DE19642921C2 - System for determining the thickness profile of a rolled strip - Google Patents

System for determining the thickness profile of a rolled strip

Info

Publication number
DE19642921C2
DE19642921C2 DE1996142921 DE19642921A DE19642921C2 DE 19642921 C2 DE19642921 C2 DE 19642921C2 DE 1996142921 DE1996142921 DE 1996142921 DE 19642921 A DE19642921 A DE 19642921A DE 19642921 C2 DE19642921 C2 DE 19642921C2
Authority
DE
Germany
Prior art keywords
thickness profile
determining
rolling mill
rolled strip
thickness
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.)
Expired - Fee Related
Application number
DE1996142921
Other languages
German (de)
Other versions
DE19642921A1 (en
Inventor
Otto Gramckow
Peter Protzel
Friedemann Schmid
Guenter Soergel
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE1996142921 priority Critical patent/DE19642921C2/en
Publication of DE19642921A1 publication Critical patent/DE19642921A1/en
Application granted granted Critical
Publication of DE19642921C2 publication Critical patent/DE19642921C2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
    • B21B37/28—Control of flatness or profile during rolling of strip, sheets or plates
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Description

Die Erfindung betrifft ein System zur Bestimmung des Dicken­ profils eines Walzbandes gemäß dem Oberbegriff des Patentan­ spruchs 1 sowie ein Verfahren zur Bestimmung des Dickenprofils eines Walzbands gemäß dem Oberbegriff des nebengeordneten Patentanspruchs 17.The invention relates to a system for determining the thickness Profiles of a rolled strip according to the preamble of the patent claim 1 and a method for determining the thickness profile of a Rolling strip according to the preamble of the independent claim 17.

Ein solches System und ein solches Verfahren sind aus der Druckschrift atp 38 (1996) 10, Seiten 28 bis 42 bekannt.Such a system and such a method are known from the Publication atp 38 (1996) 10, pages 28 to 42 known.

Zur Beeinflussung des Banddickenprofils 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 wiederum müssen Werte für das Banddickenprofil des Walzbandes nach den einzelnen Walzgerüsten vorliegen. Da die Messung des Dickenprofils eines Walzbandes aufwendig und teuer ist, wird das Dickenprofil des Walzbandes üblicherweise an einer einzi­ gen Stelle gemessen und diese Meßwerte zur rechnerischen Be­ stimmung des Dickenprofils des Walzbandes hinter den einzel­ nen Walzgerüsten verwendet. So ist es bekannt, das Dickenpro­ fil eines Walzbandes (pi) hinter den einzelnen Walzgerüsten und damit schließlich das Enddickenprofil, d. h. das Dicken­ profil hinter dem letzten Walzgerüst, durch wiederholte Ver­ wendung des Zusammenhangs
In order to influence the strip thickness profile of a rolled strip in a rolling mill with several roll stands, it is necessary to distribute the influence on the thickness profile of the rolled strip over several re roll stands. For a suitable influencing, in turn, values for the strip thickness profile of the rolled strip after the individual roll stands must be available. Since the measurement of the thickness profile of a rolled strip is complex and expensive, the thickness profile of the rolled strip is usually measured at a single location and these measured values are used for the calculation of the thickness profile of the rolled strip behind the individual rolling stands. So it is known, the Dickenpro fil of a rolling band (p i ) behind the individual rolling stands and thus finally the final thickness profile, ie the thickness profile behind the last rolling stand, by repeated use of the relationship

zu bestimmen.to determine.

Dabei wird ki nach dem Artikel "High Accuracy and Rapid-Re­ sponse-Hot Strip Mill", TECHNO Japan Vol. 20. - No9, Sept. 1987, S. 54-59 gemäß
Here, k i according to the article "High Accuracy and Rapid Re-sponse-Hot Strip Mill" TECHNO Japan Vol 20 -. No9, Sept. 1987, pp 54-59 in accordance

berechnet.calculated.

