冷连轧厚度控制

冷连轧厚度控制（精选7篇）

冷连轧厚度控制 篇1

摘要：为了减小冷连轧机支撑辊动压油膜轴承油膜厚度变化对带钢出口厚度的影响,提高AGC控制精度,对相对油膜厚度检测及其补偿控制进行了研究。首先,基于Reynolds式变形推导出缸位移法相对油膜厚度检测模型;然后,在某1450冷连轧机上进行数据采集,运用Levenberg-Marquardt算法进行非线性模型参数估值,得到轧机相对油膜厚度的解析表达式;最后,在轧机操作侧和传动侧液压压下的同时进行油膜厚度补偿,取得了显著效果。

关键词：冷连轧机,自动厚度控制,相对油膜厚度检测,油膜厚度补偿

0 引言

在冷轧带钢轧制生产中,带钢的纵向厚度(厚差)是其主要质量指标。冷连轧机支撑辊多采用油膜轴承,在影响带钢厚差的众多因素中,油膜厚度变化对AGC控制的影响不容忽视。在轧制过程中轧制速度的变化直接影响支承辊轴承的油膜厚度,进而引起板带材厚度的波动,产生厚度偏差,使带钢厚度精度降低。为了满足带钢厚度高精度和高成材率的要求,需根据检测出的油膜厚度变化量补偿液压压下量。文献[1]所研究的是中厚板轧机的油膜厚度补偿,由Reynolds式变形得到适合现场应用的修正模型。文献[2]采用小波分析的方法将油膜测试数据进行了误差溯源,剔除了测量结果中的干扰量。文献[3]给出了油膜厚度的一个计算式,但需要通过调试来确定3个相关参数。文献[4]建立了某1450冷连轧机油膜厚度数学模型,并根据各种转速下对应的缸位移数据拟合出该模型参数。文献[5]根据查表法进行油膜厚度补偿控制,取得了一定效果。如何更直观有效地进行油膜厚度补偿以满足冷轧更高轧制精度的要求,依然是需要解决的问题。

某公司1450mm五机架冷连轧机在未进行油膜补偿前,加减速时厚度波动较大,头尾超差段较长。本文对该轧机实施相对油膜厚度检测和补偿,分别在轧制力闭环条件下测量不同转速时的缸位移数据和在缸位移闭环条件下测量不同转速时的轧制力数据,利用Levenberg-Marquardt(L-M)算法拟合出由相对量表达的模型参数,间接测量油膜厚度变化量,对油膜厚度进行适当补偿,有效缩短了头尾超差段的长度。相对油膜厚度模型是以轧制过程中某一工作点为基准的采用相对量表达的油膜厚度模型,它在工作点附近较之绝对油膜厚度模型更加直观有效,因此,更能准确地反映出轧制过程中油膜厚度随轧制力、缸位移和转速的变化关系,能更有效地提高油膜厚度补偿控制的效果。

1 油膜厚度检测原理

油膜厚度检测装置(如超声波反射检测装置、光纤检测装置等)价格昂贵,而且由于冷连轧机工况复杂、环境恶劣,导致检测装置的可靠性和工作寿命降低因此油膜厚度常常只能通过间接测量方法获得。文献[6]得到了油膜厚度Of与轧辊转速n和轧制力F的关系:

式中,α、β为模型系数,与轴承和轴颈的径向间隙、油的黏度等有关系。

转速和压力通过测速编码器和压力传感器得到。受油膜厚度变化影响的带钢厚度h的计算式为[7]

式中,S为缸位移;MP为轧机刚度;F0为辊缝校准时所选取的压靠力。

当空压靠时轧机内没有带钢,即h=0,故由式(2)可得

在缸位移恒定的情况下,令轧辊以两种不同的转速旋转,根据式(3)得

由式(4)、式(5)得

根据轧机刚度的定义有

由式(1)、式(7)可得油膜厚度的一个表达式:

再由式(6)得

由式(6)可见,缸位移相同、支撑辊速度不同时,油膜厚度Of的变化等于轧制力的变化与轧机刚度的比值。将对应于缸位移(空载辊缝)为0、转速为n0时的油膜厚度值定为相对油膜厚度零点值Of0。从式(8)可知,只要在n/(F0-MPS)=n0/F0条件下,其油膜厚度值必定等于油膜厚度的零点值Of0,这样就可以确定在其他缸位移下的油膜厚度值的参考零点,从而可以确定不同缸位移、不同转速下的相对油膜厚度值。相对油膜厚度的计算式为

2 实测缸位移数据分析

根据文献[5]所述的轧制力法相对油膜厚度检测原理进行空压靠实验压下工作方式切换到压力环,使轧辊压力逐步增大,分别在两侧各1MN、2MN、3MN、4MN、5MN的压力下对缸位移进行采样并记录。之后,分别在不同的速度下,重复上述过程,并记录所采集的数据。将测得的电机转速除以传动比即得到工作辊转速,经工作辊直径以及支撑辊直径转换后可得支撑辊转速,从而得到图1所示的实测数据。从图1可以看到,在压力一定时,相对油膜厚度的变化随着轧辊转速的变化而非线性变化。

3 实测轧制力数据分析

3.1 轧机刚度测试

进行数据采集时,两侧按如下顺序依次设定轧制力:0.5MN、1.0MN、1.5MN、2.0MN、2.5MN、3.0MN、3.5MN、4.0MN、4.5MN、5.0MN、5.5MN、5.0MN、4.5MN、4.0MN、3.5MN、3.0MN、2.5MN、2.0MN、1.5MN、1.0MN、0.5MN,同时对缸位移读数进行记录,得到图2所示不同轧制力和转速下的两侧实测缸位移曲线。

通过线性回归可以求出该机架操作侧和传动侧的轧机刚度分别为1999.01 kN/mm和1785.7kN/mm。

3.2 油膜厚度检测

压下工作方式切换到缸位移环,使缸位移逐步减小,分别在1200μm、800μm、400μm、0、-400μm的缸位移下,对轧辊压力进行采样并记录。之后,分别在不同的速度下,重复上述过程,并记录所采集的数据。

取轧机支撑辊转速n0=30r/min、缸位移(空载辊缝)S0=0时的油膜厚度定为参考零点(近似实际轧制条件),根据式(6)将各采样点的轧制力值减去该工作点处的压靠力值,除以轧机刚度即可得出各点的相对油膜厚度。根据式(10)可计算相对油膜厚度ΔOf,对所得油膜厚度进行数据拟合,得到图3所示不同转速和缸位移下的相对油膜厚度关系曲线。从图3可以看到,在缸位移一定时,相对油膜厚度的变化随着轧辊转速的变化而非线性变化。

4 油膜厚度补偿的实现

4.1 数据回归分析

为了得到式(10)中的参数值,需要将实测数据进行非线性参数模型参数估值,该模型参数估值是一个典型的非线性最小二乘问题算法在工程中应用非常有效,并且已经成为非线性最小二乘问题的标准;尤其在参数较少的情况下,L-M算法求解过程稳定,能得到满意的模型参数优化值,它既有高斯-牛顿法的快速收敛性,也有最速下降法的全局搜索特性,通过增加阻尼项,克服了高斯-牛顿法不能有效地处理奇异和非正定矩阵及对初始点要求比较苛刻的缺点,又具有类似于神经网络的特点,因此,在神经网络学习、非线性学习控制、信号处理等领域得到了广泛的应用[8,9,10]。

尽管L-M算法在参数初始值的选取范围上有所放宽,但为了加快收敛过程,仍然需要给出较为合理的参数初值。

本文应用该法对轧制力法相对油膜厚度检测公式[5]和式(9)进行相关参数拟合,拟合结果如表1、表2所示。

从上述结果可以看出,两种方法回归参数分散较大,这是由于Reynolds油膜厚度模型对于其中的α、β两个参数是二元非线性的。针对表1、表2可以进一步采用插值法得到连续的3维空间曲线。

4.2 冷轧带钢厚度控制系统结构

厚度控制系统存在测厚仪检测滞后问题,考虑油膜厚度补偿的厚度控制系统结构如图4所示,图4中,hc为设定带钢厚度,hf为测量带钢厚度,h为实际带钢厚度,ρ为加权系数,可在0.85到1之间取值。为了提高油膜厚度补偿精度,对轧机操作侧与传动侧均同时进行补偿,两侧的补偿量是相互独立的。

本文以某公司1450mm第5机架为例,说明油膜厚度补偿控制的原理和厚度控制的基本思想,其他机架油膜补偿控制方法与第5机架相同。图5a为未加油膜厚度补偿控制时第5机架的实测板厚曲线,图中,轧制过程中由于受升降速的影响,油膜厚度变化较大,因此带钢厚度变化较大,造成同带差较大。图5b为采用轧制力法油膜厚度补偿控制的第5机架实测板厚曲线,图5c为采用缸位移法油膜厚度补偿控制的第5机架实测板厚曲线。比较图5a、图5b、图5c可知,采用油膜补偿控制方法对改善升降速段的板厚精度有效,尤以缸位移法拟合控制效果更为显著。由于轧制过程中采用缸位移闭环,缸位移较轧制力更为稳定,因此缸位移法效果较好。

5 结论

(1)本文基于Reynolds式导出了油膜相对参数的缸位移检测方法,该方法能方便有效地检测出相对油膜厚度。

(2)在轧制力法和缸位移法检测数据的基础上,利用L-M算法拟合出由相对量表达的模型参数,实现了油膜厚度变化量的间接测量。

(3)在生产轧机上实际应用本文给出方法的实验结果表明,加减速段的板厚精度得到有效提高,头尾超差段长度减小,尤以缸位移法的补偿效果更为显著。

参考文献

[1]陈建华,张其生,李冰,等.中厚板轧机油膜厚度模型的研究[J].钢铁,2001,36(11):42-45.

[2]刘涛,王益群,王海芳,等.冷轧AGC静-动压轴承油膜厚度的分析与补偿[J].机床与液压,2005,23(8):62-66.

[3]李乐新,苏长青,赵群超,等.冷轧机补偿原理及其控制算法[J].沈阳航空工业学院学报,2006,23(4):32-35.

[4]陈东宁,姜万录,王益群,等.冷连轧机相对油膜厚度的测试与建模[J],润滑与密封,2007,32(9):77-80.

[5]方一鸣,李建,王海芳,等.油膜厚度补偿在冷连轧机自动厚度控制系统中的应用研究[J].冶金自动化,2006,23(6):41-44.

[6]唐谋凤.现代带钢冷连轧机的自动化[M].北京:冶金工业出版社,1995.

[7]王君,王国栋.各种压力AGC模型的分析与评价[J].轧钢,2001,18(5):51-54.

[8]Hagan M T,Menhai M B.Training FeedforwardNetworks with the Marquardt Algorithm[J].NeuralNetworks,1994,5(6):989-993.

[9]Chiu C S,Yang Y S.Improving Generalization ofMLPs with Sliding Mode Control and the Levenberg-Marquardt algorithm[J].Neurocomputing,2007,70(3):1342-1347.

[10]周小林,孙东松,钟志庆.Levenberg-Marquardt算法在测风激光雷达中的应用[J].红外与激光工程,2007,36(4):500-504.

