[发明专利]一种冷轧带钢高精度板形表面粗糙度在线智能控制方法

权利要求书

1.一种冷轧带钢高精度板形表面粗糙度在线智能控制方法，该方法使用的冷轧带钢表面粗糙度控制设备包括依次连接的平整机(4)和表面粗糙度检测仪(5)，所述方法包括如下步骤：

(1)将表面粗糙度检测仪(5)检测到的带钢表面粗糙度m的实测值m_act与所述带钢表面粗糙度m的目标值m_ref作差，得出带钢表面粗糙度偏差值e_m，即：

e_m＝m_act-m_ref：

所述带钢表面粗糙度m为带钢表面轮廓算术平均偏差R_a、或微观不平度十点高度R_z、或峰值密度P_c；

将带钢表面粗糙度偏差值e_m对时间t求微分，得出带钢表面粗糙度偏差微分值ec_m，即：

式中：为微分算子；

(2)确定带钢平整轧制力调节量：

将步骤(1)得到的带钢表面粗糙度偏差值e_m和带钢表面粗糙度偏差微分值ec_m代入模糊神经网络在线预报模型中，确定带钢平整轧制力调节量ΔP，以消除带钢表面粗糙度偏差；

(3)确定带钢平整张力调节量：

根据步骤(2)中得到的带钢平整轧制力调节量ΔP，确定带钢平整入口张力调节量ΔT₀、或者带钢平整出口张力调节量ΔT₁，以保持平整延伸率恒定，使得带钢机械性能基本不受影响；

(4)确定带钢平整弯辊力调节量：

根据步骤(2)得到的带钢平整轧制力调节量ΔP，确定带钢平整弯辊力调节量ΔS，以保持平整后带钢板形基本不受影响。

2.根据权利要求1所述的冷轧带钢高精度板形表面粗糙度在线智能控制方法，其特征在于：步骤(2)中所 述模糊神经网络在线预报模型结构如下：

第1层：输入层，将带钢表面粗糙度偏差值e_m和带钢表面粗糙度偏差微分值ec_m作为模糊神经网络在线预报模型的输入矢 量x＝[x₁，x₂]^T＝[e_m，ec_m]^T，则第1层神经元的输出为：

第2层：模糊化层，考虑控制性能与算法复杂度，每个输入变量对应设置5个神经元，每个神经元代表一个模糊标记，每个神经元的输出代表模糊标记对应的模糊隶属度，则输入变量x₁至第p个模糊标记的模糊隶属度为：

式中：为输入变量x₁在采样区间[x₁₁，x_1(m+n)]上的基本样条函数迭代表达式，其中j＝1，…，p，n为样条函数的阶数，这里取n＝3，t是采样区间序列号，t＝1，…，δ，δ是采样区间数量，δ≤5；

输入变量x₂至第q个模糊标记的模糊隶属度为：

式中：N_j，n(x_i)，j＝1，…，q，为输入变量x₂在采样区间[x₂₁，x_2(m+n)]上的基本样条函数迭代表达式；

第3层：模糊运算层，采用乘法实现模糊集的“与”运算，每个神经元代表一条模糊规则，神经元输出对应每条规则的适用度：

第4层：输出层，实现解模糊，计算所有规则的输出之和，可得带钢平整轧制力调节量ΔP：

式中：w_k为权值系数，其由带钢表面粗糙度偏差值e_m、带钢表面粗糙度偏差微分值ec_m和带钢平整轧制力调节量ΔP对模糊神经网络在线预报模型进行学习训练确定。