轧制力测量系统应用比较
《轧钢测试技术》要点
《轧钢测试技术》要点本文由整理编写！1．测试技术包括两个方面的含义：一是对物理现象的定性了解，二是对物理现象的定量掌握。
2.测量就是在某一特定条件下，通过实验的方法，将被测的物理量与所规定的标准量进行比较的过程。
3.直接测量被测的物理量可直接与标准量进行比较的测量方式称为直接测量。
4.间接测量被测的物理量不能够或不易于直接与标准量进行比较，但它与几个有关变量呈函数关系，可对这几个变量直接测量，然后再代入函数式中，求出被测的物理量。
5.广义上的测量仪表包括敏感器、传感器、变换器、运算器、显示器、数据处理器装置等。
测量仪表的好坏直接影响测量结果的可信性。
了解测量仪表的功能和构成原理，有助于正确选用仪表。
6.测量过程中测量仪表完成的主要任务有：物理变换功能、信号的传输和测量结果的显示。
依据一定的物理定律，将难于直接同标准量“并列”比较的被测物理量经过一次或多次的信号能量转换，变换成便于处理、传输和测量的信号能量形式。
7.测量仪表的特性，一般分为静特性和动特性两种，当测量仪表进行测量的参数不随时间而变化或随时间变化很慢，可不必考虑仪表输入量与输出量之间的动态关系而只需考虑输入量与输出量之间的静态关系时，联系输入量与输出量之间的关系式是代数方程，不含时间变量，这就是所谓的静特性。
8.当测量随时间变化很快，必须考虑测量仪表输入量与输出量之间的动态时间关系时，联系输入量与输出量的关系是微分方程，含有时间变量，这就是所谓的动特性。
9.测量系统的主要技术指标有：仪表量程、准确度、灵敏度、稳定性等。
10.一个完善的测量系统应包括信息的获得，转换、显示和处理等几部分。
11.传感器的作用：将感受到的非电量转换成电量，以便进一步放大、记录或显示。
12.传感器由两部分组成：一部分是直接承受非电量作用的机械零件或专门设计的弹性元件；另一部分是敏感元件(如应变片等)。
13.测量系统的作用：把传感器的输出变量变成电压或电流信号，以便能在指示仪上指示或记录仪中记录。
液压伺服系统在粗轧机上的应用
液压伺服系统在粗轧机上的应用李鹏来① 贾占涛 张章 贾垭楠 武文飞（首钢京唐钢铁联合有限责任公司 河北唐山０６３２００）摘 要 重点介绍了在轧制过程中液压压下装置、上支承辊液压平衡装置、上工作辊液压平衡装置的功能和液压控制原理，阐述了液压压下装置的闭环控制过程，并提供了上支承辊与上工作辊平衡力的计算方法。
关键词 液压压下装置 平衡装置 平衡力中图法分类号 ＴＧ３３３．１ ＴＨ１１７．２ 文献标识码 ＢＤｏｉ：１０ ３９６９／ｊ ｉｓｓｎ １００１－１２６９ ２０２３ ０５ ０２９ＴｈｅＡｐｐｌｉｃａｔｉｏｎｏｆＨｙｄｒａｕｌｉｃＳｅｒｖｏＳｙｓｔｅｍｉｎＲｏｕｇｈｉｎｇＭｉｌｌＬｉＰｅｎｇｌａｉ ＪｉａＺｈａｎｔａｏ ＺｈａｎｇＺｈａｎｇ ＪｉａＹａｎａｎ ＷｕＷｅｎｆｅｉ（ＳｈｏｕｇａｎｇＪｉｎｇｔａｎｇＩｒｏｎａｎｄＳｔｅｅｌＣｏ．，Ｌｔｄ．，Ｔａｎｇｓｈａｎ０６３２００）ＡＢＳＴＲＡＣＴ Ｔｈｅｆｕｎｃｔｉｏｎａｎｄｈｙｄｒａｕｌｉｃｃｏｎｔｒｏｌｐｒｉｎｃｉｐｌｅｏｆｔｈｅｈｙｄｒａｕｌｉｃｓｃｒｅｗｄｏｗｎｄｅｖｉｃｅ，ｔｈｅｈｙｄｒａｕｌｉｃｂａｌａｎｃｅｄｅｖｉｃｅｏｆｔｏｐｂａｃｋｕｐｒｏｌｌａｎｄｔｈｅｈｙｄｒａｕｌｉｃｂａｌａｎｃｅｄｅｖｉｃｅｏｆｔｏｐｗｏｒｋｉｎｇｒｏｌｌｉｎｔｈｅｒｏｌｌｉｎｇｐｒｏｃｅｓｓａｒｅｉｎｔｒｏｄｕｃｅｄｅｍｐｈａｔｉｃａｌｌｙ．Ｔｈｅｃｌｏｓｅｄ ｌｏｏｐｃｏｎｔｒｏｌｐｒｏｃｅｓｓｏｆｈｙｄｒａｕｌｉｃｓｃｒｅｗｄｏｗｎｄｅｖｉｃｅｉｓｄｅｓｃｒｉｂｅｄ，ａｎｄｔｈｅｃａｌｃｕｌａｔｉｏｎｍｅｔｈｏｄｏｆｂａｌａｎｃｅｆｏｒｃｅｏｆｔｏｐｂａｃｋｕｐｒｏｌｌａｎｄｔｏｐｗｏｒｋｉｎｇｒｏｌｌｉｓｐｒｏｖｉｄｅｄ．ＫＥＹＷＯＲＤＳ Ｈｙｄｒａｕｌｉｃｓｃｒｅｗｄｏｗｎｄｅｖｉｃｅ Ｂａｌａｎｃｅｄｅｖｉｃｅ Ｂａｌａｎｃｅｆｏｒｃｅ１ 前言目前，液压伺服系统在冶金工业领域占有重要地位，特别是需要大功率、响应快速、精确控制的系统大多采用液压伺服控制。
精轧AGC功能说明
精轧AGC系统功能说明一、AGC系统概况由于带钢全长轧制中会遇到各种干扰，为了消除这些干扰的影响，减少带钢厚度公差，需设置精轧机组自动厚度控制系统，简称AGC系统，AGC系统是提高带钢全长厚度精度的主要手段。
AGC功能投入框图：二、AGC系统的功能GM-AGC，即轧制力AGC,即利用弹跳方程间接测量钢板厚度作为实测厚度进行反馈控制，这是AGC系统中基本的控制功能，根据GM-AGC中采用头部锁定值还是过程计算机设定值作为厚度基准可分为相对AGC（LK-AGC）或绝对AGC （AB-AGC），一般以绝对AGC为主。
KFF-AGC,即硬度前馈AGC，即将上游机架的实测轧制力所获得的硬度变化信息用于后面各机架进行前馈控制。
MN-AGC，即监控AGC，由于弹跳方程的精度不高，因此需利用未机架后测厚仪信号对厚度的系统偏差进行纠正。
三、 AGC算法GM-AGC轧制力AGC其基本原理就是弹跳方程，其本质就是轧机产生单位弹跳量所需要的轧制力。
北京北科麦思科自动化工程技术有限公司电话：(010) 89715559北京北科麦思科自动化工程技术有限公司 电话：(010) 89715559式中，ｈ为轧机实际出口厚度；S ０为辊缝预设值； P 为实际轧制力； M 为轧机刚度；轧机刚度M 在轧机牌坊制作安装完成以后就已经确定，是一个常值，无法修改，但是在实际的控制过程中，人们却希望轧机的刚度可变，比如为了消除轧辊偏心的影响，人们希望轧机的刚度尽可能的小，但为了消除来料厚度及材料温度变化的影响，又希望轧机刚度尽可能的大，因此产生了变刚度的控制方式。
假设预设辊缝值为S ０，轧机的刚度系数为M ，来料厚度为H ０，此时轧制压力为P １，则实际轧出厚度h １应为：当来料厚度或温度因某种原因有变化时，在轧制过程中必然会引起轧制压力和轧出厚度的变化，如果压力由P １变为P ２，则轧出厚度h ２为：当轧制压力由P １变为P ２时，则其轧出厚度的厚度偏差Δh 正好等于压力差所引起的弹跳量为：为了消除此厚度偏差，可以通过调节液压缸的位置来补偿轧制力变化所引起的轧机弹跳变化量，此时液压缸所产生的轧辊位置修正量Δx ，应与此弹跳变化量呈正比，方向相反，为：式中C 为变刚度系数。
精轧AGC功能说明
精轧AGC系统功能说明一、AGC系统概况由于带钢全长轧制中会遇到各种干扰，为了消除这些干扰的影响，减少带钢厚度公差，需设置精轧机组自动厚度控制系统，简称AGC系统，AGC系统是提高带钢全长厚度精度的主要手段。
AGC功能投入框图：二、AGC系统的功能GM-AG，即轧制力AGC即利用弹跳方程间接测量钢板厚度作为实测厚度进行反馈控制，这是AGC系统中基本的控制功能，根据GM-AG（中采用头部锁定值还是过程计算机设定值作为厚度基准可分为相对AGC（ LK-AGC或绝对AGC（AB-AGC，一般以绝对AGC为主。
KFF-AGC即硬度前馈AGC即将上游机架的实测轧制力所获得的硬度变化信息用于后面各机架进行前馈控制。
MN-AGC即监控AGC由于弹跳方程的精度不高，因此需利用未机架后测厚仪信号对厚度的系统偏差进行纠正。
三、AGC算法GM-AGCL制力AGC其基本原理就是弹跳方程，其本质就是轧机产生单位弹跳量所需要的轧制力。
式中，h为轧机实际出口厚度；S。
