基于软测量模型的粗轧厚度预测方法

doi:10.12068/j.issn.1005-3026.2017.03.013

东北大学学报:自然科学版 ›› 2017, Vol. 38 ›› Issue (3): 366-369.DOI: 10.12068/j.issn.1005-3026.2017.03.013

基于软测量模型的粗轧厚度预测方法

彭文，马更生，龚殿尧，张殿华

(东北大学轧制技术及连轧自动化国家重点实验室，辽宁沈阳110819)

收稿日期:2015-10-14 修回日期:2015-10-14 出版日期:2017-03-15 发布日期:2017-03-24
通讯作者: 彭文
作者简介:彭文(1987-)，男，山东青州人，东北大学博士后研究人员; 张殿华(1963-)，男，内蒙古赤峰人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(51504061).

Prediction Method of Rough Rolling Thickness Based on the Soft Sensor Model

PENG Wen， MA Geng-sheng， GONG Dian-yao， ZHANG Dian-hua

State Key Laboratory of Rolling and Automation， Northeastern University， Shenyang 110819， China.

Received:2015-10-14 Revised:2015-10-14 Online:2017-03-15 Published:2017-03-24
Contact: PENG Wen
About author:-
Supported by:
-

摘要/Abstract

摘要： 为提高热连轧粗轧过程各道次厚度控制精度，满足道次动态修正的要求，提出了一种简单有效的厚度软测量模型. 基于典型粗轧区的仪表配置，模型从轧件跟踪、数据处理等方面进行了针对性的研究，提出了偶数道次立辊辊缝渐变的策略用于可逆轧制过程中的宽度测量，并通过模型预测得到了轧制过程中各道次的出口厚度. 现场实际应用表明，通过软测量模型预报的各道次厚度与实际测量结果吻合较好，各道次的厚度预报偏差在±0.10mm范围内达到95.2%，满足了现场生产需求.

关键词: 热连轧, 粗轧, 软测量模型, 厚度预测, 控制精度

Abstract: In order to improve the thickness control precision and meet the demand of the pass dynamic correction in rough rolling process， a simple and effective thickness soft sensor model was proposed. The study of rolling tracking and data processing was carried out based on the instrument arrangement in typical rough rolling. The strategy of gradual vertical roll-gap was proposed to measure the width in the even pass. And the thickness of each pass was obtained by the soft sensor model. The application results showed that the thickness is in a good agreement with the actual measured ones. The predicted precision error in the range of ±0.10mm reaches 95.2%， which can meet the demand of the production.

Key words: hot rolling, rough rolling, soft sensor model, thickness prediction, control precision

中图分类号:

TG335.5

彭文，马更生，龚殿尧，张殿华. 基于软测量模型的粗轧厚度预测方法[J]. 东北大学学报:自然科学版, 2017, 38(3): 366-369.

PENG Wen， MA Geng-sheng， GONG Dian-yao， ZHANG Dian-hua. Prediction Method of Rough Rolling Thickness Based on the Soft Sensor Model[J]. Journal of Northeastern University Natural Science, 2017, 38(3): 366-369.

参考文献

[1]Ding J G，Hu X L，Jiao J M，et al.Application of adaptive threading technique to hot strip mill ［J］.Journal of Iron and Steel Research，International，2008，15(5):29-31，36.
[2]Shakil M，Elshafei M，Habib M A，et al.Soft sensor for NO_○x and O₂ using dynamic neural networks ［J］.Computers and Electrical Engineering，2009(35):578-586.
[3]Jin H P，Chen X G，Yang J W，et al，Multi-model adaptive soft sensor modeling method using local learning and online support vector regression for nonlinear time-variant batch processes ［J］.Chemical Engineering Science，2015(135):282-303.
[4]Mcelroy L，Bao J，Yang R Y，et al.A soft-sensor approach to flow regime detection for milling processes ［J］.Powder Technology，2009(18):234-241.
[5]Xiong Z H，Huang G H，Shao H H.Software sensor for slab reheating furnace ［J］.Journal of University Science and Technology Beijing， 2005，12(2):123-127.
[6]彭良贵，张殿华，郭涛，等.热轧带钢发射率软测量及影响因素分析［J］.东北大学学报(自然科学版)，2013，34(8):1118-1122.(Peng Liang-gui，Zhang Dian-hua，Guo Tao，et al.Emissivity indirect-measurement and analysis for hot strip mill ［J］. Journal of Northeastern University(Natural Science)，2013，34(8):1118-1122.)
[7]何纯玉，赵宪明，吴迪，等.热轧过程中轧件组织与性能软测量系统的研究［J］.东北大学学报(自然科学版)，2007，28 (1):63-67.(He Chun-yu，Zhao Xian-ming，Wu Di，et al.On the soft sensing system for work piece’s microstructure and mechanical properties during hot rolling ［J］. Journal of Northeastern University(Natural Science)，2007，28 (1):63-67.)
[8]吴石林，张玘.误差分析与数据处理［M］.北京:清华大学出版社，2010.(Wu Shi-lin，Zhang Qi.Error analysis and data processing ［M］.Beijing:Tsinghua University Press，2010.)
[9]Ding J G，Qu L L，Hu X L，et al.Short stroke control with Gaussian curve and PSO algorithm in plate rolling process ［J］.Journal of Harbin Institute of Technology(New Series)，2013，20(4):93-98.
[10]Du X Z，Yang Q，Lu C，et al.Optimization of short stroke control preset for automatic width control of hot rolling mill ［J］.Journal of Iron and Steel Research，International，2010，17(6):16-20.
[11]Zou J，Fu X，Yang H Y.Active disturbance rejection control for hydraulic width control system for rough mill［J］.Journal of Zhejiang University(Science A)， 2007，8(9):1429-1434.
[12]杜晓钟，杨荃，何安瑞，等.热轧带钢立辊调宽短行程控制模拟研究与应用［J］.塑性工程学报，2008，15(5):182-185.(Du Xiao-zhong，Yang Quan，He An-rui，et al.Study on application of short stroke control in hot edge rolling ［J］.Journal of Plasticity Engineering，2008，15(5):182-185.)
[13]Schwerdtfeger K，Zhou S X.A contribution to scale growth during hot rolling of steel ［J］.Steel Research International，2003(9):538-548.

[1]	丁敬国，郭锦华. 基于主成分分析协同随机森林算法的热连轧带钢宽度预测[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1268-1275.
[2]	王学强，赵金华，袁国，王国栋. 超快冷下X65管线钢微观组织演变及强化机制分析[J]. 东北大学学报:自然科学版, 2019, 40(3): 334-339.
[3]	彭文，陈庆安，马更生，张殿华. 热连轧宽度自适应模型优化[J]. 东北大学学报:自然科学版, 2017, 38(9): 1243-1246.
[4]	尹方辰，孙杰，马更生，张殿华. 基于ADAMS-MATLAB联合仿真的液压活套多变量解耦控制[J]. 东北大学学报:自然科学版, 2016, 37(4): 500-504.
[5]	马更生，彭文，邸洪双，张殿华. 带钢热连轧换规格轧制力自学习优化[J]. 东北大学学报:自然科学版, 2015, 36(12): 1715-1718.
[6]	李旭东，袁国，江潇，王国栋. 热轧带钢X80超快冷出口温度高精度控制方法[J]. 东北大学学报:自然科学版, 2015, 36(10): 1431-1435.
[7]	李旭，彭文，丁敬国，张殿华. 热连轧数据采集的多样本处理策略[J]. 东北大学学报:自然科学版, 2014, 35(4): 521-523.
[8]	曹彤，王栋，刘达，曾玉祥. 主从式遥操作血管介入机器人[J]. 东北大学学报:自然科学版, 2014, 35(4): 569-573.
[9]	曹剑钊，彭文，张殿华. 多任务热连轧过程控制系统应用平台[J]. 东北大学学报(自然科学版), 2013, 34(8): 1113-1116.
[10]	姬亚锋，张殿华，孙杰，李旭. 热连轧机AGC系统的优化[J]. 东北大学学报(自然科学版), 2013, 34(4): 532-535.
[11]	李维刚;刘相华;. 热连轧机轧制力成比例负荷分配的CLAD算法[J]. 东北大学学报(自然科学版), 2012, 33(3): 352-356.
[12]	王宏伟;王素欣;于驰;宫明龙;. 热连轧液压活套不确定系统的滑模控制[J]. 东北大学学报(自然科学版), 2012, 33(11): 1542-1546.
[13]	田野;赵照红;胡贤磊;刘相华;. 基于置信度和自学习校正的热轧轧制节奏计算[J]. 东北大学学报(自然科学版), 2010, 31(10): 1429-1431+1436.
[14]	郭忠峰;徐建忠;李长生;刘相华;. 1700热连轧机轧辊温度场及热凸度研究[J]. 东北大学学报(自然科学版), 2008, 29(4): 517-520.
[15]	丁敬国;焦景民;昝培;刘相华;. 基于模糊聚类的PSO-神经网络预测热连轧粗轧宽度[J]. 东北大学学报(自然科学版), 2007, 28(9): 1282-1284+1292.

基于软测量模型的粗轧厚度预测方法

Prediction Method of Rough Rolling Thickness Based on the Soft Sensor Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价