一種自適應自動厚度控制方法及裝置制造方法
【專利摘要】本發(fā)明適用于板帶材產(chǎn)品軋制【技術領域】,提供一種自適應自動厚度控制方法及裝置,所述方法包括:構建網(wǎng)絡模型得到網(wǎng)絡模型各層網(wǎng)絡權值;根據(jù)所述網(wǎng)絡權值獲取實時軋機彈性剛度M和塑性剛度Q;構建前饋模型得到第一補償值ΔS0;構建預測模型得到輥縫位置第二補償值ΔS1;構建自適應控制模型得到輥縫位置設定值S*;將S*、延遲時間T后的ΔS0以及ΔS1之和送至軋機液壓APC的輸入端,APC輸出端輸出控制信號以實現(xiàn)自動厚度控制。本發(fā)明通過建立各個模型,并考慮多方面因素,解決了現(xiàn)有自動厚度控制系統(tǒng)非線性時變、大滯后的問題,使得厚度控制精度和命中率提高,從而提高了軋制水平。
【專利說明】一種自適應自動厚度控制方法及裝置
【技術領域】
[0001]本發(fā)明屬于冶金行業(yè)板帶材產(chǎn)品軋制【技術領域】,尤其涉及一種自適應自動厚度控制方法及裝置。
【背景技術】
[0002]在板帶軋制過程中,為了提高厚度控制精度,國內(nèi)外對軋機自動厚度控制系統(tǒng)做了大量研究。其本質(zhì)是通過傳感器對板帶實際軋出厚度的連續(xù)測量,結(jié)合軋制過程中包括速度、溫度、張力、輥縫位置、軋制力等多種物理量的實際測量值,借助計算機功能程序建立數(shù)學模型將出口厚度偏差信號轉(zhuǎn)換為壓下位置或張力變化信號,把厚度精度控制在允許的偏差范圍內(nèi)的一種綜合控制過策略。
[0003]常用的自動厚度控制(AGC)方法有監(jiān)控式、前饋式、厚度計式。其中監(jiān)控式AGC由于軋機結(jié)構的限制,測厚儀一般安裝在距離軋機輥縫一定距離的位置,造成實際軋出厚度必須經(jīng)過一段滯后時間才能得到,對系統(tǒng)控制性能極為不利。目前,Smith預估法可用來克服滯后帶來的影響,但其預估模型的準確性和滯后時間的不確定性會嚴重影響Smith預估法的控制性能,因此需要考慮一種可以克服非線性時變、大滯后的控制器來解決上述問題。而前饋式和厚度計式AGC需要精確的數(shù)學模型,但是軋機塑性剛度和彈性剛度的準確性制約了模型計算的精確度。目前,軋機剛度分段法和自學習法可用來提高其準確度,但由于剛度影響因素的復雜性和時變性導致其估算值仍存在偏差,因此需要考慮通過算法大幅克服這種偏差,提高模型精度和控制性能。
【發(fā)明內(nèi)容】
[0004]鑒于上述問題,本發(fā)明的目的在于提供一種自適應自動厚度控制方法及裝置,旨在解決現(xiàn)有自動厚度控制系統(tǒng)非線性時變、大滯后的技術問題。
[0005]一方面,所述自適應自動厚度控制方法包括下述步驟:
[0006]構建網(wǎng)絡模型,根據(jù)軋機剛度參數(shù)、在線工藝參數(shù)得到網(wǎng)絡模型各層網(wǎng)絡權值;
[0007]根據(jù)所述網(wǎng)絡權值獲取實時軋機彈性剛度M和塑性剛度Q ;
[0008]構建前饋模型,獲取入口厚度波動Λ h0對應的輥縫位置第一補償值Λ S0 ;
[0009]構建預測模型,根據(jù)先進控制APC反饋,得到輥縫位置第二補償值Λ S1 ;
[0010]構建自適應控制模型,根據(jù)厚度設定值h*與實測出口厚度h之差,得到輥縫位置設定值S* ;
[0011]將S'延遲時間T后的Λ S。以及Λ S1之和送至軋機液壓APC的輸入端,APC輸出端輸出控制信號以實現(xiàn)自動厚度控制。
[0012]另一方面,所述自適應自動厚度控制裝置包括:
[0013]網(wǎng)絡模型構建單元,用于構建網(wǎng)絡模型,根據(jù)軋機剛度參數(shù)、在線工藝參數(shù)得到網(wǎng)絡模型各層網(wǎng)絡權值;
[0014]網(wǎng)絡權值獲取單元,用于根據(jù)所述網(wǎng)絡權值獲取實時軋機彈性剛度M和塑性剛度Q;
[0015]前饋模型構建單元,用于構建前饋模型,獲取入口厚度波動Ahtl對應的輥縫位置第一補償值Λ S0 ;
[0016]預測模型構建單元,用于構建預測模型,根據(jù)先進控制APC反饋,得到輥縫位置第二補償值Λ S1 ;
[0017]自適應控制模型構建單元,用于構建自適應控制模型,根據(jù)厚度設定值h*與實測出口厚度h之差,得到輥縫位置設定值S* ;
[0018]輸出控制單元,用于將S'延遲時間T后的AStl以及Λ S1之和送至軋機液壓APC的輸入端,以使APC輸出端輸出控制信號以實現(xiàn)自動厚度控制。
[0019]本發(fā)明的有益效果是:本發(fā)明通過建立網(wǎng)絡模型、前饋模型、預測模型、自適應控制模型,考慮多方面因素,解決了現(xiàn)有自動厚度控制系統(tǒng)非線性時變、大滯后的問題,使得厚度控制精度和命中率提聞,從而提聞了乳制水平。
【專利附圖】
【附圖說明】
[0020]圖1是本發(fā)明實施例提供的自適應自動厚度控制方法流程圖;
[0021]圖2是本發(fā)明實施例提供的控制系統(tǒng)原理圖;
[0022]圖3是本發(fā)明實施例提供的網(wǎng)絡模型示意圖;
[0023]圖4是圖1中步驟SlOl的具體流程圖;
[0024]圖5是本發(fā)明實施例提供的自適應控制模型原理框圖;
[0025]圖6是本明實施例提供的自適應自動厚度控制裝置的結(jié)構方框圖。
【具體實施方式】
[0026]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白,以下結(jié)合附圖及實施例,對本發(fā)明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。
[0027]為了說明本發(fā)明所述的技術方案,下面通過具體實施例來進行說明。
[0028]圖1示出了本發(fā)明實施例提供的自適應自動厚度控制方法流程,為了便于說明僅不出了與本發(fā)明實施例相關的部分。
[0029]參照圖1并結(jié)合圖2所示的控制系統(tǒng)原理圖,所述自適應自動厚度控制方法包括:
[0030]步驟S101、構建網(wǎng)絡模型,根據(jù)軋機剛度參數(shù)、在線工藝參數(shù)得到網(wǎng)絡模型各層網(wǎng)絡權值。
[0031]如圖3所示,建立網(wǎng)絡模型,包括7個輸入層節(jié)點、10個隱含層節(jié)點以及2個輸出層節(jié)點,所述輸入層節(jié)點為樣本數(shù)據(jù),包括軋制速度V、軋制力P、軋輥凸度C、板帶寬度B、板帶溫度Τ、入口厚度H和出口厚度h,所述輸出層節(jié)點數(shù)包括軋機剛度系數(shù)M和軋件塑性系數(shù)Q。通過此網(wǎng)絡模型處理軋機剛度系數(shù),預設精度值為0.001,結(jié)束后得到最終各層網(wǎng)絡權值并保存。
[0032]具體實現(xiàn)時,參照圖4所示,本步驟包括:
[0033]Al、確定學習速率、動量因子,初始化輸入層到隱含層的連接權值Coki和隱含層到輸出層的連接權值《ijt)
[0034]學習速率為0.1,動量因子為0.05,初始化輸入層到隱含層的連接權值和隱含層到輸出層的連接權值和為[-1,I]的隨機數(shù)。選取100組離線數(shù)據(jù)樣本進行歸一化處理,歸一化公式如下:
A X-Y
[0035]x 二-