Außerdem sind
pi-1 das Dickenprofil des Walzbandes vor dem Walzgerüst
hi-1 die Banddicke vor dem Walzgerüst, hi die Banddicke hinter dem Walzgerüst
Πi das Lastwalzspaltprofil
Di der Arbeitswalzendurchmesser
b die Dicke des Walzbandes und
ci1, ci2 ModellparameterAlso are
p i-1 the thickness profile of the rolled strip in front of the roll stand
h i-1 the strip thickness in front of the roll stand, h i the strip thickness behind the roll stand
Π i the load roll gap profile
D i the work roll diameter
b the thickness of the rolled strip and
c i1 , c i2 model parameters

Der Faktor ki wird also aus analytischen Zusammenhängen be­ stimmt, in die bestimmte Eigenschaften des Walzgerüstes und des Walzgutes eingehen.The factor k i is thus determined from analytical relationships into which certain properties of the rolling stand and the rolling stock are considered.

An diesem Ansatz ist nachteilig, daß Gleichung (2) und (3) nur näherungsweise gelten. Zudem sind die Modellparameter ci1 und ci2 unbekannt und müssen experimentell ermittelt werden. Dies führt häufig zu einer unzureichenden Bestimmung des Banddickenprofils.A disadvantage of this approach is that equations (2) and (3) are only approximate. In addition, the model parameters c i1 and c i2 are unknown and must be determined experimentally. This often leads to an inadequate determination of the strip thickness profile.

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.From atp 38 (1996) 10, pages 28 to 42, it is be knows to ver neural networks for the control of rolling mills turn. At the higher-level process management level Rolling mill, the main task of which is starting out of primary data and target values as well as based on models or tables that are required for the next volume Presetting of the system before it enters the rolling mill to calculate as accurately as possible. This precalculated pre Settings are sent to the basic automatics as reference values based on the entire rule control and control. With the measured value acquisition of the The models and tables can be accessed at the base level using the so-called te recalculation can be modified after rolling the strip. The profile of the rolling stock after passing through a stand results from a combination of the band profile when entering into the stand and the profile of the roll gap under load  (Nip load profile). Neural networks can be used for profiling use mood, for example in a hybrid approach with the framework-specific mathematical models Determine the load roll gap profiles. The result of these models resultant values for the roll gap profiles together with other process variables the input vector for a neural Network that is trained on this information to determine the profile at the end of the production line.

Aufgabe der Erfindung ist es, ein System und ein Verfahren der eingangs genannten Art anzugeben, das eine präzisere Bestimmung des Dickenprofils eines Walzbandes er­ laubt.The object of the invention is to provide a system and a method of the type mentioned, the one more precise determination of the thickness profile of a rolled strip laubt.

Diese Aufgabe wird erfindungsgemäß durch die kennzeichnenden Merkmale im Anspruch 1 beziehungsweise im nebengeordneten Anspruch 17 gelöst.This object is achieved by the characterizing Features in claim 1 and in the independent claim 17 solved.

Die auf neuronalen Netzen basierende Informationsverarbeitung bildet dabei vorteilhafterweise ein homogenes Modell der Walzstraße, d. h., das Modell weist keine einzelnen identifi­ zierbaren Modelle von Walzgerüsten der Walzstraße auf. Information processing based on neural networks advantageously forms a homogeneous model of the Rolling mill, d. that is, the model has no individual identifi models of rolling stands on the rolling mill.  

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 a further advantageous embodiment of the invention the load roll gap profile is determined in a preprocessing telt, which among other things, a bending model, a roller tempera turmodell as well as a wear model can include. To this It is possible that with the system according to the invention to determine the thickness profile of a rolled strip behind egg algorithms for the modeling of the Tension and temperature conditions in the roll stand and the Aging can continue to be used. Continue using this Known models for a rolling mill reduce the knock-out Most of the system according to the invention clearly, and enables in particular retrofitting existing roll stands or Rolling mills.

In einer weiteren vorteilhaften Ausgestaltung der Erfindung wird die vor Inbetriebnahme vortrainierte, auf neuronalen Netzen basierende Informationsverarbeitung im Betrieb online 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 a further advantageous embodiment of the invention the pre-trained one is trained on neuronal Network-based information processing in operation online further trained. In this way it is possible to use the system to determine the thickness profile of a rolled strip behind egg to adapt a rolling stand to changes in the rolling stand.

