鄭 崗，嚴(yán) 敏，杜金華，張 捷，高林林，趙團(tuán)民

(1．西安理工大學(xué)自動化與信息工程學(xué)院，陜西 西安 710048;2．中國重型機(jī)械研究院有限公司，陜西 西安 710032)

1 前言

高精度現(xiàn)代冷軋帶鋼生產(chǎn)必須由控制系統(tǒng)來實(shí)現(xiàn)，在每秒幾十米的軋制速度下控制軋機(jī)的動作，生產(chǎn)厚度精度等級為微米級的鋼板。軋機(jī)控制系統(tǒng)一般都具有基礎(chǔ)自動化級，其各種設(shè)定由操作工給出，存在調(diào)整時間長、產(chǎn)品質(zhì)量不穩(wěn)定、生產(chǎn)效率低等問題。近年來，隨著具有過程控制級的過程自動化系統(tǒng)逐步應(yīng)用于工業(yè)現(xiàn)場［1-3］，使得操作更加準(zhǔn)確、快速;另一方面，隨著產(chǎn)品質(zhì)量需求的不斷提高和多規(guī)格、多品種靈活生產(chǎn)方式的要求，在線自適應(yīng)技術(shù)被廣泛用來實(shí)現(xiàn)高效的生產(chǎn)控制和管理。根據(jù)企業(yè)現(xiàn)有需求，本文分析了軋制過程特點(diǎn)，搭建了一種可逆液壓冷軋機(jī)過程自動化系統(tǒng)體系架構(gòu)。根據(jù)冷軋生產(chǎn)線控制系統(tǒng)的特點(diǎn)［4］，設(shè)計了基于.NET［5］中間件平臺的單機(jī)架可逆液壓冷軋機(jī)過程自動化軟件系統(tǒng)。同時，為達(dá)到更高的帶材厚度精度，分析和設(shè)計了基于人工智能算法的軋制力預(yù)報和自學(xué)習(xí)方法及道次分配策略及優(yōu)化算法。

2 系統(tǒng)構(gòu)成

2.1 硬件構(gòu)成

過程自動化系統(tǒng)硬件平臺主要由工業(yè)級HP服務(wù)器、網(wǎng)絡(luò)交換機(jī)、工程師站、操作員站、UPS備用電源等組成。為提高硬件平臺的可靠性，采用磁盤冗余陣列Raid(Redundant Array of Independent Disks)冗余技術(shù)在線備份硬盤數(shù)據(jù)，保證在硬盤故障時，數(shù)據(jù)不丟失，以確保軋制正常進(jìn)行。HP服務(wù)器作為過程控制級在線服務(wù)器，主要執(zhí)行生產(chǎn)過程數(shù)據(jù)交換與存儲、軋制力預(yù)報計算與模型自學(xué)習(xí)、道次分配策略及優(yōu)化等功能。過程控制級與基礎(chǔ)自動化級之間通過以太網(wǎng)進(jìn)行通信，以確保數(shù)據(jù)及控制命令的實(shí)時傳輸［6-7］。

2.2 軟件構(gòu)成

軟件主要構(gòu)成如圖1所示。

圖1 系統(tǒng)軟件構(gòu)成Fig.1 Constitution of system software

服務(wù)器安裝Windows Server操作系統(tǒng)和Oracle 10g數(shù)據(jù)庫企業(yè)版，負(fù)責(zé)存儲原始帶卷數(shù)據(jù)、帶卷軋制隊列、軋輥數(shù)據(jù)、工藝數(shù)據(jù)以及基礎(chǔ)自動化發(fā)送的實(shí)時測量值數(shù)據(jù)，并完成數(shù)據(jù)的實(shí)時處理。工程師站和操作員站采用HP PC機(jī)，安裝有Windows XP Professional操作系統(tǒng)，同時安裝Microsoft Visual Studio 2005(.NET2005)開發(fā)應(yīng)用程序平臺和Oracle 10g客戶端訪問引擎，其主要功能為原始帶卷數(shù)據(jù)輸入、軋制工藝設(shè)定、道次優(yōu)化、對生產(chǎn)過程進(jìn)行監(jiān)控，實(shí)時報警，數(shù)據(jù)訪問、人機(jī)交互，以及為客戶查詢數(shù)據(jù)庫提供圖形化的工具和報表。工程師站、操作員站和數(shù)據(jù)庫服務(wù)器之間通過基于TCP/IP協(xié)議的工業(yè)以太網(wǎng)通信，速率100Mb/s。100M的工業(yè)以太網(wǎng)(Ethernet)由于其通用性較好，數(shù)據(jù)傳輸速度較高，是冷軋生產(chǎn)線二級網(wǎng)絡(luò)的主流配置［8-10］。