为辊缝预设值；P为实际轧制力；M为轧机刚度；轧机刚度M在轧机牌坊制作安装完成以后就已经确定，是一个常值，无法修改，但是在实际的控制过程中，人们却希望轧机的刚度可变，比如为了消除轧辊偏心的影响，人们希望轧机的刚度尽可能的小，但为了消除来料厚度及材料温度变化的影响，又希望轧机刚度尽可能的大，因此产生了变刚度的控制方式。
假设预设辊缝值为S o,轧机的刚度系数为M来料厚度为H。
，此时轧制压力为P】，则实际轧出厚度h i应为：当来料厚度或温度因某种原因有变化时，在轧制过程中必然会引起轧制压力和轧出厚度的变化，如果压力由P i变为P2,则轧出厚度h2为：当轧制压力由P】变为P2时，则其轧出厚度的厚度偏差△ h正好等于压力差所引起的弹跳量为：为了消除此厚度偏差，可以通过调节液压缸的位置来补偿轧制力变化所引起的轧机弹跳变化量，此时液压缸所产生的轧辊位置修正量△ x，应与此弹跳变化量呈正比，方向相反，为：式中C为变刚度系数KFF-AGCi机架出口厚度变化量可用下式计算：h| = A Hi H汁 A Ki--K汁 A Si、SA“（X i）C QX 为'P ：H i，或 C式中，为i i机架入口厚度变动（从静态角度可认为H i h i-1）「K为1 i机架厚度变动"Si为i机架辊缝调节量主要扰动为温度变动，我们曾对不同成品规格当FTO有20O C变动时各机架轧制温度以及其变形阻力（硬度）的变动作了计算，由计算结果可知，不能用：:K K匚相等的法则来表示各机架、水间的关系，而应采用Ki=：匚、K i其中一：为0.95〜1.05 因此可利用上游机架的实测轧制力P*来求出K!设叶R*—? （p为设定值）—CQC Q然后即可求出K i= v'K i各机架前馈控制量（使6^ =0 ），为；卩一、S = J K iC其中B ki=如上一机架有残余出口偏差h i-1，则亦可用于水i田：K i、S j =C Chi的动作时间可以每一机架咬钢后「时刻投入，X为检测机架机架所实测到的突发量发生时间（相对于咬钢时间），由于精轧组秒流量相当，因此i 机架仍可用怡来判断突发量的到达，「为提前量决定于压下系统的响应速度。
板形仪的对比分析报告
板形仪的对比分析报告 Final approval draft on November 22, 2020各品牌板形仪的对比分析报告当前世界范围内比较成熟可靠的冷轧板形仪主要有以下三种品牌：瑞士ABB、德国BFI、西门子si-flat。
国内相关科技水平尚处初级阶段，只有燕山大学自主研发的“整辊镶块智能型冷轧带钢板形仪”在国内业界有所建树，成功应用于鞍钢1250mm冷轧机上，且效果良好。
但是在服务、售后、维护方面还未形成规模与品牌，市场前景尚需开拓。
板形仪功能不加赘述，下面对其测量原理进行对比。
ABB板形仪采用压磁原理，即通过板带对辊的压力导致传感器内磁场切割二次侧线圈从而产生电压来测量。
BFI板形仪采用压电原理，当有压力作用在其陶瓷应变片传感器上时，力信号被直接转变成电信号。
Si-flat板形仪采用涡流测振原理，它是通过测量带钢在某一空气作用力下沿宽度方向各区域的振幅，分析带钢沿宽度方向的张力分布，从而检测带钢的板型值。
从其测量原理可以看出，板形仪可分为接触式与非接触式。
目前，世界上多数生产线都采用接触式测量系统。
接触式板形测量系统的优点：（1）信号检测直接，信号处理比较容易保真；（2）测量精度高，现在已经达到±（实际产品有±就可以满足高标准要求）。
接触式板形测量系统的缺点：（1）造价高、配件昂贵，每套售价为非接触式的3~5倍以上；（2）辊面磨损后必须重新打磨，否则会划伤板面，重磨后须进行技术要求很高的重新标定。
非接触式板形仪测量系统的优点：（1）硬件结构相对简单而易于维护，因而其造价及配件要便宜得多；（2）传感器为非传动件，安装方便；（3）因为传感器不和板面接触而避免了划伤板面的可能。
非接触式板形仪测量系统的缺点：（1）板形信号为非直接信号，处理精度约为±（仍然可以满足±的要求）；（2）技术要求高，难度大，增加了软件编写、调试费用。
ABB与BFI同属接触式板形仪，核心部件都是板形测量辊。
中板轧机液压压上AGC系统的多级控制
中板轧机液压压上AGC系统的多级控制张飞;侯建新;杨荃;郭强;黄来顺【摘要】介绍了某钢厂2 600 mm中板轧机液压压上系统的机械和电气特性,其液压系统采用了下置式液压缸,控制系统由基础自动化级和过程自动化级组成并采用多种智能算法,通过投产后现场的实际运行情况来看,该系统操作便捷、稳定可靠,能快速响应各种手动和自动调节,钢板厚度精度达到国内先进水平,提高了产品竞争力,为企业创造了良好的经济效益.%Mechanical and electrical characteristics of hydraulic screw up system of some 2 600 mm plate mill were introduced. Hydraulic cylinders of the mill are down setting type. The control system is composed of basic automation and process automation and adopts lots of intelligent algorithms. Through the actual operation on production,this system is stable,reliable,and convenient,and can make a rapid response to various manual and automatic adjustment,and improves thickness accuracy of steel plate to domestic advanced level. The system enhances the product competitiveness and creates a good economic benefits to enterprises.【期刊名称】《电气传动》【年(卷),期】2012(042)002【总页数】5页(P73-77)【关键词】液压压上;中板;自动厚度控制【作者】张飞;侯建新;杨荃;郭强;黄来顺【作者单位】北京科技大学高效轧制国家工程研究中心,北京100083;北京科技大学高效轧制国家工程研究中心,北京100083;北京科技大学高效轧制国家工程研究中心,北京100083;北京科技大学高效轧制国家工程研究中心,北京100083;邯郸红日冶金有限公司,河北邯郸056304【正文语种】中文【中图分类】TG335液压AGC（automatic gauge control）由于具有低惯量、高响应、高精度及易于实现计算机控制等特点，被广泛地应用于现代化板带轧机生产线的自动厚度控制系统中［1］。
连续冷轧生产线中使用的三种板形仪对比
图 ’" $%& 板型仪装置布置
+ + -./ 板形仪采用的是压电陶瓷传感器。当有 压力时， 陶瓷应变片将力信号直接转变成电信号。 传感器不需供电， 节省了配线。选择不同级别的 陶瓷应变片， 就可以满足不同张力的需要
［ 0］
易受影 响。其 结 构 如 图 ! 所 示。测 量 辊 在 转 动 中， 沿钢带的宽度方向上， 一条线上， 只有一个信 号给出， 辊转一周， 一个测量区出一个信号， 但是 信号之间的间隔时间很小， 可以用软件来补偿， 而 得到平直度的实际值。测量的信号是以点阵的形 式显示出来。同样， 它的速度与带速同步。 压电传感器产生的电荷由电荷放大器放大， 以便于后面的信号处理。 它固定地连接到测量辊
《 冶金自动化Leabharlann "&&; 年 *!
