控制工業過程的方法
2023-05-14 16:58:06 1
專利名稱：控制工業過程的方法
技術領域：
本發明涉及一種控制用於生產或加工產品的工業過程的方法，特別是用於控制熱軋機的方法。
背景技術：
按照常規的方法，對工業過程的控制和調節基於描述實際工業過程的物理模型。在對熱軋機的冷卻段的控制中該物理模型應儘可能精確地模擬整個冷卻過程的實際情形。但是，存在不可能精確建立模型的因素，因為這要麼強烈地針對設備要麼不能以可接受的費用進行描述。作為例子可以在此舉出鋼的表面特性對熱傳遞的影響。
因此，為了實現儘可能真實控制的模型建立，對物理模型擴展一個統計模型，該統計模型將具有模型誤差的最不同的影響量的相關性用於模型的校正。例如，如果確定，物理模型對具有一定寬度、厚度和速度的某種材料造成一個10℃的典型誤差和一個+/-20℃的雜散(Streuung)，則可以將該系統的部分利用在後的統計模型進行校正。這種所謂的統計模型可以不同的方式實現。一種方法是，在所謂的繼承表中將校正係數存放在材料類、寬度類、溫度類、厚度類等的項(Schublade)中。但是，如果要覆蓋較大數目的輸入參數，則該方法有局限性。例如，有十個輸入量並希望為每個輸入量建立十個分間隔，則產生十億個項，在設備的生命周期中僅僅填入這些項中極小的部分。生產越少則空項的部分越大，這意味著，在生產具有新參數值的產品時這種可能性很大，即，還沒有填入的項(即，還沒有校正係數)為此存在，因此統計模型空運行。
另一種建立統計模型的方法是神經元網絡。該方法利用影響量作為輸入而所尋找的校正係數作為輸出進行訓練。因為神經元網絡將校正係數表示為影響量的連續函數，因此不能排除在計入神經元網絡時對一定的材料還保留了系統誤差。神經元網絡的另一個缺點是，必須首先對其進行廣泛的訓練直到可以有效地使用，即，在神經元網絡可以使用之前必須首先冷卻許多鋼帶。直到訓練結束沒有校正係數可供使用。
發明內容
因此，本發明要解決的技術問題是，提供一種用於為工業過程確定校正係數的簡單的統計模型。
上述技術問題是通過一種控制和調節用於生產或加工產品的工業過程的方法來解決的，其中，控制優選基於工業過程的物理模型進行，並且其中，為了優化控制按照下列方法步驟統計地確定至少一個校正係數1.對於每個產品將包括至少一個校正係數的物理模型的參數作為產品數據組存儲，2.在每個新產品的生產或加工中將所存儲的產品數據組與該新產品的參數進行比較，並確定與該新產品數據組類似的產品數據組，3.從類似的產品數據組的校正係數中為該新的產品數據組確定至少一個校正係數。
該方法也可以用於採用多個校正係數的情況。此時產生一個校正係數矩陣，其中，該矩陣的每個元素都例如適用於冷卻段的一個分段。
優選地，將產品數據組簡單地按時間順序存儲。在此，作為存儲器可以採用所謂的環形緩衝器。該存儲方法的優點尤其在於不繼續存儲舊的數據組。例如，如果存儲空間大到可以存儲一臺熱軋機的帶鋼軋機機列整個的年產量，則可以認為該工業過程的生產技術參數由於老化、改建等等已經這樣多的改變，使得舊的產品數據組不再包含可靠的校正係數，因此不考慮這樣舊的數據組至少不會導致更差的結果。
本發明一個優選的結構是由這樣一種方法給出的，其中新的校正係數通過從類似的產品數據組的校正係數的線性回歸來確定。新的校正係數可以利用這種簡單的統計方法在非常短的計算時間內確定。
如果為了確定新的校正係數將迄今為止的校正係數進行加權，則是特別優選的。在此，該加權可以按照記錄的產品數據組的時間順序利用它們各自所屬的校正係數進行。也就是說，對較新校正係數的加權比對時間上較舊的校正係數的加權更強。由此使例如上述由於生產或加工段老化的負面影響大大減弱。