现代热连轧带钢的厚度控制 篇2

随着生产发展和科技进步, 对于板带材的质量要求越来越高, 特别是对其几何尺寸精度的要求越来越严格。围绕如何提高板带材几何尺寸精度这一问题, 多年来国内外许多学者进行了深入研究。同其他各种技术发展一样, 板带轧机板厚调节技术的发展也经历了由粗到精的过程, 先后经历了手动压下调节板厚、电动压下调节板厚、电动双压下系统调节板厚、电-液双压下系统调节板厚、全液压压下调节装置、弯曲支撑辊的厚度调节方式、工作辊横向偏移的厚度调节方式等。

全液压压下的厚度调节系统取消了传统的压下螺丝, 用液压缸直接压下, 这种厚度调节方式结构简单, 灵敏度高, 能够满足很严格的厚度精度要求, 并可根据需要, 改变轧机的当量刚度, 是现代化轧机普遍采用的厚度调节方式。但这种方式也存在着一些缺点, 如对系统各部分及各元件的精度要求严格、制造困难、成本高等, 主要元器件靠进口。

1 热带厚差分布特征、成因及控制方法

由于来料工艺参数 (如头尾温度不均、水印、来料厚度不均、宽度变化、断面形状、平直度、化学成分偏析、组织性能的均匀性等) 、轧机参数 (如支撑辊偏心、轧辊椭圆度、轧辊热膨胀、轧辊磨损、轴承油膜厚度变化、辊面润滑油油膜厚度、轧辊平衡力及影响轧机刚度的轧辊直径、压下螺丝及附件、液压缸及附件、轧件宽度等, 它们使空载荷下的辊缝产生一些不希望的变化) 波动以及轧机震颤和来自控制系统的干扰因素 (包括辊缝控制、咬钢冲击补偿、主速度控制、带钢张力控制、弯辊控制、轧辊平衡控制、轧辊及机架间冷却控制、轧制润滑控制、大型仪表———测厚仪控制、卷取张力补偿等) , 精轧出口的带钢厚度常常变化, 为消除这些不利因素, 采取以下控制策略。

(1) 头部厚差。决定于L2设定模型, 改进方向为:提高模型精度;完善自学习、穿带自适应 (动态设定) 等。

(2) 头部小丘。采用冲击补偿消除。

(3) 颈部拉薄。采用活套起套“软接触”技术。

(4) 穿带减薄。完善L2设定程序, 提高设定精度。

(5) 卷钢冲击。卷取咬钢冲击补偿消除。

(6) 尾部厚跃。决定于活套张力水平, 主要靠压尾和拉尾来改善, 由于受宽度变动的限制拉尾不能太强。

(7) 趋势渐变。常规热轧由于粗轧末道次出口速度大于F1的入口速度, 因而使尾部在空气中停留时间大于头部, 使尾部温度低于头部, 当加速轧制时带钢全长温度变化将类似抛物线, 这种由温差引起的趋势性变化可用趋势性前馈--慢速下压或上抬进行控制。

(8) 来料厚差。粗轧投入AGC控制。

(9) 张力波动。优化控制程序, 尽可能消除偶然因素。

(10) 水印温差。采用步进炉特别是采用步进梁上升下降比控制后, 水印不太显著, 但当高产时由于在炉时间不足仍将有水印存在, 用硬度前馈加以克服。

(11) 周期波动。轧辊偏心造成的厚度周期性变化用偏心补偿消除。

(12) 调速波动。采用油膜厚度补偿来消除, 现代厚度控制系统都具备此功能。

(13) 润滑油膜。L2设定计算时考虑。

(14) 随机波动。在消去偏心信号的基础上进行液压压下的反馈控制来解决。

(15) 磨损膨胀。L2计算并自学习或由L1计算上块钢用于本块钢的控制。

2 厚度控制途径

调整压下是厚度控制最主要和最有效的方式, 它通过改变空载辊缝大小来消除各种因素的变化对轧件厚度的影响。

调整机架前后张力是厚控的辅助措施之一, 优点是反应速度快且稳, 厚控更准确, 缺点是热轧带材和冷轧较薄的带材时, 为防止拉窄和拉断轧件, 张力变化范围不能过大。这种方法在冷轧时用得较多, 热轧一般不用, 但有时在末两机架间采用张力微调, 此时轧件较薄, 压下效率较低。调整轧制速度也是厚控的途径之一, 它可以起到调整轧制温度、张力、摩擦系数、金属变形抗力的作用, 从而改变塑性曲线。

3 AGC控制策略

位置内环、厚度外环方式是电动AGC和液压AGC的主流方式。轧制力内环、厚度外环方式中的轧制力内环用来消除偏心, 厚度外环消除轧件带来的外扰。总地来说AGC基本控制方式分为反馈、前馈、监控、动态设定, 但一些具体的补偿措施和计算各公司有所不同。

GM-AGC是利用弹跳方程所算出的机架出侧板厚与目标板厚进行比较, 依厚差大小控制轧机的压下量, 故亦称厚度计AGC。由于液压系统响应快、精度高, 能方便地实现诸如绝对AGC、变刚度控制 (超硬特性、硬特性、自然特性、软特性) 、恒压力控制、偏心控制等功能。反馈AGC根据厚度给定值的不同分为绝对AGC和相对AGC, 绝对AGC是发展方向, 前提条件是L2模型要准确。国内有人提出的动态设定型AGC基本原理是类同的。

前馈AGC即FF-AGC, 也称为预控。它将上游机架出口厚度偏差或综合反应包括带钢温度在内的硬度信息前馈至下游机架以补偿下游机架入口来料参数波动对其出口厚度的影响, 采用卡尔曼滤波方法, 偏差方式可以由操作工选择。

监控AGC是指利用X-RAY测厚仪对精轧末架出口带材厚度的精密测量, 对轧机的辊缝进行调整, 从而使成品带材厚度与设定厚度准确相符的AGC控制方式。基于弹跳方程的间接测厚的厚度控制系统虽然考虑了各种补偿因素 (如油膜厚度、辊缝零位常数等) , 但其测厚精度还是远低于X-RAY测厚仪, 因此对现代带钢热连轧来说, MN-AGC是不可或缺的。由于带钢运行到测厚仪有一定时间, 为了消除滞后因素, 采用史密斯控制器。当带头到达X-RAY测厚仪时, 如头部厚差过大, 就一次性将下游多机架下压或上抬, 使头部尽快进入目标值, 是为快速监控。

动态设定根据前架或前几架咬钢情况对后续机架的辊缝进行再设定, 以确保带钢头部在要求的误差范围内, 也称穿带自适应。

AGC程序中大量用到了各类补偿控制, 补偿实际上是解决多种控制变量耦合的工程方法。实质上热连轧精轧机组为一多变量、强耦合的复杂控制系统, 由于多种功能集中于6~7个机架, 各项功能的控制都将影响到轧辊与轧件形成的变形区的参数, 因而相互耦合、相互干扰。

(1) 轧制力滤波。轧制力可选用油压或压头信号, 一般要进行数字滤波, 其目的一是消除各种干扰信号, 二是被动滤除支撑辊偏心造成的压力波动。

(2) 偏心补偿。轧辊的偏心是由于轧辊和轧辊轴承形状的不规则引起的, 这些不规则形状可能产生于设计、制造、修磨、装配、变形、磨损、热膨胀等过程, 进而造成轧辊本身的非圆性和辊身的几何轴心与旋转轴心的分离, 主要由支承辊本身的椭圆度和辊径的不同轴误差所产生。傅立叶变换法是常用的偏心信号提取方法, 它从包含轧辊偏心分量的轧制力中, 根据与轧辊旋转角速度同步的脉冲信号或角度信号, 进行快速傅立叶分析, 算出轧辊偏心的周期分量, 以此信号补偿轧制力和辊缝, 从而消除偏心对出口厚度的影响。

(3) 油膜补偿。热轧带钢轧机的支撑辊采用油膜轴承时, 油膜的厚度会随轧制力和轧制速度的变化而改变, 从而影响有载辊缝, 为此需要进行油膜厚度补偿。

(4) 宽度补偿。轧机的刚度系数不仅是轧机结构所固有的特性, 而且和轧制条件有关, 不同的轧制速度和轧件宽度, 均使轧机刚度系数有所变化。

(5) 轧辊磨损和热凸度补偿。间接测厚法是利用辊缝仪信号来表示轧辊辊隙的, 但实际上轧辊直径由于磨损和热膨胀产生缓慢的变动, 其结果将使实际辊隙和辊缝仪指示有差异。

(6) 弯辊补偿。弯辊力变化时会影响辊缝形状和辊缝大小, 因此也会影响带钢厚度。

(7) 冲击补偿。液体具有可压缩性, 它指液体受压力作用而发生体积变化的性质。除此外还要考虑黑头、张力、持续时间等问题。

(8) 卷取咬钢补偿。卷取咬钢后如实测厚度偏薄, 可将厚度偏差信号放大, 放大倍数按一定曲线调整到正常值。也可在XDEV上按卷取咬钢情况叠加一个补偿值, 并可适当提前。

(9) 尾部补偿。当带钢尾都要离开某个机架Fi时, Fi与Fi+1机架间活套要及时落下以避免甩尾, 此时带材失去张力, 必然导致两机架间带材增厚, 即带材尾部厚度增加。由于张力消失是在带钢逸出辊缝时发生的, 这种带尾失张所造成带钢厚度的增加是-种突变, 故称之为厚跃, 为避免尾部增厚, 在带钢尾部离开Fi机架时, Fi+1机架应增大压下量, 值得注意的是并不是所有精轧机架都要进行尾部厚度补偿, 最后两个机架由于温度较低, 轧制速度较快, 可以不进行尾部厚度补偿调整。配合尾部补偿, 在上机架抛钢后, 本机架弯辊力减半或撤消也是常用的方法之一。

(10) 自动复归。厚度自动控制系统是在设定辊缝的基础上对带钢全长厚差进行调节的系统, 因此在带钢尾部轧制时, 各机架的辊缝值都已偏离原设定值。为了不影响下一根带钢进入精轧机组, 加快辊缝调节时间, AGC系统都设有自动复归功能:抛钢后即将本机架辊缝自动恢复到咬钢前的设定值大小。

(11) 活套补偿。AGC系统动作时随着压下率的变化而使变形区前滑和后滑变化破坏活套的稳定, 为了减少AGC对活套的影响, 减轻张力恒定系统工作负担, 加快张力恒定过程, 在输出压下调整量的同时应输出“活套补偿”信息对主传动速度进行补偿性调节以减少活套的动作, 这样通过预先调整各架转速从而使张力变化尽量小, 然后再靠张力恒定系统来恒定张力。这对于快速动作的液压压下尤其重要。

(12) 活套张力补偿。在改变辊缝调节厚度效率较低时可通过调节带钢设定张力来调厚。一般在精轧机组的后几个机架之间设张力微调AGC, 利用测厚仪的偏差信号来微调带钢张力对其厚差进行控制。张力AGC的控制原理是利用机架间带钢所受的前、后张力来改变轧件塑性曲线的斜率对带钢进行厚度控制。