连续冷轧生产线中使用的三种板形仪对比
王明黔! ， 王晓东"
（ !# 昆明理工大学 研究生院， 云南 昆明 $%&&%! ； "# 昆明理工大学） 摘要： 介绍目前连续冷轧生产线中使用最多的基于不同检测原理的板形仪。在各个不同的部分， 先介绍了它们 的主要结构， 然后对关键的元件进行了详细的讨论， 接着对测量过程进行了描述， 从而突出它们的各自特点。 关键词： 冷轧带钢； 板形仪； 检测辊
《 冶金自动化》 500: 年 %$
!
!" +,-. #$$!%$$ !" ! "" #$
机的控制。 为了确保测量值和单个测量区的可比较性， 对传感器进行标定十分必要。在此对每个传感器 都确定一个标定因数。在调试期间， 每个测量单 元被标定一次。通常一个和多个传感器更换后， 应重新标定。标定过程可以直接在现场进行， 而 不需要板形仪在生产家进行。
KELK 张力计在1450mm 冷轧机生产中的应用
1概述在自动化较高的轧钢生产过程中，张力的大小将直接影响到带钢的质量。
对张力进行正确地测量，可以更加充分地发挥设备能力，从而保证产品质量。
所以张力计成为整个轧钢生产线中的关键组成部分，它是必不可少的，而且要求测量必须准确。
唐山国丰第一冷轧厂1450mm 酸连轧项目中的冷轧机使用的张力测量系统是由加拿大KELK 公司提供的，其特点是输出功率大、灵敏度高、线性度好、抗过载能力强、使用寿命长、适应长期在恶劣环境中运行等，这样可以保障轧钢生产顺利平稳地运行。
本文主要介绍KELK 张力测量系统的工作原理以及在1450mm 冷轧机生产中的应用。
2KELK 张力测量系统原理及特点KELK 张力测量系统采用的是应变片式传感器，它是利用当电阻应变片受到外力作用时，其电阻值会相应地随机械形变而发生变化的工作原理。
此传感器是由有一块高强度合金钢作为弹性元件的，在弹性元件内部分布有四个电阻应变片，组成一个惠斯通电桥，然后由电缆线从弹性元件内部引出。
当压力在一定的测量方向上作用时，电桥的平衡将会被打破，其电阻会随之发生相应的变化，再经过数字信号处理器把变化的阻值转化为相应的亳伏电压信号，这样就可以得到一个作用力和电压大小成线性变化的关系，从而反映出压力的大小，完成整个张力的测量。
传感器内部结构如图1所示。
3KELK 张力测量系统组成KELK 张力测量系统主要包括以下3个部分：①两只张力传感器（简称“压头”），传感器分别安装在轧机的传动侧和操作侧，主要用于测量轧机两侧的张力；②一个现场信号接线箱（含两组接线端子排），信号接线箱主要用于张力传感器与信号处理器信号的连接；③一套数字信号处理器GPA2，信号处理器GPA2主要用于处理计算现场传感器传输过来的信号，并且将计算出来的模拟量以及数字量传输给PLC 。
整体系统组成如图2所示。
4KELK 张力计在冷轧机中的应用4.1系统概述唐山国丰第一冷轧厂1450mm 冷轧机使用的KELK 张力计，现场共计有6套，分别安装于轧机的F1前、F1-F5间和F5后，分别对应三种类型：转矩型、压力型和拉力型。
轧机控制系统性能评估在带钢厚度和板形控制方面的应用
轧机控制系统性能评估在带钢厚度和板形控制方面的应用Performance assessment of control systems in rolling mills – application to strip thickness and flatness controlMohieddine JelaliDepartment of Plant and System Technology, Betriebsforschungsinstitut (BFI)VDEh-Institut für Angewandte Forschung GmbH, Sohnstr. 65, D-40237 Düsseldorf, Germany摘要：这篇文献将控制系统性能监测(CPM)技术带入了一个它从未进入过的工业领域——金属加工领域，在这个领域里前人的研究成果并不是很多。
金属加工行业对提高控制器性能比较感兴趣，本文展示了如何在在这个领域里寻找尚未发现的机会来提高控制器的性能。
为了解决这个问题，必须予以考虑特殊的方面，包括在线非连续性能评价，基于时间和长度的评估以及振动诊断。
本篇论文提供了两个关于对冷连轧机控制系统性能评价的工业研究案例：(1)前馈/反馈带钢厚度控制器；(2)带钢平坦度内建模型控制器。
通过分析常规操作数据可以得到性能监测指标——最小方差指数和振荡指数，进尔提出改进措施。
一种用于计算和显示系统性能指数的的监测工具被开发出来，经过修改在这个领域得到了应用。
结果表明对个别的产品生产来说调整厚度反馈控制器能够更好的抑制来料厚度扰动。
平坦度控制器的性能是令人满意的，因此不需要采取措施。
关键词：控制系统性能监测；Harris指数；前馈/反馈控制；方差分析；带钢厚度控制；带钢板形控制1、说明为了在获得高质量产品同时减少工业中对原材料和能源的消耗，迅速的发现并解决过程控制中的故障和明确改进方向是必要的。
轧钢生产过程中自动化控制技术的应用研究
169管理及其他M anagement and other轧钢生产过程中自动化控制技术的应用研究樊利智，杨海西，曹喜军，齐进刚，王少博（敬业钢铁有限公司，河北 石家庄 050000）摘 要：自动化控制技术是科学技术高速发展的产物。
自动化控制技术应用到轧钢生产中可在保证产品质量的前提下显著提高生产效率。
本文主要分析自动化控制技术在轧钢生产中的应用情况，目的是全面发挥自动化控制技术的优势，提高轧钢生产水平。
关键词：轧钢生产；自动化控制技术；应用情况中图分类号：TG334.9 文献标识码：A 文章编号：11-5004（2021）21-0169-2收稿日期：2021-11作者简介：樊利智，男，生于1991年，工程师，研究方向：中卷板炼钢、轧钢工艺研究和质量管理、新品种开发。
热轧钢是轧钢生产最为常见的技术，同样该技术也是智能化轧钢生产管控的关键。
我国科学技术高速发展的背景下，智能化、自动化轧钢生产模式越来越普及，自动化控制技术的研发为轧钢自动化和智能化生产创造便利条件。
自动化控制技术纳入到整个轧钢生产中可实现远程智能化管控，对于优化轧钢生产流程，提高钢材产品质量具有重要意义。
1 轧制自动化智能控制技术分析AI 是自动化智能控制技术的基础。
轧钢自动化智能生产中也需要将AI 技术作为基础应用其中。
AI 技术可以定位逻辑并确定操作技术。
此外，AI 技术可控制较为复杂的协议，实现对整个网络的全面管控。
如今我国轧钢生产中已经纳入了人工智能管控技术，AI 控制系统可凭借先天性逻辑控制功能操控轧钢生产较为复杂的内容，极大提高了轧钢生产的可靠性和安全性[1，2]。
2 冷轧钢板形自动控制技术2.1 主要调节内容一是张力调节。
张力轧制是冷轧生产显著特点。
ATC 控制冷轧机组时会受到多种因素影响，导致张力值产生较大波动。
张力值产生波动的主要原因分别是原料板形存在误差、出口测厚仪测量出现偏差以及出口厚度不均等。
冷轧生产中张力要保持恒定，这样轧制状态才能更加稳定。
轧制自动控制4-板形检测讲解
1 硬件结构简单,易维护,造价：低，安装方便
2 传感器为非传动件,不与板面接触，避免了划伤板面的可能 3 板形信号为间接信号，精度较差，为±2.5I单位左右 4 信号处理技术要求高，难度大
Northeastern University
2019年7月20日星期六
33
NEU
非接触式板形仪的特点：
23
NEU
使用厂家的情况
Northeastern University
2019年7月20日星期六
24
NEU
使用厂家的情况
使用传统测量辊的显示
使用新型板形仪的显示
Northeastern University
2019年7月20日星期六
25
NEU
西门子si-flat非接触式板形仪
宝钢董事长徐乐江在“板带冷轧机板形控制与机型 选择”中对西门子非接触式板形检测仪评价：
Northeastern University
20
2019年7月20日星期六
20
NEU
振动式板形检测仪的基本原理
• 原始做法：棒敲听振动声音（操作工耳朵辩频率 • 新方法：电敲，风敲，偏心敲，用电涡流检测振动频率
Northeastern University
2019年7月20日星期六
21
NEU
西门子si-flat非接触式板形仪
目前在世界上使用最多，被广泛认可的冷轧板形仪
测量原理：通过测量作用在各个分段辊片上的压力反算出张力 分布，有张力差根据应力应变关系计算出相对长度差，从而得 到板形（平直度）测量值
环宽：52mm
Northeastern University
2019年7月20日星期六
棒材重量负偏差在线测量系统的研究与应用
棒材重量负偏差在线测量系统的研究与应用摘要：棒材螺纹直条钢筋依据国标GB1499-1998规定，可按照实际重量或者理论重量进行交货，市场通常按照理论重量进行交货，这就给生产企业的负偏差轧制带来了可观的经济价值。
