DE19728979A1

DE19728979A1 - Verfahren und Einrichtung zur Steuerung bzw. Voreinstellung eines Walzgerüstes

Info

Publication number: DE19728979A1
Application number: DE19728979A
Authority: DE
Inventors: Roland Dipl Ing Bruestle; Uwe Dipl Ing Rietbrock; Clemens Dr Schaeffner
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 1997-07-07
Filing date: 1997-07-07
Publication date: 1998-09-10
Also published as: EP0994757A1; ATE310592T1; DE59813227D1; WO1999002282A1; EP0994757B1

Description

Die Erfindung betrifft ein Verfahren sowie eine Einrichtung zur Steuerung bzw. Voreinstellung eines Walzgerüstes zum Wal zen eines Walzbandes, wobei die Steuerung bzw. die Vorein stellung des Walzgerüstes in Abhängigkeit zumindest einer der Größen, Walzkraft, Walzmoment und Voreilung, erfolgt.

Zur Voreinstellung einer Walzstraße bzw. eines Walzgerüstes vor Einfädeln des zu walzenden Walzbandes bzw. zur Steuerung der Walzstraße bzw. des Walzgerüstes nach Einfädeln des Walz bandes müssen Größen wie Walzkraft, Walzmoment oder Voreilung oder mehrere dieser Größen bekannt sein. Es ist möglich, die se Größen mittels eines Walzmodells zu ermitteln, in das als Eingangsgrößen die Bandhöhe, der Einlauf des Walzbandes, die Bandbreite, der Bandzug, die Materialhärte und/oder die Rei bung zwischen Walzen und Walzband eingehen. Es hat sich je doch gezeigt, daß bei einem derartigen Verfahren die Quali tätsanforderungen, insbesondere für höherwertige Stähle, häu fig nicht eingehalten werden können. Entsprechend ist es Auf gabe der Erfindung, die Qualität eines gewalzten Stahls, ins besondere durch Einhalten von Dicken oder Härtetoleranzen, zu erhöhen.

Die Aufgabe wird erfindungsgemäß dadurch gelöst, daß die Grö ßen oder zumindest eine der Größen, Walzkraft, Walzmoment und Voreilung, auf deren Grundlage die Voreinstellung bzw. Steue rung des Walzgerüstes bzw. der Walzstraße erfolgt, präzise ermittelt werden.

Dieses erfolgt vorteilhafterweise und erfindungsgemäß durch Identifikation und Modellierung bestimmter Einflußgrößen, die zu einer Beeinträchtigung der Modellierung von Walzkraft, Walzmoment und/oder Voreilung führen. Diese Modellierung der Einflüsse erfolgt vorteilhafterweise und erfindungsgemäß mit tels einer auf neuronalen Netzen basierenden Informationsver arbeitung.

In besonders vorteilhafter Weise wird die Aufgabe erfindungs gemäß durch ein Verfahren bzw. eine Einrichtung zur Steuerung und/oder Voreinstellung eines Walzgerüstes zum Walzen eines Walzbandes gelöst, wobei die Steuerung und/oder Voreinstel lung des Walzgerüstes in Abhängigkeit zumindest einer der Größen, Walzkraft, Walzmoment und Voreilung, erfolgt, die mittels eines Walzmodells berechnet werden, wobei die Berech nung der Größen, Walzkraft, Walzmoment und Voreilung, mittels des Walzmodells in Abhängigkeit zumindest einer der Größen, Härte des Walzbandes und Reibung zwischen dem Walzband und den Walzen des Walzgerüstes, als Eingangsgrößen des Walzmo dells erfolgt, und wobei zumindest eine der Eingangsgrößen des Walzmodells, insbesondere zumindest eine der Größen, Här te des Walzbandes und Reibung zwischen dem Walzband und den Walzen des Walzgerüstes, mittels eines neuronalen Netzes er mittelt oder korrigiert wird.

In weiterhin besonders vorteilhafter Weise wird die Aufgabe erfindungsgemäß durch ein Verfahren bzw. eine Einrichtung zur Steuerung und/oder Voreinstellung eines Walzgerüstes zum Wal zen eines Walzbandes gelöst, wobei die Steuerung und/oder Voreinstellung des Walzgerüstes in Abhängigkeit zumindest ei ner der Größen, Walzkraft, Walzmoment und Voreilung, erfolgt, die mittels eines Walzmodells berechnet werden, wobei die Be rechnung der Größen, Walzkraft, Walzmoment und Voreilung, er folgt, und wobei zumindest eine der Größen, Walzkraft, Walz moment und Voreilung, mittels eines neuronalen Netzes im Sin ne einer Verringerung der Abweichung zwischen tatsächlicher Walzkraft, Walzmoment bzw. Voreilung und durch das Walzmodell ermittelter Walzkraft, Walzmoment bzw. Voreilung korrigiert wird.

