的质量水平和生产效益发挥关键作用。
该种单机架冷轧机乳化液喷射装置故障检测方法,能够完全满足分段冷却控制系统的实时性要求,对乳化液冷却控制系统的分段冷却过程起到预防和监控的作用,兼具有效性和可实施性的特点。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (6)
1.一种单机架冷轧机乳化液喷射装置故障检测方法,其特征在于:包括以下步骤,
S1、获取建模参数,包括乳化液喷射装置的出口压力、乳化液喷射装置的中间压力、乳化液喷射装置的入口压力和乳化液喷射装置的故障检测信号,设定单机架冷轧机乳化液喷射装置分段冷却控制的控制周期T;
S2、由步骤S1所得建模参数,通过模糊建模方法建立分段冷却系统的离散时间T-S模糊控制模型,由所建立的离散时间T-S模糊控制模型,获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数;
S3、由步骤S2所得矩阵参数,设计切换型模糊故障观测器增益矩阵模块,并输出观测器增益矩阵和/>
S4、基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为若干模糊子空间,对于每一个模糊子空间,设计切换模式和切换型模糊故障观测器,该切换型模糊故障观测器的输入来自步骤S2所得矩阵参数以及步骤S3所得观测器增益矩阵和/>
S5、确定切换模式后,通过步骤S4所得该模式对应的切换型模糊故障观测器,观测故障检测信号和乳化液喷射装置的估计出口压力/>
2.如权利要求1所述的单机架冷轧机乳化液喷射装置故障检测方法,其特征在于:步骤S2中,由所建立的离散时间T-S模糊控制模型,获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数具体为,
S21、建立分段冷却系统的离散时间T-S模糊控制模型:
其中,x1(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的出口压力,x2(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的中间压力,hi(x1(t))表示当前时刻的归一化模糊权值函数,u(t)表示在控制周期T的第t个控制采样时刻的乳化液喷射装置的入口压力,f(t)表示控制周期T的第t个控制采样时刻的乳化液喷射装置故障信号值,w(t)表示喷嘴在控制周期T的第t个控制采样时刻的乳化液喷射测量噪声,y(t)表示在控制周期T的第t个采样时刻可测物理量;
S22、通过步骤S21所得分段冷却系统的离散时间T-S模糊控制模型,获得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数Ai、Bi、Ci、D1i、D2i、Ei。
3.如权利要求1所述的单机架冷轧机乳化液喷射装置故障检测方法,其特征在于:步骤S3中,设计切换型模糊故障观测器增益矩阵模块,具体为,
其中, 表示对应八种切换模式下的增益矩阵。
4.如权利要求1-3任一项所述的单机架冷轧机乳化液喷射装置故障检测方法,其特征在于:步骤S4中,基于对当前采样时刻模糊隶属函数将整个模糊空间实时划分为若干模糊子空间,具体为,划分规则为:对于两个规定的标量μ1,μ2,μ1>0,μ2∈(0,1),推导出八种切换模式j,j∈{1,2,...,8},来描述更新后的前一时刻以出口压力为前件变量的归一化模糊权值函数hi(x1(t-1))、当前时刻的归一化模糊权值函数hi(x1(t))的当前状态:
模式1:
模式2:
模式3:
模式4;
模式5:
模式6:
模式7:
模式8:
其中,IL、IR表示非空集合满足IL∪IR={1,...,r},四项在当前的t时刻定期更新,以确定模式j的实时值。
5.如权利要求2-3任一项所述的单机架冷轧机乳化液喷射装置故障检测方法,其特征在于:步骤S4中,设计切换型模糊故障观测器:
其中, 其中,Ai、Bi、Ci、Ei为步骤S22所得用于设计切换型模糊故障观测器增益矩阵模块的矩阵参数,/>表示在第t个控制采样时刻的乳化液喷射装置的可测量出口压力,/>表示在第t个控制采样时刻的待估计的乳化液喷射装置的中间压力,/>为第t个控制采样时刻的待估计的乳化液喷射装置故障信号值,j为切换模式,j∈{1,...,8},表示在第t个采样时刻的待估计的出口压力,y(t)表示实际的出口压力。
6.如权利要求4所述的单机架冷轧机乳化液喷射装置故障检测方法,其特征在于:步骤S5中,确定切换模式,具体为,在每一个控制周期T,根据当前时刻的归一化模糊权值函数hi(x1(t))确定切换模式j,将第j种模式对应观测器增益矩阵和/>应用到该模式j对应的切换型模糊故障观测器中,实时估计信号,包括故障检测估计信号/>乳化液喷射装置的估计出口压力/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111382478.1A CN114054517B (zh) | 2021-11-19 | 2021-11-19 | 单机架冷轧机乳化液喷射装置故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111382478.1A CN114054517B (zh) | 2021-11-19 | 2021-11-19 | 单机架冷轧机乳化液喷射装置故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114054517A CN114054517A (zh) | 2022-02-18 |
CN114054517B true CN114054517B (zh) | 2023-09-15 |
Family
ID=80278785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111382478.1A Active CN114054517B (zh) | 2021-11-19 | 2021-11-19 | 单机架冷轧机乳化液喷射装置故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114054517B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070029067A (ko) * | 2005-09-08 | 2007-03-13 | 가부시키가이샤 히타치세이사쿠쇼 | 압연 제어 장치 및 압연 제어 방법 |