对棒材成品重量负偏差测量系统的研究与应用，可有效指导企业负偏差生产工艺，有利于提高企业产品负偏差稳定率，具有较高的研究价值和研究意义。
关键词：棒材成品重量负偏差、经济效益、在线测量系统1 前言棒材重量负偏差轧制工艺是在国标允许的范围内采用重量下限轧制，在同等坯料进行生产时，越靠近负偏差下限轧制，所生产的成品产量也就越多，在目前市场中，棒材成品通常按根数进行计价，负偏差轧制工艺就会产生更多经济效益。
因此，各螺纹钢生产企业都在研究负偏差轧制工艺技术，重量负偏差在线测量系统采用先进传感器技术，结合工艺构建负偏差计算模型，可实时检测负偏差的变化情况，指导生产中的工艺调整，使棒材成品达到国标要求的同时实现负偏差轧制，提高棒材成品质量并实现企业利益最大化要求。
2 负偏差在线测量系统结构负偏差在线测量系统由钢坯和成品称重系统、负偏差二级运算系统、飞剪测长跟踪系统、收集台架自动跟踪计数系统、PDA数据采集系统等子系统组成。
负偏差在线测量系统的主要功能就是对轧线入口称重测量值进行自动记录，并通过轧线跟踪，自动与轧线出口测长计算的重量进行比对，实现负偏差预测；再将负偏差的预测值，通过冷区跟踪，自动与打捆称重和冷床取样的检验值进行比对，形成矫正系数，自动消除各种系统误差，保证负偏差预测的准确性，结构示意图如下：（1）负偏差理论体系负偏差在线测量系统通过采集各规格生产过程中的实际米重值与理论米重值进行比较，测算生产过程中的实时负偏差并进行实时显示。
根基负偏差理论公式建立负偏差在线测量系统数据模型，具体理论公式如下：WmA=WTal/LTal VMD=[(WmA-WmT)/ WmT]×100%其中: WmA ——实际计算米重（Kg/m）WTal ——坯料总重量（Kg）LTal ——实测总长（m）WmT ——理论米重（Kg/m）VMD ——负偏差（%）（2）负偏差在线测量系统画面根据负偏差理论模型编辑负偏差测量软件，软件采用WICC人机接口界面进行编辑，包含坯料重量显示、成品测量总长、负偏差理论设定值、负偏差在线测量值、负偏差米重值、负偏差修正系数、取样偏差、成品信息跟踪及负偏差统计表。
ABB轧制力测量系统最佳操作法(工程师培训)
本操作方法介绍了 2160 热轧生产线所使用的 ABB 轧制力测量系统的最优操作方法。
系统概述：
首钢热轧所使用的 ABB 轧制力测量系统主要包括： ● 控制单元 Millmate Controller 400R ● 励磁单元 Millmate Excitation Unit 400 ● 操作单元 Millmate Operator Unit 400 ● 两个压力传感器（压头），型号为 PFVL141 ● 匹配单元 PFVO142/143 ● 接线盒 PFBC161 压头通过接线箱和控制单元 MC400R 相连，其中控制单元 MC 400R 由操作单元 Millmate Operator Unit 400 操作，或者通过个人计算机或其它类似设备中的网络浏览器进 行操作，控制单元也可以由上级系统来操作。具体系统框图如下：
3
操作单元由 24V 电源通过端子 X8 向操作单元供电的。该电源可以由控制单元或其它 电源提供。电源连接要与底盘和操作单元的其它电路绝缘。下图为 ABB 轧制力测量系统 操 作面板：
操作单元 LED 指示灯
标记 S C F
颜色 绿色 黄色 红色
点亮时表示 操作单元供电正常。 控制单元和操作单元通信正常。 操作单元发生内部错误（具体要查看说明书）
压头（PFVL
控制单元简介
控制单元给压头供电，从压头接收测量信号并且将测量值传输给外部单元。控制单元 可以通过操作单元、外部单元、串行口或数字量输入来进行操作。测量值在操作单元中显 示，通过模拟量输出口输出，或通过串行口传输到外部显示器和其它外部单元。状态和报 警信号在操作单元中显示，或通过数字量输出口输出。
运行过程中的故障指示
由实时监控功能检测到的故障通过以下几种途径指示： ● 操作单元显示器显示故障信息。 ● 控制单元的 LED 灯“Syserr”亮。 ● 数字输出量 DO8 被激活。（这里使用缺省设置，该设置可以更改或不用） 当控制单元和操作单元间存在通信问题时，操作单元会显示故障信息。
ABB板形仪的测量和控制系统在冷轧板材中的应用特点
２００５年增刊总第１２９期ＡＢＢ板形仪的测量和控制系统在冷轧板材中的应用特点周津川（天津市冷轧薄板厂，３００２２０）［摘要］在板带生产中，对汽车钢板、镀锡钢板、硅钢板以及航空铝板等冷轧薄板的平直度有很高的要求。
因此，在薄带材生产中，板形控制是一个不可缺少的环节。
采用ＡＢＢ板形仪可为板型控制系统提供精确的测量数据，介绍了该仪器的工作原理，板型控制系统的应用情况。
关键词ＡＢＢ板形仪测量辊板形测量系统控制系统ＡＢＢ板形仪的测量和控制系统在冷轧板材中的应用特点１概述板形是指产品带钢断面形状和平直度两项指标。
断面形状和平直度是两项独立指标，但相互存在着密切关系。
断面形状实际上是厚度在板宽方向的分布规律。
由于轧辊弯曲挠度远大于压扁变形，因此，断面形状可用抛物线形状的曲线进行描述。
在实际控制中，为了简单起见，往往将其特征———凸度（ｃｒｏｗｎ）作为控制对象。
平直度指的是带钢翘曲（主要是波浪形），即在轧制时是否出现边浪、中浪等。
当来料凸度发生变化时，如果仍采用原来的压下量，带钢轧出的板形就要改变；要想继续维持板形良好的状态，则需要改变压下量值。
其基本原则是：来料凸度增大，压下量应相应加大；来料凸度减小，压下量可适当减小。
在轧制过程中来料凸度发生变化，以带钢凸度的影响来说，它是一干扰量，在生产中应设法加以排除。
轧中过程中由于某种原因引起轧制压力波动，也会使带钢板形发生变化，尤其是在装有纵向厚度自动调节的轧机上，这种轧制压力波动是经常发生的。
因此从板形控制角度来看，厚度调节时的轧制压力波动也被看作是外扰，也需要在生产中加以排除。
天津冷轧薄板厂为了保证产品的平直度及产品质量，采用了ＡＢＢ板形仪对产品进行测量和控制，现就其应用情况作一介绍。
２板形仪的组成和测量原理ＡＢＢ板形控制系统主要包括：测量辊系统、信号传送装置（ＳＴＵ）、电气控制柜及精细分段冷却系统等部分。
这里主要介绍测量部分。
２．１测量辊测量辊是该系统最主要的组成，也是板形测量成功的关键。
轧制力测量系统介绍(doc 20页)(正式版)
为了获得尽可能好的测量结果，安装轧制力传感器应遵守下列几个基本原则：
要测量的力必须全部通过传感器。
传感器应尽可能靠近力源。
传感器的位置尽可能远离弯曲力，边界力和扭矩力。
轧机的辊缝通常由压下螺丝或液压定位器控制。传感器可以安装在几个不同的位置，但从费用和技术方面考虑，传感器最好安装在下支持辊轴承箱下面。目前有三种最常见的安装方式：（1）在压下螺丝下面；（2）压下螺母与机架底座之间；（3）下支承轧辊轴承箱下面。
微处理机（CPU）、触摸屏显示器、输入/输出模块均安装在标准19˝抽屉式仪表内。本信号处理器采用模块化设计，允许为用户提供多种形式配置的最终产品。
6·2SIA数字式信号处理器DSP8A的特点：
轧制力、张力传感器的单独值、和、差输出。
对于压力传感器则输出单独值、和值、差值。
测量单量程、双量程张力，固定夹角或者变夹角情况下，输出张力辊两侧张力的平均值、和值、差值。
下面的框图示出了应变式轧机轧制力测量系统的组成
二、测量原理：
应变式轧制力传感器测量原理为电阻应变原理：当传感器的弹性体受到机械力（F）的作用时，弹性体发生应力变形，粘贴到弹性体上的电阻应变片也随之变形，电阻应变片的电阻值发生变化（△R），利用惠斯顿电桥，将应变片的电阻变化转化成电压或电流的变化（△V或△I），从而测出受力的大小，即F--△R--△V--△I。
四、传感器说明:
应变式轧制力传感器经过长期的发展，目前已在各种轧机上普遍应用，逐步取代性能较差的压磁式轧制力传感器，其性能和可靠性已逐步显示出较大优势，是轧制力传感器的发展方向。
在传感器内部的电阻应变片作为敏感组件，使用直流激励以获得对力或负荷的快速响应。
传感器具有各种弹性体结构形式：矩型，环型和盘型，以及特有的梯型。以适应不同的安装位置。测量范围：0.5MN～100MN（50～10，000吨力）。
ABB和KELK公司轧制力测量系统对比分析
１ 测 量 原 理
１ １ ＫＥ Ｋ 系统 的测量 原理 ． Ｌ ＫＥ Ｋ 轧 制力 测 量 系统 为 电阻式 ， 电阻应 变 Ｌ 将 片 贴 在钢 板 上 ， 钢板 上 受 到垂 直 于钢 板 的作 用力 当
力 方 向垂 直 方 向上 的磁导 率 将 提高 ， 而导 致磁 力 从
线 的 对称 性 发生 变 化 ， 中一 部 分 磁力 线 将 在二 次 其 绕 组 中产生 交 变 电压 ， 电压 和负载 大小 成正 比， 该 最 终 由控 制单 元将 其转换 成 与轧制 力 成正 比的
第３ ９卷
阻不受 力 ， 它和 应 变片 ＲＯ采用 相 同 的材 料 ， 且 但 并 装 在 同一钢板 上 ， 证 和应 变片感 受相 同的温 度 ， 保 避
ＤＳ 。 Ｅ 轧制力 测 量系统 将供 电单元 、 压器单 ＰＫ Ｉ Ｋ 变 元 、 理 器板 、 号处 理 板 、 作 盘等 全 部做 到 了 数 处 信 操
压 信号 。
１ ３ 对 比 分 析 ．
时 ， 板 就会 沿 着 受 力方 向产 生 一个 形 变 △ 从 而 钢 ，
导 致 电 阻应 变 片 的 电 阻值 也 要 发 生 变 化 产 生 一 个 Ａ 将该 电阻接 入 惠斯 登 电桥【 可得 到 一个 输 出电 Ｒ， １ ］ 压 和作 用力 Ｆ成 正 比例 的关 系 。
拟信 号处 理板用 于处理 和计 算压 头反馈 的轧制力 信
图 ｌ ＫＥ Ｋ 系 统 构成 图 Ｌ
号并 进行 ＡＤ转 换 ， 板 提供 ４个 模拟 量 输 出信 号 ， 该
分 别是 两个 压 头 的独立 输 出轧 制力 信 号 ， 以及 它 们
接 线 盒 的 主 要 作 用 是 连 接 压 头 到 接 线 柜 的 电 缆， 然后 通过 接 线 柜将 电缆 接 到数 字信 号 处理 单 元
轧制力测量实验报告
轧制力测量实验报告研究目的及背景轧制是金属加工中最常见的方法之一，其目的是通过将金属材料经过多次轧制来改变其形状和尺寸。
轧制力是指轧制过程中对金属材料施加的力，它是衡量轧制过程中金属材料变形程度的重要参数。
准确测量轧制力对于轧制过程的优化和金属材料的性能评估具有重要意义。
因此，本实验旨在通过一种新的方法来测量轧制力，并比较其结果与传统方法的差异。
实验设计和材料实验设计本实验分为两个部分。
第一部分是比较传统的压力传感器法和负载传感器法，两种方法分别测量轧制力，并分析其差异。
第二部分是运用负载传感器法测量不同工况下的轧制力。
材料- 实验机组：用于模拟轧制过程的机器。
- 传感器：压力传感器和负载传感器。
- 金属材料：经过预处理的铝合金板。
- 数据采集系统：用于记录传感器输出的设备。
实验步骤实验前准备1. 确保实验机组和传感器处于正常工作状态。
2. 对金属材料进行预处理，确保其表面清洁且平整。
第一部分：比较两种测量方法1. 将压力传感器安装在实验机组上。
在进行轧制过程中，记录传感器输出的轧制力数据。
2. 将负载传感器安装在实验机组上，同样记录轧制力数据。
3. 将两种方法得到的数据进行对比分析，比较其差异。
第二部分：测量不同工况下的轧制力1. 设置实验机组的轧制参数，例如轧制速度、轧制压力等。
2. 将负载传感器安装在实验机组上，记录轧制力数据。
3. 重复步骤1和2，调整轧制参数，记录相应的轧制力数据。
4. 对不同工况下得到的数据进行分析，研究轧制参数对轧制力的影响。
实验结果与讨论第一部分：比较传统方法经过对比分析发现，负载传感器法相较于传统的压力传感器法在测量轧制力方面具有更好的性能。
负载传感器能够更准确地测量出轧制力的实时变化，并能够提供更多的数据用于分析。
而传统的压力传感器法则容易受到机械振动和外界干扰的影响，测量结果相对不够精确。
第二部分：不同工况下的轧制力通过实验发现，不同的轧制参数会对轧制力产生明显的影响。
4J36热轧变形抗力数学模型
4J36热轧变形抗力数学模型王德米;张桐【摘要】采用现场生产4J36稳定轧制时的实际数据,基于最小二乘原理,利用SPSS软件回归得到了4J36热轧板带变形抗力模型中的各个参变量.将回归的变形抗力模型带入西姆斯轧制力计算公式进行计算,通过比较与实际轧制力的误差,认定变形抗力回归结果适用于现场工艺设定与调整.【期刊名称】《有色金属加工》【年(卷),期】2013(042)003【总页数】4页(P9-12)【关键词】4J36;热轧;变形抗力;轧制力;SPSS软件【作者】王德米;张桐【作者单位】中冶东方工程技术有限公司,山东青岛266555;金川集团有限公司镍板带厂,甘肃金昌737100【正文语种】中文【中图分类】TG335.114J36是一种具有超低膨胀系数的Fe-Ni低膨胀合金。
主要用于精密仪器仪表、光学仪器中的零件，长度标尺、大地测量基线尺，各种谐振腔、微波通讯的波导管，标准电容器的叶片和支承杆，液化气的储罐和运输管道，热双金属片的被动层，以及荫罩带钢等。
在4J36的热轧板带生产过程中，轧制力能参数的计算是制定合理工艺制度的重要依据，然而目前对于合金变形计算公式研究非常缺乏，因此建立4J36合金的变形抗力模型，计算理论轧制力并与实测值比较，对工艺制度的制定与改进具有十分重要的意义。
1 生产数据的收集与整理4J36热轧板带生产过程采用单机架四辊可逆轧机进行轧制，轧机工作辊直径为480mm。
轧制工艺条件为：开轧温度为1050±10℃，终轧温度为≥850℃，最大轧制速度为3.5m/s。
根据坯料规格，在满足设备条件和轧制工艺条件下，典型轧制道次安排为：由坯料厚度73mm，轧制至成品厚度6.0mm，安排轧制7道次。
轧制数据的收集来自于现场二级计算机系统L2， L2系统周期地采集生产实际数据(例如轧制速度、轧制力、温度等)，并存入硬盘。
根据计算需要从L2调取63组实际生产数据进行整理，剔除其中不完整项，以及波动较大的干扰项，确保使用的所有数据均来自稳定的轧制状态。
基于GA-FELM算法的冷轧轧制力预测模型
第46卷第3期燕山大学学报Vol.46No.32022年5月Journal of Yanshan UniversityMay 2022㊀㊀文章编号:1007-791X (2022)03-0224-06基于GA-FELM 算法的冷轧轧制力预测模型陈树宗,白芸松,侯佳琦,华长春∗(燕山大学电气工程学院,河北秦皇岛066004)㊀㊀收稿日期:2021-08-29㊀㊀㊀责任编辑:温茂森基金项目:河北省自然科学基金资助项目(E2019203255)㊀㊀作者简介:陈树宗(1986-),男,山东潍坊人,博士,主要研究方向为轧制过程自动化㊁复杂工业过程建模及优化控制;∗通信作者:华长春(1979-),男,江苏泰州人,博士,教授,博士生导师,主要研究方向为非线性动力系统的控制及应用㊁网络化控制系统的分析与设计,Email:cch@㊂摘㊀要:针对传统轧制力预测模型参数强耦合㊁非线性等缺点,提出了一种基于遗传算法优化反馈极限学习机算法的冷轧轧制力预测模型㊂该模型在原极限学习机网络中增加一条反馈回路,构建了反馈极限学习机网络;并针对原网络在初始权值阈值的选取上具有随机性,从而影响模型预测精度的缺点,设计了基于遗传算法优化反馈极限学习机网络初始权值和阈值的模型结构,通过优化初始参数以提高模型预测精度㊂最后,采用某厂冷轧生产现场数据对本文提出的模型进行仿真测试,测试结果表明:该模型在精度上优于传统神经网络模型㊁原极限学习机和反馈极限学习机网络,可应用于冷轧机组轧制力的预测㊂关键词:冷轧;轧制力;极限学习机;反馈极限学习机;遗传算法中图分类号:TG335.13㊀㊀文献标识码:A㊀㊀DOI :10.3969/j.issn.1007-791X.2022.03.0050㊀引言在冷轧生产过程中,轧制力模型在模型系统中处于核心地位,它是辊缝设定值计算㊁轧制负荷分配㊁AGC 增益系数计算及板形控制设定的基础㊂冷轧轧制过程具有多工况㊁深度非线性㊁强耦合性和不确定性等特点,存在润滑状态㊁带钢头尾力学性能㊁设备工况等多种难以表征的变化㊂例如,在轧机加减速过程中,轧制速度可从过焊缝时的100~250m /min 升速至稳速轧制时的1000m /min 以上,轧制润滑状态在边界润滑㊁混合润滑和液体润滑之间切换,润滑状态随着轧制液黏度㊁轧制速度和轧制力载荷变化;轧制润滑状态的变化导致油膜厚度随之改变,从而造成各个机架的轧辊与带材之间的摩擦状态也不断地发生着变化㊂因此,传统的轧制力模型并不能对轧制过程进行完全精确的描述,同时模型在推导过程中作了大量假设,设定值和实际值之间往往存在差异,所以一些学者尝试从理论模型进行改进,从而提高轧制力模型在特定生产环境下的预测精度㊂如,徐利璞等[1]通过对某1880精轧机组F3机架的轧制过程的模拟和分析,应用ANSYS /LS-DYNA 软件建立了PC 轧机轧制力有限元模型;刘宝龙等[2]运用平面应变主应力法的同时采用了引入修正系数且考虑剪切力的屈服方程,建立了板材异步轧制轧制力解析模型,获得了异步轧制条件下的轧制力和轧制力矩计算模型㊂然而,由于现有冷轧数学模型再从机理上进行精度提升非常困难,为准确描述轧制过程中未知因素的影响,国内外学者将人工智能技术应用到工艺模型中㊂郭慧娟[3]在全梯度下降树上做了改进,基于深度LightBGM 的模型实现了轧制力的预测;丛日霞[4]用蚁群-BP 神经网络,实现了轧制力的预测;杨景明等[5]采用神经网络对冷连轧机轧制力进行快速预报;洪悦等[6]提出了一种基于数据驱动的轧制力设定方法;Gudur 等人[7]根据现场数据和有限元模拟数据采用径向基函数神经网络模型对冷轧轧制力和力矩进行预测,并根据预测结果对神经网络模型的结构和算法进行优化;Heydari