(13) 蝶形补偿。根据液压缸有杆腔和无杆腔的压强和运动方向计算, 以补偿上抬和下压速度的不一致。

4 应用

在济钢1700 mm热轧改造中, 热轧厚度控制应用了GM-AGC、FF-AGC、MN-AGC、轧制力滤波、油膜补偿、宽度补偿、动态设定、弯辊补偿、轧辊磨损和热凸度补偿、活套补偿以及蝶形补偿。2013年9月投产, 厚度控制精度达到合同规定的要求。

具有自主知识产权的高精尖热连轧厚度控制技术是国内几代人的不缀追求。现在已完全可以做到在调试和生产过程中不废一块钢, 稳定性和精度也都已达到国际先进水平。未来AGC的研究方向是卡尔曼滤波器在前馈AGC中的参数整定、解耦控制、轧辊磨损和热凸度的精确计算。

摘要：全面阐述AGC控制策略, 深入研究影响厚度波动的因素, 融入近年来的科研应用成果, 指出AGC研究方向以及开发调试应注意的问题, 给出具体应用实例。

全连续冷连轧机张力控制系统 篇3

冷轧生产过程中带钢在辊缝中的变形是在一定的前张力与后张力作用下进行的,大张力轧制是冷连轧过程顺利进行的必要条件。优良的张力控制保证连轧机产量的同时使成品的厚度精度和板形精度达到要求。

河北中钢钢铁有限公司全连续冷连轧机组是我国首条在消化吸收国外相关先进技术基础上自主研制开发的冷连轧生产线[1],于2004年正式投产,经过4年的安全运行,证明了该控制系统具有优良的性能。然而,随着冷轧产品市场的变化,厂方对产品的质量和产量都有了更高的要求,同时,投产后张力控制系统和压下控制系统出现了不同程度的老化。经过2007年后半年的精调改造,轧机各方面都有了很大的改进,实际成品规格范围达到0.23～2.0 mm厚,600～1 205 mm宽。二次退火板轧制到0.19 mm厚,轧机利用率大幅度提高。改造过程中对张力控制系统和压下控制系统进行了重大改进和调整,其中,张力控制系统中增加了间接张力控制,加之多种新工艺技术的应用,保证了0.3 mm以下极薄板的生产。本文对张力控制系统的改进进行了详细介绍。

1 主要设备组成及工艺

全连续冷连轧轧机区主要设备如图1所示,其中第1机架～第5机架分别用S1～S5表示;机架间设有1#～4#张力检测仪C1～C4,轧机出口张力检测仪C5。活套出口张力辊组与S1建立一定的张力,保证S1后张力在设定范围内,张力的稳定由张力辊组的转矩闭环控制。在连轧机各机架间分别设有张力控制系统(ATC),部分ATC环节之间存在级联影响关系,机架间张力控制系统有压下张力控制PTC和速度张力控制STC两种张力控制手段;机架间张力检测仪C1～C4的实测张力作为反馈对机架间张力进行张力控制;SR为各机架的速度调节器。

将S5后张力检测仪C5的实测值作为反馈对卷取张力进行闭环控制(CTC)。出口机架S5与卷取机之间的张力控制通过卷取机的转矩闭环控制实现[1,2]。

2 张力控制模式及控制模式的切换

准确的张力反馈是全连续冷连轧机张力闭环控制的前提,而轧机运转中带钢断带和轧机穿带过程都可能损坏张力检测仪,造成张力检测仪的零偏或机械损伤。为了解决这一问题,系统设计了直接张力控制模式和间接张力控制模式。

直接张力控制是根据张力检测仪的张力反馈值直接进行张力闭环调节;间接张力控制是当直接张力控制系统出现故障时,用轧制过程的实际力能参数计算模拟张力并作为反馈进行张力闭环调节。其中,间接张力控制较为复杂,包括:模拟张力的计算及自学习。由于系统有两种共存的张力控制模式,因此还设计了相应的张力故障诊断和处理系统。

2.1 间接张力控制

2.1.1 模拟张力计算

通过建立冷连轧机转矩与张力、轧制力、轧辊半径、速度等参数的数学关系式计算机架间张力[3]:

Ti=(2Pilciφi+Ti-1Ri-1 000MPi)/Ri (1)

其中,MPi=ηiiiMmi (2)

undefined

式中,Ti为第i机架带钢的前张力,kN;Pi为轧制力,kN;lci为接触弧水平投影长度,mm;φi为力臂系数;Ti-1为第i机架带钢的后张力,kN;Ri为传动辊半径,mm;MPi为轧制转矩,kN·m;ηi为电动机效率系数;ii为减速箱的减速比;Mmi为电动机实测转矩,kN·mm;R′i为传动辊压扁半径,mm;Δhi为各机架压下量,mm。

全连续轧机S1入口张力和S5出口张力可以分别根据轧机入口张力辊组和卷取机的转矩精确测量,故把连轧机组入口张力和出口张力分别代入各机架的轧制转矩方程组式(1),可同时得到两组解。

由于这两组解不等,所以在实际系统中根据不同情况分别选择直接推导法和加权系数法计算模拟张力。

(1)直接推导法。

以中间机架S3为基准机架,以S1的入口张力为已知条件,计算S1～S2,S2～S3之间的张力;再以S5出口张力为已知条件,计算S3～S4,S4～S5之间的张力。当某机架间的张力检测系统发生故障后,以离该机架上游或下游机架最近的正常张力检测仪实测值为已知条件,计算故障点所在位置的模拟张力。此法符合现场实际情况,减少了各机架间张力计算中由模型精度引起的累计误差。

(2)加权系数法。

以一定的加权系数把两组解进行加权,权值随模拟张力推导的先后顺序递减。当某机架间的张力检测系统发生故障后,对模拟张力的计算同样使用加权系数法。此法计算结果更接近真实值,但是各机架张力的计算值互相影响,计算结果相对波动较大。

在实际张力故障诊断系统中,采用以上两种方法自动切换计算模拟张力。轧机低速运行时,电动机转矩波动较大,为了减小波动采用直接推导法;轧机高速运行时,机组运行相对稳定,采用加权系数法。

2.1.2 模拟张力自学习

在该连轧张力控制系统中,当张力检测仪实测值准确时,对ηi和φi两个未知的模型参数进行自学习。其中,φi较为独立,一般为0.3～0.5;ηi与轧机状态、轧制规格有较大关系。系统中设计的自学习策略是:对初次轧制的规格,根据各机架机械设备传动效率初始值ηi0,减速比ii及反馈转矩Mmi,计算轧制转矩MPi;结合实际反馈的张力和轧制力等参数计算φi,并按轧制规格存储于自学习库,每种轧制规格对应一组φi;而后固定φi,对ηi进行自学习。

由于轧制速度不同,对ηi的影响较大,所以必须对不同轧制速度下的ηi分别进行自学习,轧制速度划分的界限为:高速360～480 m/min;中速 120～360 m/min;低速60～120 m/min;穿带0～60 m/min。

我们在自学习数据库中,增加了4列(对应4种轧制速度状态)与轧制速度有关的自学习项,分别存储每种轧制规格不同轧制速度下的传动效率系数ηi。这种自学习方法在系统实际应用中学习效率较高、速度快、张力计算结果精确稳定。

2.2 张力故障诊断和处理系统

故障诊断和处理系统根据机架间实测张力与模拟张力的误差进行判断,误差大于8.0%时,张力系统报警并在HMI上显示故障点,由人工在HMI上确认故障点的同时,选择是否由直接张力控制系统切换到间接张力控制系统。当误差大于10.0%时,自动切换到间接张力控制系统。操作人员也可以根据具体情况进行手动切换。

当切换到间接张力控制时,为了防止由于控制模式切换带来的系统波动并保证张力控制的精度,故障诊断和处理系统采取了以下三种措施:

(1)缩短模拟张力计算路径。采用间接张力控制的机架,模拟张力的计算以前后机架的实测张力为已知条件分别代入式(1),得到两组解,取其平均值作为间接张力控制的实测值。同理,两个及两个以上的相连机架张力检测仪故障时,以相邻的两个非故障机架的张力实测值为已知条件,计算所得的模拟张力作为张力控制的实测值。这种方法计算的模拟张力更精确、稳定。

(2)对计算所得的模拟张力进行低通滤波。由于模拟张力的计算受到多个实测值的影响,其波动较大,因此必须进行滤波。

(3)张力控制系统稳定切换。为保证连轧机稳定,两种张力控制模式切换时采用平滑过渡,切换过渡时间与轧制速度成反比。

3 机架间张力控制原理及控制环节

本张力控制系统中直接张力控制和间接张力控制具有相同的控制原理和控制环节。为保证低速、分卷及轧机调整期间机架间张力稳定和轧机出口的板形质量,根据不同的工况将轧机张力自动控制系统分为低速ATC(V≤120 m/min)和高速ATC(V>120 m/min)两种控制方式。这两种张力控制方式都是通过调节后一机架的压下或相应机架速度(级联调速)保持机架间的张力趋于给定值。两种控制方式具体使用的调节手段见表1。

张力实际值与设定值之差(即控制误差)需要限制在一定的不灵敏区范围内,在此范围内张力可变,张力控制系统不进行调节,使速度干预和AGC系统可以在一定的张力变动范围内进行。张力控制环节把张力偏差的调节量作为干预量传送给压下给定器或速度给定器。压下给定器有辊缝位置给定器和轧制压力给定器两种,对应压下系统的辊缝位置闭环和轧制压力闭环控制。

3.1 低速ATC控制方式

轧机刚启车时各机架的带钢一般都超厚从而引起张力超差较大,且低速下PTC对低速时的张力波动响应慢,所以在轧机低速时应采用STC,以减小张力和电流的波动,保证轧机的稳定运行。

低速控制方式下以S3为基准机架调节其上游或下游机架的速度。为避免对某一个机架速度的调节影响其前后两个机架间的张力,需同时对相临的非基准机架进行级联调速。

张力控制系统中的级联调速仅用于S2～S3和S3～S4之间的张力控制。当S2～S3反馈张力超出灵敏区后,S2～S3的张力控制系统输出S2的速度调节量,同时把速度调节量按百分比级联到S1,即S1,S2相对于各自机架最大设定速度的调节比例相同。同理S3～S4之间张力控制时把S4速度调节量级联到S5。

3.2 高速ATC控制方式

由于调节轧机的压下控制张力时对出口厚度影响较小,而对张力影响较为明显,所以当轧机在高速稳定轧制时一般采用PTC,即通过调节下游机架的压下量改变后滑来控制张力。

由于末机架是保证成品厚度精度、平坦度精度的重要机架,因此需综合使用PTC和STC两种张力控制手段,由操作人员选择:

(1)末机架常规张力控制。S4～S5之间的张力控制手段与其它机架高速下的张力控制手段相同,采用PTC。此法在AGC选择A方式(常规AGC)和B方式(张力极限AGC)时采用。

