[发明专利]一种基于影响矩阵递推辨识的冷带轧机板形闭环控制方法

说明书

本发明涉及一种基于影响矩阵递推辨识的冷带轧机板形闭环控制方法，属于轧钢板形控制方法技术领域。技术方案是：首先基于渐消记忆递推最小二乘法，对板形调节机构控制增量到实际板形对应的板形模式特征系数变化的影响矩阵进行在线辨识，进而对板形控制器参数进行自校正，并根据目标板形与实际板形的特征系数偏差计算板形调节机构的控制量。本发明的有益效果是：提高板形模式识别影响矩阵精度和板形控制精度，实现简单，运算速度快，能够很好地满足板形控制实时性高的要求，具有板形控制精度高、适合在线应用、便于实施等优点。

技术领域

本发明涉及一种基于影响矩阵递推辨识的冷带轧机板形闭环控制方法，属于轧钢板形控制方法技术领域。

背景技术

当前的主流轧机具有倾辊、工作辊弯辊、中间辊弯辊和中间辊横移等板形调控机构，只有采用合理的板形闭环控制方法，各种调控手段相互配合，才能更好消除板形偏差，提高板形质量。根据对板形偏差评价方式的不同，板形闭环控制方法主要有基于测量段的板形闭环控制方法和基于板形模式的板形闭环控制方法。前者板形测量信息虽然可直接用于反馈控制量的计算，但实际板形调节机构不能具体作用到沿板宽方向的某一测量段上，也就是说没有足够的执行机构可以达到消除某一测量段上板形偏差的目的。后者通过处理板形测量信息来判断板形属于哪一种缺陷模式或是几种缺陷模式的组合，其中几种常见板形模式缺陷的消除与几种常用调节手段的功能大致对应，将识别得到的板形模式特征系数反馈给板形控制系统，可计算出板形执行机构的调节量，计算过程相对前者更加简洁有效，因此板形控制方法常采用后者。

在已有技术的文献中，文献1为张秀玲提出的影响矩阵法(张秀玲.冷带轧机板形智能识别与智能控制研究.[燕山大学博士学位论文].2002:60-80)，这是基于板形模式识别的板形闭环控制方法中的重要发展方向，该方法认为任意一种板形调节机构的调节动作对各种板形缺陷都有影响，不再像传统控制策略认为倾辊调节只能消除板形偏差中的一次模式分量，弯辊力变化只消除板形偏差中的二次模式分量等；该方法根据板形神经网络仿真模型进行测试，得到各种板形调控机构增量与各种板形模式分量变化之间的静态关系数据，通过建立影响矩阵发挥各板形控制手段的调控能力，实现了板形的在线控制。但针对实际轧制工况变化，静态影响矩阵法不能满足人们对板形更高的控制要求。

文献2为何海涛针对传统效应函数法和板形静态影响矩阵的不足，提出以智能模型来反映影响矩阵的实时变化特性，通过建立基于聚类的模糊神经网络板形动态影响矩阵模型来求解影响矩阵(何海涛.宽带钢冷轧机板形在线控制智能模型的研究与应用.[燕山大学工学博士学位论文].2008:41-75)。然而智能方法与生俱来的弱推广性能使之在实际轧制过程中很难实现稳定工作，同时智能方法具体实施的难度也较大，这些因素使得基于影响矩阵的板形控制方法难以走向实际应用。

文献3为申请号为CN201010617064.8的专利，为了克服现有利用智能方法求解影响矩阵的不足之处，提出一种计算简单速度快、易于实施的基于影响矩阵自学习的冷轧带钢板形闭环控制方法，首先基于实际样本建立不同板带材质、不同道次的影响矩阵先验值表，然后在板形闭环控制过程中利用实测板形数据通过自学习的方式不断地改善影响矩阵先验值表的品质，使之与板形调控机构的实际调控效能更加接近。基于少量样本信息建立典型工况点的影响矩阵先验值表的建模方法，虽然计算速度快，但模型精度有限。

综上所述，根据现有技术的文献显示，轧制工况变化情况下影响矩阵模型精度还存在一些不足。

发明内容

本发明目的是提供一种基于影响矩阵递推辨识的冷带轧机板形闭环控制方法，采用渐消记忆递推最小二乘辨识算法，根据实时数据信息在线辨识板形影响矩阵，并进行板形自适应控制，以提高板形模式识别影响矩阵精度和板形控制精度，实现简单，运算速度快，能够很好地满足板形控制实时性高的要求，具有板形控制精度高、适合在线应用、便于实施等优点，有效地解决了背景技术中存在的上述问题。