第12期 牛满科等：基于循环统计量的轧机偏心线性预测及补偿控制 ,1609 240 形.图中纵坐标为取样窗口宽度，横坐标为按照时 间顺序的取样窗口序号，图中的灰度值表示轧机偏 200 心特性信号的强度，从图中可以看到明显的周期性 160 波动 120 为了从轧机偏心反馈信息中提取轧机偏心特征 向量，需要利用某种测试装置同步获取轧机的精确 偏心特性时间窗口，使用该窗口取样数据序列，进行 统计处理后获取偏心特征向量，轧机偏心特性提取 过程中的典型信息如图6所示. 40 80 120 160 200 取样窗口序号 图6(a)中曲线为偏心信号的时域仿真曲线，该 曲线的变化趋势很难直观确定；图6(b)中的曲线组 图5轧机偏心特性统计信息 为在一个采样窗口中的各个组成信号的各自独立曲 Fig.5 Statistic information of roll eccentricity 线：图6(c)中的曲线为在一个采样窗口中的偏心特 所示轧机偏心特性统计信息为在合适的矩形取样窗 征向量的一个观测向量；图6()中的点为偏心特征 口下，包含噪声的轧机偏心信号采样信息的平面图 向量的一个估计向量中各个点的图形 0.008 10 (b) 0.006 0.8 0.6 0.004 0.002 0.002 02 -00040 04 4 6 10 12 02 0.40.60.81.0 1214 轧制时间⅓ 轧制时间s 12 25 (c) (d) 1.0 0.8 0.6 20 0l 02 1.5 0 0.2 0.4 1. 0 02 0.40.60.81.01.21.4 0 02 0.40.6081.01.2 轧制时间s 轧制时间s 图6轧机偏心特性曲线提取.(a)轧机测试信号；(b)周期化测试信息：(c)偏心周期信号：()偏心特征信息 Fig6 Character extraction for roll eccentricity:(a)roll signal tested:(b)periodical multiinfo tested:(c)periodical eccentricity signal:(d)char- acteristic information of eccentricity 采用统计分析的方法进行偏心特征向量的提取 偏心特征估计向量，可以获得如图7所示的基于循 具有实时性和合理性.不依赖于时间域、频率域之 环统计量的轧机偏心线性预测补偿控制结果 间的变换处理，对偏心信号的变动具有较高的时域 图7(a)中曲线为偏心信号的时域仿真曲线，在 灵敏度和实施补偿的直接性与直观可信性，在经过 该曲线中来源于板带厚度变化的波动信息并不清 n(n≥3)个精确偏心特性时间窗口取得基本的偏心 晰；图7(b)中曲线为包含了偏心补偿的轧制力控制 特征估计向量之后，在开始进行补偿的同时，依据新 信息曲线，显然在进行了偏心补偿之后，轧制力控制 获得的完整精确偏心特性时间窗口数据，继续优化 信息变化主要是相应于板带厚度的波动，采用基于图5 轧机偏心特性统计信息 Fig．5 Statistic information of roll eccentricity 所示轧机偏心特性统计信息为在合适的矩形取样窗 口下‚包含噪声的轧机偏心信号采样信息的平面图 形．图中纵坐标为取样窗口宽度‚横坐标为按照时 间顺序的取样窗口序号‚图中的灰度值表示轧机偏 心特性信号的强度．从图中可以看到明显的周期性 波动． 为了从轧机偏心反馈信息中提取轧机偏心特征 向量‚需要利用某种测试装置同步获取轧机的精确 偏心特性时间窗口‚使用该窗口取样数据序列‚进行 统计处理后获取偏心特征向量．轧机偏心特性提取 过程中的典型信息如图6所示． 图6（a）中曲线为偏心信号的时域仿真曲线‚该 曲线的变化趋势很难直观确定；图6（b）中的曲线组 为在一个采样窗口中的各个组成信号的各自独立曲 线；图6（c）中的曲线为在一个采样窗口中的偏心特 征向量的一个观测向量；图6（d）中的点为偏心特征 向量的一个估计向量中各个点的图形． 图6 轧机偏心特性曲线提取．（a） 轧机测试信号；（b） 周期化测试信息；（c） 偏心周期信号；（d） 偏心特征信息 Fig．6 Character extraction for roll eccentricity：（a） roll signal tested；（b） periodical mult-i info tested；（c） periodical eccentricity signal；（d） char￾acteristic information of eccentricity 采用统计分析的方法进行偏心特征向量的提取 具有实时性和合理性．不依赖于时间域、频率域之 间的变换处理．对偏心信号的变动具有较高的时域 灵敏度和实施补偿的直接性与直观可信性．在经过 n（ n≥3）个精确偏心特性时间窗口取得基本的偏心 特征估计向量之后‚在开始进行补偿的同时‚依据新 获得的完整精确偏心特性时间窗口数据‚继续优化 偏心特征估计向量‚可以获得如图7所示的基于循 环统计量的轧机偏心线性预测补偿控制结果． 图7（a）中曲线为偏心信号的时域仿真曲线‚在 该曲线中来源于板带厚度变化的波动信息并不清 晰；图7（b）中曲线为包含了偏心补偿的轧制力控制 信息曲线‚显然在进行了偏心补偿之后‚轧制力控制 信息变化主要是相应于板带厚度的波动．采用基于 第12期 牛满科等： 基于循环统计量的轧机偏心线性预测及补偿控制 ·1609·