[0036]其中,X為輸入輸出向量,Xmax和Xmin為向量的最大和最小值。
[0037]A2、隨機選取樣本輸入至網(wǎng)絡模型。
[0038]A3、計算隱含層和輸出層各節(jié)點的輸入輸出。
[0039]活化函數(shù)采用如下S型函數(shù):
[0040]/' (X ) = —-
l+e
[0041]得到第P個樣本下的隱含層第i個神經(jīng)元輸入輸出和輸出層輸入輸出為:
55
[0042]Vpi = Σ ωΜ * Ipk Upi = /(Σ COki * Ipk - Oi)
k=l.^=I
5
10 10
[0043]mpJ = Σ (Oij *upi ηπ =/(Σ ω” * upi — Oj)
i=l.i=l '
[0044]其中,Ip為樣本輸入向量,coki為輸入層和隱含層之間的連接權值,Coij為隱含層和輸出層之間的連接權值,Vp為隱含層輸入向量,Up為隱含層輸出向量,mp為輸出層輸入向量,np為輸出層輸出向量,Qi為隱含層閾值,9」為輸出層閾值。
[0045]A4、計算誤差函數(shù)對隱含層各節(jié)點的偏導數(shù)Spi以及計算誤差函數(shù)對輸出層各神經(jīng)元的偏導數(shù)5pj。
[0046]Spi = /( Σ COkl * Ipk - 9t )(1-/(Σ COki * Ipk — Oi))(Σ (Oij * Spj);
k=lk=lJ=I
10 10
[0047]δρ] =./ (Σ COjj * up1- Oj)(1 -./ (Σ (o" * Upj - Oj)){0Pj - npJ);
/=1 /=1
[0048]其中,Op為樣本輸出向量。
[0049]A5、計算隱含層和輸出層的權值修正值并更新各網(wǎng)絡權值。
[0050]利用梯度最速下降法得到的權值修正方程如下:
[0051]Coki (k+1) = coki(k) +ξ * δ pi*Ipk+a ( ω ki (k) _ ω ki (k_l));
[0052]ω Jj (k+1) = ω u (k) + ξ * δ pj*upi+a ( ω (k) - ω (k~l));
[0053]其中,ξ為學習速率,a為動量因子。
[0054]A6、判讀樣本是否處理完畢,若沒有則返回A2步驟再次隨機選取樣本輸入至網(wǎng)絡模型,直至全部樣本數(shù)據(jù)處理完畢;
[0055]A7、判斷全局誤差是否小于預設精度值,若全局誤差是否大于預設精度值,則更新處理次數(shù)返回A2步驟進行下一輪樣本選取,直至處理后的全局誤差小于預設精度值;
[0056]A8、保存此時的各網(wǎng)絡權值。
[0057]步驟S102、根據(jù)所述網(wǎng)絡權值獲取實時軋機彈性剛度M和塑性剛度Q。
[0058]通過反歸一化處理并根據(jù)所述網(wǎng)絡權值獲取實時軋機剛度系數(shù)M和軋件塑性系數(shù)Q,其中,
107
[0059]M =/ (Σ COij */ (Σ (ok, *Ipk ~9t)~ Oj )(0 max - Omia ) + OminO' = I);
i =1 k =1
107
[0060]β = /(Σ % * /(Σ * Ipk -Oi)- 0J XOmax - Omm) + Oinin (j = 2)
ζ=1k=l
[0061]其中,O為樣本輸出數(shù)據(jù),Omax和Omin為輸出最大值和最小值。
[0062]步驟S103、構建前饋模型,獲取入口厚度波動Ahtl對應的輥縫位置第一補償值AS。。
[0063]所述前饋模型為A4S1u =AZzt3 * I,為了進一步發(fā)揮前饋模型的優(yōu)點,可選取合
M
適的超前量,并計算出消除前饋系統(tǒng)擾動所需的控制延遲時間τ:
