摘要：本文對自學習帶鋼熱連軋卷曲溫度控制模型進行了分析，結果表明在帶鋼熱連軋卷曲溫度控制上采用自學習模型，明顯提高了軋制的控制精度以及生產(chǎn)效率，降低了軋制的成本。

關鍵詞：卷曲溫度 自學習模型 控制精度

1 概述

帶鋼熱連軋卷曲溫度控制是通過層流冷卻段長度的動態(tài)調(diào)節(jié)，將具有溫度、厚度、速度等工況的帶鋼從比較高的終軋溫度迅速冷卻到所要求的卷曲溫度，使帶鋼獲得良好的組織性能和力學性能。熱軋帶鋼的實際卷曲溫度是否能控制在要求的范圍內(nèi)，主要取決于帶鋼冷卻系統(tǒng)的控制精度。本文主要針對自學習模型卷曲溫度控制進行了研究[1]。

2 自學習模型

為了提高計算精度，增強控制模型的適應性，針對模型的設計需要考慮采用自學習功能，通過學習可以獲得用于修正卷曲溫度預報模型的自學習系數(shù)，即模型具有根據(jù)自身經(jīng)歷不斷修正以提高精度的學習能力[1]。基本原理是根據(jù)帶鋼熱連軋卷曲溫度的實際測值和預報值之間的偏差，采用適當?shù)男拚惴ǎ瑢︻A報模型中的重要參數(shù)進行修正，以提高模型對以后帶鋼卷曲溫度的預報精度[2]。自學習模型主要包括長期自學習和短期自學習。自學習模型原理如圖1所示。

2.1 短期自學習

假設把一塊帶鋼分成多段，短期自學習也就是帶鋼段之間的自學習。當帶鋼段出層冷區(qū)的高溫計時，滿足一定條件下，要進行帶鋼段之間的自學習，以提高控制精度。短期自學習采用指數(shù)平滑法：

Newlearn=NewLearn_i*Gain+（1-Gain）*OldLearn_i

（1）

式中NewLearn：當前帶鋼段自學習后的自學習值；

NewLearn_i：當前帶鋼段的自學習值，由實測值反推得到；

OldLearn_i：上一帶鋼段自學習后的自學習值；

Gain：增益系數(shù)，0≤Gain≤1，在自學習過程中需要取值合適，取值時需要考慮實測值的可信度和該規(guī)格的帶鋼已經(jīng)自學習的次數(shù)。

2.2 長期自學習

長期自學習即各塊帶鋼之間的自學習，長期自學習主要是考慮到當前帶鋼的控制對下一塊帶鋼的影響，所以需要進行長期自學習。當帶鋼全部都出了層冷區(qū)的高溫計時，采用指數(shù)平滑法進行帶鋼之間的自學習，為保證穩(wěn)定性，可以取合適的增益系數(shù)α。主要是利用控制點之間的自學習所得到的系數(shù)Ki，在Ki中選取平均計算的結果作為自學習系數(shù)β，讀取上一塊的結果βold，利用指數(shù)平滑法計算βnew：

β=■Ki/n（2）

βnew=βold+α（β-βold）（3）

3 卷曲溫度控制效果分析

分別對沒有投入自學習功能時和投入自學習功能時進行編程仿真，對于厚度規(guī)格為17.5mm、5.5mm、4.5mm、7.0mm、4.0mm、4.0mm，卷曲目標溫度分別為520℃、730℃、730℃、610℃、710℃、680℃的帶鋼進行控制效果分析。從未投入自學習卷曲溫度誤差計算中可以看出，若使卷曲溫度誤差達到±20℃為合格，則帶鋼各點卷曲溫度的合格率僅為40%。

從投入自學習卷曲溫度的誤差與未投入自學習卷曲溫度的誤差比較可以看出，帶鋼各點卷曲溫度的合格率達到90%，極大程度上滿足了卷曲溫度控制精度的要求。由于自學習值被寫入相應的自學習庫中，以后同一鋼種同一規(guī)格的帶鋼可以直接從自學習庫中取值，提高了卷曲溫度的精度，減少了操作工的維護工作，并且為新鋼種的開發(fā)打下了良好的基礎。該卷曲溫度控制系統(tǒng)投入運行后，經(jīng)過一段時間的參數(shù)調(diào)整及自學習，帶鋼全長90%控制在卷曲溫度目標值的±20℃以內(nèi)，60%控制在卷曲溫度的±10℃以內(nèi)，使卷曲溫度的控制精度達到比較理想的效果。

4 結論

分析結果表明在帶鋼熱連軋卷曲溫度控制上采用自學習模型，明顯提高了軋制的控制精度以及生產(chǎn)效率，降低了軋制的成本，為帶鋼的軋制向著高效率、低成本、低能耗、短流程、環(huán)保、安全型方向發(fā)展提供了新的途徑。

參考文獻：

[1]彭良貴，于明，王紹東，劉相華.熱軋帶鋼層流冷卻數(shù)學模型述評[J].軋鋼，2003，20（6）：25-29.

[2]熱軋帶鋼層冷過程控制模型.軋制技術及連軋自動化國家重點實驗室.東北大學，2005.10.

[3]SIMATIC HMI，WinCC flexible 2008，Compact/Standard/ Advanced，SEIMENS，系統(tǒng)手冊，2008.7.

作者簡介：

牛晶（1978-），女，東豐人，碩士研究生，吉林化纖集團有限責任公司，職員。