包仁人等：超宽带钢冷连轧机板形模式识别 ·9 比例从大到小依次为“OS单侧肋浪加DS单边浪”占 对于普通宽带钢轧机而言，无论是否引入三次基本板 39.60%,四分之一浪”占23.15%，“0S边浪”占 形模式，各板形缺陷所占比例均为“中浪”最大“四分 20.76%,“中浪”占16.49%，“0S单侧肋浪加DS单边 之一浪”次之“OS边浪”再次之，即识别结果始终显 浪”为主要板形缺陷，不考虑三次基本板形模式时，各 示“中浪”为主要板形缺陷.上述分析表明，对于超宽 板形缺陷所占比例从大到小依次为“四分之一浪”占 带钢轧机而言，引入三次基本板形模式，会使板形缺陷 38.22%,中浪”占31.67%，“0S边浪”占20.76%， 的识别结果更加准确、有效，而对于普通宽带钢轧机而 “四分之一浪”为主要板形缺陷，引入三次基本板形模 言，引入三次基本板形模式未对带钢板形缺陷识别结 式可使对超宽带钢轧机板形缺陷的识别更加准确：而 果造成明显的影响 表2基本板形模式回归系数及SSE Table 2 Regression coefficients and SSE of basic flatness pattemns 轧机 模型类型 a SSE 含三次分量 0.1653 0.1313 -0.3153 0.1843 0.0766 超宽带钢轧机 不含三次分量 0.2462 0.2589 0.3125 0.1901 含三次分量 0.07038 0.3458 -0.04958 0.1305 0.3024 普通宽带钢轧机 不含三次分量 0.07203 0.3249 0.09736 0.2161 表3各板形缺陷比例 Table 3 Percentage of each flatness error 号 轧机 模型类型 1 2 5 6 g 含三次分量 20.76 0 16.49 0 0 39.60 23.15 0 超宽带钢轧机 不含三次分量 30.11 0 31.67 0 38.22 0 含三次分量 11.80 0 57.99 0 0 8.320 21.89 0 普通宽带钢轧机 不含三次分量 14.57 0 65.73 0 19.70 0 1.0 1.0 日一实际板形 (b) 日一实际板形 含三次分量 含三次分量 0.5 ·不含三次分量 0.5 合一不含三次分量 0 -0. 0.5 1.0 -0.5 0 0.5 1.0 1.0 -05 0 05 1.0 归一化板宽，x 归一化板宽，x 图4实际板形与识别结果对比.(a)超宽带钢轧机：(b)普通宽带钢轧机 Fig.4 Comparision between actual flatness and pattem recognition results:(a)ultra-wide mill:(b)common-wide mill 3.2模型应用 计，结果如图6所示，此批带钢的板形缺陷以“边中复 3.2.1实际板形分析 合浪”为主，占64.4%，“中浪”占16.79%，“0S单侧 为判别超宽带钢轧机所轧带钢沿轧制长度方向的 肋浪加DS单边浪”占12.9%，其他板形缺陷所占比例 主要板形缺陷，以2180 mm CVC冷连轧机宽度为 较小，均未超过5%. 2040mm带钢的200帧板形仪连续检测结果为例进行 3.2.2非对称板形控制 分析，以板形缺陷所占比例为纵坐标，帧数为横坐标绘 引入三次基本板形用于对超宽带钢轧机的板形缺 制成图5，从中可看出此段带钢沿轧制方向以“OS单 陷分析是可行的，但是要应用到实际的板形控制过程 侧肋浪加DS单边浪”所占比例最高，即此部分带钢的 中，则需轧机配备相应的控制手段，近年来在HC系列 主要表现为三次基本板形模式下的“OS单侧肋浪加 轧机上开展的非对称板形控制研究是对三次板形缺陷 DS单边浪”缺陷. 进行控制的有益尝试 同样利用此模型对2180 mm CVC冷连轧机一段 王晓晨等利用有限元仿真手段求解了UCM轧 时间内生产的200卷带钢的实际板形进行了识别、统 机非对称弯辊的效应函数，并提出基于板形调控功效包仁人等: 超宽带钢冷连轧机板形模式识别 比例从大到小依次为“OS 单侧肋浪加 DS 单边浪”占 39. 