下面結合附圖對本發明的實施方式作進一步說明，圖中，圖1示出一臺熱軋機的冷卻段示意圖，包括所屬物理模型的簡化框圖，圖2示出金屬帶化學成分的示意圖，圖3示出金屬帶的速度(v[m/s])和厚度(D[mm])的示意圖，圖4示出金屬帶的寬度(B[mm])的示意圖，圖5示出金屬帶在生產線測量位置上的溫度(TFM[℃])的示意圖，圖6示出捲軸額定溫度(THS[℃])的示意圖，圖7示出用於確定校正係數(K)的框圖，圖8為表示用於對校正係數(K)加權(G)的圖，圖9示出用於確定新校正係數(K0)的示意圖。
具體實施例方式
按照圖1的示意圖示出了一臺熱軋機的冷卻段，包括所屬物理模型的簡化框圖。金屬帶按箭頭方向從左邊進入經過最後的軋制機架WG並在那裡被軋制到其最後的厚度。然後，金屬帶經過生產線測量位置FMP，在該位置上對例如金屬帶的厚度D、在生產線測量位置上的溫度TF、寬度B等參數進行測量。然後，金屬帶在輥軸R的驅動下經過冷卻段KS。在冷卻段中金屬帶的上部和下部設置了閥門單元V，通過這些閥門將水噴射到金屬帶上。金屬帶在經過冷卻段KS的冷卻之後通過捲軸測量位置HMP並隨後被卷繞在捲軸H上。在冷卻段KS中一般不能測量溫度。
在調節段RA的框圖中通過冷卻段的一個物理模型MK模擬了該冷卻段。該冷卻段的物理模型MK產生用於冷卻段的調節器RK的調節參數並對帶段的任何位置計算金屬帶的溫度。這通過位於冷卻段模型MK和冷卻段調節器RK之間的箭頭示意地示出。冷卻段調節器RK被分成一個用於主冷卻區的調節器RH以及一個用於細冷卻區的調節器RF。
冷卻段物理模型通過輸入E1得到帶數據BD以及帶參數；通過輸入E2得到至少在生產線測量位置FMP上所測量的溫度TF。通過輸入E3向冷卻段模型MK傳送捲軸溫度TH。其它測量值，例如帶速度和接通的水量則通過輸入E5輸入該模型。
如上所述，冷卻段模型MK針對金屬帶的長度計算在金屬帶任何位置上的溫度，從而冷卻區調節器RK將這些溫度作為其調節的實測值。調節器計算用於閥門V的調節值並通過其輸出A1將該值傳送到閥門V。閥門狀態同時通過輸入E5傳送給冷卻段模型MK。
在理想的條件下和熱軋的並待冷卻的金屬帶的成分總是相同時，利用該調節裝置RA可以實現理性的冷卻過程，使得該金屬帶在卷繞在捲軸H上之前具有所希望的溫度。但是，這種理想的特性在實際運行中不能得到。這導致捲軸溫度TH偏離所希望的和通過調節段作為額定值預先給定的溫度。為此，冷卻段模型還計算一個校正係數K，通過該校正係數K減小理想溫度特性和實際測量的溫度特性之間的偏差。該校正係數K在金屬帶通過冷卻段的整個時間內被連續地計算和匹配。如果金屬帶完全通過並卷繞在捲軸H上，則對該金屬帶的最佳校正係數K固定。
因此，該校正係數與帶的產品數據組PDk是完全單獨對應的。已經生產的金屬帶的產品數據組PD1至PDn以表格的形式存放在一個環形緩衝器中。下列的表格示例性地示出了表格形式的產品數據組PD1至PDn。
表1
例如，作為參數在產品數據組PD1中存放了厚度D1、寬度B1、速度V1、捲軸溫度TH1、生產線測量位置的溫度TF1以及化學組成成分。化學組成成分例如有碳含量C1、銅含量Cu1、矽含量Si1等(在該表中沒有羅列所有的組成成分)。
圖2中示出的圖的方格示出了一種新的待軋制的金屬帶的化學成分。化學元素的合金成分具體是碳C＝0.02、矽Si＝0.01、錳Mn＝0.22、鉻Cr＝0.01、鈮Nb＝0、鎳Ni＝0.02、鈦Ti＝0、釩V＝0、硼B＝0以及其它合金成分的和Misc＝0.11。
在按照圖3的方格圖中按毫米示出了希望的厚度D以及按米/秒示出了軋制過程的速度V；圖4中的方格圖示出了按毫米的寬度B，而在圖5和6中的圖中最後示出了在生產線測量位置上的所希望的溫度TFM和捲軸額定溫度THs和捲軸實測溫度TH。
新的帶應該按照在圖2至6的方格圖中示出的參數生產。對於圖2至6的方格圖中的幾何形狀(圓、點、正方形和三角形)在後面還有介紹。