Weitere Vorteile und erfinderische Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen, anhand der Zeichnungen und in Verbindung mit den Unteransprü­ chen. Im einzelnen zeigen:Further advantages and inventive details emerge from the following description of exemplary embodiments, based on the drawings and in connection with the dependent claims chen. In detail show:

Fig. 1 den Querschnitt eines Walzbandes, Fig. 1 shows the cross-section of a rolled strip,

Fig. 2 ein erfindungsgemäßes System zur Bestimmung des Dickenprofils eines Walzbandes, Fig. 2 shows an inventive system for the determination of the thickness profile of a rolled strip,

Fig. 3 ein alternatives System zur Bestimmung des Dicken­ profils eines Walzbandes und Fig. 3 shows an alternative system for determining the thickness profile of a rolled strip and

Fig. 4 ein neuronales Netz. Fig. 4 shows a neural network.

Fig. 1 zeigt den Querschnitt eines Walzbandes. Dabei bezeich­ net b die Bandbreite, hM die Banddicke in der Mitte des Walz­ bandes, h2 die Banddicke am linken Rand des Walzbandes und hR die Banddicke am rechten Rand des Walzbandes. Fig. 1 shows the cross section of a rolled strip. Net b denotes the strip width, h M the strip thickness in the middle of the rolled strip, h 2 the strip thickness on the left edge of the rolled strip and h R the strip thickness on the right edge of the rolled strip.

Eine mögliche Definition des Dickenprofils p des Walzbandes bildet die Funktion
The function forms a possible definition of the thickness profile p of the rolled strip

Fig. 2 zeigt ein erfindungsgemäßes System zur Bestimmung des Banddickenprofils eines Walzbandes. Dabei bezeichnet das Be­ zugszeichen 1 eine auf neuronalen Netzen basierende Informa­ tionsverarbeitung, das Bezugszeichen 2 eine Normierung, Be­ zugszeichen 3 eine Vorverarbeitung und das Bezugszeichen 4 eine Walzstraße. Die Vorverarbeitung ermittelt aus verschie­ denen Prozeßzustandsgrößen der Walzstraße 4 die Lastwalz­ spaltprofile der einzelnen Walzgerüste. Durch die Verwendung bewährter Algorithmen und Modelle in der Vorverarbeitung wird erreicht, daß die auf neuronalen Netzen basierende Informati­ onsverarbeitung 1 besonders einfach gestaltet werden kann, da weder ein Biegemodell, ein Temperaturmodell noch ein Ver­ schleißmodell, wie sie üblicherweise zur Berechnung des Last­ walzspaltprofils herangezogen werden, gelernt werden müssen. In der Normierung 2 werden weitere von der auf neuronalen Netzen basierenden Informationsverarbeitung 1 benötigte Pro­ zeßzustandsgrößen der Walzstraße 4, wie z. B. Banddicke und Bandbreite, normiert. Die Prozeßzustandsinformation wird vor­ teilhafterweise in Relation zu ihrer Streuung normiert. Fig. 2 shows an inventive system for the determination of the strip thickness profile of the rolled strip. The reference numeral 1 denotes information processing based on neural networks, the reference symbol 2 a standardization, the reference symbol 3 a preprocessing and the reference symbol 4 a rolling mill. The preprocessing determines from which process state variables of the rolling mill 4 the load rolling gap profiles of the individual roll stands. By using proven algorithms and models in preprocessing it is achieved that the information processing based on neural networks 1 can be designed particularly simply, since neither a bending model, a temperature model nor a wear model, as are usually used to calculate the load gap profile , must be learned. In the standardization 2 , further process state variables of the rolling mill 4 required by the information processing 1 based on neural networks, such as, for. B. strip thickness and bandwidth standardized. The process status information is before normalized in relation to its spread normalized.

Die auf neuronalen Netzen basierende Informationsverarbeitung 1 ermittelt die Dickenprofile p1 bis pn hinter den einzelnen Walzgerüsten der beispielhaften Walzstraße in Abhängigkeit des Lastwalzspaltprofils sowie der Banddicke und Bandhöhe.The information processing 1 based on neural networks determines the thickness profiles p 1 to p n behind the individual roll stands of the exemplary rolling mill as a function of the load roll gap profile and the strip thickness and strip height.

Für den Einsatz in einer Walzstraße wird die auf neuronalen Netzen basierende Informationsverarbeitung anhand bekannter Daten vortrainiert. Es hat sich als besonders vorteilhaft herausgestellt, die auf neuronalen Netzen basierende Informa­ tionsverarbeitung im Betrieb weiter zu trainieren, d. h., an die aktuellen Zustände der Walzstraße 4 zu adaptieren. Beim Training, insbesondere jedoch beim On-line-Training, wird die auf neuronalen Netzen basierende Informationsverarbeitung mit den Ausgangsgrößen der Normierung 2 und der Vorverarbeitung 3 sowie dem Dickenprofil pn hinter dem letzten Gerüst der Walz­ straße trainiert.For use in a rolling mill, information processing based on neural networks is pre-trained using known data. It has proven to be particularly advantageous to further train the information processing based on neural networks during operation, ie to adapt it to the current conditions of the rolling mill 4 . In training, but especially in on-line training, the information processing based on neural networks is trained with the output variables of standardization 2 and preprocessing 3 and the thickness profile p n behind the last stand of the rolling mill.

Fig. 3 zeigt ein zum System aus Fig. 2 alternatives System zur Bestimmung des Dickenprofils eines Walzbandes. Das System aus Fig. 3 unterscheidet sich vom System aus Fig. 1 durch eine an­ dere auf neuronalen Netzen basierende Informationsverarbei­ tung. Im Gegensatz zu der auf neuronalen Netzen basierende Informationsverarbeitung 1 aus Fig. 2 wird der auf neuronalen Netzen basierende Informationsverarbeitung 5 aus Fig. 3 das Banddickenprofil p0 vor dem ersten Walzgerüst der Walzstraße 4 als Eingangsgröße zugeführt. FIG. 3 shows an alternative system to the system from FIG. 2 for determining the thickness profile of a rolled strip. The system from FIG. 3 differs from the system from FIG. 1 by another information processing based on neural networks. In contrast to the information processing 1 from FIG. 2 based on neural networks, the information processing 5 from FIG. 3 based on neural networks is fed the strip thickness profile p 0 in front of the first roll stand of the rolling mill 4 as an input variable.

Fig. 4 zeigt ein neuronales Netz zur Bestimmung des Dickenpro­ fils 8 hinter dem letzten Walzgerüst der Walzstraße. Es hat sich dabei als besonders vorteilhaft herausgestellt, ein neu­ ronales Netz mit einer Ebene verdeckter Neuronen 7 zu verwen­ den, wobei die Anzahl der verdeckten Neuronen in etwa halb so groß wie die Anzahl der Eingangsneuronen 6 ist. Über die Ein­ gangsneuronen 6 werden dem neuronalen Netz die Banddicke und die Bandbreite sowie die Lastspaltwalzprofile der einzelnen Walzgerüste der durch das neuronale Netz modellierten Walz­ straße zugeführt. Fig. 4 shows a neural network for determining the Dickenpro fils 8 behind the last rolling stand of the rolling mill. It has been found to be particularly advantageous to use a new ronal network with a level of hidden neurons 7 , the number of hidden neurons being approximately half the number of input neurons 6 . Via the input neurons 6 , the strip thickness and strip width as well as the load gap rolling profiles of the individual roll stands of the rolling mill modeled by the neural network are fed to the neural network.

Claims (18)