[0064]T= Δ T1+ Δ T2- τ
[0065]其中,AT1為系統(tǒng)滯后時間,可根據(jù)軋制速度求得,AT2 SAPC響應時間,τ為超前控制時間。
[0066]步驟S104、構建預測模型,根據(jù)先進控制APC反饋,得到輥縫位置第二補償值AS10
P _ P
[0067]所述建預測模型為Δ5; =^^ + 乂,其中,Ptl為零點軋制力,A為綜合補償值
M
(包括油膜補償、軋輥熱凸度及磨損補償、軋輥偏心補償、彎輥補償及頭尾補償?shù)?。
[0068]步驟S105、構建自適應控制模型,根據(jù)厚度設定值h*與實測出口厚度h之差,得到輥縫位置設定值S*。
[0069]本步驟通過自適應控制模型,由度設定值h*與實測出口厚度h之差作為輸入計算出輥縫位置設定值S%具體的,結(jié)合圖5所示的自適應控制模型原理框圖,本步驟包括:
[0070]B1、初始化自適應控制模型的權重因子λ和步長因子P以及偽偏導數(shù)估計算法的權重因子μ和步長因子Π,確定偽偏導數(shù)初始值Φ (I)以及收斂條件ε。
[0071]其中,不同的λ取值得到不同的系統(tǒng)動態(tài),λ越小,系統(tǒng)的響應速度越快,同時超調(diào)量越大,相反地,系統(tǒng)響應速度變慢,超調(diào)量變小,為了獲得滿意的控制效果,λ初始值為10,μ初始值為1,Φ (I)初始值為2,P取0.6,η取1,ε取0.02。
[0072]Β2、針對每一輪采樣,若厚度設定值h*與測厚儀測量厚度值h之差的絕對值小于或等于收斂條件ε,則保持當前輥縫位置設定值S*輸出。
[0073]判斷厚度設定值h*與測厚儀測量厚度值h之差的絕對值與收斂條件ε的關系。若|h*_h| ( ε,則保持自適應控制模型輸出,即輸出當前輥縫位置設定值S*。
[0074]Β3、若厚度設定值h*與測厚儀測量厚度值h之差的絕對值大于收斂條件ε,則計算系統(tǒng)偽偏導數(shù)我A) = _1)+---^-{^y{k)-(j]{k -\)Au(k -1))
μ+Auik -1).
[0075]若|h*_h| > ε,根據(jù)工藝在線采樣數(shù)據(jù)計算系統(tǒng)偽偏導數(shù)Φ (k)的估計值。由于傳統(tǒng)的參數(shù)估計準則函數(shù)是極小化系統(tǒng)模型輸出與真實輸出之差的平方,在傳感器失靈導致某些采樣數(shù)據(jù)不準確的情況下,此類估計算法會表現(xiàn)得過于敏感而使系統(tǒng)誤差迅速增力口,因此提出如下偽偏導數(shù)估計準則:
[0076]J( Φ (k)) = |y(k)-y (k-D-φ (k) Au(k_l) |2+μ | Φ (10_Φ (k_l) |2
[0077]根據(jù)上面的估計準則可得到偏導數(shù)Φ (k)的推理運行方程如下:
[0078]收k、=棒-O—御%-4{k~\)lSLl{k-1))
μ+ Δ?(Α:-1.)ι
[0079]式中,Au(k-l)為輥縫位置設定值S*與前一時刻寄存值之差AS' Δ y (k)為測厚儀測量厚度值h與前一時刻寄存值之差Ah。
[0080]B4、根據(jù)所述偽偏導數(shù)Φ (k)得到自適應控制模型輸出。
[0081]將計算得到的偽偏導數(shù)Φ (k)代入自適應控制模型得到控制輸出,由于最小化一步向前預報誤差準則函數(shù)得到的控制算法有可能產(chǎn)生過大的控制輸入,使系統(tǒng)遭到破壞因此,而最小化加權一步向前預報誤差準則函數(shù)又可能產(chǎn)生穩(wěn)態(tài)跟蹤誤差,因此提出如下控制準則:
[0082]J(u(k)) = I y*(k+1)-y (k+1) I2+λ |u(k)_u(k_l) |2
