一种粗轧带钢宽度的综合自适应控制方法
【专利摘要】本发明提出一种粗轧宽度的综合自适应控制方法，该方法在首次获得粗轧宽度实测数据后，首先综合宽度实测数据、立辊轧制力信息，估计带钢全长宽度；综合计算已经轧制的所有道次自然宽展和狗骨宽展，通过乘性学习计算，更新所有道次的模型学习；在随后每获得一次宽度实测数据，都进行宽度相关道次的学习；在精轧获得宽度实际值后，对全局宽度目标进行学习。每次粗轧完成相关计算后，启动粗轧再计算，从新设定后续立辊轧制辊缝。本发明的热轧宽度综合自适应方法，从系统角度梳理了宽度模型控制系统的自适应方法，充分利用了各种轧制信息，快速提升了热轧宽度控制指标精度。该技术方法宽度控制精度达到0～12.5mm99.5％的控制精度，快速提高了热轧宽度控制精度。
【专利说明】一种粗轧带钢宽度的综合自适应控制方法
【技术领域】
[0001] 本发明属于轧钢控制【技术领域】，具体地，本发明涉及一种粗轧带钢宽度的综合自 适应控制方法，该方法在首次获得粗轧宽度实测数据后，首先综合宽度实测数据，估计带钢 全长宽度；综合计算已经轧制的所有道次自然宽展和狗骨宽展，通过乘性学习计算，更新所 有道次的模型学习；在随后每获得一次宽度实测数据，都进行宽度相关道次的学习；在精 乳获得宽度实际值后，对全局宽度目标进行学习；每次粗乳完成相关计算后，启动粗乳宽度 再计算，从新设定后续立辊轧制辊缝。
【背景技术】
[0002] 在热轧领域，粗轧常见配置是两组轧机，在粗轧R2轧机出口处配置宽度测量仪。 在传统的粗轧宽度控制过程中，粗轧采用多道次轧制，例如3 - 3道次或1 一 5道次。目前， 在粗轧宽度模型学习及控制中存在的问题包括：
[0003] (1)由于在粗轧R2轧机的出口处才能采集到宽度数据。如果采用3 - 3道次轧 制，粗轧在R21 (表示R2轧机第一道次轧制）轧制后，获得长度的部分宽度数据。此时，常 规处理方法是简单将获得的数据平均，以代替全长宽度进行学习。这种处理方法在某种情 况下会产生一定的偏差。
[0004] (2)宽度模型学习本身比较困难。
[0005] 由于R2测量得到的宽度是由多个道次反复轧制后的结果，例如3 - 3道次轧制 时，R21第一次获得宽度实测值，该宽度是结果粗轧3道次立辊轧制、4道次水平辊轧制后的 结果，很难判断宽度的误差是哪个道次设定误差所产生的。
[0006] 常规的方法是，采用简化的立辊辊缝学习或局部的狗骨宽展学习方法，S卩，将轧制 误差归结为立辊辊缝或狗骨模型，再采用加性或乘性(加性学习是指遗传系数以"加在模型 计算结果上"的形式修正模型计算，乘性学习是指遗传系数以"乘模型计算结果上"的形式 修正模型计算）学习。
[0007] 由于粗轧自然宽展和狗骨模型难以进行优化学习，很多粗轧系统不能启动再设定 计算，同时人工干预情况也比较普遍。
[0008] (3)精轧轧制后虽然获得了精轧宽度，但精轧宽度值只用于精轧宽展学习或立辊 辊缝的快速修正，没用充分利用这一信息；另外，
[0009] (4)常规的精轧宽度学习启动时序在精轧抛钢后，这时精轧的宽度学习往往不能 对其后面板坯起作用，只能用于再后面的带钢板坯。
[0010] 专利和各种公开文献检索
[0011] 主要查询网站：
[0012] (I) http://www. soopat. com/ 国内外专利查询
[0013] (2) http://www. dialoguser. com
[0014] (3)http://10. 251. 8· 163:81/ 维普期刊综合服务平台
[0015] 主要关键词
[0016] (1)关键词：粗轧宽度自适应(学习）
[0017] (2)关键词：Rough AND mill AND width AND adaptation (learning)经检索，本 领域以往的专利和文章有：
[0018] 申请号为"200510030915. 8"、发明名称为"一种粗轧带钢的宽度优化设定方法"。
[0019] 该发明公开了一种粗轧带钢的宽度优化设定方法，其方法主要是涉及精轧自然宽 展的学习。
[0020] 申请号为"201110148757. 1"、发明名称为"一种粗轧宽度自学习的方法"的发明申 请。
[0021] 该申请技术方案系将出口宽度实测值w2与计算的出口宽度进行比较的方案，其 步骤包括：
[0022] 如果差值|w2i2' I彡C，则宽度自学习步骤结束；如果差值|w2i2' I > C，则 采用二分法重新分配自学习系数λ，重复前面的步骤，直到所述差值< C为止，其中，C为常 数，通常为期望得到的粗轧宽度精度，例如，C = 0. 0001或0. 001。根据本发明，自学习系数 入的取值范围可以为[-0.9,0.9]。
[0023] 然而，该申请的技术方案的学习方法是一种一次性学习，不同于本发明的一种误 差衰减自学习方式。
[0024] 申请号为"201110152867. 5"、发明名称为"热轧带钢宽度控制模型智能学习系统 及计算学习方法"。该专利技术方案提供一种热轧带钢宽度控制模型智能学习系统及计算 学习方法，系利用粗轧出口宽度测量仪反馈值与立辊辊缝实际执行状态的智能分析，确定 粗轧出口宽度绝对自学习的正确性，并根据情况加以修正；通过粗轧出口宽度测量仪反馈 值与精轧出口宽度测量仪反馈值的智能判断来确定精轧出口宽度绝对自学习的正确性，从 而满足热轧生产过程中现场环境、工艺制度的复杂性对数学模型的要求，有效避免自学习 趋势错误现象的发生，减少生产过程中宽度精度的异常波动，降低因宽度模型参数不良导 致的带钢封锁率，提高带钢宽度精度。该专利申请涉及的是一种模型学习逻辑。
[0025] 专利申请号为" JP19920178583"的日本专利涉及粗轧带钢的宽度控制装置，但该 专利方法主要涉及带钢的在线短行程和模糊控制。
[0026] 专利申请号为"JP19940101124"、发明名称为"DEVICE FOR AUT0MATICALY CORRECTING SETUP OF WIDTH IN ROUGH HOT ROLLING"的日本专利涉及粗轧模型的学习，但 主要采用最小二乘方法。
[0027] 另外，论文：热轧宽度模型改造(作者：龚少腾，吴毅平，朱涛，单旭沂，朱健勤，《宝 钢技术》2012年第4期)，提及粗轧模型学习的层别划分和传统模型学习方法。
[0028] 论文：基于R2出口宽度测量的宽度模型研究和优化(作者：刘苗，《宝钢技术》2011 年第5期)，该论文研究了宝钢2050热轧宽度模型学习存在的问题，提出采用R2宽度数据 进行各道次宽度偏差平均分配的学习策略，但未涉及如本发明提及的乘性学习和误差安宽 展比例分配。
【发明内容】
[0029] 针对以上问题，为提高热轧宽度控制精度，对粗轧宽度学习进行全面优化，本发明 提供一种粗轧带钢宽度的综合自适应控制方法，所述方法在首次获得粗轧宽度实测数据 后，首先综合宽度实测数据，估计带钢全长宽度；综合计算已经轧制的所有道次自然宽展和 狗骨宽展，通过乘性学习计算，更新所有道次的粗轧宽度模型学习；在随后每获得一次宽度 实测数据，都进行宽度相关道次的学习；在精轧获得宽度实际值后，对全局宽度目标进行学 习；每次粗轧完成相关计算后，启动粗轧再计算，从新设定后续立辊轧制辊缝。
[0030] 本发明的一种粗轧带钢宽度的综合自适应控制方法的具体方案如下。
[0031] 一种粗轧带钢宽度的综合自适应控制方法，其特征在于，所述方法包括粗轧宽度 设定计算过程及粗轧宽度模型的自适应计算，所述带钢板坯的粗轧宽度设定和模型自适应 计算过程包括下述步骤：
[0032] 粗轧宽度计算及其模型自适应计算过程：
[0033] (1)用于粗轧宽度设定计算的数据准备，
[0034] (2)进行粗轧宽度目标计算，
[0035] (3)进行粗轧立辊轧制设定计算；
[0036] (4)进行粗轧立辊轧制和数据收集；
[0037] (5)判断粗轧轧制是否结束，如判断粗轧轧制未结束，则再返回（1 )，过程计算机会 再次进行轧制设定，即粗轧再计算设定。
[0038] 如判断粗轧轧制结束，则转入所述精轧轧制生产和精轧宽度自适应计算过程：
[0039] (7)精轧轧制和精轧自然宽展学习，精轧宽度模型学习的启动在时序上包括两次， 分别是精轧带钢轧制完成30%带钢的条件下或轧制带钢长度MOOm情况下启动一次，精轧 完成全长带钢轧制后再次启动；所述精轧自然宽展学习的遗传数据保存并返回(遗传系数 更新）粗轧宽度计算过程；
[0040] (8)精轧宽度全局学习，所述精轧宽度全局学习的遗传数据保存并返回(遗传系数 更新）粗轧宽度计算过程；
[0041] (9)结束；
[0042] 所述粗轧宽度计算过程包括粗轧宽度预计算过程及粗轧宽度再计算过程。