CN102172642A (zh) * | 2010-12-30 | 2011-09-07 | 一重集团大连设计研究院有限公司 | 冷轧机组精细冷却装置喷嘴故障检测方法 |
CN103406370A (zh) * | 2013-08-27 | 2013-11-27 | 中冶南方工程技术有限公司 | 基于模糊双曲模型冷轧机工作辊乳化液分段冷却控制方法 |
CN111506033A (zh) * | 2020-05-08 | 2020-08-07 | 辽宁石油化工大学 | 基于喷嘴压力的注塑机保压容错切换控制方法 |
CN112464565A (zh) * | 2020-12-01 | 2021-03-09 | 国网江苏省电力有限公司 | 融合智能建模及模糊规则的设备故障预警方法、系统及存储介质 |
-
2021
- 2021-11-19 CN CN202111382478.1A patent/CN114054517B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070029067A (ko) * | 2005-09-08 | 2007-03-13 | 가부시키가이샤 히타치세이사쿠쇼 | 압연 제어 장치 및 압연 제어 방법 |
CN102172642A (zh) * | 2010-12-30 | 2011-09-07 | 一重集团大连设计研究院有限公司 | 冷轧机组精细冷却装置喷嘴故障检测方法 |
CN103406370A (zh) * | 2013-08-27 | 2013-11-27 | 中冶南方工程技术有限公司 | 基于模糊双曲模型冷轧机工作辊乳化液分段冷却控制方法 |
CN111506033A (zh) * | 2020-05-08 | 2020-08-07 | 辽宁石油化工大学 | 基于喷嘴压力的注塑机保压容错切换控制方法 |
CN112464565A (zh) * | 2020-12-01 | 2021-03-09 | 国网江苏省电力有限公司 | 融合智能建模及模糊规则的设备故障预警方法、系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
冷轧板形控制系统开发与应用;张敬山;岳洪亮;;电工技术(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114054517A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101683659B (zh) | 冷轧带钢平直度和横向厚差综合控制方法 | |
CN116418120B (zh) | 一种应用于水冷电源的智能预警方法 | |
WO2023130666A1 (zh) | 一种基于数据驱动和机理模型融合的板带钢凸度预测方法 | |
CN103406370B (zh) | 基于模糊双曲模型冷轧机工作辊乳化液分段冷却控制方法 | |
Lee et al. | Application of neural-network for improving accuracy of roll-force model in hot-rolling mill | |
CN115608793B (zh) | 一种机理融合数据的精轧温度调控方法 | |
CN103100564A (zh) | 一种新型的轧制过程自适应控制方法 | |
CN106540967B (zh) | 一种网格指数分布的宽厚板温度监控方法 | |
CN106391725A (zh) | 一种适用于冷轧过程轧制压力随轧制速度变化预报方法 | |
Li et al. | Performance supervised fault detection schemes for industrial feedback control systems and their data-driven implementation | |
CN114054517B (zh) | 单机架冷轧机乳化液喷射装置故障检测方法 | |
CN110851994B (zh) | 一种冷轧带材在线板形目标曲线调整方法 | |
Zhu et al. | A fuzzy algorithm for flatness control in hot strip mill | |
CN115121626A (zh) | 一种基于误差补偿的热轧带钢瞬态热辊型预报方法 | |
CN113857269B (zh) | 一种冷轧机乳化液喷射装置故障检测方法 | |
Song et al. | Control strategy of multi-stand work roll bending and shifting on the crown for UVC hot rolling mill based on MOGPR approach | |
CN103861875A (zh) | 冷轧机工艺冷却系统的优化控制方法 | |
Dian-yao et al. | Self-learning and its application to laminar cooling model of hot rolled strip | |
CN112090970B (zh) | 长材轧制穿水冷却控制系统与控制方法 | |
CN110303053A (zh) | 热连轧厚度控制系统的分布式控制方法 | |
Jia et al. | Cloud neural fuzzy PID hybrid integrated algorithm of flatness control | |
CN114662226A (zh) | 一种基于时变卡尔曼滤波的滚动轴承剩余使用寿命预测方法 | |
Reeve et al. | Control, automation and the hot rolling of steel | |
CN115354144B (zh) | 一种基于案例匹配的辊式淬火过程操作参数设定方法 | |
JP2021079415A (ja) | 設定値演算装置、圧延機操作情報演算装置、圧延設備、鋼帯の製造方法、設定値演算方法、及びプロセスモデルサーバ |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |