冷轧带钢表面粗糙度在线检测设备及其回归平滑自适应滤波方法与流程

本发明属于带钢冷轧技术领域，涉及一种带钢表面粗糙度的在线检测设备及滤波方法，尤其涉及一种冷轧带钢高精度板形表面粗糙度在线检测设备及其回归平滑自适应滤波方法。

背景技术：

钢铁工业的下游用户对冷轧带钢产品的质量要求越来越严格，表面粗糙度对于冷轧板来说至关重要，它是影响钢板可成形性的关键因素，也是冷轧产品质量的重要指标之一。目前，在冷轧带钢生产实践中，对带钢表面粗糙度进行监控的通常方式是，在相关的冷轧后处理机组出口(如连续热镀锌机组或平整机组等)，对带钢进行抽检取样，然后在分析测试实验室对样板进行离线测试获取带钢的表面粗糙度参数，并与下游用户的技术要求进行比较。如果带钢表面粗糙度不满足下游用户的要求，则在后续生产计划中对同类带钢的生产工艺参数进行必要调整。然后再抽检取样、离线分析测试、在线调整工艺参数等，直到带钢的表面粗糙度完全满足下游用户要求为止，该方法具有滞后性和非连续性，取样部位一般在头和尾，无法代表整块钢板的粗糙度特点。

随着技术的不断进步，非接触的粗糙度测量方法得到了迅速的发展，该方法以光学的测量方法最为普遍，主要包括光切法、光干涉法、散斑法、散射法等。光学测量方法有着测量速度快、无损伤、可实现实时在线测量等优点。其中，散射法因具有检测精度高、测量范围宽、抗环境干扰能力强、易于集成等特点，在表面粗糙度在线测量的理论研究与工程应用方面得到广泛关注与实践。德国emg自动化公司开发的sorm3plus系统，应用散射法，实现在不与带钢接触的情况下测量运动中冷轧带钢的表面粗糙度，国内外已有50多条机组(cgl、capl等)安装sorm3plus系统，已部分实现代替离线取样检测。

散射法实现无损在线检测带钢表面粗糙度的关键技术之一是滤波算法，从测量获得初始检测参数中快速准确辨识出带钢表面粗糙度参数是滤波算法的主要目标。现有滤波算法主要采用高通滤波器，虽然快速性好，但参数检测的准确性和精度因高通滤波器的单一滤波条件限制而很难提升，寻求快速性好、准确度高的滤波算法成为拓展散射法带钢表面粗糙度在线检测应用的瓶颈所在。

技术实现要素：

本发明所要解决的第一个技术问题是提供一种结构合理、准确度高的冷轧带钢表面粗糙度在线检测设备。

本发明所要解决的第二个技术问题是提供一种采用上述设备进行冷轧带钢表面粗糙度在线检测的回归平滑自适应滤波方法，能实现对冷轧带钢表面粗糙度参数的快速在线检测，提高冷轧带钢表面粗糙度的检测精度。

本发明解决上述第一个技术问题所采用的技术方案为：一种冷轧带钢表面粗糙度在线检测设备，其特征在于：所述冷轧带钢表面粗糙度在线检测设备包括依次连接的调制器、光探测器、解调器和滤波器，调制器的两端连接有光纤，光源的光经过光纤送入调制器，经调制器调制成为被调制的信号光，再经光纤送入光探测器、解调器，最后经滤波器将带钢表面粗糙度滤波输出参数。

作为改进，所述调制器为非接触式，位于带钢宽度方向上中部位置。

再改进，所述冷轧带钢表面粗糙度在线检测设备安装在平整机组出口段，冷轧带钢表面粗糙度在线检测设备可随带钢按照一定的速度连续向前移动，实时检测得到带钢表面粗糙度参数及其沿带钢长度方向的变化情况。

本发明解决上述第二个技术问题所采用的技术方案为：一种冷轧带钢表面粗糙度在线检测的回归平滑自适应滤波方法，其特征在于包括以下步骤：

1)局部加权回归降噪预处理：将上述冷轧带钢表面粗糙度在线检测设备中解调器输出的n组带钢表面粗糙度初始值定义为(xi,yi)，i＝1,...,n，n自然数，其中：xi为采样点数，yi为带钢表面粗糙度初始参数，对任意第k组带钢表面粗糙度初始值(xk,yk)，k＝1,...,n，n自然数，利用加权最小二乘法，拟合d阶多项式：

利用n组带钢表面粗糙度初始值，估计系数βj，j＝1,...,d，d自然数，并最小化加权残差平方和q：

式中：wk(xi)为一次权重函数，表达式为：

式中：hi为平滑窗口宽度；

2)基于平滑值与实际值的残差e，建立二次权重函数：降噪预处理后得到初次平滑后的带钢表面粗糙度参数定义残差值建立二次权重函数δk，表达式为：

式中：s为残差绝对值|ei|的中位数；

将步骤(1)中的加权残差平方和q改写为：

重新进行步骤1)中的加权最小二乘法，得到二次平滑后的带钢表面粗糙度参数

3)迭代寻优：重复步骤2)，反复迭代t次，t自然数，最终得到带钢表面粗糙度滤波器输出参数较初始参数(xi,yi)鲁棒性更强。

作为优选，所述步骤1)中的带钢表面粗糙度初始参数yi包括表面轮廓算术平均偏差ra、或微观不平度十点高度rz、或峰值密度pc。

进一步，所述步骤1)中，当带钢表面粗糙度初始值(xk,yk)与邻近数据(xk+1,yk+1)的变化yk+1-yk超出设定阈值ε时，减小滤波算法平滑窗口宽度hi；如果带钢表面粗糙度初始值(xk,yk)与邻近数据(xk+1,yk+1)的变化yk+1-yk未超出设定阈值ε时，保持滤波算法平滑窗口宽度hi不变，即：