[0043] 所述粗轧宽度再计算设定流程由粗轧或精轧的自适应计算触发，即粗轧收到宽度 测量数据后，完成宽度相关的模型自适应计算后，在计算时间允许的条件下，启动粗轧再计 算设定。
[0044] 根据本发明，所述粗轧宽度模型的自适应计算过程包括：
[0045] 粗轧宽度测量数据处理、粗轧宽度模型学习、精轧宽度模型学习、精轧宽度数据处 理、精轧自然宽展学习和宽度全局学习几个部分。
[0046] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，所述粗轧 宽度测量数据的处理方法为：
[0047] 利用粗轧立辊轧机的轧制力、辊缝和部分宽度测量数据估计粗轧出口宽度模型修 正系数，从而推导全长宽度数据，估算粗轧出口宽度平均值。
[0048] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，所述粗轧 宽度模型学习方法为：
[0049] 根据粗轧后计算获得的宽度偏差，以粗轧宽度预测的宽展量为权重，进行误差分 解，根据该误差进行自然宽展和狗骨宽展的自适应学习。
[0050] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，所述精轧 宽度自适应计算过程还包括：
[0051] 精轧宽度模型学习的启动逻辑：
[0052] 精轧宽度模型学习的启动次数为两次，分别是精轧带钢轧制完成30%带钢的条件 下或轧制带钢长度MOOm情况下启动一次，精轧完成全长带钢轧制后再次启动。
[0053] 这种设计主要考虑了轧制节奏对模型整体学习的影响。热轧模型学习基本采用模 型后计算值同实际值比较的方法进行学习；精轧全局宽度学习采用宽度目标值同实际值比 较的方法进行学习。
[0054] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，根据所述 粗轧宽度目标计算，粗轧出口目标宽度考虑以下因素：
[0055] (6)不同钢种、规格的宽度余量，
[0056] (7)精乳小立棍压下量及其狗骨宽展量，
[0057] (8)精轧自然宽度预测值，
[0058] (9)人工目标宽度修正量，
[0059] (10)宽度全局遗传学习；
[0060] 粗轧出口目标宽度包括：
[0061] 粗轧出口目标宽度冷值，
[0062] 粗轧出口目标宽度冷值计算公式如下：
[0063] ffEMTarget_WFMTarget_WFMspread+dffE3effect +Margin+ffHMI+ff Jnherglobal ( 1 )
[0064] 将粗轧出口宽度冷值转换成粗轧出口宽度热值：
[0065] WemtargetH〇t-WRMTargetH〇t · alpha
[0066] 其中：
[0067] alpha :冷热转换系数，
[0068] Wsmarget :粗轧出口宽度目标冷值(单位：mm)，
[0069] WFMTarget :精轧出口宽度目标冷值(单位：mm)，
[0070] WFMspread :精乳自然宽度计算值(单位:mm)，
[0071] dffE3effect-dffE3_WE3 dog
[0072] dWE3effect:E3有效宽度压下，等于E3压下（dWE3)减去狗骨宽展（WE3dog)，
[0073] Margin=MarginBase+MarginTechnics 十 Marginlnher, MarginTechnic :宽度余量 工艺修正值(根据不同钢种和厚度、宽度分层别）（单位：mm)，
[0074] MarginBase :宽度余量基本值(单位：mm)，
[0075] MarginInher :宽度余量学习值(根据不同钢种和厚度、宽度分层别值）（单位：mm)，
[0076] Whmi :粗轧目标宽度系统修正(画面输入，为操作工操作提供手段）（单位：_)，
[0077] Wlltogltjbal :宽度全局修正值(单位：mm)。
[0078] 热轧的宽度控制目标一般指精轧宽度，但宽度的主要轧制过程在粗轧完成。
[0079] 带钢在精轧轧制过程中宽度会发生宽展和拉窄现象。因此粗轧轧制设定首先要在 精轧宽度目标的基础上确定粗轧粗口宽度目标。