(2)末机架平整方式下张力控制。通过调整S4的速度(STC)保证S4～S5之间的张力,同时对S4进行压下前馈调节(PTC)以保证S3～S4之间的张力平稳,S5的压下不变。这样在进行张力控制时,不会对最终成品的平坦度产生影响,提高了最终成品的板形和表面质量。此法在AGC选择C方式(平整方式)时采用。

3.3 不灵敏区的设置

张力控制的不灵敏区与张力设定值相关,以设定张力的百分比形式表示,分为三个级别:±2.5%(细);±5.0%(中);±10.0%(宽)。轧机调试阶段应该选择较宽的不灵敏区;正常生产时选中级;细不灵敏区一般用于S4～S5之间的张力控制,这与S4出口厚度较薄而设定总张力小相匹配。具体的不灵敏区也可以根据生产情况从监控HMI画面进行设定。

对于S4～S5之间的张力控制,当AGC方式选择B方式时,不灵敏区设置只与偏差的方向有关:负偏差(实际值小于设定值)时取-15%;正偏差(实际值大于设定值)时取25%。

3.4 张力自动控制环节

如前所述两种张力控制模式采用相同的张力控制环节如图2所示的形式。

T12set—二级设定张力;Tv—张力速度补偿量;Te—换辊后中间机架附加设定张力;Th—张力人工干预量;Ttotal—总张力设定值;B(s)—张力不灵敏区环节传递函数;RV(s),RF(s),RS(s)—分别为速度张力控制环节、压力张力控制环节、辊缝位置张力控制环节的传递函数;VSET,SSET,FSET—分别为速度、辊缝、轧制力设定值;GV(s),GF(s),GS(s)—分别为速度控制系统、压下轧制力控制系统、压下辊缝位置控制系统的等效动态特性;δT—张力干扰量;T— 张力实测值;H(s)—张力反馈环节的传递函数

三种张力控制环节均采用PI调节器,传递函数为:

undefined

式中,KP为比例系数;TI为积分时间常数。

张力控制系统的三种控制环节相互独立,使用中要相互切换。切换时为保证所控制系统的稳定,须同时保持其它张力控制器切换前的输出值。

4 控制系统现场数据分析

该厂实际生产中张力控制稳定的同时保证了产品厚度,且张力控制对压下控制系统和速度控制系统干扰小,STC与PTC切换平稳。图3(a)为一卷钢轧制过程中直接张力控制时的实测张力曲线。由于张力补偿量随速度变化,因此反馈张力在低速(轧制带头)时偏大,随着速度的升高张力逐渐减小,直至平稳。S3～S4,S4～S5之间张力有微小的趋势性波动,这是由AGC调节引起的。图3(b)为同卷钢直接张力控制时的模拟张力计算值曲线,模拟张力与实际张力的误差在5%以内。低速下模拟张力波动较大,这与实际生产中低速下电动机转矩波动较大有关,高速下模拟转矩逐渐平稳。S3～S4,S4～S5之间模拟张力波动大于S1～S2,S2～S3,原因是模拟张力的推导是由两端机架向中间机架进行,两端机架的张力波动必然会叠加到中间机架。

1—S1～S2;2—S2～S3;3—S3～S4;4—S4～S5

图4(a)为S3机架出口张力压辊轴承损坏后,压辊抬起,各机架间的张力实测值。实际生产中S3出口压辊抬起,带钢不能在张力测量辊形成包角,故S3～S4张力检测仪实测值很小,属于错误信号。图4(b)为同卷钢生产过程中S3～S4机架采用间接张力控制时的模拟张力曲线和实测张力曲线。由于间接张力控制精度受到相邻机架间张力实测值、转矩、轧制力等因素的影响,S3～S4之间张力波动相对较大,因此使用过程中将间接张力控制机架的张力不灵敏区放大10.0%,保证了张力控制系统的稳定运行。

5 结束语

张力控制是全连续冷连轧机最基本的功能之一,该厂全连续冷连轧机张力控制系统自投产后经过精调改进,逐渐完善,满足了冷连轧过程中张力稳定的要求,达到了很高的控制精度和响应速度。张力自诊断和间接张力控制系统提高了整套自动化系统的稳定性和容错性能,保证了0.3 mm以下极薄板的生产,并且运行良好。

1—S3～S4之间模拟张力;2—S3～S4之间实测张力

摘要：全连续冷连轧机的自动张力控制系统是保证全连续冷连轧机稳定连续轧制的重要前提。作者以河北中钢钢铁有限公司五机架全连续冷连轧机组为背景,自主设计冷连轧机张力控制系统。介绍了张力控制系统的控制原理和系统结构,提出直接张力与间接张力相结合的张力自诊断与自处理控制系统。系统在该厂精调改造中投入使用,并取得了良好效果,在轧制极薄带钢中保证了张力的稳定和较高的控制精度。

关键词：冷连轧机,自动张力控制,模拟张力

参考文献

[1]郭立伟,杨荃.全连续冷连轧机自动控制系统的设计与实现[J].冶金自动化,2006,30(2):56-60.GUO Li-wei,YANG Quan.Design and realization of auto-matic control system for continuous cold tandem rollingmill[J].Metallurgical Industry Automation,2006,30(2):56-60.

[2]张智密,王京,杨荃,等.全连续冷连轧机开卷区张力控制系统[J].冶金自动化,2006,30(2):53-56.ZHANG Zhi-mi,WANG Jing,YANG Quan.Automaticcontrol system for entrance section of continuous tandemcold mill[J].Metallurgical Industry Automation,2006,30(2):53-56.

冷连轧厚度控制 篇4

自19世纪中叶德国建造出第一台冷轧机开始,冷轧机从过去的单机架发展到现在的多机架连续轧机,张力控制系统一直是冷轧的关键技术之一。特别是在冷连轧机生产工艺过程中,由于带钢较薄,特别是超薄带钢轧制时(0.1mm以下),机架压下方式已经难以达到带钢的厚度和板型控制要求,这时就引入张力轧制,以保证更高要求的带钢厚度和板型[1]。张力、厚度和板型有极其复杂的耦合关系,因此通过先进的控制算法来达到解耦的目的也是目前国内外的研究课题之一。

目前国内的连轧机张力控制还处于摸索阶段,多数自动化公司在单机架轧制技术方面有比较好的研究,但对冷连轧的张力控制一直没有很好的控制策略。因此笔者基于某1 700mm冷连轧机,提出一种新型的冷连轧张力控制方式。

1 轧机张力系统数学模型的建立*

1.1 轧机张力控制工艺流程

某冷轧生产线工艺流程如图1所示。

各个机架出口都布置了张力计,通过张力计测量张力并通过控制器调节轧制力(轧机辊缝)保证张力恒定。其中第5机架主要处于板型控制状态,张力波动时主要调节第4机架的速度和压下量。取图1中任意两个机架进行具体分析,张力控制如图2所示。

机架间张力控制采用张力反馈闭环控制方式,张力控制执行器采用辊缝压下系统(模式1)和主电机转速控制系统(模式2)完成。

带钢速度从0上升到穿带速度的过程中,张力控制由主电机转速控制系统完成。当带钢速度介于穿带速度和最大轧制速度的范围中时采用辊缝压下系统进行张力控制。高速轧制时的板型质量较难控制,因此笔者以辊缝压下式张力控制系统作为研究对象。

1.2 轧机张力数学模型

根据胡克定律$d\epsilon =\frac{d\sigma }{E}$,可以得出张力与轧机机架间速度差的传递函数关系为:

$\frac{{\rm T}(s)}{\text{Δ}v(s)}=\frac{AE/L}{AE\alpha v{}_1/L+s}=\frac{1/\alpha v{}_1}{1+(L/AE\alpha v{}_1)s}=\frac{{\rm K}{}_{{\rm T}}}{1+\tau {}_{{\rm T}}s}$ (1)

式中 A——厚度与宽度所构成的横截面积;

E ——带钢弹性模量;

L ——机架的轴线距离;

v1 ——前机架的轧辊线速度;

α ——前滑系数;

ε ——拉伸量;

σ ——张应力值;

Δv ——前后机架速度差值。

机架液压压下与液压流量的传递函数关系为[2]:

$\frac{X{}_p}{Q{}_{sv}}=\frac{\frac{A{}_p}{{\rm K}{}_{ce}{\rm K}}}{(\frac{S}{\omega {}_r}+1)(\frac{S{}^2}{\omega {}_0{}^2}+\frac{2\xi {}_0}{\omega {}_0}S+1)}$ (2)

式中 Ap——缸腔的面积;

K ——负载的刚度;

Kce ——压力系数;

Qsv ——液压的介质流量;

Xp ——液压杆的位移;

ωr ——惯性环节变换频率;

ω0 ——固有频率;

ξ0 ——阻尼比。

基于辊缝压下的张力控制结构如图3所示。

2 模糊神经网络的研究

由式(1)可以看出冷连轧张力模型参数是不固定的,这样所选用的kP、kI、kD值也必须随模型的变化而变化,简单PID控制方式显然达不到这个要求,而预测式PID控制方式则需要非常精确的数学模型来近似计算kP、kI、kD值,这也不符合张力模型时变性与非线性的特点。相对来说,模糊控制具有强鲁棒性、算法简易及不依赖控制对象精确数学模型等优点[3];神经网络具有学习能力强、可映射任意复杂的非线性关系及便于计算机实现等优点。因此将模糊控制与神经网络技术结合起来应用于模型及参数变化的冷连轧张力控制系统具有很强的优越性。

2.1 模糊神经网络控制器(FNNC)结构与算法

笔者采用的FNNC结构框图如图4所示。

图中T为张力差值,ke为误差量化因子,kc为误差变化量化因子。

2.1.1 FNNC的结构

模糊控制与神经网络相结合可以形成一种功能更强大的控制策略。而模糊控制与神经网络的结合方式决定着FNNC结构的复杂程度和性能[4]。二者的结合方式为:用模糊规则训练神经网络。即首先给定神经网络的初步参数向量,然后根据模糊规则表离线训练神经网络,由此神经网络会产生一组不同兴奋程度的神经元,这种不同兴奋程度即可表示为一种抽象的经验规则,进而转化成神经网络的输入输出样本。

考虑到BP网络已经成功地应用于多种控制系统,并且其结构简单、易于实现,笔者选用三层BP网络作为模糊神经网络控制器,其结构如图5所示。

这是一个2-N-N-3型的神经网络,输入层为误差T和误差变化dT;中间层节点数量可根据实际情况增减,一般20个左右;输出层即PID的3个控制参数kP、kI、kD。

2.1.2 FNNC算法

以下为神经网络的控制算法[5]。

输入层:

I10=T;I1i=TC;O1i=I1i,i=0,1 (3)

中间层:

${\rm I}{}_2{}^j={\displaystyle \sum _{i=0}^{n}W}{}_i{}^j{\rm I}{}_i,{\rm O}{}_2{}^i=f({\rm P}{}_j‚{\rm I}{}_2{}^j),j=0,1,2,\cdots ,n$ (4)

输出层:

其中$f({\rm P},{\rm I})=\frac{1-\text{e}{}^{-{\rm P}{\rm I}}}{1+\text{e}{}^{-{\rm P}{\rm I}}}$为双曲正切函数;W、V为权值向量;P为取值在0～1的常数。其性能指标函数$J=\frac{1}{2}{\displaystyle \sum _{t=1}^h[}n{}_0(t)-n(t)]{}^2$,其中n0(t)为神经网络输入函数;n(t)为网络实际输出函数;t为训练次数。学习算法为BP算法(带阻尼项):

$\begin{array}{l}\frac{\partial n(t)}{\partial u(t)}=\frac{n(t)-n(t-1)}{u(t)-u(t-1)}\\ W{}_i^j(t+1)=W{}_i^j(t)-\eta (t)\frac{\partial J}{\partial W{}_i^j}+\alpha \text{Δ}W{}_i^j(t)\\ \frac{\partial J}{\partial V{}_j}=-{\displaystyle \sum [}n{}_0(t)-n(t)]{\rm O}{}_2^j\frac{\partial n(t)}{\partial u(t)}\\ \frac{\partial J}{\partial W{}_i^j}=-\frac{1}{2}{\displaystyle \sum [}n{}_0(t)-n(t)]V{}_j[1-f{}^2({\rm P}{}_j,{\rm I}{}_2^j)]{\rm I}{}_i\frac{\partial n(t)}{\partial u(t)}\end{array}$

笔者采用变步长的方法,即η(t)取值为:当e(t)≤0.95e(t-1)时,η(t+1)=1.25η(t);当e(t)≥1.05e(t-1)时,η(t+1)=0.75η(t);其他情况,η(t+1)=η(t)。

其中:

$\frac{\partial n(t)}{\partial u(t)}=\frac{n(t)-n(t-1)}{u(t)-u(t-1)}$

2.2 初始权值的确定

由于神经网络与模糊控制的结合方式为用模糊规则训练神经网络,所以神经网络的初始值可以通过模糊控制表作为样本离线学习得到。模糊控制器的输入输出关系为:

其中0≤α0≤αs≤1;α∈[α0,αs];{T}={TC}={K}={-N,…,-1,0,1,…,N}。{T}、{TC}、{kP,I,D}分别为模糊控制的输入与输出项。这样,神经网络通过学习模糊规则从而在初期就被赋予了人的操作经验。

3 仿真研究

基于某1 700mm轧机生产工艺参数计算得到辊缝压下情况下张力控制传递函数为:

$\Psi (s)=\frac{29.2{}^2}{s{}^2+2\times 0.8\times 29.2s+29.2{}^2}$ (7)

取前机架速度v1=1.5m/s,带厚h=2.0mm,带宽B=1 500mm,前滑系数α=0.034,可得出整个压下工艺的传递函数为:

$G{}_{\text{A}\text{Τ}\text{C}}(s)=\frac{29.2{}^2}{s{}^2+2\times 0.8\times 29.2s+29.2{}^2}\times 4.105\times \frac{19.6}{1+26.1s}$ (8)

对辊缝压下式张力调节分别进行简单PID控制和FNNC-PID控制,仿真结果如图6所示。

不难看出,就阶跃响应而言FNNC-PID控制较常规PID控制响应速度基本一致、超调量小,当系统稳定在15s时,施加扰动,可以明显地看到此时FNNC控制的波形波动幅度极小,并迅速调整到稳定值,常规PID控制效果远不如FNNC控制效果理想。

4 结束语

笔者针对冷连轧张力系统无具体模型或模型参数经常变化的特点,提出了一种新型的模糊神经网络控制器(FNNC)解决方案。通过仿真验证说明,模糊神经网络控制策略较传统的控制方案在阶跃响应、抗扰能力和自适应能力方面有很大的提高。又由于张力控制器的不断升级,模糊神经网络应用于轧机的张力控制是可行的,相信其对实际冷连轧张力控制性能会有很大的改进,对带钢厚度精度与板型控制都将有很大的帮助。

参考文献

[1]张进之,张小平.连轧张力公式[J].南方金属,2007,(1):4～10.

[2]董国龙,赵波.单机架可逆冷轧机直接张力控制与间接张力控制的比较[J].硅谷,2011,(12):126～126.

[3]蒋胜,刘惠康.模糊自适应PID控制器在张力控制中的应用[J].微计算机信息,2006,22(8-1):32～34.

[4]Xue W,Guo Y L.Fuzzy Neural Network Control inMain Steam Temperature System[J].ICIC ExpressLetters,2009,3(3):409～414.

冷连轧厚度控制 篇5

改善热连轧机出口带钢厚度精度是提高产品质量的主要目标,它主要取决于精轧机组的设定模型。长期以来AGC系统以反馈GM-AGC与监控MN-AGC结合为主体,对厚度控制采用基于出口厚度偏差反馈闭环控制的方法[1],但是在基于弹跳方程的GM-AGC系统中,由于轧机刚度计算值和实际刚度存在偏差,因此实际厚差不仅不能被完全消除,而且在某些条件下,看似负反馈的厚度控制过程甚至会因辊缝调节方向错误而造成实

际厚度的正反馈现象,从而导致GM-AGC控制效果的恶化[2]。为了克服传统控制方法的不足,进一步提高带坯全长厚度精度,作者从分析温度波动对出口厚度的影响着手,提出了KFF-AGC策略,给出了δK2,δKi和δSi(δKi为带钢在第i机架(i=1～6)的硬度波动;δSi为第i机架辊缝变动量)的计算模型,建立了KFF-AGC策略的数学模型,实现了带钢的硬度前馈控制。然而,随着厚度精度的不断提高,厚度不再是评定带钢品质的唯一指标,板形也逐渐成为热轧带钢提高品质的主攻方向之一[3]。因此,作者在KFF-AGC的基础上又进一步采用了兼顾板形的KFF-AGC控制策略,实现了热轧带钢的兼顾板形KFF-AGC,并于2008年在鞍山钢铁集团公司1700ASP上得到成功应用。

1温度波动对出口厚度的影响

温度是热连轧生产过程中重要的工艺参数之一,由于温度将直接影响到热轧轧制力,因此,精确预报精轧机各机架的轧制温度是保证厚度、凸度命中率的关键。而金属材料的硬度K在钢种固定的情况下主要取决于轧制温度T、变形速度u及变形程度e,即K=f(T,u,e)。通常情况下可以用下式表示硬度K和T温度的关系:

$\begin{array}{l}{\rm K}=1.15\sigma {}_0\exp (a{}_1+a{}_2{\rm T})\left(\frac{u}{10}\right){}^{a{}_3+a{}_4{\rm T}}\\ [a{}_6\left(\frac{e}{0.4}\right){}^{a{}_5}+(a{}_6-1)\left(\frac{e}{0.4}\right)〗(1)\end{array}$

式中,σ0为斯蒂芬-玻耳兹曼常数;a1,a2,…,a6为变性阻力学模型回归系数。由式(1)可知,温度波动对热连轧的影响是通过硬度波动来反映的。因此KFF-AGC策略的应用首先要分析硬度波动对出口厚度的影响。

根据增量厚度方程[4]:

$\text{δ}h{}_i=\frac{1}{\left(C{}_{\text{Ρ}}-\frac{\partial {\rm P}}{\partial h}\right){}_i}[\left(\frac{\partial {\rm P}}{\partial h{}_0}\right){}_i\text{δ}h{}_{0i}+\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_i\text{δ}{\rm K}{}_i+C{}_{\text{Ρ}}\text{δ}S{}_i〗(2)$

式中,δhi为第i机架(i=1～6)出口厚度变动量;CP为轧机纵向刚度;Pi为第i机架轧制力;hi为第i机架轧出厚度;h0i为第i机架轧入厚度;δh0i为第i机架入口厚度变动量;Ki为带钢在第i机架的硬度。

如果来料因为温度波动δT0而产生δK0的硬度波动,那么这段带钢进入每一个机架将会有一个硬度波动δKi,δKi将使第i机架出口厚度产生变化δhi,而δhi又将会影响后面机架的出口厚度。

由上面的分析可知,轧制温度波动引起的硬度波动将引起每一机架的出口厚度产生变化,最终导致带钢厚度精度较低。这种重复发生的现象严重影响了带钢质量,虽然带钢热连轧机具有自然削减来料厚差的能力,但对于温度波动引起的厚差却无能为力,为此,我们以轧制温度波动引起的硬度波动为依据,采用KFF-AGC控制策略提高带钢全长的厚度精度。

2KFF-AGC策略

KFF-AGC的最大优点是不存在滞后,并且必要时还可超前控制,前馈控制为开环控制,其控制精度取决于所用模型。提高硬度前馈控制精度的关键是:从上游机架F1或F2通过各段带钢轧制力辨识出由于轧制温度波动而形成的硬度波动δK1或δK2;根据δK1或δK2来估计F3～F6的硬度波动δKi;再由δKi(i=3～6)估计F3～F6的辊缝调节量δSi。

2.1 δK2的提取

鞍钢1700ASP精轧区的6个机架中,前2个采用电动压下,后4个采用电动+液压压下,采用电动压下的机架不进行厚度控制。KFF-AGC既可以是在粗轧出口处根据“头-中-尾”多点实测温度通过温降方程对“头-中-尾”多点进行计算以获得带钢硬度变化的信息,亦可以在精轧第1或第2机架通过各段带钢轧制力辨识出因为温度波动而产生的硬度波动,用于前馈控制后面的机架。本文实施KFF-AGC时采用第2种方法,在第2机架通过各段带钢轧制力辨识出因为温度波动而产生的硬度波动δK2,然后再根据δK2对F3～F6实施硬度前馈控制。

轧制力P是以下变量的函数[1]:

P=f(h0,h,K,τf,τb) (3)

式中,τf,τb分别为前后张应力。

则由式(3)可以得到轧制力的增量方程:

$\begin{array}{l}\text{δ}{\rm P}{}_i=\left(\frac{C{}_{\text{Ρ}}}{C{}_{\text{Ρ}}+Q}\right)[\left(\frac{\partial {\rm P}}{\partial h{}_0}\right){}_i\text{δ}h{}_{0i}+\left(\frac{\partial {\rm P}}{\partial h}\right){}_i\text{δ}S{}_i+\\ \left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_i\text{δ}{\rm K}{}_i+\left(\frac{\partial {\rm P}}{\partial \tau {}_{\text{f}}}\right){}_i\text{δ}\tau {}_{\text{f}i}+\left(\frac{\partial {\rm P}}{\partial \tau {}_{\text{b}}}\right){}_i\text{δ}\tau {}_{\text{b}i}〗(4)\end{array}$

其中,$\text{δ}h{}_{0i}=\text{δ}S{}_{i-1}+\frac{\text{δ}{\rm P}{}_{i-1}}{C{}_{\text{Ρ}}}$

上述式中,i=1～6;Q为轧件塑性刚度系数;δτfi为第i机架前张应力变动量;δτbi为第i机架后张应力变动量。

因为第2机架不投入AGC,所以δS2=0,其轧制力波动δP2是由来料带钢厚度变化δh02和硬度波动δK2所产生的[5,6],由式(3)可得:

δP2=Bh02δh02+BK2δK2 (5)