式中：ε为预设可调阈值。

最后推荐ε取值是取ε＝0.75μm。

与现有技术相比，本发明的优点在于：采用回归平滑自适应滤波方法对冷轧带钢表面粗糙度进行在线检测，为了解决散射法中带钢表面粗糙度在线检测传统滤波方法的不足，提升带钢表面粗糙度参数辨识的准确度。本发明可对带钢表面粗糙度进行准确快速在线检测，大大提高冷轧带钢表面粗糙度的检测精度，有利于实现在线检测技术取代离线检测手段，提升产品效率和质量。

附图说明

图1为本发明冷轧带钢表面粗糙度在线检测设备的结构示意图；

图2为本发明冷轧带钢表面粗糙度在线检测回归平滑自适应滤波方法的流程图；

图3为本发明冷轧带钢表面轮廓算术平均偏差ra初始参数波形图；

图4为本发明应用回归平滑自适应滤波方法得到的带钢表面轮廓算术平均偏差ra波形图；

图5为本发明应用高通滤波方法得到的带钢表面轮廓算术平均偏差ra波形图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

如图1所示，一种冷轧带钢表面粗糙度在线检测设备，包括依次连接的调制器3、光探测器4、解调器5和滤波器6，调制器3的两端连接有光纤，调制器3为非接触式，位于带钢7宽度方向上中部位置，冷轧带钢表面粗糙度在线检测设备安装在平整机组出口段，冷轧带钢表面粗糙度在线检测设备可随带钢7按照一定的速度连续向前移动，实时检测得到带钢表面粗糙度参数及其沿带钢长度方向的变化情况。

检测时，将来自光源1的光经过光纤2送入调制器3，进入调制器3的光与由带钢7表面采集的散射光相互作用，使光的光学性质(如光的强度、波长、频率、相位、偏振态等)发生变化，成为被调制的信号光，再经过光纤2送入光探测器4，由解调器5解调后，获得带钢7表面粗糙度初始参数，经滤波器6，得带钢7表面粗糙度滤波输出参数。其中所述调制器3基于光学检测原理，为非接触式，位于带钢7宽度方向上中部位置。

一种冷轧带钢表面粗糙度在线检测的回归平滑自适应滤波方法，其流程图如图2所示，具体包括以下步骤：

(1)局部加权回归降噪预处理。将解调器5输出的n组带钢表面粗糙度初始值定义为(xi,yi)，i＝1,...,n，n自然数，其中：xi为采样点数，yi为带钢表面粗糙度初始参数，如表面轮廓算术平均偏差ra、或微观不平度十点高度rz、或峰值密度pc。对任意第k组带钢表面粗糙度初始值(xk,yk)，k＝1,...,n，n自然数，利用加权最小二乘法，拟合d阶多项式：

利用n组带钢表面粗糙度初始值，估计系数βj，j＝1,...,d，d自然数，并最小化加权残差平方和q：

式中：wk(xi)为一次权重函数，表达式为：

式中：hi为平滑窗口宽度。

(2)建立二次权重函数。降噪预处理后得到初次平滑后的带钢表面粗糙度参数定义残差值建立二次权重函数δk，表达式为：

式中：s为残差绝对值|ei|的中位数。

将步骤(1)中的加权残差平方和q改写为：

重新进行步骤(1)中的加权最小二乘法，得到二次平滑后的带钢表面粗糙度参数

(3)迭代寻优。重复步骤(2)，反复迭代2次，最终得到带钢表面粗糙度滤波器(6)输出参数较初始参数(xi,yi)鲁棒性更强。

步骤(1)中，当带钢表面粗糙度初始值(xk,yk)与邻近数据(xk+1,yk+1)的变化yk+1-yk超出设定阈值ε时，减小滤波算法平滑窗口宽度hi；如果带钢表面粗糙度初始值(xk,yk)与邻近数据(xk+1,yk+1)的变化yk+1-yk未超出设定阈值ε时，保持滤波算法平滑窗口宽度hi不变，即：

式中：ε为预设可调阈值，取ε＝0.75μm。

图3为解调器5解调后输出的冷轧带钢表面轮廓算术平均偏差ra初始参数波形图，分别应用回归平滑自适应滤波方法和高通滤波方法得到的带钢表面轮廓算术平均偏差ra波形图如图4和图5所示。应用回归平滑自适应滤波方法得到的结果与标准方法测定的结果进行比较，偏差为1.86％，应用高通滤波方法得到的结果与标准方法测定的结果进行比较，偏差为5.89％。因此，比较可知，回归平滑自适应滤波方法在冷轧带钢表面粗糙度信号提取上的精度高于高通滤波方法。