[0080] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，粗轧宽度 测量及数据处理：
[0081] 宽度测量数据是板坯宽度的对称数据，根据这个特点宽度测量数据处理如下：
[0082] (1)对宽度测量数据进行限幅滤波、限速率波处理，
[0083] (2)根据辊道速度曲线，判断板坯调头位置，将数据整理成同位置宽度测量数据，
[0084] (3)比较同位置宽度数据，如果偏差大于一定量，去除，
[0085] (4)计算宽度平均值。
[0086] 根据本发明，所述（3)中，比较同位置宽度数据，如果偏差大于一定量，例如5mm， 则去除。
[0087] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，粗轧宽度 模型第一次学习采用乘性学习方法，学习算法中考虑各道次的自然宽展和狗骨宽展变化。 [0088] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，下面假设 E2入口宽度已知，乳制一道次，采用后计算值的进行宽度模型学习的算法，
[0089] 粗轧水平轧机出口宽度（即粗轧完成某1道次轧制后的出口宽度）如式（3)所示，
[0090] Wpost (I) -We2 (〇) +dff (I) =dffNature (I) +dffDog (1)
[0091] WAct(l)-WE2(0)+dff(l)=K Act(l) *dffNature(l)+KDogAct(l) *dffDog(l) (3)
[0092] 式中：Wptjst(I):水平轧机第一道次出口板坯后计算宽度(单位：mm)，
[0093] We2(O):立棍乳机第一道次乳制前板述入口宽度(单位：_)，
[0094] dW(l):立辊轧机第一道次压下量(单位：mm)，
[0095] dWNature(l) :7jC平第一道次轧制后自然宽展(单位：mm)，
[0096] dWD〇g(l) :7jC平第一道次乳制后狗骨宽展(单位：_)，
[0097] WAct(l) :7jC平乳机第一道次出口板?宽度实测平均值(单位：mm)，
[0098] KAct(l) :7jC平乳制第一道次自然宽展修正系数(需要模型自适应的值)，
[0099] Kltogikt⑴：水平轧制第一道次狗骨宽展修正系数(需要模型自适应的值)。
[0100] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，粗轧立辊 轧制设定和轧制：
[0101] 当侧压后平轧时，平轧后板材宽度Wtjut由以下三项组成：
[0102] ffout=ffin+dffdog+dffnature (2)
[0103] 式中：Win为侧压后轧件宽度(单位：mm);
[0104] ClWnature为水平轧制后除鼓形回展外的轧件宽展(单位：mm)，即水平宽展，模型细节 略；
[0105] dWd()g为水平轧制后的鼓形回展(单位：mm)，即"狗骨"宽展。
[0106] 模型细节略。
[0107] 在已知粗轧立辊入口宽度、厚度、水平轧制压力量及水平轧机出口目标宽度等条 件下，求出立辊压下量的过程即粗轧立辊轧制设定。
[0108] 立辊(乳制）设定的精度取决于水平宽展模型和狗骨宽展模型的计算精度，而模型 的精度同宽展模型的自适应算法关系密切。
[0109] 根据本发明的一种粗轧带钢宽度的综合自适应控制方法，其特征在于，
[0110] 假设模型后计算值和实际的压下、来料入口宽度一致，由上式（3)得：
[0111] WPost(l)-ffAct(l) = [l-KAct(l)] · dffNature(l) + [l-KDogAct(l)] · dffDog(l) (4)
[0112] 假设自然宽展和狗骨宽展的误差同模型计算结果成比例，定义：
【权利要求】
