D0:10.13374/i.issnl100103x.2010.06.017 第32卷第6期 北京科技大学学报 Vo132N96 2010年6月 Journal ofUniversity of Science and Technobgy Bejjing Jun 2010 热轧带钢轧制力模型自学习算法优化 宋勇苏岚荆丰伟 刘文仲 北京科技大学高效轧制国家工程研究中心.北京100083 摘要根据轧制数量，测量数据质量和轧制力预报误差的影响建立了轧制力自学习速度因子优化模型。在长期自学习的 判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量，减少了换规格的次数.长期自学习系数计算时利用了从前 一块钢数据中分离出的设备状态信息。从而改善了模型自学习的连续性。离线仿真分析结果表明，轧制力计算精度相对于自 学习算法优化前有较大的提高. 关键词热连轧：轧制力：数学模型：自学习：过程自动化 分类号TG33515TP181 Self learn ing algorithm optm ization for the rolling forcem odel of hot strips SONG Yong SLan JING Feng wei LIWe4ong Na tiona l Eng inee ring Reseaich Center prAdvanoed Rolling Technoloy Un iversity of Science and Technobgy Beijng Beijing 100083 Chna ABSTRACT The infuences of the number of rolled strips the quality ofm easured data and the plerance of rolling force pred ction were aken into account pr building a self leaming speed op ti izat pn model of rollng prce The grades and values of hickness and w dth were cosidered in he deteminant conditon of long tem self leaming p reduce he frequency of size change The npmation of equpment sates which was separated from the daaa of the last strip was used into the cakulaton of bng tem self leaming actor to m pove the contnuity of the self eamingmodel ()fflne siuaton esults show hat he accuracy of he rolling forcemolel is mproved after he self leam ng algorithm is op tin ized KEY WORDS hot strp mill rolling force mathematicalmdlel self leamng process aurmation 热轧带钢的产品厚度控制水平很大程度上取决 制力预报模型，由于存在假设条件、测量误差以及系 于过程自动化系统的轧制力模型预报精度：因为轧 统特性的变化，其本身的精度是有限的（误差一 制力的预报值误差直接影响空载辊缝设定和AGC 般在1%以上，在实际控制系统中必须引入模型 工作状况，而前者决定带钢头部厚度控制精度，后者 自学习功能以提高其预报精度.文献[11-12]从轧 决定带钢本体厚度控制精度山. 制力模型自学习参数的选择以及人工离线分析的角 为了提高轧制力模型的预报精度，近年来人们 度对自学习功能进行优化提高了模型精度 进行了许多有益尝试研究工作大多集中在模型的 本文通过对轧制力模型自学习算法的研究分 结构改进和系数优化上2，如采用有限元模拟结 析，确立了自学习速度因子的选取策略以及长期自 果对轧制力模型参数进行回归分析2-，对变形抗 学习的处理方法，使得自学习功能充分发挥其作用. 力模型进行改进及考虑残余应变的影响，将人 仿真结果表明，优化后的自学习算法能有效提高轧 工智能方法与轧制力理论模型相结合，均取得 制力模型在线预报精度，这为研究提高轧制力模型 了一定成果.但是，通过以上各种方式所建立的轧 预报精度提供了一个的重要思路. 收稿日期：2009-08-25 基金项目：国家高技术研究发展计划资助项目(N92009A04Z☑63) 作者简介：宋勇(1974-，助理研究员，Emao0n@u5动ycm第 32卷 第 6期 2010年 6月 北 京 科 技 大 学 学 报 JournalofUniversityofScienceandTechnologyBeijing Vol.32 No.6 Jun.2010 热轧带钢轧制力模型自学习算法优化 宋 勇 苏 岚 荆丰伟 刘文仲 北京科技大学高效轧制国家工程研究中心, 北京 100083 摘 要 根据轧制数量、测量数据质量和轧制力预报误差的影响, 建立了轧制力自学习速度因子优化模型.在长期自学习的 判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量, 减少了换规格的次数.长期自学习系数计算时利用了从前 一块钢数据中分离出的设备状态信息, 从而改善了模型自学习的连续性.离线仿真分析结果表明, 轧制力计算精度相对于自 学习算法优化前有较大的提高. 关键词 热连轧;轧制力;数学模型;自学习;过程自动化 分类号 TG335.11;TP181 Self-learningalgorithmoptimizationfortherollingforcemodelofhotstrips SONGYong, SULan, JINGFeng-wei, LIUWen-zhong NationalEngineeringResearchCenterforAdvancedRollingTechnology, UniversityofScienceandTechnologyBeijing, Beijing100083, China ABSTRACT Theinfluencesofthenumberofrolledstrips, thequalityofmeasureddataandthetoleranceofrollingforceprediction weretakenintoaccountforbuildingaself-learningspeedoptimizationmodelofrollingforce.Thegradesandvaluesofthicknessand widthwereconsideredinthedeterminantconditionoflong-termself-learningtoreducethefrequencyofsizechange.Theinformationof equipmentstateswhichwasseparatedfromthedataofthelaststripwasusedintothecalculationoflong-termself-learningfactortoim￾provethecontinuityoftheself-learningmodel.Offlinesimulationresultsshowthattheaccuracyoftherollingforcemodelisimproved aftertheself-learningalgorithmisoptimized. KEYWORDS hotstripmill;rollingforce;mathematicalmodel;self-learning;processautomation 收稿日期:2009--08--25 基金项目:国家高技术研究发展计划资助项目(No.2009AA04Z163) 作者简介:宋 勇(1974— ), 助理研究员, E-mail:songyong@ustb.edu.cn 热轧带钢的产品厚度控制水平很大程度上取决 于过程自动化系统的轧制力模型预报精度 ;因为轧 制力的预报值误差直接影响空载辊缝设定和 AGC 工作状况,而前者决定带钢头部厚度控制精度 ,后者 决定带钢本体厚度控制精度 [ 1] . 为了提高轧制力模型的预报精度 ,近年来人们 进行了许多有益尝试, 研究工作大多集中在模型的 结构改进和系数优化上 [ 2--9] , 如采用有限元模拟结 果对轧制力模型参数进行回归分析 [ 2--3] , 对变形抗 力模型进行改进及考虑残余应变的影响 [ 4--6] , 将人 工智能方法与轧制力理论模型相结合 [ 7--9] , 均取得 了一定成果 .但是, 通过以上各种方式所建立的轧 制力预报模型 ,由于存在假设条件 、测量误差以及系 统特性的变化 [ 10] , 其本身的精度是有限的 (误差一 般在 10%以上),在实际控制系统中必须引入模型 自学习功能以提高其预报精度.文献 [ 11--12]从轧 制力模型自学习参数的选择以及人工离线分析的角 度对自学习功能进行优化,提高了模型精度 . 本文通过对轧制力模型自学习算法的研究分 析, 确立了自学习速度因子的选取策略以及长期自 学习的处理方法,使得自学习功能充分发挥其作用. 仿真结果表明 ,优化后的自学习算法能有效提高轧 制力模型在线预报精度, 这为研究提高轧制力模型 预报精度提供了一个的重要思路 . DOI :10.13374/j .issn1001 -053x.2010.06.017