現在，必須為新的待軋制的金屬帶確定校正係數K。這將參照圖7在下面詳細解釋。
圖7示出一個用於為新帶確定校正係數K的裝置的框圖。該裝置包括一個觀察器BO，其輸出與帶存儲器M和安全存儲器SD連接。安全存儲器SD用於在帶存儲器M中的數據例如由於計算機故障而丟失的情況下的安全。通過安全存儲器SD的輸出可以在程序開始時加載帶存儲器M。
帶存儲器M中存有所有已經生產的帶或者至少是所有已經生產的帶中的多數的產品數據組PD1至PDn。帶存儲器M例如可以是一個包含100000個帶的數據的環形緩衝器。這些帶按軋制的順序存儲，即它們是按時間前後存放的。為此所需的存儲器容量在大約20兆字節。
對於新的待生產的帶的原始數據存在按照下列表2的一個數據組PD0表2
(其中，K0的值是未知的，因為該帶還沒有被冷卻)，現在根據該原始數據從帶存儲器M中的產品數據組(見表1)PD1至PDn中例如按照下列規則確定類似的數據組a2:＝c1(D-D0)2+c2(B-B0)2+c3(TH-TH0)2+...
其中，標記c1，c2，c3，...，是正的實常數。
如果a2＜1，則涉及的是一個類似的數據組；只要a2不＜1則數據組不相似且不被引入到對校正係數的進一步計算。
按照該計算規則例如在20個參數下給出40次乘法和20次加法，其中容易看出，如果乘積＞1，則與產品數據組PD1至PDn中的一個的比較就已經可以中斷，從而可以極大地節省計算時間。常數c1，c2，c3，等用來對各個和進行標準化。
按照這種方式確定了所有與新的待生產的帶的原始數據PD0相似的產品數據組PD1至PDn，並將它們存放在存儲器AEB(圖7)中。這些數據的值在圖2至6的方格圖中以圓、點、正方形和三角形的形式來模擬。其中，不同的幾何形狀描述了所確定的產品數據組的不同新舊程度。可以看出，所確定的產品數據組確實與新的產品數據組PD0相似，因為它們處於圖中的方格高度上。
根據圖7，從相似帶的產品數據組PD1至PDn中首先建立一個局部模型LM。這例如可以通過應用線性回歸的公知技術實現。然後，通過將原始數據PD0應用到該線性模型LM中為新的待冷卻的帶建立校正係數K0。這將結合圖9進行介紹。不過，首先還要描述一個優選的中間步驟。
在最後計算新的校正係數K0之前，對所找出的相似的帶、即所找出的相似的產品數據組PD1至PDn進行加權是有意義的。
在圖8中示出了這種加權。其中，在橫軸上給出了按照上述計算規則找出的帶的距離a2。這裡，具有a2＝1的帶剛好不再被採集。對具有最大為約＝1的大距離的帶的加權極小。在這裡示出的圖中這些帶的加權為0或者接近於0。可以看出，隨著距離a2的下降加權增加。
在按照圖8的圖中也通過不同的幾何符號標記了帶的新舊(對應於產品日期的新舊)，即按從新到舊的順序為△、□、圓、點。因此，唯一一個用三角形符號示出的帶是最新的帶，如可以看出的，對該帶的加權也是最高(0.75)的。
在按照圖9的圖中，在橫軸上示出了各覆核出的校正係數K而在縱軸上示出了在局部模型中藉助於線性回歸近似的校正係數KA。
如果線性模型LM能理想地模擬相似帶數據組中包含的覆核的校正係數，則藉助於線性模型計算出的校正係數KA等於覆核的校正係數K，由此這些校正係數處於角等分線上。因為如果不是這種情況，校正係數的值分散，如圖9所示。在此可以看出線性模型LM描述相似產品數據組PD0至PDn的精確程度。在按照圖9的圖中還標出了一條具有斜率2的直線G1。在該直線G1和水平線G2之間構成了一個扇形S1。
