优化厚度控制模型，提高宽厚板厚度控制命中率

张　丽

(山东钢铁股份有限公司莱芜分公司自动化部，山东 莱芜 271104)



优化厚度控制模型，提高宽厚板厚度控制命中率

张丽

(山东钢铁股份有限公司莱芜分公司自动化部，山东 莱芜 271104)

宽厚板厚度精度表征控制水平高低，也是最基本的质量指标之一。本文介绍了莱钢4 300 mm宽厚板轧机厚度控制现状，详细论述了控制模型优化措施，通过优化弹跳曲线，改善厚度预报偏差，同时研究二级数学模型计算，对辊缝短期自学习与长期自学习的自适应过程进行优化和完善，采用道次间自学习来初步消除计算偏差，提高宽厚板厚度命中率。

弹跳曲线； 二级数学模型； 自学习

1　概　述

宽厚板厚度精度表征控制水平高低，同时也是厚板的最重要的，也是最基本的质量指标之一。包括:

a)厚度均匀性命中率；即：钢板宽度1/2处沿长度方向上各个位置的厚度值落在平均厚度若干个标准偏差内的比率。

b)平均厚度相对于目标厚度的命中率；即：轧制完成的钢板平均厚度相在合同公差范围内的比率。由于国外装备先进，采用天然气对板坯加热，热值稳定，温度均匀，轧机精度高，再加上控制技术成熟，因此厚度均匀性命中率一般能达到97%；平均厚度相对于目标厚度的命中率能达到98%左右。由于国内装备水平相对较低，普遍采用高炉、焦炉混合煤气对板坯加热，热值不稳定，温度不均匀，再加上控制技术不成熟，厚度均匀性较低，一般厚度均匀性命中率在94%，平均厚度相对于目标厚度的命中率在95%左右。莱钢宽厚板生产线的工艺装备水平比较先进，由西门子奥钢联设计，目前的研究手段可以满足要求，但目前厚度控制精度情况不是很理想，2014年1到4月份厚度控制精度如表1所示，因此研究程序，优化厚度控制模型,以期提高宽厚板厚度命中率。

表1　1到4月份厚度命中率

2　控制模型优化

厚度控制由一、二两级自动化系统组成：

二级系统主要通过数学模型生成道次计划表。分为预计算，后计算、再计算三个步骤。

一级系统主要通过AGC来动态调整辊缝以达到保证钢板厚板一致。AGC系统是以液压缸驱动对辊缝进行动态微调，具备两个基本内闭环，即轧制力闭环和位置闭环。一般与自动位置控制系统即APC系统(电动或液压驱动)一起使用。首先根据二级轧制模型由APC系统设定一个辊缝参考位置，即进行辊缝粗调，在此基础上，采用高响应的伺服油缸来修正轧制过程中的辊缝变化，即进行辊缝精调。

2.1改善厚度预报偏差，优化弹跳曲线

通过对厚度模型进行推演，得到控制用的模型公式。使用现场数据对模型进行验证。对厚度控制情况进行持续监控，发现在轧制力发生较大偏差时，极易造成厚度偏差。通过优化弹跳曲线，进一步减小预报偏差。弹跳曲线的测量一般由轧机零调过程产生,同时通过液压缸上安装的压力传感器和位移传感器按一定的采样周期自动记录实测的轧制压力和机架弹跳。通过标定过程获得初始辊缝与轧制力分布，去除零调影响。将间隔一定轧制力对数据进行统计得到轧制力与弹跳量的对应关系如表2如示：

表2　轧制力与弹跳量对应表

通过对轧机弹跳进行测定、评估，并使用评估后的数据对弹跳数据进行曲线拟合，得到用于计算轧机轧制力与弹跳量对应关系的函数。同时，使用表2中数据，描绘出机架弹跳曲线，比较拟合弹跳曲线与实际弹跳曲线，如下图1(其中横轴为轧制力，单位为牛；Y轴为弹跳量，单位m)，从图1可以看出两条曲线吻合度较高。