Weitere vorteilhafte und erfinderische Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbei spielen, anhand der Zeichnungen und in Verbindung mit den Un teransprüchen. Im einzelnen zeigen:

Fig. 1 die physikalischen Verhältnisse einer Walzstraße sowie den Zusammenhang zwischen Dickenreduktion und Materialhärte;

Fig. 2 die physikalischen Verhältnisse in einem Walzspalt;

Fig. 3 ein erfindungsgemäßes Vorgehen am Eingang des Walz modells;

Fig. 4 ein erfindungsgemäßes Vorgehen am Ausgang des Walz modells;

Fig. 5 ein erfindungsgemäßes Vorgehen am Ein- und Ausgang des Walzmodells;

Fig. 6 ein Trainingsverfahren für neuronale Netze in einer besonders vorteilhaften Ausgestaltung;

Fig. 7 ein alternatives Trainingsverfahren für ein neuro nales Netz zur Bestimmung der Materialhärte;

Fig. 8 den Verfahrensablauf in einem Regressionsmodell.

Fig. 1 zeigt die physikalischen Verhältnisse einer Walzstraße sowie den Zusammenhang zwischen Dickenreduktion und Material härte. Dabei bezeichnen Bezugszeichen FS_i die Voreilung am i ten Gerüst, MR_i das Walzmoment am i-ten Gerüst, FR_i die Walz kraft am i-ten Gerüst, FT_i den Bandzug am i-ten Gerüst, eps_i die relative Dickenabnahme am i-ten Gerüst, MS die Material härte, d. h. die Härte des Walzbandes, V_i die Bandgeschwindig keit nach dem i-ten Gerüst, H_i die Banddicke nach dem i-ten Gerüst. Die relative Dickenabnahme eps_i ergibt sich dabei aus:

mit H₀: Banddicke beim Abhaspeln
H_i: Banddicke nach dem i-ten Gerüst, i = 1, 2, 3, 4, 5 bei 5 Gerüsten.

Die Voreilung FS_i am i-ten Gerüst ist definiert als

mit V_wi = Umfangsgeschwindigkeit der i-ten Walze.

Wird die Walze kreisförmig angenommen, so ergibt sich die Um fangsgeschwindigkeit der i-ten Walze gemäß:

V_wi = 2π . R_AW . n_i (3)

mit
R_AW = Walzenradius der i-ten Walze
n_i = Drehzahl der i-ten Walze.

Bezugszeichen 1, 2, 3, 4 und 5 bezeichnen Walzgerüste, Be zugszeichen 6 einen Abhaspel, Bezugszeichen 7 ein Walzband und Bezugszeichen 8 einen Aufhaspel.

Fig. 1 zeigt ferner den Zusammenhang zwischen Materialhärte MS und Dickenabnahme eps bzw. Dickenreduktion. Dieser Zusammen hang wird besonders geeignet durch die Funktion

MS = MS(eps) = MSO + MSI . eps^MSE (4)

beschrieben.

Fig. 2 verdeutlicht die physikalischen Zusammenhänge in einem Walzspalt, die vorteilhafterweise Eingang in die Modellierung mit einem Walzmodell finden. Die Verhältnisse im Walzspalt werden vorteilhafterweise durch ein Streifenmodell model liert, wobei es aus Symmetriegründen ausreicht, nur den obe ren oder nur den unteren Teil des Walzgerüstes zu modellie ren, so daß eine Grenze des Walzmodells die Symmetrieachse 23 des Walzbandes 27 ist. Das Band 27 wird im Bereich der Kon taktfläche Band - Walze in Streifen 28 (aufgrund der Über sichtlichkeit ist nur ein Streifen mit einem Bezugszeichen versehen) senkrecht zur Bewegungsrichtung des Bandes 27 zer legt. Innerhalb jedes Streifens 28 werden die Materialspan nungskräfte F_Q in horizontaler und vertikaler Richtung be rechnet und über Gleichgewichtsbedingungen an den Streifen rändern aneinander angepaßt. In Fig. 2 sind einige Material spannungskräfte F_Q exemplarisch eingetragen. Die vertikalen Materialspannungskräfte F_Q führen zu einer Abplattung 26 der Walze 21. Die Berechnung des abgeplatteten Walzenradius R_B erfolgt iterativ mit Hilfe des Streifenmodells und eines Mo dells, das die Verformung der Walze beschreibt.

