DE19642918C2

DE19642918C2 - System zur Berechnung des Enddickenprofils eines Walzbandes

Info

Publication number: DE19642918C2
Application number: DE19642918A
Authority: DE
Inventors: Otto Gramckow; Peter Protzel; Friedemann Schmid; Guenter Soergel
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 1996-10-17
Filing date: 1996-10-17
Publication date: 2003-04-24
Anticipated expiration: 2016-10-18
Also published as: DE19642918A1; US5966682A

Description

Die Erfindung betrifft ein System zur Berechnung des Enddi ckenprofils eines Walzbandes gemäß dem Oberbegriff des Pa tentanspruchs 1 sowie ein Verfahren zur Bestimmung des Dickenprofils eines Walzbandes gemäß dem Oberbegriff des nebengeordneten Patentanspruchs 22.

Ein solches System und ein solches Verfahren sind aus der Druckschrift atp 38 (1996) 10, Seiten 28 bis 42 bekannt.

Zur Beeinflussung des Enddickenprofils eines Walzbandes in einer Walzstraße mit mehreren Walzgerüsten ist es notwendig, die Beeinflussung des Dickenprofils des Walzbandes auf mehre re Walzgerüste zu verteilen. Für eine geeignete Beeinflussung müssen Werte für das Enddickenprofil des Walzbandes nach dem einzelnen Walzgerüst vorliegen. Da die Messung des Dickenpro fils eines Walzbandes aufwendig und teuer ist, wird das Di ckenprofil des Walzbandes üblicherweise an einer einzigen Stelle gemessen. Es ist z. B. bekannt, das Dickenprofil eines Walzbandes (p_i) hinter den einzelnen Walzgerüsten und damit schließlich das Enddickenprofil, d. h. das Dickenprofil hinter dem letzten Walzgerüst, durch wiederholte Verwendung des Zu sammenhangs

zu bestimmen.

Dabei wird k_i nach dem Artikel "High Accuracy and Rapid- Response-Hot Strip Mill", TECHNO Japan Vol. 20.-No9, Sept. 1987, S. 54-59 gemäß

berechnet.

Außerdem sind
p_i-1 das Dickenprofil des Walzbandes vor dem Walzgerüst
h_i-1 die Banddicke vor dem Walzgerüst, h_i die Banddicke hinter dem Walzgerüst
Π_i das Lastwalzspaltprofil
D_i der Arbeitswalzendurchmesser
b die Dicke des Walzbandes und
c_i1, c_i2 Modellparameter

Der Faktor k_i wird also aus analytischen Zusammenhängen be stimmt, in die bestimmte Eigenschaften des Walzgerüstes und des Walzgutes eingehen.

An diesem Ansatz ist nachteilig, daß Gleichung (2) und (3) nur näherungsweise gelten. Zudem sind die Modellparameter c_i1 und c_i2 unbekannt und müssen experimentell ermittelt werden. Dies führt häufig zu einer unzureichenden Bestimmung des End dickenprofils.

Aus atp 38 (1996) 10, Seiten 28 bis 42, ist es be kannt, neuronale Netze zur Steuerung von Walzstraßen zu ver wenden. Auf der übergeordneten Prozessführungsebene einer Walzstraße, deren zentrale Aufgabe darin besteht, ausgehend von Primärdaten und Sollwerten sowie basierend auf Modellen bzw. Tabellen, die für das jeweils nächste Band erforderliche Voreinstellung der Anlage vor dessen Einlauf in die Walzstra ße möglichst genau zu berechnen. Diese vorausberechneten Vor einstellungen werden als Führungsgrößen an die Basisautomati sierung übermittelt, die darauf aufbauend die gesamte Rege lung und Steuerung übernimmt. Mit der Messwerterfassung der Basisebene können die Modelle und Tabellen über die sogenann te Nachberechnung nach Walzen des Bandes modifiziert werden. Das Profil des Walzgutes nach Durchlaufen eines Gerüsts er gibt sich aus einer Kombination des Bandprofils beim Eintritt in das Gerüst und dem Profil des Walzspaltes unter Last (Lastwalzspaltprofil). Neuronale Netze können zur Profilbe stimmung, beispielsweise in einem Hybridenansatz, verwenden werden, bei dem gerüstspezifische mathematische Modelle die Lastwalzspaltprofile bestimmen. Die sich aus diesen Modellen ergebenden Werte für die Walzspaltprofile bilden zusammen mit weiteren Prozessgrößen den Eingangsvektor für ein neuronales Netz, das darauf trainiert wird, anhand dieser Informationen das Profil am Ende der Fertigungsstraße zu bestimmen.