對扇形S1內的每個點通過線性模型LM都得到比直接放棄適配(即，利用校正係數K＝1進行近似)更好的模擬。所有不在扇形S1中也不在相對的扇形S2(對於該扇形的意義於與對於扇形S1的一樣)中的點的特性則相反。可以對提到的顯示進行對於待冷卻帶該適配良好程度的估計。對於該帶還沒有覆核的校正係數，因為其還沒有被冷卻。將所屬產品數據組PD0應用到線性模型LM中則為校正係數K0產生一個估值K0，該估值被用到隨後的冷卻中。其結果作為水平線H1在圖9中用虛線示出。在帶冷卻之後，覆核的校正係數K0已知。圖9中作為垂直線V1示出了對應的結果。水平線H1和垂直線V1的交點P在事後示出了對冷卻的帶的適配的質量。如果點P位於S1或S2內則適配是成功的。如果位於其外，則不進行適配而冷卻會更好。
在求出估值K0之後，將其連同另一產品數據組PD0輸入到預計算VR(圖7)，利用這些參數值和求出的估值K0來冷卻帶，這裡，在冷卻過程期間也通過觀察器B對校正係數K0進行細調節。由此最後建立所存儲的校正係數K0。
利用目前的數據處理設備從100000個帶的數據組中搜索相似帶的計算時間大約為1/10tel秒，藉助線性回歸從相似的帶中確定校正係數K0的計算時間大約為0.02秒，因此，當該帶剛剛離開最後的軋制機架(圖1中的WG)時新的校正係數K0已被可靠地計算出。
權利要求
1.一種控制和調節用於生產或加工產品的工業過程的方法，其中，控制優選基於工業過程的物理模型進行，並且其中，為了優化控制按照下列方法步驟確定至少一個校正係數(K)1.1對於每個產品存儲作為產品數據組(PD1-PDn)的包括至少一個校正係數(K1-Kn)的物理模型的參數(d，b，TH，TFM，C，Cu，Si，...)，1.2在對每個新產品的生產或加工中將所存儲的產品數據組(PD1-PDn)與該新產品的參數(d0，b0，TH0，TFM0，C0，Cu0，Si0，...)進行比較，並確定類似的產品數據組，1.3從類似的產品數據組(PD1-PDn)的校正係數(K1-Kn)中為該新的數據組(PD0)確定至少一個校正係數(K0)。
2.根據權利要求1所述的方法，其中，為了確定所述校正係數(K0)首先確定一個模型(LM)，在該模型中可以通過應用PD0計算該校正係數(K0)。
3.根據權利要求2所述的方法，其中，所述模型(LM)是線性的，即線性回歸。
4.根據上述權利要求中任一項所述的方法，其中，將所述產品數據組按時間順序存儲，例如存儲在一個環形緩衝器中。
5.根據上述利要求中任一項所述的方法，其中，從類似的產品數據組(PD1-PDn)的校正係數(K1-Kn)中確定所述新的校正係數(K0)。
6.根據權利要求5所述的方法，其中，為了確定所述新的校正係數(K0)對所述校正係數(K1-Kn)進行加權。
7.根據權利要求6所述的方法，其中，對時間上較新的校正係數(K1-Kn)的加權比對時間上較舊的校正係數(K1-Kn)的加權更強。
8.根據權利要求6或7所述的方法，其中，所述校正係數(K1-Kn)越類似，則對它們加權越強烈。
9.根據上述利要求中任一項所述的方法，其中，還對所述工業過程進行附加的調節。
10.根據上述利要求中任一項所述的方法，其中，所述工業過程是一個熱軋機的冷卻段。
全文摘要
本發明涉及一種控制用於生產或加工產品的工業過程的方法，其中，特別是控制熱軋機的冷卻段(KS)通過物理模型模擬該冷卻段(KS)。為了優化冷卻過程按照這樣的簡單方式確定一個校正係數(K0)，即，存儲具有以前確定的校正係數(K1至Kn)的產品數據組(PD1至PDn)。對於新的待冷卻的帶將所存儲的產品數據組(PD1至PDn)與該新的帶的產品數據組(PD0)進行比較，並確定類似的數據組。從類似的產品數據組(PD1至PDn)的校正係數(K1至Kn)中例如藉助於線性回歸確定一個新的校正係數(K0)。
文檔編號G05B13/04GK1625721SQ03802985
公開日2005年6月8日 申請日期2003年1月16日 優先權日2002年1月31日
發明者艾鈉爾·布羅斯, 克勞斯·溫齊爾 申請人:西門子公司