[0083]根據(jù)上面的控制準則可得到模型輸出u (k)如下:
[0084]u{k) = u{k-\)-\P收(), (^ + l)-^(/c + l))
[0085]式中,y* (k+1)為厚度設定值h% y (k+1)為測厚儀測量厚度值h。
[0086]步驟S106、將S'延遲時間T后的AS。以及Λ S1之和送至軋機液壓APC的輸入端,APC輸出端輸出控制信號以實現(xiàn)自動厚度控制。
[0087]最后根據(jù)各個模型輸出值,將S'延遲時間T后的ΛΛ S1之和輸入至APC,然后得到控制信號,根據(jù)所述控制信號進行自動厚度控制即可。
[0088]另外,本實施例還提供了一種自適應自動厚度控制裝置,如圖6所示,包括:
[0089]網(wǎng)絡模型構建單元61,用于構建網(wǎng)絡模型,根據(jù)軋機剛度參數(shù)、在線工藝參數(shù)得到網(wǎng)絡模型各層網(wǎng)絡權值。所述網(wǎng)絡模型包括7個輸入層節(jié)點、10個隱含層節(jié)點以及2個輸出層節(jié)點,所述輸入層節(jié)點為樣本數(shù)據(jù),包括軋制速度V、軋制力P、軋輥凸度C、板帶寬度B、板帶溫度Τ、入口厚度H和出口厚度h,所述輸出層節(jié)點數(shù)包括軋機剛度系數(shù)M和軋件塑性系數(shù)Q。
[0090]網(wǎng)絡權值獲取單元62,用于根據(jù)所述網(wǎng)絡權值獲取實時軋機彈性剛度M和塑性剛度Q;
[0091 ] 前饋模型構建單元63,用于構建前饋模型,獲取入口厚度波動Λ h0對應的輥縫位置第一補償值AS。;
[0092]預測模型構建單元64,用于構建預測模型,根據(jù)先進控制APC反饋,得到輥縫位置第二補償值Λ S1 ;
[0093]自適應控制模型構建單元65,用于構建自適應控制模型,根據(jù)厚度設定值h*與實測出口厚度h之差,得到輥縫位置設定值S* ;
[0094]輸出控制單元66,用于將S'延遲時間T后的Λ S。以及Λ S1之和送至軋機液壓APC的輸入端,以使APC輸出端輸出控制信號以實現(xiàn)自動厚度控制。
[0095]上述各個功能模塊61-66對應所述步驟S101-S106。具體的,通過網(wǎng)絡模型構建單元、網(wǎng)絡權值獲取單元得到軋機彈性剛度M和塑性剛度Q,然后前饋模型構建單元63得到第一補償值,預測模型構建單元得到第二補償值AS1,構建自適應控制模型得到輥縫位置設定值S*,最后將S = S*+ Λ S0+ Δ S1送至軋機液壓APC的輸入端,得到控制信號以實現(xiàn)自動厚度控制。
[0096]其中,優(yōu)選的,所述網(wǎng)絡模型構建單元61包括:
[0097]初始化模塊,用于確定學習速率、動量因子,初始化輸入層到隱含層的連接權值wki和隱含層到輸出層的連接權值;
[0098]樣本選取模塊,用于隨機選取樣本輸入至網(wǎng)絡模型;
[0099]輸入輸入計算模塊,用于計算隱含層和輸出層各節(jié)點的輸入輸出;
[0100]偏導數(shù)計算模塊,用于計算誤差函數(shù)對隱含層各節(jié)點的偏導數(shù)Spi以及計算誤差函數(shù)對輸出層各神經(jīng)元的偏導數(shù)Spj;
[0101]網(wǎng)絡權值更新模塊,用于計算隱含層和輸出層的權值修正值并更新各網(wǎng)絡權值;
[0102]所述樣本選取模塊還用于再次隨機選取樣本輸入至網(wǎng)絡模型,直至全部樣本數(shù)據(jù)處理完畢;
[0103]次數(shù)更新模塊,用于更新處理次數(shù)進行下一輪樣本選取,直至處理后的全局誤差小于預設精度值,保存此時的各網(wǎng)絡權值。