3 軋制力預(yù)報與模型自學(xué)習(xí)

3.1 軋制力預(yù)報與模型自學(xué)習(xí)

過程自動化系統(tǒng)的核心功能為是進(jìn)行高準(zhǔn)確率的軋制力預(yù)報，同時根據(jù)歷史帶卷數(shù)據(jù)對系統(tǒng)模型進(jìn)行自學(xué)習(xí)以修正軋制力預(yù)報模型，從而提高帶材厚度精度，其過程如圖2所示［11］。

圖2 過程模型計算與模型自適應(yīng)Fig.2 Process model calculation and model self-adaption

根據(jù)軋制過程實(shí)際狀況，軋制力具有非線性和時變的特點(diǎn)，基于傳統(tǒng)的數(shù)學(xué)模型的方法和簡單自學(xué)習(xí)算法無法滿足實(shí)際的高準(zhǔn)確率軋制力預(yù)報需求，而基于在線自適應(yīng)算法的神經(jīng)網(wǎng)絡(luò)方法可以通過其智能學(xué)習(xí)策略在一定程度上彌補(bǔ)非線性模型的缺陷，通過歷史數(shù)據(jù)在線訓(xùn)練網(wǎng)絡(luò)參數(shù)以減小由于時變而引起的預(yù)測誤差。其過程如圖3中“模型自適應(yīng)優(yōu)化”模塊所示。

圖3 道次軋制規(guī)程計算功能結(jié)構(gòu)框圖Fig.3 Function structure diagram of pass rolling regulation calculation

由于軋機(jī)系統(tǒng)存在許多不確定性的或者未知的影響參數(shù)，如工作輥表面磨損、帶材材質(zhì)不同等，使得軋制力的預(yù)報往往出現(xiàn)較大偏差。因此，模型在線自適應(yīng)算法必須保證有較好的魯棒性及快速適應(yīng)性。本文設(shè)計的過程自動化系統(tǒng)采用傳統(tǒng)數(shù)學(xué)模型與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，利用多層BP神經(jīng)網(wǎng)絡(luò)分別預(yù)報摩擦系數(shù)和主應(yīng)力，然后利用傳統(tǒng)模型預(yù)報軋制壓力，并利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力對模型進(jìn)行校正［12］。

3.2 軋制設(shè)定值計算

獨(dú)立于道次計算，軋制設(shè)定值計算主要完成以下功能:軋制策略、設(shè)定值計算、設(shè)定值給定。道次軋制規(guī)程計算的功能結(jié)構(gòu)如圖3所示。

過程自動化系統(tǒng)根據(jù)帶卷原始數(shù)據(jù)、工藝數(shù)據(jù)、軋制數(shù)學(xué)模型和已有軋制設(shè)定值計算每一道次的軋制設(shè)定值。計算的結(jié)果在終端顯示。操作員能夠通過終端修改軋制策略，為修改軋制策略初始化一個新的設(shè)定值計算。計算好的設(shè)定值存儲在數(shù)據(jù)庫里并顯示給操作員。只要這些設(shè)定值還沒有傳送到基礎(chǔ)自動化，都可以由操作員通過過程自動化的HMI來修改。

4 道次分配策略與道次優(yōu)化算法

軋制道次計算系統(tǒng)是單機(jī)架冷軋機(jī)過程自動控制系統(tǒng)的一部分，為基礎(chǔ)自動化系統(tǒng)計算每一軋制道次的設(shè)定值，與人工修正的相對固定的軋制道次不同，該系統(tǒng)可以連續(xù)地自適應(yīng)地優(yōu)化過程模型，根據(jù)當(dāng)前軋制狀態(tài)自動計算設(shè)定值，其效果優(yōu)于人工根據(jù)經(jīng)驗(yàn)所進(jìn)行的軋機(jī)設(shè)定。這一系統(tǒng)可以使整卷帶材的軋制處于軋機(jī)力能參數(shù)范圍內(nèi)和控制器控制范圍之內(nèi)，使軋制的結(jié)果不依賴于操作員的人工操作，具有軋制的穩(wěn)定性和一致性。