Aufgabe der Erfindung ist es, ein Systems und ein Verfahren der eingangs genannten Art anzugeben, das eine präzisere Berechnung des Ausgangs eines mehrstufigen Verfor mungsprozesses, insbesondere des Dickenprofils bzw. des End dickenprofils eines Walzbandes erlaubt.

Diese Aufgabe wird erfindungsgemäß durch die kennzeichnenden Merkmale im Anspruch 1 beziehungsweise im nebengeordneten Anspruch 22 gelöst.

Dieses System hat sich gegenüber dem bekannten Ansatz, bei dem experimentell ermittelte Parameter zur Beschreibung der Eigen schaften des Walzgerüstes bzw. zur Beschreibung des Walzmate rials in analytischen Zusammenhängen zu Kenngrößen zusammen gefaßt werden, bewährt. Das erfindungsgemäße System hat sich überraschenderweise als besonders geeignet erwiesen, das End dickenprofil hinter den Walzgerüsten einer mehrgerüstigen Walzstraße mit hoher Präzision zu bestimmen.

Vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen gekennzeichnet.

Es hat sich als besonders vorteilhaft erwiesen, das Dicken profil eines Walzbandes hinter einem Walzgerüst mittels der Funktion

zu bestimmen, und die Eigenschaften des Walzgerüstes bzw. Eigenschaften des Walzge rüstes unter Einbeziehung von Eigenschaften des Walzmaterials repräsentierenden Faktor k_i mittels der auf neuronalen Netzen basierenden Informationsverarbeitung zu bestimmen. Die Be stimmung des Faktors k_i mit einer auf neuronalen Netzen ba sierenden Informationsverarbeitung hat sich dabei als deut lich vorteilhaft gegenüber dem bekannten Ansatz zur Bestim mung dieses Faktors erwiesen.

In einer weiteren vorteilhaften Ausgestaltung der Erfindung wird das Lastwalzspaltprofil in einer Vorverarbeitung ermit telt, die unter anderem ein Biegemodell, ein Walzentempera turmodell sowie ein Verschleißmodell umfassen kann. Auf diese Weise ist es möglich, daß mit dem erfindungsgemäßen System zur Bestimmung des Dickenprofils eines Walzbandes hinter ei nem Walzgerüst existierende Algorithmen zur Modellbildung der Spannungs- und Temperaturverhältnisse im Walzgerüst sowie der Alterung weiter verwendet werden können. Diese Weiterverwen dung bekannter Modelle für eine Walzstraße verringert die Ko sten des erfindungsgemäßen Systems deutlich, und ermöglicht insbesondere ein Nachrüsten existierender Walzgerüste bzw. Walzstraßen.

In einer weiteren vorteilhaften Ausgestaltung der Erfindung wird die vor Inbetriebnahme vortrainierte, auf neuronalen Netzen basierende Informationsverarbeitung im Betrieb on-line weitertrainiert. Auf diese Weise ist es möglich, das System zur Bestimmung des Dickenprofils eines Walzbandes hinter ei nem Walzgerüst an Veränderungen im Walzgerüst zu adaptieren.