Die Fließscheide 20 ist der Ort, an dem sich das Material ge rade mit der Umfangsgeschwindigkeit der Walze 21 bewegt. Vor der Fließscheide bewegt sich das Material langsamer, unter der Fließscheide schneller als die Umfangsgeschwindigkeit der Walze 21. Außer am Ort der Fließscheide 21 tritt demnach überall zwischen Arbeitswalze und Material eine Relativbewe gung 24, 25 auf. Diese Relativbewegung 24, 25 führt zu erheb lichen Reibkräften.

Fig. 3 zeigt eine erfindungsgemäße Verbesserung der Ausgangs größen eines Walzmodells 32 durch Veränderung von Eingangs größen 32 des Walzmodells 31 mittels einer auf neuronalen Netzen basierenden Informationsverarbeitung 33. Dabei ermit telt das Walzmodell 31 in Abhängigkeit der Eingangsgrößen 30 und 32 Ausgangsgrößen 34. Diese Ausgangsgrößen sind Walz kraft, Walzmoment und/oder Voreilung. Die Eingangsgrößen 32 werden mittels einer auf neuronalen Netzen basierenden Infor mationsverarbeitung oder eines neuronalen Netzes 33 in Abhän gigkeit von Eingangsgrößen 35 des neuronalen Netzes gebildet. Die Eingangsgrößen 30 und 32 sind z. B. die Zugkraft im Walz band, die Bandbreite, die Einlaufdicke des Walzbandes, die Härte des Walzbandes und/oder die Reibung zwischen Walze und Walzband. Von diesen wird vorteilhafterweise eine, insbeson dere die Härte des Walzbandes, durch das neuronale Netz 33 ermittelt. In diesem Fall sind die Eingangsgrößen 35 des neu ronalen Netzes z. B. materialspezifische Daten wie z. B. die Legierungsanteile, die Einlaufdicke, die Auslaufdicke sowie Kenndaten über eine vorherige Verarbeitung wie z. B. Dickere duktion oder Temperatur bei der vorhergehenden Verarbeitung.

Fig. 4 zeigt eine erfindungsgemäße Verbesserung der Ausgangs größen eines Walzmodells 41 durch Korrektur der Ausgangsgrö ßen 47 des Walzmodells 41. Das Walzmodell 41 ermittelt in Ab hängigkeit von Eingangsgrößen 43, wie etwa Materialhärte, Reibung zwischen Walzen und Walzband, Zugspannung, Bandbreite oder Einlaufdicke des Walzbandes, Ausgangsgrößen 47. Diese Ausgangsgrößen sind Walzkraft, Walzmoment und/oder Voreilung. Die Ausgangsgrößen 47 des Walzmodells 41 werden durch einen Korrekturblock 45 in Abhängigkeit von Korrekturparametern 44 korrigiert. Ausgangsgrößen des Korrekturblocks 45 sind ent sprechend korrigierte Werte für Walzkraft FR, Walzmoment MR und/oder Voreilung FS. Es ist besonders vorteilhaft, die Aus gangsgrößen 47 des Walzmodells 41 durch Multiplikation mit den Korrekturparametern 44 zu korrigierten Werten für Walz kraft FR, Walzmoment MR oder Voreilung FS zu verknüpfen. Die Korrekturparameter 44 werden mittels eines neuronalen Netzes 42 in Abhängigkeit von Eingangsgrößen 46 ermittelt.