图1　拟合弹跳曲线与实际弹跳曲线比较

2.2优化厚度自学习

2.2.1二级数学模型计算

二级系统主要通过数学模型生成道次计划表。分为预计算，后计算、再计算三个步骤：

1)预计算的目标是确定所有的轧制道次表。预计算是采用板坯数据进行计算的。如果有检测装置，轧线各位置的温度值可以通过温度检测元件得到，否则，温度值需要通过目标出炉温度进行预设定。预计算将确定道次数、厚度分配、触发条件等等。预计算还要对是否超过设备限制(轧制力、功率、变形等)进行校核，并且检查是否达到目标值(厚度、凸度、平坦度、板形、温度等)。

2)后计算在完成一个道次轧制后执行，计算与该道次机架相关的所有相关值。根据实测轧制力、实测辊缝、实测弯辊力等条件计算出轧件的实际出口尺寸。再根据厚度公式计算的厚度和测温仪所测的厚板温度分布，再次计算轧制力和轧制力矩。把这些值与实测值进行比较，得到修正系数。

3)再计算在各道次完成后执行。但是在延迟、操作工输入改变的情况下再计算可以根据要求执行。再计算根据当前的温度、尺寸和从后计算中得到的自学习系数对剩下的道次进行一个新的计算。

2.2.2优化厚度自学习

采用道次间自学习来初步消除计算偏差。在自学习中，采用短期+长期自学习相结合的方式。按照影响时限和触发条件，辊缝零点自学习可分为短期自学习和长期自学习两种。

1)短期自学习

完成轧制过程中的某个道次轧制后，并通过测厚装置后，获得该道次实测厚度。然后根据实测轧制力、实测辊缝、实测弯辊力等参数计算出钢板的计算出口厚度。把这些值与实测值进行比较，得到的修正因子，我们称为短期自学习因子。短期自学习因子用于对该支钢板下一道次的辊缝设定值进行修正。

2)长期自学习

最后一个道次轧制完成且测厚仪测得钢板实测厚度后，辊缝零点将通过比较实测厚度与厚度模型输出的计算厚度得到一个偏差值，对该偏差进行处理后得到自学习修正因子，我们称为长期自学习因子。长期自学习因子将对下一块钢板的设定辊缝进行修正。

3　效果分析

通过采取以上优化措施，厚度控制效果明显，如图2，2014.5-11月份+/-0.2 mm、+/-0.1 mm厚度命中率平均值较1-4月份分别提高了 1.5、3.83个百分点；经过实际生产验证，有效降低厚度尺寸脱合同的比例、同时切实减少了组板厚度、长度余量所占比例，有效提高原材料利用率，显著提高了成材率，降低成本，提高了产品的市场竞争力，具有很好应用推广性。

图2　厚板偏差控制效果折线图

[1]徐建忠.四辊轧机轧辊弹性变形解析模块的开发[J]. 轧钢,2003.

[2]赵志业,王鹏翙.热轧厚板及板坯的实用轧制压力公式[J].钢铁,1986(1).

[3]单传东,赵琳.厚度自动控制在莱钢宽厚板轧制中的应用[J].金属材料与冶金工程,2010(6).

[4]孙建亮.面向板形板厚控制的轧机系统动态建模及仿真研究[D].燕山大学,2010.

The Automation Department of Shandong Iron and Steel

ZHANG Li

(Group Corporation Laiwu branch,Laiwu 271104,China)

Wide plate thickness accuracy characterizes the high or low control level ,it is one of the most basic quality indicators. This article introduced thickness control present situation of 4300 mm wide plate mill of LaiWu Steel Company,then the control model optimization measures are discussed in detail,by optimizing the stretch-curve,we improved thickness prediction deviation,at the same time we researched the mathematical model calculation of level two,optimized and improved the roll gap in the short term of self-study and long-term learning adaptive process,by including a self learning to eliminate preliminary calculation deviation. Through the above measures the wide plate thickness accuracy is improved.

stretch curve; the mathematical model of level two; self-adaptation

张丽(1984-)，女，工程师，本科，2007年毕业于青岛理工大学,现从事仪表与自动化专业.

TF31；TP3-05

A

1671-3818(2016)01-0032-03