1. 一种粗社带钢宽度的综合自适应控制方法，其特征在于，所述方法包括带钢板逐的 粗社宽度设定计算过程及粗社宽度模型的自适应计算，所述带钢板逐的粗社宽度设定计算 过程包括下述步骤： (1) 用于粗社宽度设定计算的数据准备， (2) 进行粗社宽度目标计算， (3) 进行粗社立親社制设定计算； (4) 进行粗社立親社制和数据收集； (5) 判断粗社社制是否结束，如判断粗社社制未结束，则再返回（1 )，过程计算机会再次 进行社制设定，即粗社再计算设定， 如判断粗社社制结束，则转入精社社制过程，在精社社制过程中和社制结束后，启动精 社宽度自适应计算过程，精社宽度自适应计算过程包括精社自然宽展模型的自适应学习及 精社宽度全局学习两方面内容，所述精社宽度自适应学习在精社社制过程中和社制结束后 分别启动两次， (6) 对所述精社自然宽展学习和精社宽度全局学习的遗传进行数据保存并返回。该些 遗传数据将用于下带钢板逐的粗社社制设定计算，结束。
2. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，所述 粗社宽度测量数据的处理方法为： 利用粗社立親社机的社制力、親缝和部分宽度测量数据估计粗社出口宽度模型修正系 数，从而推导全长宽度数据，估算粗社出口宽度平均值。
3. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，根据 粗社后计算获得的宽度偏差，W粗社宽度预测的宽展量为权重，进行误差分解，根据该误差 进行自然宽展和狗骨宽展的自适应学习。
4. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，所述 精社宽度自适应计算过程还包括： 精社宽度模型学习的启动逻辑： 精社宽度模型学习的启动次数为两次，分别是精社带钢社制完成30%带钢的条件下或 社制带钢长度MOOm情况下启动一次，精社完成全长带钢社制后再次启动。
5. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，根据 所述粗社宽度目标计算，粗社出口目标宽度考虑W下因素： (1) 不同钢种、规格的宽度余量， (2) 精社小立親压下量及其狗骨宽展量， (3) 精社自然宽度预测值， (4) 人工目标宽度修正量， (5) 宽度全局遗传学习； 粗社出口目标宽度包括： 粗社出口目标宽度冷值， 粗社出口目标宽度冷值计算公式如下： WRMTarget-WFMTarget_WFMspread+dWE3effeGt+Margin+W丽 i+Wi 血 ergiobal ^ 1 ) 将粗乳出口宽度冷值转换成粗乳出口宽度热值： WfflllTarge证ot-WuMTargetHot ? alpha 其中： al地a ;冷热转换系数， Wmarget :粗社出口宽度目标冷值（单位：臟）， WFMTarget :精社出口宽度目标冷值（单位：臟）， 胖池阳ead :精社自然宽度计算值（单位：臟）， 抓 E3effect_ 抓 E3-WE3dog dWE3effect ;E3有效宽度压下， 抓E3 ;E3压下， 肥3dog ;狗骨宽展， Margin=MarginBase+MarginTechnics + Margininher, MarginTechnic ;宽度余量工艺修正值，根据不同钢种和厚度、宽度分层别，（单位；mm), MarginBase ;宽度余量基本值(单位；mm), Margininher ;宽度余量学习值，根据不同钢种和厚度、宽度分层别(单位；mm), :粗社目标宽度系统修正弹位：mm)， Winherglotol ;宽度全局修正值弹位；?1)。
6. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，粗社 宽度测量及数据处理： 宽度测量数据是板逐宽度的对称数据，根据该个特点宽度测量数据处理如下： (1 )对宽度测量数据进行限幅滤波、限速率波处理， (2 )根据親道速度曲线，判断板逐调头位置，将数据整理成同位置宽度测量数据， (3) 比较同位置宽度数据，如果偏差大于一定量，去除， (4) 计算宽度平均值。
7. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，粗社 宽度模型第一次学习采用乘性学习方法，学习算法中考虑各道次的自然宽展和狗骨宽展变 化。