Vini [8]根据Mobarakeh 钢铁公司的两机架第3期陈树宗等㊀基于GA-FELM算法的冷轧轧制力预测模型225㊀可逆冷轧机的实际生产数据,采用BP神经网络模型预测轧制力和带刚出口厚度;魏立新等[9]针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型,实现了轧制力的高精度预测㊂极限学习机(Extreme Learning Machine,ELM)相较于其他机器学习方法具有结构简单㊁计算速度快等优势,在轧制领域已有广泛应用㊂刘悦等[10]提出了一种具有拓扑结构自组织的极限学习机算法,实现了ELM 结构和参数的自组织;曹卫华等[11]提出了一种基于灰色关联分析的ELM轧制力预报模型,通过对输入变量进行灰色关联分析,获得输入变量之间的相关性;石振桔等[12]提出了基于混合蛙跳算法优化反馈极限学习机参数的模型,实现了带钢厚度的预测㊂1㊀轧制力模型典型的轧制力模型有斯通模型㊁采利柯夫模型㊁柯洛辽夫模型㊁布兰特-福特(Bland-Ford)模型等[13]㊂其中,Bland-Ford模型在实际生产中得到了广泛应用,其一般形式为P=Bl c Q p K T K,式中:B为带钢宽度;l c为压扁后变形区接触弧长,与带钢入口厚度㊁出口厚度㊁轧辊直径等因素相关;Q P为压扁后的外摩擦应力状态系数,与轧辊轧制长度㊁轧制速度等因素相关;K T为张力影响系数,与入口张力㊁出口张力相关;K为变形抗力,取决于钢种㊂轧制力理论模型中的摩擦状态系数㊁带钢变形抗力等工艺参数无法准确在线实时测量且难以用理论模型精准描述,因此现有轧制力模型单纯从机理上提高精度异常困难㊂为此,本文提出的GA-FELM轧制力预测模型是基于冷轧生产线大量的实际生产数据拟合出来的,通过引入智能算法来改进传统模型泛化性能差的缺陷,从而提高轧制力的在线预测精度㊂冷连轧机组轧制生产线结构如图1所示,其中轧制力预测系统主要选取带钢宽度㊁入口厚度㊁出口厚度㊁入口张力㊁出口张力㊁轧辊直径㊁轧辊的轧制长度㊁轧制速度这几个量作为输入,将轧制力作为系统的输出,即预测的目标㊂图1㊀冷连轧轧制生产线结构Fig.1㊀Structure of cold rolling production line2㊀GA-FELM预测模型2.1㊀反馈极限学习机反馈极限学习机(Feedback Extreme Learning Machine,FELM)在原有ELM的基础之上增加了一条反馈回路,将预测值和实际值的误差输入到网络之中,通过循环迭代来获得最优网络模型,反馈极限学习机算法应用在轧制力预测上的网络结构如图2所示㊂图2㊀反馈极限学习机应用在轧制力预测上的网络结构Fig.2㊀Network structure of feedback extreme learning machine applied to rolling force prediction㊀㊀图中,w ij为输入层第i个神经元与隐含层第j 个神经元P j之间的连接权值,βj为隐含层神经元Pj与输出层神经元之间的连接权值,每个训练样本的输入向量为xi=[x i1㊀x i2㊀ ㊀x i(n+1)]T,设每个训练样本输出为y i,则输出矩阵Y为Yi=[y1㊀y2㊀ ㊀y s],设每个训练样本输出为t i,则预测输出T为T=[t1㊀t2㊀ ㊀t s],反馈回路输入的是FELM网络模型预测值和实际值的误差,误差向量e为e=Y-T,设隐含层的输出矩阵为H,则由图2可得226㊀燕山大学学报2022T=βH,根据Huang G B等[14]提出的关于单隐层前馈神经网络相关理论可得,如果隐含层神经元个数和训练集样本个数相同,则对于任意的权值矩阵W和阈值矩阵b,单隐层前馈神经网络都可以零误差逼近训练样本的真实值,但是一般的训练集样本数目s比较大,为了减少计算量,单隐层前馈神经网络的训练误差可以逼近一个大于0的任意的值ε,即T-Y ɤε,因此,隐含层与输出层的连接权值矩阵β可以通过求解以下方程组的最小二乘解获得:minβ βH-T ,可以由上式求得矩阵β的解为^β=TH+,其中,H+为矩阵H的Moore-Penrose广义逆㊂2.2㊀FELM轧制力预测流程虽然在网络结构上FELM和普通ELM相比只是多增加了一条回路,但是在网络实际运行流程中FELM和ELM却有不同之处,FELM网络在轧制力预测的流程如图3所示㊂FELM网络在在轧制力预测过程中的步骤如下:步骤1:将轧制原始生产数据归一化处理,并将归一化后的数据样本分为训练集,验证集,测试集㊂步骤2:初始化FELM网络参数,将初始误差全部设置为0,设置FELM网络迭代次数N,并将FELM网络功能设置为回归拟合㊂步骤3:用训练集和验证集训练网络模型,设训练误差为E t,校验误差为E v,如果校验误差小于训练误差,即E v<E t,或迭代次数大于N时,计算出隐含层与输出层之间的权值矩阵,结束模型的训练㊂步骤4:用测试集样本测试训练好的FELM网络模型,并分析预测结果㊂2.3㊀GA-FELM结构设计由于FELM和普通ELM在输入层与隐含层神经元的连接权值矩阵W和隐含层神经元阈值矩阵b的选取上没有区别,若随机选取FELM网络的初始权值矩阵W和阈值矩阵b会对模型的预测精度造成很大影响,所以需要通过智能算法对FELM网络的初始权值阈值进行优化来保证模型的预测精度,而遗传算法(Genetic Algorithm,GA)的本质是将问题参数编码成染色体后再进行优化,而不针对参数本身,从而摆脱了函数约束条件的限制;并且最优解的搜索过程是从一个集合而不是一个个体展开,大大降低了陷入局部最优的可能性,非常适用于大规模非线性问题中的参数优化,所以在初步建立的FELM模型基础之上,用GA对网络初始权值阈值进行优化,来提高网络精度,构建GA-FELM模型㊂图3㊀FELM网络轧制力预测流程Fig.3㊀Process of rolling force prediction basedon FELM network㊀㊀GA-FELM模型的运算过程如图4所示,基本步骤如下:第3期陈树宗等㊀基于GA-FELM 算法的冷轧轧制力预测模型227㊀步骤1:确定FELM 网络的拓扑结构,并对FELM 网络的W 和b 编码,得到初始种群㊂步骤2:解码得到W 和b ,并将得到的W 和b带入FELM 网络对模型进行训练,并用测试集测试网络,得到FELM 网络的预测误差㊂步骤3:根据FELM 网络的预测误差计算个体的适应度值,并选择适应度高的染色体进行复制㊂步骤4:对选中的个体进行交叉㊁变异操作后产生新的种群㊂步骤5:判断当前种群是否满足遗传算法终止条件,若不满足,则继续步骤2~4直到当前种群满足遗传算法终止条件;若当前种群满足终止条件则在对解码之后得到FELM 最优W 和b㊂图4㊀GA-FELM 模型的运算过程Fig.4㊀Operation process of GA-FELM model3㊀模型仿真与预测3.1㊀模型仿真研究本文以某厂冷轧现场采集的888组实际生产数据为例,把其中的700组作为训练集,94组作为验证集,剩余的94组作为测试集㊂其中GA-FELM 中FELM 部分的隐含层激活函数设置为Sigmoid 函数,迭代次数N 为10次,隐含层神经元个数m 为180个,总体拓扑结构为8-180-1,初始权值㊁阈值均为随机值;GA 部分的种群大小为40,种群最大遗传代数为50,交叉概率为0.8,变异概率为0.01㊂每个现场数据样本共采集了8个与轧制力相关的参数作为输入,分别为:带钢宽度W ㊁入口厚度h 0㊁出口厚度h 1㊁入口张力T 0㊁出口张力T 1㊁轧辊直径Φ㊁轧辊的轧制长度l ㊁轧制速度V ,将测得的原始轧制力P 作为模型输出的参考,并用于计算误差㊂用于模型训练和测试的在现场采集的部分轧制力生产数据样本如表1所示㊂表1㊀冷轧轧制力数据Tab.1㊀Data of cold rolling force参数名称样本1样本2样本3样本4样本5带钢宽度W /mm 10001050120011001150入口厚度h 0/mm 2.1532.9282.1682.235 2.419出口厚度h 1/mm 1.6772.2331.6371.680 1.807入口张力T 0/kN 141.3144.2141.3126.5134.3出口张力T 1/kN 209.3218.3207.4182.5204.4轧辊直径Φ/mm 420.3397.4405.9397.4409.2轧制长度l /km 80.1135.934.0100.5148.3轧制速度V /(m /min)108.8128.3247.8257.8262.5轧制力P /t556588682606639㊀㊀为了证明GA-FELM 轧制力预测模型满足实际轧制过程中对轧制力预测精度的需求,并且体现出GA-FELM 模型在单隐层网络轧制力预测模型中的优势,选取全部测试集共94组数据,将GA-FELM 