其中,$B{}_{h{}_{02}}=\left(\frac{C{}_{\text{Ρ}}}{C{}_{\text{Ρ}}+Q}\right)\left(\frac{\partial {\rm P}}{\partial h{}_0}\right){}_2‚B{}_{{\rm K}{}_2}=\left(\frac{C{}_{\text{Ρ}}}{C{}_{\text{Ρ}}+Q}\right)\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_2$。

对式(5)进行变换可以得到:

$\text{δ}{\rm K}{}_2=\frac{(C{}_{\text{Ρ}}+Q)\text{δ}{\rm P}{}_2-\left(\frac{\partial {\rm P}}{\partial h{}_0}\right){}_2\text{δ}{\rm P}{}_1}{C{}_{\text{Ρ}}\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_2}(6)$

其中,δP1=P1锁-P1,δP2=P2锁-P2,P=Bl′cQPK,l’${}_{\text{c}}=\sqrt{R^{\prime }\text{Δ}h}‚R^{\prime }=R(1+0.22\times \frac{{\rm P}}{B\text{Δ}h})‚\text{Δ}h=h{}_{0i}-h{}_i$

上述式中,P1锁,P2锁分别为第1机架、第2机架的头部轧制力的锁定值,用作第1机架、第2机架的基准值;B,QP,l′c分别为带宽、应力状态系数、考虑压扁后的接触弧长;R为轧辊半径。

由式(6)即可求出每段带钢的δK2。

2.2 δKi的确定

文献[1]指出,由于硬度模型的非线性,其硬度波动δKi(i=1～6)不能按$\left(\frac{\text{δ}{\rm K}}{{\rm K}}\right){}_i$相等的法则(即$\left(\frac{\text{δ}{\rm K}}{{\rm K}}\right){}_1=\left(\frac{\text{δ}{\rm K}}{{\rm K}}\right){}_2=\cdots =\left(\frac{\text{δ}{\rm K}}{{\rm K}}\right){}_6)$来表示各机架δKi的关系,与之相反,各机架δKi基本接近而又略有不同。因此,作者以第2机架硬度波动δK2为依据,引入各机架硬度影响系数βi以确定δKi的大小,即:

δKi=βiδK2 (i=3～6) (7)

为了确定βi,本文在精轧入口温度TFTO出现30 ℃变动时,根据温降模型[1]针对Q235B钢种的各机架轧制温度及硬度波动进行了离线计算,再根据计算得到的各机架硬度波动δKi(i=2～6),由式(7)得到如表1所示的结果。

表1只是给出了针对Q235B钢种的对应各成品厚度下的硬度影响系数βi,对于不同规格和不同钢种βi将有所不同,βi可由二级计算机通过模型计算后下达给生产控制级,或者事先离线计算得出。βi的具体计算过程为:在粗轧出口厚度HRC、要求的成品厚度h6、负荷分配后的厚度h1～h5、粗轧出口温度TRC、粗轧出口宽度b、钢种代号已知的情况下,首先由温降方程和设定的粗轧出口温度TRC依次计算出精轧入口温度TFTO、各机架轧制温度、机架间喷水冷却温降、外摩擦应力状态系数、带钢硬度等,并由此计算出轧制力及设定辊缝;然后假设TFTO有一个温度波动(如30 ℃),再计算此温度波动下带钢进入设定辊缝后将产生的厚度和硬度;最后,将温度变化前后计算出的各机架对应带钢硬度做差便可以得到这时的硬度变化δKi,进而确定βi:

$\beta {}_i=\frac{\text{δ}{\rm K}{}_i}{\text{δ}{\rm K}{}_2}(8)$

2.3 δSi的计算

提取δK2并确定δKi后,计算δSi(i=3～6),即确定辊缝。δSi作为控制量,对目标量δhi产生影响,而KFF-AGC的控制目标是减小出口厚度变动量,提高带钢全长厚度精度。因而,可以从厚度变化量的基本方程来确定辊缝调节量。第i(i=1～6)机架出口厚度变化量的基本方程为:

δhi=Ah0iδh0i+AKiδKi+ASiδSi (9)

其中,$A{}_{h{}_{0i}}=\frac{\left(\frac{\partial {\rm P}}{\partial h{}_0}\right){}_i}{C{}_{\text{Ρ}}+Q}‚A{}_{{\rm K}{}_i}=\frac{\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_i}{C{}_{\text{Ρ}}+Q}‚A{}_{S{}_i}=\frac{C{}_{\text{Ρ}}}{C{}_{\text{Ρ}}+Q}$。

根据第2.1节计算出的δK2,可以由式(7)求得δK3。为了提高第3机架出口厚度精度,令F3机架出口厚差为零,即(δh3=0),将δK3和δh3的值代入式(9)并变换可得:

δS3=-(Ah03δh03+AK3δK3)/AS3 (10)

其中,δh03=δh2=Ah02δh02+AK2δK2

同理,为了提高F4～F6机架出口厚度精度,令F4～F6机架δhi=0(i=4～6),代入式(9)并变换可得:

δSi=-AKiδKi/ASi (i=4～6) (11)

我们在现场实际应用中,对所计算出的辊缝调节量都乘上一个控制增益系数αi(i=3～6),以便对不同的轧制层分别给出合适的前馈调节量,此控制增益系数经在线整定后由二级下达至一级。

第1节中已经提到,热轧带钢产生厚差的主要原因之一便是入口温度不同而导致的硬度不同,而不是入口厚度的不同,KFF-AGC正是根据硬度信息进行前馈控制,式(10)是用来消除F1,F2和F3机架因硬度不同而使F3机架产生的出口厚差,由于F1和F2机架不参与AGC调节,因此,前3个机架厚差的消除实际上都由F3机架完成;式(11)用于消除下游F4～F6机架因硬度不同而产生的相应机架的出口厚差。

3兼顾板形的KFF-AGC策略

在热连轧机轧制过程中,轧制力是一个快速变化的过程, 会随着众多相关因素的变化而变化(例如温度的变化),但更主要的是当AGC投入时所引起的轧制力的频繁变化。而板形好坏可以从成品带钢的凸度的变化来衡量,其表达式为:

$\text{δ}C{}_{\text{R}i}=\frac{\text{δ}{\rm P}{}_i}{{\rm K}{}_{\text{Ρ}}}+\frac{\text{δ}F{}_i}{{\rm K}{}_{\text{F}}}(12)$

式中,i=1～6;δPi为第i机架轧制力变动量;KP为轧制力对辊系弯曲变形影响的横向刚度;δFi为第i机架弯辊力变动量;KF为弯辊力对辊系弯曲变形影响的横向刚度。

由式(12)可知:当δFi=0时,一旦能使δPi=0,则δCRi亦将为零。因此,为了保证带钢的板形需要考虑因AGC投入而引起的轧制力的变化对板形的影响。为此,本文提出了一种采用硬度过补偿算法的有利于板厚并兼顾板形的KFF-AGC策略。其主要思想为:对于薄规格带钢,为了使末机架δS6=0,δP6=0以使δh6及凸度δCR6恒定,需要在第5机架采用硬度过补偿,即对较硬的带钢段通过对F5机架的辊缝调节δS5,使之产生一个负的出口厚度差δh5来补偿末机架的硬度波动δK6。

由式(9)可得δh5的表达式:

$\text{δ}h{}_5=\left(\frac{1}{C{}_{\text{Ρ}}+Q}\right)[\left(\frac{\partial {\rm P}}{\partial h{}_0}\right){}_5\text{δ}h{}_{05}+\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_5\text{δ}{\rm K}{}_5+C{}_{\text{Ρ}}\text{δ}S{}_5〗(13)$

而增量轧制力基本方程为[1]:

$\text{δ}{\rm P}{}_i=\left(\frac{C}{C+Q}\right)[\left(\frac{\partial {\rm P}}{\partial h{}_0}\right){}_i\text{δ}h{}_{0i}+\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_i\text{δ}{\rm K}{}_i+\left(\frac{\partial {\rm P}}{\partial h}\right){}_i\text{δ}S{}_i$

(i=1～6) (14)

所以,第6机架增量轧制力方程为:

$\text{δ}{\rm P}{}_6=\left(\frac{C}{C+Q}\right)[\left(\frac{\partial {\rm P}}{\partial h{}_0}\right){}_6\text{δ}h{}_{06}+\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_6\text{δ}{\rm K}{}_6+\left(\frac{\partial {\rm P}}{\partial h}\right){}_6\text{δ}S{}_6$ (15)

由于前提是使δS6=0,因此式(15)中末项为0。为了使δP6=0,则由式(15)可知应当使:

$\text{δ}h{}_5=\text{δ}h{}_{06}=-\frac{(\partial {\rm P}/\partial {\rm K}){}_6}{(\partial {\rm P}/\partial h{}_0){}_6}\text{δ}{\rm K}{}_6(16)$

因为第4机架的KFF-AGC控制已使δh05=0,所以式(13)可以写成如下的形式:

$\text{δ}h{}_5=\left(\frac{1}{C{}_{\text{Ρ}}+Q}\right)[\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_5\text{δ}{\rm K}{}_5+C{}_{\text{Ρ}}\text{δ}S{}_5〗(17)$

对式(17)进行变换可得第5机架的辊缝调节量:

$\text{δ}S{}_5=[(C{}_{\text{Ρ}}+Q)\text{δ}h{}_5-\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_5\text{δ}{\rm K}{}_5〗/C{}_{\text{Ρ}}(18)$

将式(16)代入式(18)即可求得第5机架的辊缝调节量:

$\text{δ}S{}_5=[-(C{}_{\text{Ρ}}+Q)\frac{(\partial {\rm P}/\partial {\rm K}){}_6}{(\partial {\rm P}/\partial h{}_0){}_6}\text{δ}{\rm K}{}_6-\left(\frac{\partial {\rm P}}{\partial {\rm K}}\right){}_5\text{δ}{\rm K}{}_5〗/C{}_{\text{Ρ}}(19)$

对于第3机架到第4机架,我们依然采用第2节所提出的KFF-AGC控制策略来确定辊缝调节量。

4控制的实现

在鞍钢1700ASP实际应用中,为了充分发挥各种AGC的控制功能,我们将兼顾板形的硬度前馈AGC与反馈AGC相结合,利用前馈AGC减小低频产生的突发性数值大的厚差,用反馈AGC减小中频波动产生的数值小的厚差, 再利用末机架X射线测厚仪测得的成品厚度实测值为基准,通过监控AGC对反馈AGC加以系统性的修正。

5应用效果

下面以鞍钢1700ASP生产线上某一带钢为例,分析实施兼顾板形的KFF-AGC策略后的控制效果。

轧制规程为:批号5351R02030;宽度设定1 071 mm;厚度设定2.28 mm;钢种Q235B;起始时间01.09.2010.09:43:15.804。F3和F4机架采用硬度前馈控制即KFF-AGC,F5机架采用硬度前馈过补偿控制即兼顾板形KFF-AGC控制,并对F5机架实施监控AGC。控制效果的实测曲线如图1所示。所实测的结果是在经过多块钢自学习后在操作台上选择前馈控制方式的结果。

从图1可看出,末机架轧制力波动较小,末机架带钢出口厚度偏差大部分控制在±40 μm之间,明显提高了带钢的全长厚度精度。而F6机架轧制力波动减小的情况下,板形同时也得到了保证。兼顾板形KFF-AGC策略的在线应用结果表明,对于薄规格产品,不但提高了带钢厚度控制精度(大量实测的PDA数据统计较原来提高一个百分点左右),而且也改善了板形。

6结论

KFF-AGC策略的实施,主要目的是减少温度波动对板厚和带钢平直性能的影响。前馈控制的最大优点是无滞后性,尤其对于突发性成分所导致的厚度变化最为有利。但是前馈控制是开环控制,精度取决于模型,因此如何进一步提高硬度计算模型的精度是研究的重点。

对薄规格板带轧制而言,在保证厚度精度的前提下,如何提高板形控制品质,是当前轧钢界的一个重大难题。本文从分析温度波动对出口厚度的影响着手,提出了KFF-AGC策略,给出了δK2,δKi和δSi参数的计算模型,最终建立了兼顾板形的KFF-AGC策略的数学模型,并在鞍钢1700ASP上得到成功应用。在进一步提高二级板形设定模型精度的前提下,优化一级板形控制方案,对板形(凸度与平直度)精度的改善是下一阶段重点研究的课题。

参考文献

[1]孙一康.冷热轧板带轧机的模型与控制[M].北京:冶金工业出版社,2010:183-192.