8. 如权利要求7所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，设E2 入口宽度已知，社制一道次，采用后计算值的进行宽度模型学习的算法， 粗社水平社机出口宽度，即粗社完成某1道次社制后的出口宽度如式（3)所示， Wpost (1)-胖E2 (0) +CW (1) =cWNature (1) +cWd〇s (1) 胖4。*(料2(〇)+抓(料。*(1)兔恤6(1)+而。抽"(1)-(1胖。^(1) (3) 式中；Wpast(l);水平社机第一道次出口板逐后计算宽度弹位；l?)， Wc2(〇);立親社机第一道次社制前板逐入口宽度(单位；mm), 抓(1);立親社机第一道次压下量(单位；mm), dWNature(l):水平第一道次社制后自然宽展（单位：臟）， dWDog(l):水平第一道次社巧[|后狗骨宽展(单位;mm)， 胖4。,（1):水平社机第一道次出口板逐宽度实测平均值(单位：mm)， KAet(l);水平社制第一道次自然宽展修正系数，0.7?1.35,为需要模型自适应的值， 而。^。1(1):水平社制第一道次狗骨宽展修正系数，0. 7?1. 35,为需要模型自适应的值。
9. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，假设 模型后计算值和实际的压下、来料入口宽度一致，由上式（3)得： Wp〇sta)-WActa)=[l-KAct(l)] ? dWNa 恤 6(1)+[1-而。抽 ct(l)] ? dWDw(l) (4) 设自然宽展和狗骨宽展的误差同模型计算结果成比例，定义：
由（7)推出：
10. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于， 模型自适应系数新值采用W下方法计算： K,"(l) = a . upd+(l-a) . K〇i,(l) (7) 式中而e，(l);模型新的自适应系数，0.7?1.35， K〇id(l);模型老的自适应系数，0. 7?1.35， upd ;新模型系数的计算更新值，0. 7?1. 35， 即式（8)中的 KAet(l)，KDwAet(l) a :模型学习系数，0?1之间。
11. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，常规 社机，R1后没有测量仪表的，则在第一次测量到板逐宽度时，宽度关系如下式：
12. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于， 设自然宽展和狗骨宽展的误差同模型计算结果成比例，则定义：
13. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，采用式（7)更新遗 传系数， 粗社出口宽度的模型的层别包括；质量号X道次号X宽度等级X厚度等级， 粗社宽度的学习算法采用长时、短时二种，长时系数用于换规格时使用，短时用于同一 社制计划中同规格后续带钢， 同一社制计划中社制新规格带钢采用长时遗传系数，而否则采用短时遗传系数， 本步骤更新的遗传系数用于后续带钢的社制设定。
14. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，在粗 社再设定计算及宽度模型再次学习， 粗社完成前向道次社制，获得了宽度实际值后，根据该新宽度实际值值从新进行社制 设定，学习方法见式（8)、（9)、（10)。
15. 如权利要求1所述的一种粗社带钢宽度的综合自适应控制方法，其特征在于，精社 宽度全局模型学习采用如下方法，如式（11 )，其主要特征包括： 模型学习获得的遗传系数直接用于修正粗社宽度目标，而不是粗社最后道次的親缝。 "Global (new) - (1- a ) ? Wciobai bid) + a ? (WFMTarget-WFMAct+W〇PMod ?目）（l0 式中：胖<；1<*。1(116巧)，胖。。1^。1(〇1(1)为宽度全局遗传系数， a,目：精社宽度全局模型学习系数， 胖面犯邮：精社宽度目标（单位：臟） WpMet :精社宽度实际弹位：mm) WwMDd ;宽度目标操作工修正(单位；mm)。
【文档编号】B21B37/22GK104415972SQ201310390071
【公开日】2015年3月18日 申请日期:2013年8月30日 优先权日:2013年8月30日
【发明者】张健民, 李维刚, 沈际海, 张晓峰 申请人:宝山钢铁股份有限公司