模型分别和由传统BP 神经网络以及原ELM 网络建立的轧制力预测模型进行对比㊂通过分析各个模型的轧制力预测结果可知,GA-FELM 模型具有更高的精度㊂表2给出了各个算法在对应拓扑结构下测试集样本数据预测值与实际值的平均相对误差,根据轧制力预测的平均相对误差表明,通过GA-FELM 算法所构建的轧制力预测模型的精度明显高于BP 神经网络和原ELM 网络,进一步说明了GA-FELM 模型在轧制力预测方面的有效性㊂GA-FELM 模型与ELM 模型和BP 模型的轧228㊀燕山大学学报2022制力预测结果对比如图5㊁图6所示㊂表2㊀不同算法的拓扑结构及轧制力预测平均相对误差对比Tab.2㊀Comparison of topological structure and mean relativeerror of rolling force prediction based on different algorithms算法拓扑结构平均相对误差/%ELM8-30-13.78FELM 9-180-1 3.71GA-FELM9-180-1 2.61BP 8-23-1 3.33图5㊀GA-FELM 模型和ELM 模型预测结果对比Fig.5㊀Comparison of prediction results betweenGA-FELM model and ELMmodel图6㊀GA-FELM 模型与BP 模型预测结果对比Fig.6㊀Comparison of prediction results betweenGA-FELM model and BP model4 结论针对传统轧制力预测模型存在的参数强耦合㊁非线性等缺点,提出了一种基于GA-FELM 算法的冷轧轧制力预测模型,模型中在原ELM 网络中增加了一条反馈回路,构成FELM 网络,并设计了GA 部分以优化FELM 网络的初始权值和阈值,提高模型预测精度㊂由实际生产数据对模型进行仿真实验,可以看出其预测精度达到了生产的基本要求,通过对样本数据的筛选和归一化处理,确定网络的最优拓扑结构以及对GA 优化参数的调整,使得85%以上的样本点的相对误差控制在ʃ5%误差带之内,预测绝对误差位于ʃ30t 以内,性能均优于原ELM 模型和传统BP 神经网络模型,该方法可运用于冷轧生产现场的轧制力预报㊂参考文献1 徐利璞 周骏 彭艳.PC 轧机轧制过程轧制力三维有限元模拟 J .燕山大学学报 2010 34 1 13-17.XU L P ZHOU J PENG Y.Three-dimensional finite elementsimulation of PC mill on rolling force J .Journal of YanshanUniversity 2010 34 1 13-17.2 刘宝龙 任廷志 何毅 等.金属板材异步轧制力理论模型J .燕山大学学报 2017 41 5 407-412.LIU B L REN T Z HE Y et al.Theoretical model ofasymmetrical sheet rolling forceJ .Journal of YanshanUniversity 2017 41 5 407-412.3 郭慧娟.基于深度LightGBM 模型的轧制力预测算法研究与系统实现 D .沈阳 东北大学 2019 1-62.GUO H J.Algorithm research and system implementation of rollingforce prediction based on deep LightGBM model D .ShenyangNortheastern University 2019 1-62.4 丛日霞.基于神经网络的冷连轧轧制力设定模型研究 D .沈阳 东北大学 2011 1-62.CONG R X.Study on mathematical model of rolling force fortandem cold mill based on neural network D .ShenyangNortheastern University 2011 1-62.5 杨景明 闫晓莹 顾佳琪 等.基于改进粒子群优化RBF 神经网络的轧制力预报 J .矿冶工程 2014 34 6 110-113.YANG J M YAN X Y GU J Q et al.Rolling force prediction based on improved particle swarm optimization-RBF neural network J .Mining and Metallurgical Engineering 2014 34 6110-113.6 洪悦 唐立新.基于数据驱动的冷连轧过程轧制力设定方法J .控制工程 2009 16 S3 146-148.HONG Y TANG L X.Data-driven rolling force calculation forcold rolling mill J .Control Engineering of China 2009 16S3 146-148.7 GUDUR P P DIXIT U S.A neural network-assisted finite elementanalysis of cold flat rolling J .Engineering Applications ofArtificial Intelligence 2008 21 1 43-52.第3期陈树宗等㊀基于GA-FELM算法的冷轧轧制力预测模型229㊀8HEYDARI VINI ing artificial neural networks to predict rolling force and real exit thickness of steel strips J .Journal of Modern Processes in Manufacturing and Production 2014 3 3 53-60.9魏立新翟博豪赵志伟等.基于半监督深度网络的冷连轧轧制力预报 J .塑性工程学报2020 27 11 70-76. WEI L X QU B H ZHAO Z W et al.Prediction of cold continuous rolling force based on semi-supervised deep network J .Journal of Plasticity Engineering 2020 27 11 70-76. 10刘悦崔丹丹.基于结构自组织ELM的铝热连轧轧制力预测 J .湖南科技大学学报自然科学版2020 35 1 77-82. LIU Y CUI D D.Aluminum hot rolling force prediction based on structural self organizing ELM J .Journal of Human University of Science and Technology Natural Science Edition2020 351 77-82.11曹卫华李熙吴敏等.基于极限学习机的热轧薄板轧制力预测模型 J .信息与控制2014 43 3 270-275.CAO W H LI X WU M et al.A rolling force prediction model for hot rolled sheets based on extreme learning machine J . Information and Control 2014 43 3 270-275.12石振桔.改进极限学习机带钢厚度预测系统的设计与实现 D .沈阳辽宁大学2019 1-56.SHI Z J.Design and implementation of strip thickness prediction system of improved ELM D .Shenyang Liaoning University 2019 1-56.13杨志芬.带钢冷轧机轧制力模型研究及应用 D .