板凸度闭环控制数学模型的研究

【摘要】： 随着现代工业的发展,用户对带钢的板形质量要求逐渐提高。在评价热轧板带钢板形的多项指标中,板凸度是其中一项重要的质量指标。在轧制过程中,板凸度闭环反馈控制系统是保证带钢沿长度方向上板凸度合格的一种重要控制手段。因此板凸度闭环控制模型的精度直接影响着钢板的板形质量。板凸度和板形控制系统是一个复杂工业控制系统,各轧制因素有较强的非线性、时变及相互耦合性,使按传统理论建立起来的数学模型难以达到理想的控制效果。因此,研究我国板带生产中板凸度闭环控制模型问题是一项具有巨大经济意义的课题。 本文提出了一种基于BP神经网络的板凸度调整量模型。利用该模型研究在不同轧制条件下,弯辊力调整量与对应的板凸度调整量之间的关系,则表示两者关系的弯辊力对板凸度的传递系数就隐含在神经网络模型中。因此,在选择网络模型的输入参数时,考虑了弯辊力对板凸度传递系数的影响各因素。其次利用训练样本和测试样本对该网络进行训练和测试,通过分析,板凸度调整量神经网络计算模型的板凸度调整量计算值与实测值很相近,表明板凸度调整量BP神经网络模型具有很高的预测精度。 并在此基础上,建立了基于BP神经网络的板凸度闭环反馈控制模型。根据精轧出口安装的板凸度仪实时检测到的板凸度实际值与目标值的偏差,给出各机架的弯辊力调整量,使带钢板凸度与目标值吻合。并在国内宁波钢厂1780 mm热连轧生产线进行实际应用,通过采集现场数据,分析系统的实际应用效果。结果表明,应用基于BP神经网络的板凸度闭环反馈控制系统后,板凸度板形质量有了明显的改善,证明了该模型的正确性与实用性。