Fig. 5 zeigt eine besonders vorteilhafte Ausgestaltung der Er findung. Dabei bezeichnet Bezugszeichen 51 ein Walzmodell. Eingangsgrößen 64 und MS des Walzmodells 51 sind die Mate rialhärte MS sowie angedeutet durch Bezugszeichen 64 bestimm te walzband- bzw. gerüstspezifische Daten wie z. B. Reibung zwischen Walzen und Walzband, Zugspannung, Bandbreite und Einlaufdicke des Walzbandes. Die Materialhärte MS wird mit tels eines neuronalen Netzes, Materialnetz 50, in Abhängig keit bestimmter Eingangsgrößen 60 berechnet. Diese Eingangs größen 60 können sein: Legierungsanteile, Einlaufdicke, Aus laufdicke, Temperatur sowie Informationen zur Charakterisie rung der Vorverarbeitung wie z. B. vorhergehender Reduktions grad oder vorhergehende Verarbeitungstemperatur. Ausgangsgrö ßen 65 des Walzmodells sind Werte für Walzkraft, Walzmoment und/oder Voreilung. Diese werden in einem Korrekturblock 53 in Abhängigkeit von Korrekturparametern FRCP, MRCP, FSCP kor rigiert, die mittels eines neuronalen Netzes, Gerüstnetz 52, in Abhängigkeit von Eingangsgrößen 61 berechnet werden. Diese Eingangsgrößen 61 sind u. a. die Banddicke, die Bandbreite so wie walzspezifische Daten. Ausgangsgrößen 66 des Korrek turgliedes 53 sind korrigierte Werte für Walzkraft, Walzmo ment und/oder Voreilung. Diese werden einem weiteren Korrek turglied 55 zugeführt, das diese mittels der Korrekturparame ter FRCD, MRCD und FSCD weiter korrigiert. Die Korrekturpara meter FRCD, MRCD, FSCD werden mittels eines neuronalen Net zes, Tagesnetz 54, in Abhängigkeit von Eingangsgrößen 62 be rechnet. Diese Eingangsgrößen sind u. a. Banddicke, Bandbreite sowie walzspezifische Daten. Ausgangsgrößen 67 des Korrek turgliedes 55 sind korrigierte Werte für Walzkraft, Walzmo ment und Voreilung, die mittels eines weiteren Korrekturglie des in Abhängigkeit von Korrekturparameter FRCS, MRCS und FSCS weiter korrigiert werden. Die Korrekturparameter FRCS, MRCS, FSCS werden mittels eines neuronalen Netzes, Geschwin digkeitsnetz 56, in Abhängigkeit von Eingangsgrößen 63 be rechnet. Die Eingangsgrößen 63 sind die Geschwindigkeit des Walzbandes sowie u. a. Banddicke, Bandbreite und walzspezifi sche Daten. Ausgangsgröße 68 des Korrekturgliedes 57 sind korrigierte Werte für Walzkraft, Walzmoment und Voreilung, die mittels eines weiteren Korrekturgliedes 59 in Abhängig keit eines Korrekturfaktors β zur Feinkorrektur und Anpassung an das aktuelle Walzband korrigiert werden. Ausgangsgrößen des Korrekturgliedes 59 sind korrigierte Werte für Walzkraft FR, Walzmoment MR und Voreilung FS. Die Korrekturglieder 53, 55, 57, 59 können z. B. Multiplikatoren sein. Grundsätzlich kommen auch anderen Korrekturstrategien in Frage. Derartige Korrekturstrategien bzw. Verknüpfungen von neuronalen Netzen, die für die vorgegebene Anwendung einsetzbar sind, finden sich in der DE 19 61 431.

Das Materialnetz 50 liefert die Materialhärte MS z. B. in Form der in Fig. 1 beschriebenen Regressionsparameter MSI, MSO und MSE. Das Gerüstnetz 52 liefert gerüstspezifische Korrektur faktoren FRCP, MRCP und FSCP für Walzkraft, Walzmoment und Voreilung. Das Materialnetz und das Gerüstnetz werden vor teilhafterweise mit Daten trainiert, die Material und Walzge rüst über die Lebensdauer des Walzgerüstes repräsentieren.

Das Tagesnetz 54 liefert die Korrekturfaktoren FRCD, MRCD und FSCD für Walzkraft, Walzmoment und Voreilung, die die relativ kleinen Änderungen entsprechend der Tagesform des Walzgerü stes beschreiben. Entsprechend erfolgt das Training des Ta gesnetzes 56 mit jungen Datensätzen, z. B. Datensätzen, die nicht älter sind als drei Tage.

Das Geschwindigkeitsnetz 56 liefert die geschwindigkeitsab hängigen Korrekturfaktoren FRCS, MRCS und FSCS für Walzkraft, Walzmoment und Voreilung. Mit dem Geschwindigkeitsnetz werden insbesondere reibungsspezifische Abweichungen kompensiert. Die Reibung zwischen Walze und Walzband hängt stark von der Bandgeschwindigkeit ab. Die Reibung ist i.a. um so kleiner, je höher die Bandgeschwindigkeit ist, da sich zwischen Walz band und Walzen mit zunehmender Geschwindigkeit ein Schmier film ausbildet.