In einer weiteren vorteilhaften Ausgestaltung werden die neu ronalen Netze der auf neuronalen Netzen basierenden Informa tionsverarbeitung, insbesondere die on-line weitertrainierten neuronalen Netze bei mehrgerüstigen Walzstraßen in bezug auf Meßwerte für das Enddickenprofil ausschließlich mit Meßwerten nach dem letzten Gerüst der mehrgerüstigen Walzstraße trai niert. Auf diese Weise ist es möglich, die neuronalen Netze aller Walzgerüste on-line weiterzutrainieren, ohne in der Walzstraße aufwendige Einrichtungen zur Dickenprofilmessung zu installieren. Es hat sich überraschenderweise herausge stellt, daß es möglich ist, das on-line Training der neurona len Netze ausschließlich mit einer Dickenprofilmessung hinter dem letzten Walzgerüst durchzuführen. Insbesondere für das on-line Training haben sich dabei drei Trainingsvarianten als vorteilhaft erwiesen. So werden die neuronalen Netze nicht nur mit Daten des ihnen zugeordneten Walzgerüstes trainiert, sondern auch mit Daten benachbarter Walzgerüste, wobei die Daten benachbarter Walzgerüste mit geringerem Gewicht in das Training eingehen. In einer weiteren alternativen Trainings art werden die neuronalen Netze der auf neuronalen Netzen ba sierenden Informationsverarbeitung für alle Gerüste einer Walzstraße mit den gleichen Daten on-line weitertrainiert. Auf diese Weise wird erreicht, daß die neuronalen Netze für jedes Walzgerüst identisch sind. In einer weiteren Alternati ve wird das on-line Training der einzelnen gerüstspezifischen Netze nur mit Datensätzen des zugehörigen Gerüstes derart durchgeführt, daß nur graduelle und/oder ganz bestimmte Un terschiede für die Gewichte benachbarter Netze zugelassen werden. D. h., daß die neuronalen Netze der auf neuronalen Netzen basierenden Informationsverarbeitung derart trainiert werden, daß die Netzparameter, also die Gewichte oder Ver stärkungen, der neuronalen Netze für die einzelnen Walzgerüste, die einander entsprechen, um weniger als einen bestimm ten Toleranzwert voneinander abweichen. Gemäß dieser Trai ningsstrategie haben die neuronalen Netze der einzelnen Walz gerüste die gleiche Struktur. Durch diese Gleichheit der Struktur kann erreicht werden, daß die einzelnen Netzpara meter gegenüber den entsprechenden Netzparametern der neuro nalen Netze der jeweils anderen Gerüste ähnlich sind. Um die se Ähnlichkeit sicherzustellen, dürfen gemäß dieser vorteil haften Ausgestaltung der Erfindung die Netzparameter gegen über den entsprechenden Netzparametern der neuronalen Netze der anderen Walzgerüste nur um einen bestimmten Toleranzwert abweichen. Dabei können für unterschiedliche Netzparameter unterschiedliche Toleranzwerte festgelegt werden.

Weitere Vorteile und erfinderische Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen, anhand der Zeichnungen.

Im einzelnen zeigen:

Fig. 1 den Querschnitt eines Walzbandes;

Fig. 2 ein erfindungsgemäßes System zur Bestimmung des Dickenprofils eines Walzbandes;

Fig. 3 ein alternatives System zur Bestimmung des Dicken profils eines Walzbandes;

Fig. 4 ein System zur Bestimmung des Dickenprofils eines Walzbandes in einer Walzstraße.

Fig. 1 zeigt den Querschnitt eines Walzbandes. Dabei bezeich net b die Bandbreite, h_M die Banddicke in der Mitte des Walz bandes, h₂ die Banddicke am linken Rand des Walzbandes und h_R die Banddicke am rechten Rand des Walzbandes.

