带钢厚度优化控制与轧制过程健康状态诊断方法研究

摘要

带钢厚度是热连轧机产品质量最主要的评价指标之一。随着汽车、家电、食品包装、建筑等行业对轧制产品质量要求的提高，轧制过程对带钢厚度控制性能的要求也随之提高。由于轧制工艺具有高度复杂性，实现板厚高精度控制仍然存在很大困难。本文以进一步改善出口板厚控制精度为目的，从带钢厚度优化控制和轧制过程健康状态诊断两个方面展开研究。本文主要内容如下:
　　1.针对热连轧机厚度设定模型系统中，带钢厚度不能直接测量，且现有带钢厚度预测模型精度不高的问题，提出基于D-S信息重构的带钢厚度软测量预测方法(DSIRPM)。首先，根据ibaAnalyzer分析软件和图相关分析方法确定敏感轧制参数;然后，分别运用敏感轧制参数进行最小二乘多项式曲线拟合获得初始带钢厚度预测值;最后，利用灰色关联分析计算敏感轧制参数对带钢厚度贡献率，并将其作为D-S证据理论的基本概率分配函数对初始带钢厚度预测值进行融合，以获得带钢厚度最终预测结果。通过与单一最小二乘多项式曲线拟合模型、GM(1，1)模型和加权平均融合方法对比，结果表明DSIRPM具有较好的预测精度和稳定性。
　　2.针对热连轧机监控厚度自动控制(AGC)系统具有时滞、参数时变等特性导致传统控制手段很难获得满意的控制效果的问题，本文从建立出口板厚多步预测模型和优化控制器参数两方面出发，提出一种基于时间序列预测的出口板厚优化控制策略。一方面，引入分形外推插值算法给出了考虑时滞的预测模型，并利用混沌优化算法确定分形外推插值算法中的垂直尺度因子，建立改进分形外推插值预测(IFEIP)方法用于补偿时滞造成的系统不确定性;将IFEIP方法与现有的ARIMA模型、BPNN和发展的RARIMA模型、ARIMABPNN混杂模型进行对比实验分析，结果表明IFEIP方法是一种具有较优性能的出口板厚预测模型。另一方面，为进一步解决系统时滞、参数时变等不确定性导致常规PID控制器难以保证带钢出口板厚鲁棒控制的问题，提出基于综合小波互相关度的时滞评估方法来确定滞后步长，并将IFEIP方法与控制器相结合，建立基于时间序列预测的出口板厚控制模式;利用阶梯式DMC优化PID控制器参数用于解决参数时变问题，使得PID控制器参数能够根据不同工况变化自适应调整，保证带钢出口厚度控制的稳定性和鲁棒性。仿真结果表明，与传统监控AGC、Smith-AGC和IFEIP-AGC控制方法相比，本文方法有效地缓解了由时滞引起的出口板厚控制超调和振荡现象，并且在有外部干扰及模型参数失配情况下，具有较好的动静态特性。
　　3.为了保证热连轧机带钢厚度长期控制性能的稳定性，从轧制过程运行健康状态角度出发，利用模糊集和深度置信网络提出一种轧制过程健康状态诊断方法。首先，针对轧制过程介于故障与正常之间的“病态”运行状态，提出健康度概念对其进行描述，利用模糊集定义健康度来定量描述轧制过程健康水平并划分健康等级;然后，针对轧制数据具有“大数据”和不均衡特性，采用带有惩罚因子的深度置信网络实时计算监测数据对应于轧制过程健康状态集的模糊隶属度，由隶属度到健康度的模糊映射关系获得轧制过程的健康度，实现轧制过程健康状态评估;最后，对照健康状态划分表确定轧制过程健康等级并给出基于FIDBN方法的运维决策。实验结果表明FIDBN能够实时监测轧制过程健康度，并且在保证较高轧制过程健康状态整体诊断率的同时提高了少数故障状态诊断率，为维护轧制过程健康质量提供了重要的依据。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 热连轧机自动化发展历程

1．3 厚度设定模型系统研究进展

1．3．1 压下负荷分配方法

1．3．2 轧制过程数学模型

1．3．3 模型自适应与自学习

1．4 厚度控制技术研究进展

1．4．1 厚度自动控制策略

1．4．2 热连轧精轧机组中的厚度自动控制

1．4．3 监控AGC系统

1．5 轧制装备健康状态诊断研究进展

1．6 本文主要研究内容

2 基于D-S证据理论信息重构的带钢厚度软测量

2．1 基于最小二乘的多项式曲线拟合

2．2 灰色关联度分析

2．3 D-S证据理论

2．3．2 D-S证据理论的融合规则

2．4 基于D-S信息重构的带钢厚度预测方法

2．5 实验和结果分析

2．5．1 实验数据阐述

2．5．2 敏感轧制参数的选择

2．5．3 预测模型评价指标

2．5．4 单一模型带钢厚度预测

2．5．5 基于D-S信息重构的带钢厚度预测

2．6 本章小结

3 基于时间序列的出口板厚预测方法

3．1 实验数据介绍

3．2 动态滚动预测机制

3．3 基于分形外推插值的出口板厚预测方法

3．3．1 验证出口板厚分形特征的存在

3．3．2 分形插值理论

3．3．3 混沌优化确定垂直尺度因子

3．3．4 基于改进分形外推插值的出口板厚预测

3．4 实验与结果分析

3．4．1 预测性能评估指标

3．4．2 对比实验

3．5 IFEIP方法鲁棒性测试

3．6 本章小结

4 基于改进分形预测的出口板厚优化控制

4．1 时滞评估

4．1．1 综合小波互相关度

4．1．2 轧制出口板厚时滞评估

4．1．3 出口板厚预测实验

4．2 预测模型与控制器结合方式

4．3 阶梯式DMC优化PID控制器参数

4．4 基于改进分形的出口板厚优化控制方法

4．5 仿真实验

4．6 本章小结

5 基于模糊集和深度置信网络的轧制过程健康状态诊断

5．1 轧制过程健康状态分析

5．1．1 健康度定义

5．1．2 负荷亚健康分析

5．1．3 健康状态划分

5．2 轧制过程健康状态诊断方法

5．2．1 健康状态隶属度计算

5．2．2 轧制过程健康度确定

5．2．3 FIDBN方法

5．3 热连轧机轧制过程健康状态诊断

5．3．1 轧制过程数据阐述

5．3．2 基于FDBN的轧制过程健康状态诊断

5．3．3 基于FIDBN的轧制过程健康状态诊断

5．3．4 运维策略

5．4 本章小结

6 结论与展望

6．1 结论

6．2 创新点

6．3 展望

参考文献

攻读博士学位期间科研项目及科研成果

致谢

作者简介