[0104]進一步優(yōu)選的,所述網(wǎng)絡權值獲取單元62具體包括:
[0105]網(wǎng)絡權值獲取模塊,用于通過反歸一化處理并根據(jù)所述網(wǎng)絡權值獲取實時軋機剛度系數(shù)M和軋件塑性系數(shù)Q,其中,
107
[0106]M = J (Σ COii */ (Σ (Okj * Ipk U - Oj XOmax — Omin )+Omin (/■ = I);
i =\ k =1
107
[0107]Q = /(ΣOyij */(Σ COki * I k-Oi)-Oj)(Om;lx -Omin) + Omjll(./ = 2);
i=\ J t=\ ^ J
[0108]其中,0為樣本輸出數(shù)據(jù),Omax和Omin為輸出最大值和最小值。
[0109]這里,所述前饋模型為Δ& = Ah0 ;所述建預測模型為
M
AS1 = P~F° +A,其中,Ptl為零點軋制力,A為綜合補償值。
M
[0110]進一步優(yōu)選的,所述自適應控制模型構建單65元包括:
[0111]模型初始化模塊,用于初始化自適應控制模型的權重因子λ和步長因子P以及偽偏導數(shù)估計算法的權重因子μ和步長因子Π,確定偽偏導數(shù)初始值Φ (I)以及收斂條件ε ;
[0112]判斷輸出模塊,用于針對每一輪采樣,若厚度設定值h*與測厚儀測量厚度值h之差的絕對值小于或等于收斂條件ε,則保持當前輥縫位置設定值S*輸出;
[0113]偏導數(shù)獲取模塊,用于當厚度設定值h*與測厚儀測量厚度值h之差的絕對值大于收斂條件ε時,計算系統(tǒng)偽偏導數(shù)
Φ?) = (fik -?) + ^人讓~(Ay(A) - φ(Α - DAuQc -1));其中 Au(k-1)
μ + Au(k -1) 一,一為輥縫位置設定值S*與前一時刻寄存值之差AS% Ay(k)為測厚儀測量厚度值h與前一時刻寄存值之差Ah ;
[0114]控制輸出模塊,用于根據(jù)所述偽偏導數(shù)ΦΟΟ得到自適應控制模型輸出_=Uik —丨)+.+丨)—>’(々.+丨)),其中y*(k+l)為厚度設定值h*,y (k+1)為測厚儀測量厚度值h。
[0115]以上所述僅為本發(fā)明的較佳實施例而已,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等,均應包含在本發(fā)明的保護范圍之內(nèi)。
【權利要求】
1.一種自適應自動厚度控制方法,其特征在于,所述方法包括: 構建網(wǎng)絡模型,根據(jù)軋機剛度參數(shù)、在線工藝參數(shù)得到網(wǎng)絡模型各層網(wǎng)絡權值; 根據(jù)所述網(wǎng)絡權值獲取實時軋機彈性剛度M和塑性剛度Q ; 構建前饋模型,獲取入口厚度波動對應的輥縫位置第一補償值AStl; 構建預測模型,根據(jù)先進控制APC反饋,得到輥縫位置第二補償值AS1 ; 構建自適應控制模型,根據(jù)厚度設定值h*與實測出口厚度h之差,得到輥縫位置設定值S*; 將S'延遲時間T后的Λ S。以及Λ S1之和送至軋機液壓APC的輸入端,APC輸出端輸出控制信號以實現(xiàn)自動厚度控制。