Eine mögliche Definition des Dickenprofils p des Walzbandes bildet die Funktion

Fig. 2 zeigt ein erfindungsgemäßes System zur Bestimmung des Enddickenprofils eines Walzbandes. Dabei bezeichnet Bezugs zeichen 1 ein Walzgerüstmodell des Walzgerüstes 7. Das Walz gerüstmodell 1 weist ein Profilmodell 2 und eine Vorverarbei tung 3 auf. Das Profilmodell 2 ermittelt das Dickenprofil p_i eines Walzbandes hinter dem Walzgerüst 7 in Abhängigkeit vom Dickenprofil p_i-1 vor dem Walzgerüst 7, von einem Eigenschaf ten des Walzgerüstes bzw. Eigenschaften des Walzgerüstes un ter Einbeziehung von Eigenschaften des Walzmaterials reprä sentierenden Faktor k_i, von dem Lastwalzspaltprofil Π_i, das in der Vorverarbeitung 3 berechnet wird, und von der Banddicke h_i-1 und h_i vor und hinter dem Walzgerüst 7. Der Faktor k_i wird in einer auf neuronalen Netzen basierenden Informations verarbeitung 4 bestimmt. Diese weist ein neuronales Netz 5 sowie eine Normierung 6 auf. Der modulare Aufbau des Systems, d. h. die Trennung in ein Walzgerüstmodell 1 und eine auf neuronalen Netzen basierende Informationsverarbeitung 4, er möglicht es, bekannte Algorithmen zur Bestimmung des Dicken profils eines Walzbandes hinter einem Walzgerüst wieder zu verwenden. Dabei enthält das Walzgerüstmodell vorteilhafter weise die Modelle und Algorithmen bekannter Verfahren. Die bekannte Bestimmung des Faktors k_i wird dagegen durch die auf neuronalen Netzen basierende Informationsverarbeitung 4 er setzt. Durch die Verwendung bewährter Algorithmen und Modelle im Walzgerüstmodell 1 wird erreicht, daß die auf neuronalen Netzen basierende Informationsverarbeitung 4 besonders ein fach gestaltet werden kann, da weder das Profilmodell 1 noch Modelle, wie Biegemodell, Temperaturmodell oder Verschleißmo dell, wie sie üblicherweise zur Berechnung des Lastwalzspalt profils herangezogen werden, gelernt werden müssen. Der Trai ningsaufwand für die auf neuronalen Netzen basierende Infor mationsverarbeitung 4 beschränkt sich lediglich auf die Zu sammenhänge zwischen Walzgerüst und Walzband, die zur Ermitt lung des Faktors k_i notwendig sind.

Die Eingangsgröße Dickenprofil p_i-1 vor dem Walzgerüst für das Profilmodell 1 kann entweder die Ausgangsgröße eines Profilmodells für ein i-1-tes Walzgerüst oder ein Meßwert sein. Fig. 3 zeigt letztere Lösung.

Fig. 4 zeigt ein System zur Bestimmung des Enddickenprofils eines Walzbandes in einer Walzstraße 8. In der beispielhaften Ausgestaltung weist diese Walzstraße 8 vier Walzgerüste auf. Entsprechend weist das System zur Bestimmung des Dickenpro fils der Walzstraße 8 vier Systeme 9, 10, 11 und 12 zur Be stimmung des Dickenprofils des Walzbandes hinter je einem Walzgerüst auf. Jedem dieser Systeme 9, 10, 11 und 12 werden Meßwerte 13, 14, 15 und 16 zugeführt, die als Eingangsgrößen der auf neuronalen Netzen basierenden Informationsverarbei tung, der Vorverarbeitung sowie des Profilmodells dienen. Dem System zur Bestimmung des Dickenprofils des Walzbandes hinter dem ersten Walzgerüst wird entsprechend der beispielhaften Ausgestaltung zusätzlich ein Meßwert des Dickenprofils p₀ des Walzbandes vor dem ersten Walzgerüst zugeführt. Das System 10 zur Bestimmung des Dickenprofils p₂ des Walzbandes hinter dem zweiten Walzgerüst ermittelt das Banddickenprofil p₂ in Ab hängigkeit der Meßwerte 14 und des Banddickenprofils p₁, das als Ausgangsgröße vom System 9 zur Bestimmung des Banddicken profils p₁ des Walzbandes hinter dem ersten Walzgerüst ermit telt wird. Entsprechend ist jedes Dickenprofil p₁, p₂, p₃, das von einem vorhergehenden System 9, 10, 11 zur Bestimmung des Dickenprofils des Walzbandes hinter einem Walzgerüst gelie fert wird, Eingangsgröße des nachfolgenden Systems 10, 11, 12 zur Bestimmung des Dickenprofils des Walzbandes hinter dem jeweiligen Walzgerüst.