60%，“四 分 之 一 浪”占 23. 15%，“OS 边 浪”占 20. 76%，“中浪”占 16. 49%，“OS 单侧肋浪加 DS 单边 浪”为主要板形缺陷，不考虑三次基本板形模式时，各 板形缺陷所占比例从大到小依次为“四分之一浪”占 38. 22%，“中浪”占 31. 67%，“OS 边浪”占 20. 76% ， “四分之一浪”为主要板形缺陷，引入三次基本板形模 式可使对超宽带钢轧机板形缺陷的识别更加准确; 而 对于普通宽带钢轧机而言，无论是否引入三次基本板 形模式，各板形缺陷所占比例均为“中浪”最大，“四分 之一浪”次之，“OS 边浪”再次之，即识别结果始终显 示“中浪”为主要板形缺陷． 上述分析表明，对于超宽 带钢轧机而言，引入三次基本板形模式，会使板形缺陷 的识别结果更加准确、有效，而对于普通宽带钢轧机而 言，引入三次基本板形模式未对带钢板形缺陷识别结 果造成明显的影响． 表 2 基本板形模式回归系数及 SSE Table 2 Regression coefficients and SSE of basic flatness patterns 轧机 模型类型 a1 a2 a3 a4 SSE 超宽带钢轧机 含三次分量 0. 1653 0. 1313 － 0. 3153 0. 1843 0. 0766 不含三次分量 0. 2462 0. 2589 — 0. 3125 0. 1901 普通宽带钢轧机 含三次分量 0. 07038 0. 3458 － 0. 04958 0. 1305 0. 3024 不含三次分量 0. 07203 0. 3249 — 0. 09736 0. 2161 表 3 各板形缺陷比例 Table 3 Percentage of each flatness error % 轧机 模型类型 μ1 μ2 μ3 μ4 μ5 μ6 μ7 μ8 超宽带钢轧机 含三次分量 20. 76 0 16. 49 0 0 39. 60 23. 15 0 不含三次分量 30. 11 0 31. 67 0 — — 38. 22 0 普通宽带钢轧机 含三次分量 11. 80 0 57. 99 0 0 8. 320 21. 89 0 不含三次分量 14. 57 0 65. 73 0 — — 19. 70 0 图 4 实际板形与识别结果对比． ( a) 超宽带钢轧机; ( b) 普通宽带钢轧机 Fig． 4 Comparision between actual flatness and pattern recognition results: ( a) ultra-wide mill; ( b) common-wide mill 3. 2 模型应用 3. 2. 1 实际板形分析 为判别超宽带钢轧机所轧带钢沿轧制长度方向的 主要板 形 缺 陷，以 2180 mm CVC 冷连轧机宽度为 2040 mm带钢的 200 帧板形仪连续检测结果为例进行 分析，以板形缺陷所占比例为纵坐标，帧数为横坐标绘 制成图 5，从中可看出此段带钢沿轧制方向以“OS 单 侧肋浪加 DS 单边浪”所占比例最高，即此部分带钢的 主要表现为三次基本板形模式下的“OS 单侧肋浪加 DS 单边浪”缺陷． 同样利用此模型对 2180 mm CVC 冷连轧机一段 时间内生产的 200 卷带钢的实际板形进行了识别、统 计，结果如图 6 所示，此批带钢的板形缺陷以“边中复 合浪”为主，占 64. 4%，“中浪”占 16. 7%，“OS 单侧 肋浪加 DS 单边浪”占 12. 9% ，其他板形缺陷所占比例 较小，均未超过 5% ． 3. 2. 2 非对称板形控制 引入三次基本板形用于对超宽带钢轧机的板形缺 陷分析是可行的，但是要应用到实际的板形控制过程 中，则需轧机配备相应的控制手段，近年来在 HC 系列 轧机上开展的非对称板形控制研究是对三次板形缺陷 进行控制的有益尝试． 王晓晨等［14］利用有限元仿真手段求解了 UCM 轧 机非对称弯辊的效应函数，并提出基于板形调控功效 ·9·