2.如權利要求1所述方法,其特征在于,所述網(wǎng)絡模型包括7個輸入層節(jié)點、10個隱含層節(jié)點以及2個輸出層節(jié)點,所述輸入層節(jié)點為樣本數(shù)據(jù),包括軋制速度V、軋制力P、軋輥凸度C、板帶寬度B、板帶溫度Τ、入口厚度H和出口厚度h,所述輸出層節(jié)點數(shù)包括軋機剛度系數(shù)M和軋件塑性系數(shù)Q ; 所述根據(jù)軋機剛度參數(shù)、在線工藝參數(shù)得到網(wǎng)絡模型各層網(wǎng)絡權值步驟具體包括:確定學習速率、動量因子,初始化輸入層到隱含層的連接權值《ki和隱含層到輸出層的連接權值ω Jj ; 隨機選取樣本輸入至網(wǎng)絡模型; 計算隱含層和輸出層各節(jié)點的輸入輸出; 計算誤差函數(shù)對隱含層各節(jié)點的偏導數(shù)Spi以及計算誤差函數(shù)對輸出層各神經(jīng)元的偏導數(shù)Spj; 計算隱含層和輸出層的權值修正值并更新各網(wǎng)絡權值; 再次隨機選取樣本輸入至網(wǎng)絡模型,直至全部樣本數(shù)據(jù)處理完畢; 更新處理次數(shù)進行下一輪樣本選取,直至處理后的全局誤差小于預設精度值,保存此時的各網(wǎng)絡權值。
3.如權利要求2所述方法,其特征在于,所述根據(jù)所述網(wǎng)絡權值獲取實時軋機彈性剛度M和塑性剛度Q步驟,具體包括: 通過反歸一化處理并根據(jù)所述網(wǎng)絡權值獲取實時軋機剛度系數(shù)M和軋件塑性系數(shù)Q,其中,
107
Μ =/ (Σ CO1- */ (Σ ωΜ ^I k -Oi)- Oj )(0nuix -0^) + 0^(] = I);
/=1 k=l ^
107 Q = /(Σω?*/(Σ Ohi * Ipk -θ,)- OjXOmax — OmJ + 0_U = 2);
ι=\k=l 其中,O為樣本輸出數(shù)據(jù),Omax和Omin為輸出最大值和最小值。
4.如權利要求3所述方法,其特征在于,所述前饋模型為ASfi= Ah0
M
P P
5.如權利要求4所述方法,其特征在于,所述建預測模型為Δ5\+J其中,
MP0為零點軋制力,A為綜合補償值。
6.如權利要求5所述方法,其特征在于,所述構建自適應控制模型,根據(jù)厚度設定值h*與實測出口厚度h之差,得到輥縫位置設定值S*步驟,具體包括: 初始化自適應控制模型的權重因子λ和步長因子P以及偽偏導數(shù)估計算法的權重因子μ和步長因子Π,確定偽偏導數(shù)初始值Φ (I)以及收斂條件ε ; 針對每一輪采樣,若厚度設定值h*與測厚儀測量厚度值h之差的絕對值小于或等于收斂條件ε,則保持當前輥縫位置設定值S*輸出; 若厚度設定值h*與測厚儀測量厚度值h之差的絕對值大于收斂條件ε,則計算系統(tǒng)偽偏導數(shù)妙、=砂 _ I) + ——-—7 (Λτ(々)—- ])Au(k — I));其中
μ + Au(k -1) 一Au(k-l)為輥縫位置設定值S*與前一時刻寄存值之差AS% Ay(k)為測厚儀測量厚度值h與前一時刻寄存值之差Ah ;根據(jù)所述偽偏導數(shù)Φ (k)得到自適應控制模型輸出
I/J \"(々)=〃(々-1)+ , p ' 2 (/'(々+1)—.V認+1)),其中y*(k+1)為厚度設定值h% y(k+l)為測厚
2+|辦)|儀測量厚度值h。
7.—種自適應自動厚度控制裝置,其特征在于,所述裝置包括: 網(wǎng)絡模型構建單元,用于構建網(wǎng)絡模型,根據(jù)軋機剛度參數(shù)、在線工藝參數(shù)得到網(wǎng)絡模型各層網(wǎng)絡權值; 網(wǎng)絡權值獲取單元,用于根據(jù)所述網(wǎng)絡權值獲取實時軋機彈性剛度M和塑性剛度Q ;前饋模型構建單元,用于構建前饋模型,獲取入口厚度波動△ &對應的輥縫位置第一補償值Λ S0 ; 預測模型構建單元,用于構建預測模型,根據(jù)先進控制APC反饋,得到輥縫位置第二補償值Λ S1 ; 自適應控制模型構建單元,用于構建自適應控制模型,根據(jù)厚度設定值h*與實測出口厚度h之差,得到輥縫位置設定值S* ; 輸出控制單元,用于將S'延遲時間T后的AStl以及Λ S1之和送至軋機液壓APC的輸入端,以使APC輸出端輸出控制信號以實現(xiàn)自動厚度控制。