Claims

1. System zur Berechnung des Enddickenprofils bzw. Dickenpro fils (p_i) eines Walzbandes hinter einem Walzgerüst einer mehrgerüstigen Walzstraße mittels eines Walzgerüstmodells (1), mit dem das Dickenprofil (p_i) des Walzbandes hinter dem Walzgerüst in Abhängigkeit des Dickenprofils (p_i-1) vor dem Walzgerüst und von Eigenschaften des Walzgerüstes bzw. von Eigenschaften des Walzgerüstes unter Einbeziehung von Eigen schaften des Walzmaterials ermittelt wird, wobei die Bestimmung des Dickenprofils des Walzbandes in einer auf neuronalen Netzen basierenden Informationsverarbeitung erfolgt, die ein Modell der Walzstraße bildet, dadurch gekennzeichnet, dass die Be stimmung ausgewählter Eigenschaften des Walzgerüstes bzw. ausgewählter Eigenschaften des Walzgerüstes unter Einbezie hung von Eigenschaften des Walzmaterials mittels jeweils ei nes dem jeweiligen Walzgerüst zugeordneten neuronalen Netzes erfolgt und der Wert des Banddickenprofils (p_i-1) des Walzban des hinter einem i-1-ten Walzgerüst als Eingangswert für das neuronale Netz zur Bestimmung des Banddickenprofils (p_i) des i-ten Walzgerüstes verwendet wird und die neuronalen Netze in Bezug auf Messwerte für das Banddickenprofil ausschließlich mit Messwerten (p_n) trainiert werden, die nach dem letzten Gerüst der mehrgerüstigen Walzstraße gewonnen wurden.

2. System nach Anspruch 1, dadurch gekennzeichnet,
daß die Bestimmung des Dickenprofils (p_i) des Walzbandes hin ter dem Walzgerüst mittels einer Funktion
p_i = f_pi (p_i-1, h_i-1, h_i, k_i, Π_i)
erfolgt,
wobei
h_i-1 die Banddicke vor dem Walzgerüst,
h_i die Banddicke hinter dem Walzgerüst,
Π_i das Lastwalzspaltprofil und
k_i ein Eigenschaften des Walzgerüstes bzw. ein Ei genschaften des Walzgerüstes unter Einbeziehung von Eigenschaften des Walzmaterials repräsentie render Faktor ist.

3. System nach Anspruch 2, dadurch gekennzeichnet, daß die Bestimmung des Dickenprofils (p_i) eines Walzbandes hinter einem Walzgerüst mittels der Funktion
erfolgt.

4. System nach Anspruch 2 oder 3, dadurch gekennzeichnet, daß die Bestimmung der Eigenschaften des Walzgerüstes bzw. der Eigenschaften des Walzgerüstes unter Einbeziehung von Ei genschaften des Walzmaterials repräsentierenden Faktors (k_i) mit einer auf neuronalen Netzen basierenden Informationsver arbeitung (4) erfolgt.

5. System nach Anspruch 1, 2, 3 oder 4, dadurch gekennzeichnet, daß zumindest eine der Größen Bandbreite vor und/oder hinter dem Walzgerüst, Banddicke vor und/oder hinter dem Walzgerüst, Bandzug vor und/oder hinter dem Walzgerüst, Dickenabnahme, Walzkraft, Biegekraft, Arbeitswalzendurchmesser, Dauer der Pause zwischen zwei Bändern und chemische Zusammensetzung des Walzmaterials Eingangsgröße der auf neuronalen Netzen basie renden Informationsverarbeitung (4) ist.

6. System nach Anspruch 1, 2, 3 oder 4, dadurch gekennzeichnet, daß die Größen Bandbreite vor oder hinter dem Walzgerüst, Banddicke vor oder hinter dem Walzgerüst, Dickenabnahme, Bandzug vor oder hinter dem Walzgerüst, Walzkraft, Biege kraft, Arbeitswalzendurchmesser, Dauer der Pause zwischen zwei Bändern und chemische Zusammensetzung des Walzmaterials die Eingangsgrößen der auf neuronalen Netzen basierenden In formationsverarbeitung (4) sind.

7. System nach Anspruch 1, 2, 3 oder 4, dadurch gekennzeichnet, daß die Größen Bandbreite vor und/oder hinter dem Walzgerüst und Banddicke vor und/oder hinter dem Walzgerüst die Ein gangsgrößen der auf neuronalen Netzen basierenden Informati onsverarbeitung sind.