Fig. 6 zeigt ein Trainingsverfahren für eine erfindungsgemäße Struktur entsprechend Fig. 5. Dabei repräsentieren MSE, MSI und MSO die Materialhärte entsprechend MS in Fig. 5. Die Be deutung von MSE, MSI und MSO ist in Fig. 1 erklärt. FR, MR, FS, β, FRCL, MRCL, FSCL, FRCD, MRCD, FSCD, FRCS, MRCS und FSCS haben die gleiche Bedeutung wie in Fig. 5. Die Eingangs größen 86, 87, 88, 89 entsprechen den Eingangsgrößen 60, 61, 62, 63 in Fig. 5. Bezugszeichen 76, 77, 78 bezeichnen Mate rialnetze mit den zugehörigen Trainings- bzw. Lernalgorith men. Bezugszeichen 81 bezeichnet ein Gerüstnetz mit einem zu gehörigen Lern- bzw. Trainingsalgorithmus, Bezugszeichen 82 ein Tagesnetz mit zugehörigem Lern- bzw. Trainingsalgorithmus und Bezugszeichen 83 ein Geschwindigkeitsnetz mit zugehörigem Lernalgorithmus. Bezugszeichen 70 bezeichnet einen Datenspei cher bzw. eine Datenbasis, in den Daten AC, FRA, MRA und FSA abgespeichert sind, die Kenndaten für einen repräsentativen Querschnitt aller im entsprechenden Walzgerüst/Walzstraße ge walzten Bänder bilden. FRA, MCA und FSA sind die tatsächli chen Werte für Walzkraft, Walzmoment und Voreilung über einen langen Zeitraum, z. B. über die Lebensdauer des Walzgerüstes betrachtet. Sie werden aus dem walzspezifischen Daten AC ge bildet. Der Funktionsblock 80 bezeichnet ein invertiertes Walzmodell und ein Regressionsmodell, wobei mittels des in vertierten Walzmodells aus den Daten AC die tatsächliche Ma terialhärte an den einzelnen Gerüsten der Walzstraße ermit telt wird und wobei mittels des Regressionsmodells aus den Werten für Materialhärte der einzelnen Gerüste die tatsächli chen Werte für die Parameter MSE, MSI und MSO gebildet wer den. Mittels der vom Regressionsmodell 80 ermittelten Werte MSO, MSI und MSE werden die Materialnetze 76, 77, 78 trai niert. Mittels der Werte MSE, MSI und MSO, die vom Material netz 76, 77, 78 ausgegeben werden, sowie weiterer Eingangs größen 90 berechnet ein Walzmodell 79 Werte für Walzkraft, Walzmoment und Voreilung. Dabei entsprechen die Eingangsgrö ßen 90 den Eingangsgrößen 64 aus Fig. 5.

Das Gerüstnetz 81 wird in Abhängigkeit der Eingangsgrößen 87 der Daten AC, FRA, MRA und FSA sowie der Ausgangsgrößen des Walzmodells 79 trainiert. Mittels eines Korrekturblocks 53 (vgl. Fig. 5) werden die Ausgangsgrößen des Walzmodells 79 mit den Korrekturparametern FRCL, MRCL und FSCL, die das Ge rüstnetz 81 ausgibt, korrigiert.

Mit den Ausgangsgrößen des Korrekturblocks 53, den Eingangs größen 88 sowie den Daten DC, FRD, MRD und FSD wird das Ta gesnetz 82 trainiert. Ausgangsgrößen des Tagesnetzes 82 sind die Korrekturparameter FRCD, MRCD und FSCD, die Eingangsgrö ßen in einem Korrekturblock 55 sind, mittels dessen die Aus gangsgrößen des Korrekturblocks 53 korrigiert werden. Die Pa rameter DC, FRD, MRD und FSD aus der Datenbasis 71 entspre chen den Daten AC, FRA, MRA und FSA, wobei sie im Gegensatz zu den Daten AC, FRA, MRA und FSA nur Walzbänder des letzten Tages bzw. der letzten Tage repräsentieren.

