[发明专利]一种连续退火机组辊间带钢张力的软测量方法

摘要

本发明公开了一种连续退火机组辊间带钢张力的软测量方法，包括以下步骤：(1)过程数据采集；(2)过程数据预处理；(3)建立串级观测器及神经网络补偿结合的软测量模型；(4)模型校正。以测张仪之间的各个辊对应变频器的力矩电流、各辊速度、边界张力为输入量，采用频域观测器算法以串级方式递推计算各辊间张力，可以较好得实现未安装测张仪处带钢张力间接计算测量，对于连退机组运行状态的稳定性监测提供了良好的手段，通过应用主模型及神经网络方法补偿非线性过程特性及未建模动态，较为准确的实现未安装测张仪处带钢张力的高精度计算，对于连退机组炉内张力控制工艺参数的优化可以提供依据。

主权项

1.一种连续退火机组辊间带钢张力的软测量方法，包括以下步骤：第一步，过程数据采集采集变量辊速(v₁～v_N)、力矩电流(I₁～I_N)、有限点张力F_I，F_O的值，及通过现场退火机组辊子资料得到辊径R_i、辊子惯量J_i、减速比值，参阅变频器资料得到力矩系数ξφ_i、功率因数η_i、力矩电流满量程值I_t，通过PLC程序查得各段带钢长度l_i，通过试运行资料得到各辊轴承摩擦T_0i和带钢宽w、厚h各参数值；第二步，过程数据预处理过程数据预处理包括数据变换与数据校正，滤除辊子轴承偏心引起的高频分量；第三步，带钢张力软测量主模型的建立以机理模型即力矩平衡为基础建立了带钢张力的递推关系，其中涉及的补偿包括：平衡带钢自重、温度对张力影响的分布补偿、辊子力矩平衡中转动惯量取辊子与带钢整体的转动惯量值的带钢惯量补偿、轴承摩擦补偿、输出力矩计算；针对带钢张力对象建立带钢张力软测量模型，模型的输入、输出变量为：模型输入变量：各辊辊速v(v₁～v_N)、各辊电流I(I₁～I_N)、上游张力F_I模型输出变量：辊间张力其中F_I，F_O为可测的测张仪张力，F_I为边界条件，F_O用于校验模型，再通过以下方程组，以串级方式递推计算各辊间张力，得到第i个辊子出口处输出张力F^i=F^i-1′-(Tei-viJisRi)×1(Tcs+1)Ri---(1)]]>F^i′=F^i+ΔFi---(2)]]>F^0′=FI---(3)]]>T_ei＝(ξφ_i×I_i-T_0i)×d_i            (4)di=Griηiξφi×Ii>T0iGri/ηiξφi×Ii<T0i---(5)]]>J_i＝J_iO+J_iS＝J_iM+J_iR+J_iS            (6)i＝1，2，...，N其中，I_i(i＝1，2，...，N)为i辊的可测力矩电流，ξφ_i为变频器力矩常数，T_ei为i个电机输出力矩，T_0i为i辊空载转矩，T_ei为i辊的输出力矩，v_i为i辊对应电机转速，R_i为i辊半径，为上游边界张力，为第i个辊子出口处输出张力，为第i+1个辊子入口处张力，d_i为i辊的输出力矩系数，J_i为i辊电机、辊子、带钢整体的惯量，为i辊减速机构的减速比，ηⁱ为i辊变频器的输出效率，观测器参数T_c＝0.2，T_c越大，误差收敛越快，但延迟越大，而T_c太小误差收敛过慢，T_c的选择依据该参数对误差收敛速度及对张力估计的延迟的影响折中选择；第四步，神经网络补偿模型的建立为补偿非线性过程特性及未建模动态对模型精度的影响，所述测量方法加入神经网络补偿模型，模型的输入、输出变量为：模型输入变量：各辊力矩电流I₁～I_N，辊速v₁～v_N模型输出变量：校正误差将其加到辊间张力软测量主模型输出得到作为软测量模型的输出第五步，模型校正模型校正是通过案例推理的相似度判断现场出现较大工况变动时，采用长期校正技术，利用新累积的过程数据更新神经网络模型，以降低机组运行一段时间由于机组设备磨损等因素导致的模型参数变化对模型精度引起的不良影响，取得更高精度。