8. System nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die Eingangsgrößen der auf neuronalen Netzen basierenden Informationsverarbeitung (4), vorzugsweise in Relation zu ih rer Streuung, normiert werden.

9. System nach einem der Ansprüche 2 bis 8, dadurch gekennzeichnet, daß das Lastwalzspaltprofil (Π_i) in einer insbesondere ein Biegemodell, ein Walzentemperaturmodell sowie ein Verschleiß modell umfassenden Vorverarbeitung (3) ermittelt wird.

10. System nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß die Modelle der Vorverarbeitung (3) analytisch sind.

11. System nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß die Modelle der Vorverarbeitung (3) neuronale Netze sind.

12. System nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß die Modelle der Vorverarbeitung (3) teilweise analytische Modelle, teilweise neuronale Netze sind.

13. System nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, daß die neuronalen Netze der auf neuronalen Netzen basieren den Informationsverarbeitung (4), insbesondere on-line, wei tertrainiert werden.

14. System nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß die neuronalen Netze der auf neuronalen Netzen basieren den Informationsverarbeitung (4) für ein Walzgerüst auch mit Daten anderer Gerüste, insbesondere der direkt benachbarten Gerüste, trainiert werden, wobei die Daten anderer Gerüste mit geringerem Gewicht in das Training der neuronalen Netze eingehen.

15. System nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß die gleichen neuronalen Netze der auf neuronalen Netze basierenden Informationsverarbeitung für jedes Gerüst der mehrgerüstigen Walzstraße verwendet werden.

16. System nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß die neuronalen Netze der auf neuronalen Netzen basieren den Informationsverarbeitung (4) im Rahmen des on-line Trai nings ausschließlich mit Datensätzen des zugehörigen Walzge rüstes trainiert werden.

17. System nach einem der Ansprüche 12 bis 16, dadurch gekennzeichnet, daß die neuronalen Netze der auf neuronalen Netzen basieren den Informationsverarbeitung derart trainiert werden, daß die Netzparameter der neuronalen Netze für die einzelnen Walzge rüste, die einander entsprechen, um weniger als einen be stimmten Toleranzwert voneinander abweichen.

18. System nach einem der Ansprüche 1 bis 17, dadurch gekennzeichnet, daß es Teil eines automatischen Prozeßführungssystems einer Walzanlage ist.

19. System nach einem der Ansprüche 1 bis 18, dadurch gekennzeichnet, daß es eine Prozeß-Recheneinheit aufweist.

20. System nach einem der Ansprüche 1 bis 19, dadurch gekennzeichnet, daß die Prozeß-Recheneinheit als Einschrittrechner, z. B. als Mikrocontroller, oder als Mehrchiprechner, insbesondere als ein Einplatinenrechner oder als ein Automatisierungsgerät, ausgebildet ist.

21. System nach Anspruch 20, dadurch gekennzeichnet, daß das Automatisierungsgerät als speicherprogrammierbare Steuerung, als VME-Bussystem oder als Industrie-PC ausgebil det ist.

22. Verfahren zur Bestimmung des Dickenprofils (p_i) eines Walzbandes hinter einem Walzgerüst mittels eines Walzgerüst modells (1), insbesondere unter Benutzung eines Systems nach einem der Ansprüche 1 bis 21, dadurch gekennzeichnet, daß die Bestimmung ausgewähl ter Eigenschaften des Walzgerüstes bzw. ausgewählter Eigen schaften des Walzgerüstes unter Einbeziehung von Eigenschaf ten des Walzmaterials mittels jeweils eines dem jeweiligen Walzgerüst zugeordneten neuronalen Netzes erfolgt und der Wert des Banddickenprofils (p_i-1) des Walzbandes hinter einem i-1-ten Walzgerüst als Eingangswert für das neuronale Netz zur Bestimmung des Banddickenprofils (p_i) des i-ten Walzge rüstes verwendet wird und die neuronalen Netze in Bezug auf Messwerte für das Banddickenprofil ausschließlich mit Mess werten (p_n) trainiert werden, die nach dem letzten Gerüst der mehrgerüstigen Walzstraße gewonnen wurden.

23. Stahl, dadurch gekennzeichnet, daß er nach dem Verfahren gemäß Anspruch 22 hergestellt ist.