Die Ausgangsgrößen des Korrekturblocks 55, die Eingangsgrößen 89 sowie die Daten ACC sind Eingangsgrößen in das Geschwin digkeitsnetz 83 bzw. dessen Lernalgorithmus. Ferner gehen in das Geschwindigkeitsnetz 83 bzw. dessen Lernalgorithmus Kor rekturparameter FRCS, MSCS und FSCS ein, die mittels eines Geschwindigkeitskorrekturgliedes 85 ermittelt werden. Dabei transformiert das Geschwindigkeitskorrekturglied 85 auf eine Normgeschwindigkeit normierte Korrekturparameter FRC, FSC und MSC in bezug auf die aktuelle Geschwindigkeit des Walzbandes. Die Daten ACC entsprechen den Daten AC, wobei sie jedoch nur das aktuelle Walzband repräsentieren. Entsprechend enthält die Datenbasis bzw. der Datenspeicher 72 nur die Daten für das aktuelle Walzband. Ausgangsgrößen des Geschwindigkeits netzes 83 sind Korrekturparameter FRCS, MRCS, FSCS, die in einen weiteren Korrekturblock 57 eingehen. Der Ausgang dieses Korrekturblocks geht in einen weiteren Korrekturblock 59 ein. Ebenfalls Eingangsgröße des Korrekturblocks 59 bildet ein Pa rameter β, der in einem Speicher 84 abgespeichert ist. Aus gang des Korrekturblocks 59 sind korrigierte Werte für Walz kraft FR, Walzmoment MR und Voreilung FS. Die zum Training der neuronalen Netze verwendeten adaptiven Werte für Walz kraft FRA, Walzmoment MRA, Voreilung FSA bzw. die für das Training der neuronalen Netze verwendeten Korrekturwerte FRC, FSC und MSC für Walzkraft, Voreilung und Walzmoment werden in Abhängigkeit von Schätzwerten _i, _i, _i ermittelt, die mittels eines Walzmodells in Abhängigkeit der bekannten Da tensätze berechnet werden.

Das Training der neuronalen Netze erfolgt also in einem Lang zeitlernteil 73 in einem Tages- oder Kurzzeitlernteil 74 so wie einem Geschwindigkeitslernteil 75.

Fig. 7 zeigt ein alternatives Training des Materialnetzes, wo bei die Materialhärten für n Walzgerüste verwendet werden. Dabei bezeichnet Bezugszeichen 70 eine Datenbasis entspre chend Fig. 6, AC walzspezifische Daten (vgl. Fig. 6), Bezugs zeichen 100 ein Materialnetz mit Lernalgorithmus, 101 ein Re gressionsmodell und Bezugszeichen 102 ein Walzmodell. Dabei werden die Materialhärten MS_{1. . .n} an den einzelnen Gerüsten sowie optional die Walzbandtemperatur T_strip und die den ein zelnen Walzgerüsten zugeordneten Gesamtdickenreduktion eps_{1. . .n} vom Materialnetz 100 ausgegeben. Anstelle der Regres sionsparameter MSU, MSI, MSE gibt das Materialnetz 100, das aus einem oder mehreren neuronalen Netzen besteht, die Mate rialhärten MS_{1. . .n} aus, die anschließend mittels eines Regres sionsmodells 101 zu Regressionsparametern MSO, MSI und MSE umgeformt werden. Der Regressionsparameter MST ist ein die Temperaturabhängigkeit repräsentierender Parameter, der op tional berechnet werden kann, wenn auch die Temperatur T_strip des Walzbandes in das Materialnetz 100 eingeht. Dieser Para meter ist insbesondere dann vorteilhaft, wenn das erfindungs gemäße Verfahren nicht für das Kaltwalzen, sondern für das Warmwalzen eingesetzt wird.

Die Bestimmung der Schätzwerte _i, _i und _i, aus denen die Werte FRC, MRC und FSC, die zum Training der neuronalen Netze verwendet werden (vgl. Fig. 6), berechnet werden, wird im folgenden verdeutlicht. Sind MSO, MSI und MSE Eingangsgrö ßen des Walzmodells, so gilt für das i-te Gerüst

_i = f_FR(B, H_i-1, FT_i, MSO, MSI, MSE, µ, v_wi) (5)

Analog gilt für das Walzmoment

_i = f_MR(B, H_i-1, H_i, FT_i-1, FT_i MSO, MSI, MSE, µ, v_wi) (6)

und für die Voreilung

_i = f_FS(B, H_i-1, H_i, FT_i-1, FT₁, MSO, MSI, MSE, µ, v_wi) (7)

_i, _i und _i bezeichnen die Schätzwerte der jeweiligen Modelle.