[2]杨卫东.基于弹跳方程的GM-AGC的局限性[J].冶金自动化2,005,29(4):59-61.YANG Wei-dong.Limitations of GM-AGC based on springequation[J].Metallurgical Industry Automation,2005,29(4):59-61.

[3]张树堂.21世纪轧钢技术的发展[J].轧钢,2001,18(1):3-6.ZHANG Shu-tang.The development of steel rolling tech-nology in 21st century[J].Steel Rolling,2001,18(1):3-6.

[4]孙一康.带钢热连轧的模型与控制[M].北京:冶金工业出版社2,002:200-210.

[5]Santosuosso G L.Robust adaptive eccentricity compensa-tion[C]//Proceedings of the IEEE 2003 American Con-trol Conference,Denver:[s.n.]2,003:3 281-3 286.

冷连轧厚度控制 篇6

张力轧制是冷连轧带钢生产的主要特征。张力主要有以下几个方面的作用: 防止带钢在轧制过程中跑偏; 保证所轧带钢的平直度; 降低轧件的变形抗力,便于轧制更薄的产品; 适当调整冷轧主电动机负荷[1]。因此机架间带钢张力控制至关重要,决定着冷轧带钢厚度等产品质量指标。

冷连轧带钢宽展极小,根据秒流量方程[2]可知,带钢速度与前后滑系数、机架入出口带钢厚度相关; 又由机架间张力公式[2]可知,机架前后滑系数与轧机前后张力的变化有关; 带钢厚度又取决于轧制力和前后张力。综上分析可见,轧制力、张力、速度相互作用、相互耦合,这就使得张力控制变得非常复杂[3,4]。

在冷连轧控制系统中,通常采用直接张力控制方式,即通过安装在机架间的张力计测量带钢实际所受到的张力,作为控制系统的实际张力反馈值。机架间的张力控制手段通常有2种: 调整下游机架辊缝和调整上下游机架速度。

在自动化领域广泛应用的PID控制器,非常适用于单输入、单输出的系统。对于张力控制这样多变量、非线性、强耦合的系统而言,PID控制器编程和参数调整就变得复杂和困难。冷连轧机架间张力使用PID控制也有多种方式,通常需要2个控制器,分别用于调整速度和辊缝,并且2个控制器需要切换及协调工作,这无疑增加了编程的复杂性和难度[5,6,7,8,9]。

模糊控制方法具有人的思维特点,可以得到非线性的输出,恰好适应这种变工况、非线性的多输入多输出控制系统,因此,笔者用模糊控制器替代2个PID控制器,根据轧制力、张力及速度等各个变量的状态,运用知识库中的专家规则,推导出该状态下速度和辊缝的修正量,对张力进行快速精确的调节控制。该张力模糊控制器于2012年投入广 西柳州钢 铁公司新 建的1 250 mm酸洗冷连轧生产线使用,张力控制稳定,精度高; 相对于PID程序,模糊控制器程序结构简单,思路清晰,大大减少了调试时间和操作人员的人工干预,提高了生产的安全性和可靠性。

1控制系统组成

该酸洗冷连轧轧机入口带钢厚度2. 0 ~ 4. 0 mm,出口成品厚度0 . 2 ~ 1 . 8 mm,最大轧制力16 000 k N,出口最大速度1 300 m / min。酸洗段采用盐酸酸洗液,冷轧机采用五机架串列式轧机。轧机区主要设备有: 7号和8号张力辊,S1 ~ S5轧机,出口夹送辊、飞剪及回转式卷取机。S1和S5采用6辊轧机,配备中间辊工作辊弯辊及中间辊串辊功能,其他3架为4辊轧机,配备工作辊弯辊功能,S5机架配备精细冷却装置。仪表方面配置有: 在S1入口和出口及S5出口设置X射线测厚仪,在S2入口和出口及S5出口设置激光测速仪,在S5出口设置板形仪,每个机架设置位置传感器,机组入口、出口和机架间设置张力计。

该生产线的自动控制系统分为2级: L2过程自动化和L1基础自动化。L2系统由2台冗余服务器计算机组成; L1系统硬件由3台Ansaldo新一代多任 务多处理 器AMS控制器和ABB的DCS800主传动组成。L1控制器中央处理单元为6100CPU,系统支持的编程软件为ISa GRAF5. 3和标准C语言。通过高分辨率的模拟量输入模板和高速计数模板接收现场压力、张力和位置的实际值; 通过高速模拟量输出模板控制压下、弯辊和串辊等的伺服阀。L2系统通过以太网与L1控制器通信,L1控制器采用高速内存映像网实现控制器之间的通信,L1控制器和传动装置通过Profibus-DP现场总线进行通信。

L2轧制模型接收L3生产管理系统下发的来料带钢的物理和材质等参数以及目标产品的相关数据,计算出各机架的速度、压下量和各段张力等的设定值,下发到L1控制器。L1控制器根据设定值和现场检测的实际值,采用不同控制策略,调整速度、轧制力及弯辊、串辊和冷却系统,从而控制产品的厚度、板形等指标。L1张力控制的核心为自动张力控制( ATC) 程序,主要完成机架间张力控制功能,其根据实际张力和L2的设定张力,使用模糊控制器,结合规则库规则, 计算并输出轧机速度和辊缝修正量,并发送给压下控制和速度主令程序,通过相应的闭环控制实现张力控制。机架间张力控制通用结构如图1所示。

2张力模糊控制器

自动张力控制程序的张力模糊控制器子程序( ATF) 采用C语言编写,其结构如图2所示。

ATF控制器的输入信号有4个: 张力偏差、轧制力、出口轧机速度及上游机架速度修正量。输入信号进入控制器后,控制器首先对其进行模糊化处理,然后模糊推理机根据知识库中的相关规则进行模糊决策,再经解模糊处理,产生相应的输出。输出量主要有下游机架的辊缝修正量及上下游机架速度修正量,最终作用到带钢两端的速度上,从而达到控制张力的目的。

2 . 1输入模糊化和输出解模糊

2 . 1 . 1输入模糊化

输入信号模糊化采用三角形隶属度函数法。

( 1) 张力偏差。张力偏差输入的隶属度函数分为5级: NHigh、NSmall、Zero、PSmall、PHigh,分别表示张力偏差值为负向且数值大、负向且数值小、零、正向且数值小、正向且数值大。

( 2) 轧制力。实际单位宽度轧制力输入的隶属度函数分为3级: L、M、H,分别表示相对于正常轧制过程,轧制力偏小、适中和偏大。

( 3) 出口机架速度。实际出口机架速度输入的隶属度函数分为2级: ESL、ESN,分别表示连轧机组处于低速轧制和正常轧制过程。

( 4) 上游机架速度修正量。上游轧机的速度修正量输入的隶属度函数分为3级: NC、ZC、PC, 分别表示相对于初始速度,修正值为负数、零和正数。

2 . 1 . 2输出解模糊

输出信号的解模糊采用广泛应用的加权平均法( 重心法) 。

( 1) 辊缝修正量。辊缝修正量输出隶属度函数分为5级: CloseHigh、Close、Zero、Open、OpenHigh, 分别表示辊缝设定减小一大步距、减小一小步距、不变、增加一小步距、增加一大步距。步距可以通过调试画面进行修正。

( 2) 速度修正量。速度修正量( 分为上游机架和下游机架) 输出的隶属度函数分为5级: NH、NS、Zero、PS、PH,分别表示速度设定减小一大步距、减小一小步距、不变、增加一小步距、增加一大步距。步距可以通过调试画面进行修正。

2 . 2模糊控制器规则库

模糊控制系统中,最重要的是规则库,规则库一般根据轧钢工艺理论及专家经验总结而出。目前该酸洗冷连轧张力模糊控制系统中运行的规则库共有35条规则,如表1所示。在其他条件不变的情况下,若下游机架辊缝减小,带钢进入下游机架的速度会降低,则两个机架间的张力将减小,规则1、2就是利用这个原理制定; 反之, 则增大,规则3、4就是利用这个原理制定。同理,如果其他条件不变,而上游机架速度增加,则两个机架间的张力将减小,对应规则8、9; 反之, 则增大,对应规则6、7。当张力偏大,需要减小下游机架辊缝时,如果这时下游机架轧制力太大, 则模糊控制器会转而调整上游机架速度,对应规则8。PID控制器很难灵活处理这种多输入多输出的情况,而这正是模糊控制器的优势所在。

每一条规则都会按照4个输入分量产生3个输出分量,对辊缝、轧机速度进行调整。调整时,因为辊缝调节会引起压下率变化,速度调节会引起电动机转矩变化,相比之下,压下率变化比电动机转矩的波动小一些,所以优先使用辊缝调节。根据本系统L2模型的速度、厚度控制策略,对于S1和S5机架,由于其速度主要用于出口成品的厚度控制,所以通常情况下,张力控制对这两个机架的速度调整为零。同时,结合工艺情况,规则库中的规则分为3组,分别对应于正常轧制、低速轧制和毛辊轧制3种模式。

( 1) 正常轧制模式。正常生产阶段,当实际出口速度高于画面的设定值时使用该模式。在该模式下,ATC的控制规则为1 ~ 17条。实际运行中,张力控制分2种情况实现: 正常情况下主要通过调整下游机架辊缝实现; 其他极端情况, 如轧制力过大或过小时,通过改变上游机架速度实现,如图3所示。

( 2) 低速轧制模式。启车或穿带低速运行阶段,控制器使用该模式。在该模式下,ATC的控制规则为18 ~ 26条。张力控制通过调整下游机架辊缝和下游机架速度实现,如图4所示。