1. System zur Bestimmung des Dickenprofils eines Walz­ bandes in einer Walzstraße in Abhängigkeit von der Bandposi­ tion und von Eigenschaften der Walzstraße bzw. von Eigen­ schaften der Walzstraße, wobei die Bestimmung des Dickenpro­ fils des Walzbandes in einer auf neuronalen Netzen basieren­ den Informationsverarbeitung erfolgt, die ein Modell der Walzstraße bildet, dadurch gekennzeichnet, dass das Sys­ tem die Dickenprofile hinter ausgewählten bzw. allen Walzge­ rüsten der Walzstraße ermittelt und die neuronalen Netze in Bezug auf Messwerte für das Banddickenprofil ausschließlich mit Messwerten trainiert werden, die nach dem letzten Gerüst der mehrgerüstigen Walzstraße gewonnen wurden.1. System for determining the thickness profile of a rolled strip in a rolling mill as a function of the strip position and properties of the rolling mill or properties of the rolling mill, the determination of the thickness profile of the rolled strip being carried out in a information processing based on neural networks, which forms a model of the rolling mill, characterized in that the system determines the thickness profiles behind selected or all rolling stands of the rolling mill and the neural networks are trained in terms of measured values for the strip thickness profile exclusively with measured values that are based on the last stand of the multi-stand mill Rolling mill were won. 2. System zur Bestimmung des Dickenprofils eines Walzbandes in einer Walzstraße nach Anspruch 1, dadurch gekennzeichnet, daß die auf neuronalen Netzen basierende Informationsverar­ beitung (1 oder 5) ein homogenes Modell der Walzstraße bil­ det.2. System for determining the thickness profile of a rolling strip in a rolling mill according to claim 1, characterized in that the information processing based on neural networks processing ( 1 or 5 ) a homogeneous model of the rolling mill bil det. 3. System zur Bestimmung des Dickenprofils eines Walzbandes in einer Walzstraße nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Bestimmung des Dickenprofils in Abhängigkeit des Di­ ckenprofils (p0) vor der Walzstraße erfolgt.3. System for determining the thickness profile of a rolled strip in a rolling mill according to claim 1 or 2, characterized in that the determination of the thickness profile in dependence on the Di ckenprofils (p 0 ) takes place before the rolling mill. 4. System zur Bestimmung des Dickenprofils eines Walzbandes in einer Walzstraße nach Anspruch 1, 2 oder 3, dadurch gekennzeichnet, daß es das Dickenprofil (pn) hinter dem letzten Walzgerüst der Walzstraße ermittelt. 4. System for determining the thickness profile of a rolled strip in a rolling mill according to claim 1, 2 or 3, characterized in that it determines the thickness profile (p n ) behind the last rolling stand of the rolling mill. 5. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß zumindest eine der Größen Lastwalzspaltprofil (Πi), Band­ breite vor oder hinter dem Walzgerüst, Banddicke vor oder hinter dem Walzgerüst, Dickenabnahme, Bandzug hinter den letzten Walzgerüsten, Walzkraft, Biegekraft, Arbeitswalzen­ durchmesser, Dauer der Pause zwischen zwei Bändern und chemi­ sche Zusammensetzung des Walzmaterials Eingangsgröße der auf neuronalen Netzen basierenden Informationsverarbeitung (1 oder 5) sind.5. System for determining the thickness profile of a rolled strip according to one of claims 1 to 4, characterized in that at least one of the sizes load roll gap profile (Π i ), strip width in front of or behind the roll stand, strip thickness in front of or behind the roll stand, thickness reduction, strip tension behind the last rolling stands, rolling force, bending force, work roll diameter, duration of the pause between two strips and chemical composition of the rolling material are input quantities of the information processing based on neural networks (1 or 5). 6. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß die Größen Lastwalzspaltprofil (Πi), Bandbreite, Banddi­ cke oder Banddickenabnahme vor oder hinter den Walzgerüsten der. Walzstraße die Eingangsgrößen der auf neuronalen Netzen basierende Informationsverarbeitung (5) sind.6. System for determining the thickness profile of a rolled strip according to one of claims 1 to 4, characterized in that the sizes of the roll gap profile (Π i ), strip width, strip thickness or strip thickness decrease in front of or behind the roll stands. Rolling mill are the input variables of information processing ( 5 ) based on neural networks. 7. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß die Eingangsgrößen der auf neuronalen Netzen basierenden Informationsverarbeitung (1 oder 5), vorzugsweise in Relation zu ihrer Streuung, normiert werden.7. System for determining the thickness profile of a rolled strip according to one of claims 1 to 5, characterized in that the input variables of the information processing based on neural networks ( 1 or 5 ), preferably in relation to their scatter, are standardized. 8. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß das Lastwalzspaltprofil (Πi) in einer, insbesondere ein Biegemodell, ein Walzentemperaturmodell sowie ein Verschleiß­ modell, umfassenden Vorausberechnung (3) ermittelt wird. 8. System for determining the thickness profile of a rolled strip according to one of claims 1 to 7, characterized in that the load roll gap profile (Π i ) in a, in particular a bending model, a roller temperature model and a wear model, comprehensive advance calculation ( 3 ) is determined. 9. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß die Modelle der Vorausberechnung (3) analytisch sind.9. System for determining the thickness profile of a rolled strip according to one of claims 1 to 8, characterized in that the models of the calculation ( 3 ) are analytical. 10. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß die Modelle der Vorausberechnung (3) neuronale Netze sind.10. System for determining the thickness profile of a rolled strip according to one of claims 1 to 8, characterized in that the models of the pre-calculation ( 3 ) are neural networks. 11. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß die Modelle der Vorausberechnung (3) teilweise analyti­ sche Modelle, teilweise neuronale Netze sind.11. System for determining the thickness profile of a rolled strip according to one of claims 1 to 8, characterized in that the models of the pre-calculation ( 3 ) are partly analytical models, partly neural networks. 12. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 11, dadurch gekennzeichnet, daß die neuronalen Netze der auf neuronalen Netzen basieren­ den Informationsverarbeitung (1 oder 5) On-line weitertrai­ niert werden.12. System for determining the thickness profile of a rolled strip according to one of claims 1 to 11, characterized in that the neural networks based on neural networks are the information processing ( 1 or 5 ) on-line further trained. 13. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, daß es Teil eines automatischen Prozeßführungssystems einer Walzanlage ist.13. System for determining the thickness profile of a rolled strip according to one of claims 1 to 12, characterized, that it is part of an automatic process control system Is rolling mill. 14. System zur Bestimmung des Dickenprofils eines Walzbandes nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß es eine Prozeß-Recheneinheit aufweist. 14. System for determining the thickness profile of a rolled strip according to one of claims 1 to 13, characterized, that it has a process arithmetic unit.   15. System zur Bestimmung des Dickenprofils eines Walzbandes nach Anspruch 14, dadurch gekennzeichnet, daß die Prozeß-Recheneinheit als Einchiprechner, z. B. als Mikrocontroller, oder als Mehrchiprechner, insbesondere als ein Einplatinenrechner oder als ein Automatisierungsgerät, ausgebildet ist.15. System for determining the thickness profile of a rolled strip according to claim 14, characterized, that the process computing unit as a one-chip computer, for. B. as Microcontroller, or as a multi-chip computer, especially as a single board computer or as an automation device, is trained. 16. System zur Bestimmung des Dickenprofils eines Walzbandes nach Anspruch 15, dadurch gekennzeichnet, daß das Automatisierungsgerät als speicherprogrammierbare Steuerung, als VME-Bussystem oder als Industrie-PC ausgebil­ det ist.16. System for determining the thickness profile of a rolled strip according to claim 15, characterized, that the automation device as programmable Control, trained as a VME bus system or as an industrial PC det. 17. Verfahren zur Bestimmung des Dickenprofils eines Walzban­ des in einer Walzstraße in Abhängigkeit von der Bandposition und von Eigenschaften der Walzstraße bzw. von Eigenschaften der Walzstraße unter Einbeziehung von Eigenschaften des Walz­ materials, insbesondere unter Benutzung eines Systems nach einem der Ansprüche 1 bis 16, dadurch gekennzeichnet, daß das System die Dickenpro­ file hinter ausgewählten bzw. allen Walzgerüsten der Walz­ straße ermittelt und die neuronalen Netze in Bezug auf Mess­ werte für das Banddickenprofil ausschließlich mit Messwerten trainiert werden, die nach dem letzten Gerüst der mehr­ gerüstigen Walzstraße gewonnen wurden.17. Method for determining the thickness profile of a rolled strip in a rolling mill depending on the strip position and properties of the rolling mill or properties the rolling mill including the properties of the rolling mill materials, especially using a system one of claims 1 to 16, characterized in that the system the thickness pro file behind selected or all roll stands of the roll street determined and the neural networks in relation to measurement values for the strip thickness profile only with measured values be trained on the last scaffolding of the more scaffolding mill. 18. Stahl, dadurch gekennzeichnet, daß er nach dem Verfahren gemäß Anspruch 17 herstellt ist.18.steel, characterized, that it is produced by the method according to claim 17.
DE1996142921 1996-10-17 1996-10-17 System for determining the thickness profile of a rolled strip Expired - Fee Related DE19642921C2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE1996142921 DE19642921C2 (en) 1996-10-17 1996-10-17 System for determining the thickness profile of a rolled strip