秦皇岛燕山大学2011 7-12.YANG Z F.Force model research and application of strip cold rolling mill D .Qinhuangdao Yanshan University 2011 7-12.14HUANG G B ZHU Q Y SIEW C K.Extreme learning machine theory and applications J .Neurocomputing 2006 70 489-501.Rolling force prediction model for cold rolling based on GA-FELMCHEN Shuzong BAI Yunsong HOU Jiaqi HUA ChangchunSchool of Electrical Engineering Yanshan University Qinhuangdao Hebei066004 ChinaAbstract A cold rolling force prediction model is proposed based on genetic algorithm optimized feedback extreme learning machine network in the light of the shortcomings of traditional rolling force prediction models such as strong coupling of parameters nonlinearity etc.A network of feedback extreme learning machine is formed by adding a feedback loop into the original extreme learning machine network.A genetic algorithm is added to optimize the initial weight and threshold of the network because the original network of feedback extreme learning machine has randomness in the selection of the initial weight and threshold which affect the prediction accuracy.Finally the proposed model is simulated and tested using the data of the cold rolling force from a cold rolling production line.The studied results show that the accuracy of the proposed model is better than the traditional neural network the original extreme learning machine network and the feedback extreme learning machine network.The proposed model can be used to predict the rolling force of cold rolling mills.Keywords cold rolling rolling force extreme learning machine feedback extreme learning machine genetic algorithm。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
轧制力测量系统应用比较
作者：周晶
来源：《数字化用户》2013年第04期
【摘要】介绍压磁式与应变片式轧制力测量系统的主要产品介绍；对比研究了两套系统主要原理、功能；以两套测量系统在唐山钢铁公司一钢热轧厂使用情况为基础，对两种测量系统作比较。
【关键词】轧制力测量应变片励磁压头测量精度
唐山钢铁公司（以下简称“唐钢”）一钢热轧厂有两条热轧生产线：2002年投产的1810生产线建线时全线轧机使用的是ABB公司生产的励磁式轧制力系统；2005年投产的1700生产线全线使用的是KLEK公司的应变片式轧制力测量系统。
轧制力测量系统在厚度自动控制系统、活套控制系统、不可逆轧机AMTC系统中起着关键性的作用。
本文将对两种测量系统在实践使用的基础上，对其进行比较全面的比较，并且介绍了两种测量系统在应用中的经验，希望对读者在设备选型和日常维护中带来帮助。
一、轧制力测量系统介绍
（一）轧制力测量系统部件构成
两种测量系统组成部件结构基本相同，都是由两个现场轧制力传感器（简称“压头”）、两个现场信号转接箱、一套信号处理单元、连接电缆构成。
传感器分别安装在轧机两侧，测量轧机两侧的轧制力；信号转接箱用于传感器与信号处理器信号转接；信号处理器用于处理现场传感器传输信号的处理计算，并对上位机传输计算出来模拟量的测量数据，及接收、传输上位机需要的的数字量信号。
（二）轧制力测量系统测量原理
ABB压磁式传感器是利用磁性材料在机械力作用下导磁率发生变化的原理工作的。
这种传感器由若干薄钢片粘叠而成，在内部缠绕两组线圈，分别为励磁线圈和信号线圈，它们互成一定的角度。
当在励磁线圈中通以交变电流时，励磁线圈中会产生磁场。
因为励磁和信号两组线圈是互成一定角度的，所以只要传感器上没有负载，励磁线圈产生磁场将覆盖不到信号线圈。
当传感器的收到测量方向的以机械力时，励磁线圈中的磁场发生变化，将信号线圈包容进了磁场。
由于信号线圈中的磁场发生了变化，因此在该线圈中产生了感应电势。
信号处理器再将这个感应电势转换成一个与被测力对应成比例的直流电压信号。
KLEK应变片式传感器利用电阻应变片在受到外力作用下阻值产生变化的工作原理。
此传感器由一整块钢作为弹性体，在弹性体内部分布4片电阻应变片。
应变片组成一个惠斯登全桥
式等臂电桥，再由电缆由弹性体内部引出。
在轧制力由测量方向的作用下，电桥电阻发生变化，在经处理器把电阻变化转化成为相应的电压信号，从而完成轧制力的测量。
二、压磁式轧制力测量系统与应变片式轧制力测量系统在实际使用中比较
系统性能要从各个元件比较几方面入手进行细致分析比较。
（一）传感器
传感器在轧机冷却水侵蚀和轧机咬钢横向切力作用下易造成机械损坏和内部线路绝缘降低、内部线路故障等现象。
压磁式传感器由若干薄钢片粘叠而成，长期使用后钢片之间会产生缝隙。
而应变片式传感器由一整块钢作为弹性体，产生缝隙情况不常出现。
因此，压磁式传感器比应变片式传感器容易出现机械损坏和内部线路损坏。
由于应变片式传感器是由应变片电阻变化来反馈轧制力变化，电路连接点接触状态对测量准确度影响较大。
为此，传感器与其连接到信号转接箱的电缆制作成为一体结构，对传感器的维护与更换带来不便。
轧制力测量系统的现场传感器一般安装在支撑辊下方的换辊车上，传感器上下均安装有垫板，而传感器测量面与垫板接触面大小对测量准确性有着较大的影响。
在轧机长期使用后，由于机械变形使得传感器测量面与垫板接触面产生变化，因此接触面大小对测量准确性影响越小越好。
压磁式传感器需要轧制力较平均的分配在测量接触面上才能使磁场发生准确变化，因此此种测量系统对接触面要求较高。
而应变片式轧制力测量系统是由四片压力应变片构成，轧制力分配在应变片上即可测量出准确轧力，所以应变片式测量系统对接触面要求相对较低。
（二）信号转接箱
应变片式信号转接箱只是为电路连接点起保护作用，而压磁式信号转接箱内部还承载了LC震荡回路和变压器。
（三）信号处理单元
压磁式测量系统由于需要较大功率电源和供电电路复杂等原因造成其比较应变片式信号处理单元结构复杂、占用空间大。
三、轧制力测量系统在使用中经验
（一）传感器测量接触面大小判断
前文提到传感器测量接触面大小对轧制力测量准确性影响较大，接触面大小判断方法如下：在机械安装许可的情况下，取一块与传感器测量面积相同，厚度为0.5mm左右厚度的紫铜板安装在传感器与垫板之间，轧制一段时间后可取出铜板观察，可分析出接触面大小。
由于紫铜板传力能力和自身硬度关系，还可以提高传感器测量接触面积，可以短期使用在接触面积不良的轧机上。
（二）线路主要故障查找
压磁式测量系统线路故障主要出现在LC震荡回路中，主要是电容老化，容值降低所引起的。
可以使用万用表交流档测量传感器供电电压。
所测出来的电压如果比同型号传感器的高，多数是由于电容老化容值降低引起的。
用此方法可以判断电容的老化情况。
应变片式测量系统测量准确性与线路连接点接触状态有着重要联系。
如果出现测量轧制力与实际轧制力相比偏低的情况，在排除传感器老化的前提下，可检查连接点接触是否良好。
（三）传感器老化判断
传感器是测量系统中重要组成元件，其老化程度严重影响测量的准确性。
判断其老化与否主要有两侧轧制力比较，测量内部线路阻值，测量线路绝缘等手段，这些方法在设备工程师手册上都有详细介绍，这里不再付述。
值得一提的是压磁式传感器在出现故障时的特征现象既是在轧制过程中一侧压头的轧制力出现陡降，陡降幅度大致在20%左右，另一侧未出现异常；而再次测量有回到正常状态。
轧制力曲线出现陡降，如下图：
这种现象多数是由于励磁回路短路造成，而励磁回路阻值只有0.3～0.5Ω，在传感器检查时不容易发现。