B bezeichnet die Bandbreite, H_i-1 die Banddicke vor dem i-ten Gerüst, H_i die Banddicke hinter dem i-ten Gerüst, FT_i-1 den Bandzug vor dem i-ten Gerüst, FT_i den Bandzug hinter dem i- ten Gerüst und v_wi die Umfangsgeschwindigkeit der Arbeitswal zen im i-ten Gerüst.

FRC, MRC und FSC berechnen sich aus

Und dabei sind FR_ist, MR_ist und FS_ist die aktuellen Werte für Walzkraft, Walzmoment und Voreilung.

FRA, MRA und FSA berechnen sich aus:

Bis auf die Parameter MSO, MSI und MSE sowie die Reibung µ liegen für alle Eingangsgrößen Istwerte vor. Die Reibwerte µ werden jedoch z. B. tabellarisch hinterlegt. Es ist aber auch möglich, die Reibung u mit einem neuronalen Netz in analoger Weise wie die Materialhärte zu bestimmen.

Mit dem erfindungsgemäßen Verfahren können entweder die Mate rialhärte oder die Reibung ermittelt werden. Es ist ferner denkbar, beide Größen mittels eines neuronalen Netzes zu er mitteln. Es hat sich jedoch gezeigt, daß es in der Regel aus reichend ist, nur eine der beiden Unbekannten, Materialhärte oder Reibung, mittels eines neuronalen Netzes zu ermitteln.

Wird die Materialhärte z. B. erfindungsgemäß mittels eines neuronalen Netzes ermittelt und für die Reibung (grobe) Schätzwerte eingesetzt, so ist das Materialnetz in der Lage, die Fehler in bezug auf die Walzkraft, das Walzmoment oder die Voreilung, die durch ungenaue Kenntnis der Reibung zwi schen Walzband und Walze entstehen, zu korrigieren. Versuche haben gezeigt, daß bei schlechten Schätzwerten für die Rei bung und Verwendung des erfindungsgemäßen Verfahrens das neu ronale Netz einen schlechten Schätzwert für die Materialhärte ermittelt, daß diese Abweichung von der tatsächlichen Mate rialhärte jedoch den Fehler beim Reibwert kompensiert. Auf diese Weise wird durch das erfindungsgemäße Verfahren zwar ein suboptimaler Wert für die Materialhärte erhalten, jedoch ein besonders präziser Wert für Walzkraft, Walzmoment und Voreilung. Für eine Steuerung bzw. eine Voreinstellung, bei der die zu erwartenden Werte für Walzkraft, Walzmoment und Voreilung, nicht aber der eigentliche Wert der Materialhärte, relevant ist, ist es in den meisten Fällen ausreichend, nur ein Materialnetz, nicht aber ein Reibungsnetz, einzusetzen.

Claims

1. Verfahren zur Steuerung und/oder Voreinstellung eines Walzgerüstes zum Walzen eines Walzbandes, wobei die Steuerung und/oder Voreinstellung des Walzgerüstes in Abhängigkeit zu mindest einer der Größen, Walzkraft, Walzmoment und Vorei lung, erfolgt, die mittels eines Walzmodells berechnet wer den, und wobei die Berechnung der Größen, Walzkraft, Walzmo ment und Voreilung, mittels des Walzmodells in Abhängigkeit zumindest einer der Größen, Härte des Walzbandes und Reibung zwischen dem Walzband und den Walzen des Walzgerüstes, als Eingangsgrößen des Walzmodells erfolgt, dadurch gekennzeichnet, daß zumindest eine der Eingangsgrößen des Walzmodells, insbe sondere zumindest eine der Größen, Härte des Walzbandes und Reibung zwischen dem Walzband und den Walzen des Walzgerü stes, mittels zumindest eines neuronalen Netzes ermittelt oder korrigiert wird.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Größen, Härte des Walzbandes und Reibung zwischen dem Walzband und den Walzen des Walzgerüstes, mittels eines neu ronalen Netzes ermittelt werden.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß zumindest eine der Größen, Walzkraft, Walzmoment und Vor eilung mittels eines neuronalen Netzes im Sinne einer Verrin gerung der Abweichung zwischen tatsächlicher Walzkraft, Walz moment bzw. Voreilung und durch des Walzmodell ermittelter Walzkraft, Walzmoment bzw. Voreilung korrigiert wird.

