迭代学习算法在张减机管端增厚控制的应用.pdfVIP

迭代学习算法在张减机管端增厚控制的应用 王超峰潘峰 (宝钢股份宝钢分公司钢管厂，上海201900) 摘 要迭代学习控制针对具有重复运行性质的系统，利用系统实际输出与期望输出的偏差信号，产生新的控制 信号。使得系统跟踪调节性能得以提高。根据张减过程轧制前后钢管壁厚的实测数据和钢管的特征数据，采用迭 代自学习控制算法，提出了无缝钢管张减过程的管端增厚控制的选代自学习控制。 关键词无缝钢管张减CEC迭代学习 1前言 End 管端增厚现象是张减过程固有的工艺缺陷。改善张减过程管端增厚的有效手段是切头控制(Crop Control，简称CEC)技术，其基本原理是在钢管的头尾端经过张减机机架时，通过动态地调整轧辊转速产生 额外的附加张力，减少无缝钢管管端超过公差范围的增厚长度，从而减少钢管的切头尾损失。CEC技术的 关键在于轧辊的动态转速分布的确定。 然而，从系统控制的角度来看，张减过程具有以下特点： (1)机理复杂。现有的研究成果对于张减过程的详细机理有多种不同的解释，且通过机理分析所得到 的张减过程动态数学模型往往是一个多维的分布参数模型，它们的求解必须采用有限元等计算方法进行数 值计算，计算量非常大．无法满足实时控制快速性的要求。 (2)过程参数难以确定。特别是影响减径过程张力分析的一些关键性参数．如工作直径、辊辊与钢管间 摩擦系数等，受各种复杂因素的综合影响，且难以测量。 (3)张减过程是一种问歇性生产过程。对于同一种规格的钢管的生产，每根荒管的情况基本上是一样 的，且生产条件在忽略外扰的情况下也是不变的。也就是说，张减工艺过程是具有周期重复特点的过程，表 明张减过程是一种适于迭代学习控制应用的生产过程。 根据张碱过程的实际特点，基于迭代学习控制思想，提出了无缝钢管张减过程的管端增厚控制算法。该 算法根据张减过程轧制前后钢管壁厚的实测数据和钢管的特征数据，采用迭代学习控制技术，在轧制过程中 在线自适应调整各轧制机架的稳态转速分布和动态转速分布，补偿由物理参数的时变不确定性(如由于机械 磨损、环境干扰等引起的摩擦力、钢管温度变化等)和建模误差(如轧制过程中的复杂非线性因素)造成的轧 辊转速分布参数误差。 2管端增厚机理 众所周知，张减机轧制工艺的一大问题是“管端增厚现象”。产生管端增厚的原因来自两个方面： (1)轧制过程中，在稳态轧辊转速分布条件下，在机组两端外面的管子是不受张力作用的，因此，钢管的 头尾承受的张力小于中段承受的张力； (2)头尾轧制时轧辊工作直径的位置相对于稳定轧制时的位置有所变动。这造成作用在钢管头尾段上 的速度差减小，从而在头尾段产生的张力减小。 图2．1和图2．2给出了在人口段和出口段比较稳定轧制状态与非稳定轧制状态的张应力的不同。由于 以上效应，最终延伸后的钢管管端长度将由于壁厚不合格而不得不切除报废。为了改善轧管质量，减少头、 尾损失，提高材料收得率，尽可能减少这种增厚效应一直是有待解决的事情。因此，如何在轧制过程中动态 地凋节机架间的速差以最大限度地减小无效管端长度(即壁厚超过公差范围的管端长度)，对于提高生产效 一719— 图2，1在人口段比较稳定状态与非稳定状态 圉2．2在出口段比较稳定状态与非稳定状态 的张应力发展情况 的张应力发展情况 益具有十分重要的意义。 3迭代学习控制算法 张减工艺过程是具有周期重复特点的过程。而迭代学习控制技术正适用于在一定周期内作重复运行的 系统，并可不依赖于系统的数学模型实现。 在实际生产过程中，张减机的稳态和动态转速分布都是在轧制钢管前设定好的。这提示我们可以将调整 张减机的稳态和动态转速分布看成一个优化问题来求解。该算法不依赖张减机的数学模型，而是依据实时 任务调度系统的要求．读取过程控制应用系统基本数据管理模块的钢管的工艺参数和轧管的理想设定值，接 受由实绩数据收集模块传输到过程机的现场实测的壁厚，在线修正轧制钢管的轧辊转速分布，并将新的转速 传输给轧管控制模块。 图3．1描述了本项目组所提张减过程壁厚迭代学习控制方法的运行