軋制策略為設(shè)定值計算提供數(shù)據(jù)，并收集、檢查、修正設(shè)定值計算所需要的全部數(shù)據(jù)，主要包含軋制給定、道次壓下量自動分配、標(biāo)準(zhǔn)軋制策略、操作員給定和道次優(yōu)化。其中軋制給定主要計算總壓下量及各道次壓下量，確定帶卷如何軋制;道次壓下量自動分配模塊根據(jù)多年的軋制經(jīng)驗(yàn)，按恒軋制力軋制計算各道次壓下量，可盡量減少帶卷的軋制時間。道次數(shù)可以按工藝要求人工確定，也可以由道次優(yōu)化程序計算。計算中需要使用實(shí)際或自適應(yīng)的材料硬化曲線;標(biāo)準(zhǔn)軋制給定是對于特殊的情況，可能不需要按照恒軋制力分配道次壓下量;操作員給定是指操作員可以人工設(shè)置軋制給定，獲得道次計算的結(jié)果;道次優(yōu)化功能實(shí)現(xiàn)在一定條件下，使軋制道次數(shù)最少。

軋制道次數(shù)可由工藝工程師給定，或者由過程自動化系統(tǒng)內(nèi)部的道次優(yōu)化功能確定。道次優(yōu)化的任務(wù)是在考慮到軋制策略的同時尋找最少道次數(shù)。道次優(yōu)化算法流程如圖4所示。

圖4 厚度分配和道次優(yōu)化Fig.4 Thickness allocation and pass optimization

5 結(jié)論

本文根據(jù)單機(jī)架可逆冷軋機(jī)的實(shí)際軋制過程，提出了基于.NET平臺的單機(jī)架可逆液壓冷軋機(jī)二級過程自動化系統(tǒng)的整體方案。采用模塊化的設(shè)計思想將整個系統(tǒng)分成多個模塊，模塊之間通過Oracle 10 g數(shù)據(jù)庫進(jìn)行數(shù)據(jù)交換，處理后的數(shù)據(jù)存儲到數(shù)據(jù)庫中。然后通過數(shù)學(xué)手段分析過程數(shù)據(jù)，采用先進(jìn)的基于自學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的軋制數(shù)學(xué)模型計算經(jīng)過優(yōu)化的軋制工藝數(shù)據(jù)。系統(tǒng)在鋼卷生產(chǎn)過程中不僅提供了生產(chǎn)過程控制，而且還提供生產(chǎn)管理功能，與基礎(chǔ)自動化系統(tǒng)共同完成帶材自動化軋制。

［1］ Sheets Charles．Upgrading legacy level 2 systems:Techniques and trials．Iron and Steel Technology，2008，5(1):51－62．

［2］ Shimoda Naoki，Okamoto Ken，Hailong Wan，Wenzhong Liu．Process control technology for thin strip production in Tangshan，China．Iron and Steel Technology，2005，2(1):33－41．

［3］ Yamaguchi Naoki，Tsugeno Masashi，Sato Seiji，Vizoso Julio，Bonelo J．M．，Gallardo Rafael Maestre．New Process Control System for the Sendzimir Reversing Cold Mill of Acerinox．AISE Steel Technology，2001，(11－12):45－49．

［4］ 丁修堃．軋制過程自動化［M］．北京:冶金工業(yè)出版社，2005．

［5］ Jeffrey Richter．Microsoft．NET框架程序設(shè)計［M］．北京:清華大學(xué)出版社，2003．

［6］ 何純玉，吳迪，王君，等．中厚板軋制過程計算機(jī)控制系統(tǒng)結(jié)構(gòu)的研制［J］．東北大學(xué)學(xué)報(自然科學(xué)版)，2006(2)．

［7］ 孫一康．適用于軋鋼過程的計算機(jī)控制系統(tǒng)［J］．中國工程科學(xué)，2000(1)．

［8］ 柳軍，宋蕾．冷連軋計算機(jī)控制系統(tǒng)組成與功能分析［J］．自動化技術(shù)與應(yīng)用，2006(8)．

［9］ 徐光，陳和鐵，楊節(jié)．冷連軋機(jī)計算機(jī)控制系統(tǒng)［J］．冶金自動化，1999(2)．

［10］ 矯志杰，何純玉，陳波，等．首鋼中厚板軋機(jī)過程控制系統(tǒng)［J］．東北大學(xué)學(xué)報(自然科學(xué)版)，2004(5)．

［11］ Sungzoon Cho，Yongjung Cho，and Sungchul Yoon．Reliable Roll Force Prediction in Cold Mill Using Multiple Neural Networks．IEEE Transactions on Neural Networks，1997，8(4)．