8.如權利要求7所述裝置,其特征在于,所述網(wǎng)絡模型包括7個輸入層節(jié)點、10個隱含層節(jié)點以及2個輸出層節(jié)點,所述輸入層節(jié)點為樣本數(shù)據(jù),包括軋制速度V、軋制力P、軋輥凸度C、板帶寬度B、板帶溫度T、入口厚度H和出口厚度h,所述輸出層節(jié)點數(shù)包括軋機剛度系數(shù)M和軋件塑性系數(shù)Q ;所述網(wǎng)絡模型構建單元包括: 初始化模塊,用于確定學習速率、動量因子,初始化輸入層到隱含層的連接權值《ki和隱含層到輸出層的連接權值Qij ; 樣本選取模塊,用于隨機選取樣本輸入至網(wǎng)絡模型; 輸入輸入計算模塊,用于計算隱含層和輸出層各節(jié)點的輸入輸出; 偏導數(shù)計算模塊,用于計算誤差函數(shù)對隱含層各節(jié)點的偏導數(shù)Spi以及計算誤差函數(shù)對輸出層各神經(jīng)元的偏導數(shù)Spj; 網(wǎng)絡權值更新模塊,用于計算隱含層和輸出層的權值修正值并更新各網(wǎng)絡權值; 所述樣本選取模塊還用于再次隨機選取樣本輸入至網(wǎng)絡模型,直至全部樣本數(shù)據(jù)處理完畢; 次數(shù)更新模塊,用于更新處理次數(shù)進行下一輪樣本選取,直至處理后的全局誤差小于預設精度值,保存此時的各網(wǎng)絡權值。
9.如權利要求8所述裝置,其特征在于,所述網(wǎng)絡權值獲取單元具體包括: 網(wǎng)絡權值獲取模塊,用于通過反歸一化處理并根據(jù)所述網(wǎng)絡權值獲取實時軋機剛度系數(shù)M和軋件塑性系數(shù)Q,其中,
107
M =/(Σ(Oii */ (Σ (Oki ^Ipk -Oi)-Oj )(Onuix -Omin)+ OlllinC/ = I);
i =1 k =1
107 Q = /(Σ % * /(Σ ωΜ *Ipk-e)-Oj )(αι1;ιχ - O,■) + Oη?Ι1 (./ = 2);
ι=1k=\ 其中,O為樣本輸出數(shù)據(jù),Omax和Omin為輸出最大值和最小值。
10.如權利要求9所述裝置,其特征在于,所述自適應控制模型構建單元包括: 模型初始化模塊,用于初始化自適應控制模型的權重因子λ和步長因子P以及偽偏導數(shù)估計算法的權重因子μ和步長因子n,確定偽偏導數(shù)初始值Φ (I)以及收斂條件ε ;判斷輸出模塊,用于針對每一輪采樣,若厚度設定值h*與測厚儀測量厚度值h之差的絕對值小于或等于收斂條件ε,則保持當前輥縫位置設定值S*輸出; 偏導數(shù)獲取模塊,用于當厚度設定值h*與測厚儀測量厚度值h之差的絕對值大于收斂條件ε時,計算系統(tǒng)偽偏導數(shù)¢^) — (jkk 一 I) + —--- (Ay(^r) — (jj^k 一一 I)八芪中 Au(k-1)
ju + Δ"(々—I)為輥縫位置設定值S*與前一時刻寄存值之差AS% Ay(k)為測厚儀測量厚度值h與前一時刻寄存值之差Ah ; 控制輸出模塊,用于根據(jù)所述偽偏導數(shù)Φ (k)得到自適應控制模型輸出llikH —丨)+ a H+1)),其中 y*(k+1)為厚度設定值 h*,y(k+l)為測厚
義+_|儀測量厚度值h。
【文檔編號】B21B37/18GK104190720SQ201410461558
【公開日】2014年12月10日 申請日期:2014年9月11日 優(yōu)先權日:2014年9月11日
【發(fā)明者】陳煒 申請人:中冶南方工程技術有限公司