4. Verfahren zur Steuerung und/oder Voreinstellung eines Walzgerüstes zum Walzen eines Walzbandes, wobei die Steuerung und/oder Voreinstellung des Walzgerüstes in Abhängigkeit zu mindest einer der Größen, Walzkraft, Walzmoment und Vorei lung, erfolgt, die mittels eines Walzmodells berechnet wer den, und wobei die Berechnung der Größen, Walzkraft, Walzmo ment und Voreilung, erfolgt, dadurch gekennzeichnet, daß zumindest eine der Größen, Walzkraft, Walzmoment und Vor eilung, mittels eines neuronalen Netzes im Sinne einer Ver ringerung der Abweichung zwischen tatsächlicher Walzkraft, Walzmoment bzw. Voreilig und durch des Walzmodell ermittelter Walzkraft, Walzmoment bzw. Voreilig korrigiert wird.

5. Verfahren nach Anspruch 1, 2, 3 oder 4, dadurch gekennzeichnet, daß die neuronalen Netze nachtrainiert werden.

6. Verfahren nach einem der Ansprüche 3, 4 oder 5, dadurch gekennzeichnet, daß zumindest eine der Größen, Walzkraft, Walzmoment und Vor eilung, mittels eines Gerüstnetzes im Sinne einer Verringe rung der Abweichung zwischen tatsächlicher Walzkraft, Walzmo ment bzw. Voreilig und durch des Walzmodell ermittelter Walz kraft, Walzmoment bzw. Voreilig korrigiert wird, wobei das Gerüstnetz walzspezifische Eigenschaften korrigiert und ent sprechend mit walzspezifischen Daten, die einen Mittelwert über die Lebensdauer des Gerüstes bilden, trainiert wird.

7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, daß zumindest eine der Größen, Walzkraft, Walzmoment und Vor eilung, mittels eines Tagesnetzes im Sinne einer Verringerung der Abweichung zwischen tatsächlicher Walzkraft, Walzmoment bzw. Voreilig und durch des Walzmodell ermittelter Walzkraft, Walzmoment bzw. Voreilig korrigiert wird, wobei das Tagesnetz sogenannte tagesformspezifische Einflüsse, d. h. Einflüsse mit Zeitkonstanten im Bereich ein bis wenige Tage berücksichtigt und mit walzspezifischen Daten der entsprechend letzten Tage trainiert wird.

8. Verfahren nach einem der Ansprüche 3 bis 7, dadurch gekennzeichnet, daß zumindest eine der Größen, Walzkraft, Walzmoment und Vor eilung, mittels eines Geschwindigkeitsnetzes im Sinne einer Verringerung der Abweichung zwischen tatsächlicher Walzkraft, Walzmoment bzw. Voreilig und durch des Walzmodell ermittelter Walzkraft, Walzmoment bzw. Voreilig korrigiert wird, wobei das Geschwindigkeitsnetz den Einfluß der Geschwindigkeit des Walzbandes auf Walzkraft, Walzmoment und/oder Voreilung be rücksichtigt, und wobei das Geschwindigkeitsnetz vorteilhaf terweise mit Daten des aktuellen Walzbandes trainiert wird.

9. Einrichtung zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche zur Steuerung und/oder Voreinstel lung eines Walzgerüstes zum Walzen eines Walzbandes, wobei die Steuerung und/oder Voreinstellung des Walzgerüstes in Ab hängigkeit zumindest einer der Größen, Walzkraft, Walzmoment und Voreilung, erfolgt, die mittels eines Walzmodells berech net werden, und wobei die Berechnung der Größen, Walzkraft, Walzmoment und Voreilung, mittels des Walzmodells in Abhän gigkeit zumindest einer der Größen, Härte des Walzbandes und Reibung zwischen dem Walzband und den Walzen des Walzgerü stes, als Eingangsgrößen des Walzmodells erfolgt, dadurch gekennzeichnet, daß zumindest eine der Eingangsgrößen des Walzmodells, insbe sondere zumindest eine der Größen, Härte des Walzbandes und Reibung zwischen dem Walzband und den Walzen des Walzgerü stes, mittels zumindest eines neuronalen Netzes ermittelt oder korrigiert wird.