论文部分内容阅读
过程控制系统是热连轧计算机控制系统的重要组成部分,是保证热轧带钢产品厚度精度的主要控制手段,提高厚度控制精度是轧制过程控制系统研究的重点。本文以某新建热连轧生产线项目为研究背景,以提高产品的厚度精度为出发点,通过对轧制过程模型进行理论研究,将厚度控制模型与先进的模型自学习算法相结合,建立了热连轧过程控制模型,以此为核心开发了功能完备、适应现场实际的热连轧过程控制系统,并成功应用于实际生产,取得了良好的控制效果。主要研究内容如下:(1)建立基于多进程、多任务热连轧过程控制系统平台。针对热连轧生产线特点开发符合现场实际要求的热连轧过程控制系统,采用多进程结构,进程内部采用一任务一线程的新型模式,大幅提高系统的稳定性,并降低各功能模块间的耦合性,在此基础上建立过程控制系统数据通讯进程、数据库服务进程、位置跟踪进程以及模型计算进程。(2)研究数据采集多样本处理协同自学习控制方法。研究采用OPC和Socket流式套接字技术实现基础自动化系统和过程控制系统之间实时数据的通讯,搭建数据采集与处理平台,提出一种数据多样本处理算法,通过求解样本变异系数的方式,获得高精度的自学习源数据,在此基础上开发模型自学习策略,提高了模型的预报精度。(3)研究温度设定模型及多目标优化控制策略。研究轧制过程中温降理论模型,分析空冷温降、水冷温降和变形区温降对轧件温度的影响,建立精轧入口温度预报模型和精轧区温度分布模型。针对传统精轧区温度模型自学习方法中存在的缺陷,提出一种新型温度模型自学习策略,通过Nelder-Mead单纯形替换法对多目标函数进行求解,获得了精轧区温度分布的准确预报,提高温度模型的预报精度。(4)建立高精度轧制力模型和辊缝位置模型。分析了轧制力模型和辊缝位置模型中各影响因素对厚度控制精度产生的影响。结合现场实际,通过采用模型自学习系数分解的方式,对轧制力自学习模型进行了优化,提高了变规格之后的轧制力预报精度;针对现场实际生产过程中存在的自学习数据异常情况,提出了速度调节系数的概念,对辊缝自学习模型进行了优化,有效地提高了模型自学习的效率,提高了厚度控制精度。(5)应用智能算法优化辊缝位置模型。针对各热连轧现场中存在长时间停轧之后首块钢厚度控制精度低的现象,通过对辊缝位置模型的分析,提出了基于稳态误差的模型自学习方法,提高了模型的预报精度;通过ANSYS建模分析了轧制过程中轧辊的温度变化情况,拟合得到了不同水冷换热系数下的轧辊的热膨胀曲线,并提出了一种模型参数预估方法,建立了具有广泛适用性的轧辊热膨胀模型,提高了长时间停轧后的厚度控制精度;并提出了一种穿带自适应优化算法,通过合理的确定自适应机架,提高了穿带自适应的成功率,提高了带钢头部的厚度控制精度。(6)根据现场实际曲线分析了各种规格的厚度控制效果。对厚度控制系统的效果做出了有说服力的评价,对热连轧轧制过程中的厚度控制具有很强的实用性。目前,开发的过程控制系统已成功应用于某热连轧生产线,对我国轧制控制水平的提高具有积极的促进作用。