( 3) 毛辊轧制模式。在使用粗糙度比较高的轧辊时使用该模式,通常用于出口机架。这种情况下,轧制力会比较大。在该模式下,ATC的控制规则为27 ~ 35条。张力控制通过同时调整下游机架辊缝和上游机架速度共同实现。该模式与正常轧制模式的不同之处在于: 两个输出修正同时作用,但权重不同,辊缝修正量权重较小,而速度修正量权重较大。

3应用效果

本工程2012年7月进行全线热负荷试运行,10月17日第1卷厚度为0. 25 mm的钢卷顺利下线。投产至今,机架间张力控制系统运行正常,张力稳定、精确。图5是生产过程中的ATF程序变量跟踪曲线。图中,曲线1是S4 ~ S5机架间的实际张力偏差,曲线2是控制器输出的S5机架速度修正值,曲线3是控制器输出的S5机架辊缝修正值,当前出口速度处于低速区域。在图5曲线前半部分,当实际张力偏差负向小幅变大后,辊缝变小,同时S5机架的速度变小,这是规则19的作用结果; 在曲线后半部分,当实际张力偏差正向小幅变大后,辊缝变大,同时S5机架的速度变大,这是规则20的作用结果。从图5可以看到,辊缝和速度两个调整量对张力同时进行调节,使张力偏差重新回到稳定状态,系统响应快速、稳定,且没有超调。

4结束语

冷连轧厚度控制 篇7

数据通信及数据管理作为冷连轧过程控制系统中必不可少的组成部分,应具有较高的可靠性和高速数据处理能力,以满足实时控制系统的要求,能够利用数据库实现大量数据的存储,并能够灵活支持多种通信方式[3]。针对冷连轧具体工艺和实际需求,笔者设计了一套冷连轧机组的数据通信和数据管理系统,主要包括过程控制数据通信、数据采集与数据处理等功能。该系统于2013年应用于迁安市思文科德科技有限公司1 450 mm五机架酸洗冷连轧机组,实现了数据的稳定通信与管理,保证了现场的稳定生产。

1 过程控制数据通信的设计与实现

在酸洗冷连轧生产线上,冷连轧过程控制系统需要同时连接生产管理系统(L3系统)、酸洗过程控制系统和轧机基础自动化系统(L1系统)。为此,设计的控制系统提供了多种通信方式实现系统互联,如TCP/IP协议的Socket通信、OPC通信和数据库互联通信等。

1.1 与生产管理系统的通信

过程控制计算机和生产管理计算机在物理上通过快速以太网相连,采用TCP/IP协议的Socket通信方式实现数据交互,该通信方式广泛应用于制造业生产计划系统、生产控制系统和生产执行系统等各通信终端的通信协议。

过程控制系统接收来自生产管理系统的生产计划、钢卷主数据和轧辊数据等信息,并将生产实绩、现场生产状态、班组统计数据和轧辊工作统计数据发送给生产管理系统。下面以生产数据管理为例说明两级系统之间的数据传输过程。如图1所示,操作人员通过二级HMI向生产管理系统申请钢卷生产计划,车间管理人员若已制定好生产计划,则L3系统会将钢卷计划传送给L2系统;若无生产计划,则发送无钢卷计划报文。生产计划数据中只包含钢卷号和生产顺序,L2系统接收生产计划后,根据其中的钢卷号向L3系统逐条申请主数据。

1.2 与酸洗过程控制系统的通信

酸洗与轧机过程系统间的通信通过数据库链接实现,包括:同步酸洗与轧机过程系统的生产计划序列、同步缺陷数据、传送生产实绩等。

(1)同步生产计划。在酸洗和轧机过程系统中分别建立中间表,酸洗过程系统向轧机过程系统实时发送最近20卷的生产计划,实现轧机和酸洗过程系统生产计划的同步。

(2)同步缺陷数据。酸洗段在圆盘剪后设有检查站,操作人员可以实时观察经过检查站的带钢表面以进行缺陷记录,记录的数据将传送至酸洗和轧机过程系统中,以保证缺陷段带钢在进入轧机时实现自动降速或停车。

(3)传送生产实绩。酸洗过程系统将酸洗段生产实绩发送至轧机过程系统进行报表的统一记录、查看和打印。

1.3 与基础自动化系统的通信

过程控制系统与基础自动化系统通信的网络连接介质为工业以太网,采用基于TCP/IP协议的Socket通信。由于冷连轧系统间的数据传输内容较多且实时性要求高,因此为防止报文不能及时处理而造成数据丢失,需同时建立多个通道以完成数据通信。冷连轧过程控制系统需发送设定数据和轧辊数据至基础自动化系统,同时循环接收基础自动化系统发送的现场实测数据和触发事件等信息,两者间具体的通信报文见表1。

2 过程控制数据采集与数据处理

冷连轧过程控制系统采用Oracle数据库实现对各控制功能数据的存储和管理,主要包括:生产计划及钢卷主数据、轧辊数据、成品数据、现场生产实绩、模型参数数据、带钢缺陷数据和停机数据等。在过程控制系统中,数据管理系统可为设定值计算提供PDI数据、轧辊数据及模型自适应数据等;同时,存储的数据是生产过程监测以及参数优化的重要保证,是报表系统以及生产决策系统的数据来源,也为人机界面提供显示数据和接收外部输入数据。

目前,现场冷连轧二级控制系统中的数据管理和数据采集功能块的设计和实现方法基本相同,在很多文献中已有介绍[4,5],本文对其不再赘述。文中重点介绍笔者所开发的一种带钢段数据同步的原理和实现方法。

2.1 现场实测数据的采集与存储

轧机现场实际数据为轧机仪表检测的实际值,主要包括:各个机架的轧制力、弯辊力、轧辊速度、机架功率、带钢速度、带钢厚度、出入口张力、中间辊横移量、板形测量等实际数据。为防止源数据受到高频噪声的影响,降低瞬时值的不稳定性及提高数据的精度,基础自动化系统对现场实测数据采用指数滤波的方式进行预处理[6]。基础自动化系统先将处理后的过程数据缓存到过程控制系统跟踪模块服务中,再周期性地保存到数据库中,该过程称为“趋势数据记录”。

现场实际数据一般以成品钢卷为单位进行存储,主要用于生成带钢成品数据、缺陷数据、能源介质消耗统计及产品质量数据等;另外一个重要用途是经过计算均值、置信度等数据处理为模型自适应提供实际值,用于自适应的数据分为带钢头部低速实测数据和稳态高速轧制实测数据,如图2所示。

2.2 轧制过程带钢同步段数据的建立

目前,现场人员大多是通过iba PDA系统或过程控制系统中的成品信息查看钢卷的实际轧制数据。iba PDA系统提供的数据是在时间轴上的轧制实际数据,而过程控制系统中的成品数据一般为轧制实际数据的平均值和最大、最小值等信息。当需要分析成品钢卷的某一段上或是整条带钢长度上所对应的各种轧制实际值数据时,以上两个系统均不能满足生产技术要求。为了解决该问题,笔者开发了冷连轧机轧制过程带钢段数据的同步方法。

图3为五机架冷连轧机组的段数据建立示意图。如图3所示,随着轧制过程的进行,实际带钢段i从1机架入口测厚仪处开始,依次经过了生产线上的各个检测仪表和设备位置,最后行进到轧机出口飞剪处,在该轧制时间段内共生成了(n+2)个快照段数据数组photo[i-n]~photo[i+2]。由图4可以直观地看出,单个快照段数据中记录的是某一时间段内不同位置的带钢段经过各检测仪表和设备时的平均数据,如快照段数据photo[i-n]中记录了实际带钢段i的入口厚度数据、实际带钢段(i-n)的5机架轧制数据、实际带钢段(i-n-1)的板形数据及实际带钢段(i-n-2)的成品厚度数据等。

冷连轧机轧制过程带钢同步段数据的处理过程可以归纳为两个过程:快照段数据的建立和带钢段数据的同步。快照段数据的建立是将轧机出口带钢分成一定长度的若干段,将轧制该段长度带钢时间内所采集的实际数据进行平均值处理;而同步段数据的处理过程则是将快照段数据的数组进行整合,将快照段数据中的实际测量数据同步到成品钢卷的长度方向上。

建立同步段数据的整体流程见图4。带钢数据同步是逐段完成的,当整个钢卷轧制完成后,整条带钢长度上的同步段数据也随之建立起来。

3 现场应用

本文提出的数据通信和数据管理方法已通过编程语言实现,并将其作为过程控制系统的子模块应用在迁安市思文科德薄板科技有限公司1 450 mm五机架冷连轧机组的过程控制系统中。

该生产线自2013年9月份正式投产以来,整个过程控制系统运行稳定,通过数据通信模块实现了各系统之间实时、高效、稳定的通信,运行过程中无数据丢包现象;数据管理功能模块收到数据后进行统计、计算和处理,实现钢卷主数据、轧辊数据、生产实绩数据、带钢缺陷数据、停机数据及模型参数数据的自动管理,并通过开发的带钢段同步方法将轧制过程中实时采集的实测数据同步到成品钢卷的长度方向上,可通过过程控制系统的HMI画面查看整条带钢沿轧制长度上的轧制数据,图5显示了整卷带钢沿轧制长度方向上的轧制速度和成品厚差曲线。

4 结论

针对冷连轧具体控制和生产需求,从各级系统间的数据通信方式与通信内容、数据采集与处理等方面概括地介绍了冷连轧过程控制数据通信和数据管理的整体功能、基本原理和实现方法,并重点介绍了一种冷连轧机带钢段数据同步的方法。现场应用表明,该数据通信和管理系统运行稳定可靠,能够满足用户要求,为工艺技术人员进行生产数据管理、参数修改、工况查询、生产数据分析、产品质量统计以及生产监控和报表打印提供了重要手段,并且为海量数据的进一步开发利用奠定了基础。

摘要：数据通信和数据管理是冷连轧过程控制的重要组成部分。结合迁安市思文科德薄板科技有限公司1 450 mm五机架酸洗冷连轧机组,从各系统间的数据通信方式与通信内容、数据采集与处理等方面系统地介绍了冷连轧过程控制数据通信和数据管理的整体功能、结构设计和实现方法,并设计开发了一种冷连轧机轧制过程带钢段数据的同步方法。现场实际应用表明,设计开发的数据通信和管理系统运行稳定可靠,完全满足现场对动态数据传输、数据管理、生产数据分析、产品质量统计以及参数维护等功能的需求。

关键词：冷连轧,轧制过程自动化,数据传输,同步段数据

参考文献

[1]丁修堃.轧制过程自动化[M].北京:冶金工业出版社,2005.

[2]侯永刚,秦大伟,费静,等.过程数据采集与分析系统在冷连轧机组中的应用[J].冶金自动化,2012,36(4):47.

[3]刘东,毛伟,施奇峰,等.一种Drive Monitor曲线数据记录功能的扩展方法[J].冶金自动化,2015,39(1):56.

[4]郭立伟,杨荃.冷连轧过程控制数据管理系统的研究[J].轧钢,2006,23(6):48.

[5]曹剑钊,姬亚锋,彭文,等.轧制过程自动化实时数据采集与离线分析系统[J].中国冶金,2014,24(2):42.