鄭 崗,嚴 敏,杜金華,張 捷,高林林,趙團民
(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.中國重型機械研究院有限公司,陜西 西安 710032)
高精度現(xiàn)代冷軋帶鋼生產(chǎn)必須由控制系統(tǒng)來實現(xiàn),在每秒幾十米的軋制速度下控制軋機的動作,生產(chǎn)厚度精度等級為微米級的鋼板。軋機控制系統(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,搭建了一種可逆液壓冷軋機過程自動化系統(tǒng)體系架構(gòu)。根據(jù)冷軋生產(chǎn)線控制系統(tǒng)的特點[4],設(shè)計了基于.NET[5]中間件平臺的單機架可逆液壓冷軋機過程自動化軟件系統(tǒng)。同時,為達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。
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、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)進行通信,以確保數(shù)據(jù)及控制命令的實時傳輸[6-7]。
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)送的實時測量值數(shù)據(jù),并完成數(shù)據(jù)的實時處理。工程師站和操作員站采用HP PC機,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)過程進行監(jiān)控,實時報警,數(shù)據(jù)訪問、人機交互,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]。
過程自動化系統(tǒng)的核心功能為是進行高準確率的軋制力預(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)軋制過程實際狀況,軋制力具有非線性和時變的特點,基于傳統(tǒng)的數(shù)學(xué)模型的方法和簡單自學(xué)習(xí)算法無法滿足實際的高準確率軋制力預(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)能力對模型進行校正[12]。
獨立于道次計算,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。
軋制道次計算系統(tǒng)是單機架冷軋機過程自動控制系統(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)驗所進行的軋機設(shè)定。這一系統(tǒng)可以使整卷帶材的軋制處于軋機力能參數(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、標準軋制策略、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,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。計算中需要使用實際或自適應(yīng)的材料硬化曲線;標準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
本文根據(jù)單機架可逆冷軋機的實際軋制過程,提出了基于.NET平臺的單機架可逆液壓冷軋機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).冷連軋機計算機控制系統(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).