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE1996142921 DE19642921C2 (en) 1996-10-17 1996-10-17 System for determining the thickness profile of a rolled strip

Publications (2)

Publication Number Publication Date
DE19642921A1 DE19642921A1 (en) 1998-04-30
DE19642921C2 true DE19642921C2 (en) 2002-11-07

Family

ID=7809050

Family Applications (1)

Application Number Title Priority Date Filing Date
DE1996142921 Expired - Fee Related DE19642921C2 (en) 1996-10-17 1996-10-17 System for determining the thickness profile of a rolled strip

Country Status (1)

Country Link
DE (1) DE19642921C2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19731980A1 (en) 1997-07-24 1999-01-28 Siemens Ag Method for controlling and presetting a rolling stand or a rolling train for rolling a rolled strip
US6571134B1 (en) 1998-02-18 2003-05-27 Siemens Aktiengesellschaft Method and device for determining an intermediary profile of a metal strip

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
High Accuracy and Rapid-Response Hot Strip Mill. In: Techno Japan Vol.20-No.9, Sept. 1987, S.54-59 *
LINDHOFF, D. et al.: Erfahrungen beim Einsatz neuronaler Netze in der Walzwerkautomatisie- rung. In: Kongresspapier Eisenhüttentag 1993, 11.11.1993, Düsseldorf, S. I24-I28 *
LINDHOFF, D. et al.: Erfahrungen beim Einsatz neuronaler Netze in der Walzwerkautomatisie- rung. In: Stahl und Eisen 114 (1994) Nr.4, S.49-53 *
MARTINEZ, T. et al.: Neuronale Netze zur Steuerung von Walzstraßen. In: atp - Auto- matisierungstechnische Praxis 38 (1996) 10, S.28-42 *

Also Published As

Publication number Publication date
DE19642921A1 (en) 1998-04-30

Similar Documents

Publication Publication Date Title
DE4338615B4 (en) Method and device for managing a process in a controlled system
EP1397523B2 (en) Cooling method for a hot-rolled product and a corresponding cooling-section model
DE69731008T2 (en) Rolling process for tapes to reduce edge sharpness
DE19522494C2 (en) Process for rolling a metal strip
DE4338608A1 (en) Neural network mathematical model control for process control
DE102016116076B4 (en) Plant control device, rolling control device, plant control method and plant control program
DE4338607B4 (en) Method and device for managing a process in a controlled system
DE19642918C2 (en) System for calculating the final thickness profile of a rolled strip
DE19781103B4 (en) Method and device for identifying or precalculating process parameters of an industrial time-variant process
DE1602126A1 (en) Process for the continuous control of the correction device for the workpiece profile during the rolling process
WO2007093333A1 (en) Method and device for identifying a section of a semifinished product
DE2446009C2 (en) Control device for the roll gap of the roll stands of a cold rolling mill
DE19642921C2 (en) System for determining the thickness profile of a rolled strip
DE19881041B4 (en) Method for controlling and presetting a steelworks or parts of a steelworks
DE19642919C2 (en) System for calculating the final thickness profile of a rolled strip
DE3121232C2 (en) Device for regulating the plate width in a hot rolling mill
DE2047984A1 (en) Method and device for correcting a value of the rolling stock temperature
WO2019233735A1 (en) Method for quality assurance during the production of a product, computing device and computer program
DE19980248B4 (en) Method and device for determining an intermediate profile of a metal strip
EP3494239B1 (en) Method for operating an annealing furnace for annealing a metal strip
EP1163062B1 (en) Method and device for detecting the roll force in a rolling stand
EP0272204B1 (en) Method for controlling the thickness of tubewall
DE19625442A1 (en) Method and device for reducing the edge sharpening of a rolled strip
DE3807399C2 (en)
EP0372439A2 (en) Process control method for a continuous rolling mill

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
D2 Grant after examination
8364 No opposition during term of opposition
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20130501