1.本发明涉及一种用于轧机机架的控制方法，
2.‑
其中，用于轧机机架的控制装置在轧机机架中轧制金属带期间接收金属带的存在于轧机机架的入口侧和/或出口侧的横向位置的测量数据，
3.‑
其中，控制装置的机架调节器在考虑轧机机架的参数的情况下，根据横向位置与额定位置的偏差得出轧机机架的枢转值，并且相应地驱控轧机机架。
4.本发明还涉及一种控制程序，其中，控制程序包括可由用于轧机机架的控制装置处理的机器代码，其中，通过控制装置处理机器代码引起控制装置执行这种控制方法。
5.本发明还涉及一种用于轧机机架的控制装置，其中，控制装置借助这种控制程序被编程，使得控制装置在运行中执行这种控制方法。
6.本发明还涉及一种辊单元，其中辊单元具有轧机机架，在轧机机架中轧制金属带，其中，辊单元具有这种控制装置，其中，轧机机架由该控制装置控制。
7.本发明还涉及一种轧机，其中轧机具有多个轧机机架，其中在轧制方向上观察轧机机架依次设置，使得其由金属带的相同的部段依次穿行，其中轧机机架中的至少一个形成为这种辊单元。
背景技术：8.在轧机机架中轧制金属带时，金属带的横向位置是重要的过程变量。用术语“金属带的横向位置”能够(这不仅适用于现有技术，而且也适用于本发明的范畴中)意味着金属带在单机架或多机架的轧制机中的平均的横向位置(＝横向位置)。然而，在本发明的范畴中，同样可行的是，用该术语表示金属带的较长或较短的部段的横向位置，在极端情况下表示特定带点的、尤其带头部或带尾部的横向位置。特别地，金属带的横向位置在轧制金属带的头部时是重要的，因此，金属带尽可能居中地进入后续的装置，例如后续的轧机机架或卷箱中。横向位置与额定位置的偏差会导致干扰，在极端的情况下导致爆炸。
9.为了避免这种干扰，已知的是，检测金属带的横向位置并且相应地枢转轧机机架的辊，以便相应地调节和跟踪金属带的横向位置。纯示例性地能够参考ep 3 202 502a1。
10.但是，在轧制金属带时，也会造成在轧制的金属带中形成卷曲。在某些情况下，尽管尝试将金属带的横向位置逼近额定位置，但在其他情况下，正是由于尝试将金属带的横向位置逼近额定位置而发生。卷曲能够(根据个别情况)在金属带的朝向轧机机架的驱动侧的带边缘的区域中或者在金属带的朝向轧机机架的操作侧的带边缘的区域中出现。这种卷曲至少使得将金属带输送到后续装置、例如将金属带穿入后续机架中变难。此外，卷曲会造成所谓的带倍增(即金属带的双重的层)，从而导致轧机机架运行中的干扰。在最坏的情况下，甚至会出现所谓的爆炸。在轧制的金属带中产生卷曲的原因尤其能够是轧机机架的对于具体轧制的金属带不适合的不对称的定位。
11.在当前的现有技术中，无法事先根据设施数据、运行数据和测量数据确定是否或可能以何种程度出现这种卷曲。对此的原因是，除了可测量的和已知的变量之外，其他的、
不可测量的并且其他不已知的变量具有显著的影响。可测量的和已知的变量例如是带厚度、带宽度、温度、轧辊研磨、轧辊定位等。例如，不可测量并且其他不已知的变量例如是(关于所述轧机机架)在仍未轧制的金属带中存在的厚度楔形(dickenkeil)或在仍未轧制的金属带中存在的温度楔形(temperaturkeil)以及轧机机架的实际调剂与目标调节的偏差。
12.在现有技术中已知：借助于在轧机机架的出口侧的相应的相机装置检测轧制的金属带的图像，并且对图像进行评估。然而，在现有技术中，仅进行评估以检测和得出带边缘的位置或者通常金属带的横向位置，尤其用于得出带弯曲度。纯示例性地，能够参考已经提及的ep 3 202 502a1。这也在wo 2006/063 948 a1中示出。相同内容同样适用于wo 2016/198 246 a1。
技术实现要素：13.本发明的目的在于提供尽可能避免在轧制的金属带中产生卷曲的可能性。
14.该目的通过具有权利要求1的特征的控制方法来实现。控制方法的有利的设计方案是从属权利要求2至11的主题。
15.根据本发明，开头提到类型的控制方法通过如下方式设计：
16.‑
控制装置得出至少一个参量，针对金属带的两个带边缘由该参量得出金属带在相应的带边缘的区域中是否形成卷曲，并且
17.‑
一旦金属带在带边缘之一的区域中形成卷曲，则控制装置改变机架调节器的参数中的至少一个，使得机架调节器自至少一个参数改变起在考虑变化的参数的情况下得出枢转值。
18.特别地，控制装置改变参数，使得克服卷曲的形成或者将形成卷曲的程度限制到预定的量。
19.该参数能够根据需要确定。特别地，参数能够是枢转值的最大值或最小值。例如可行的是，确定轧机机架在带边缘出现卷曲的方向上的楔形调整的边界值。对于其他方向可行的是，在那的边界值(只要存在这种边界值的话)保持不变。替代地可行的是，针对两个枢转方向确定轧机机架的楔形调整的共同的绝对的边界值。
20.在个别情况下能够确定参数，使得其对当前由机架调节器输出的枢转值没有任何影响。如果在识别到卷曲时的灵敏度非常高，从而已经能够识别非常小的卷曲，则这尤其是有意义的。在该情况下，可能会足够的是，将边界值(根据转动方向)确定为略高于或低于当前值的值。但是，控制装置确定边界值，使得机架调节器由于参数改变而必须在绝对值方面减小当前的枢转值。
21.优选地，控制装置保持改变的参数，直到控制装置由于在金属带中重新形成卷曲而重新改变，或者直到金属带的拉伸状态变化或者在轧机机架中完全轧制金属带而重新改变。
22.拉伸状态确定金属带来在拉伸的情况下被轧制还是在无拉伸的情况下被轧制。在出口侧检测带位置和评估卷曲的情况下，无拉伸地轧制邻接于带头部的区域，直到带头部进入后续装置，例如，穿入后续的轧机机架中。同样地，在入口侧检测带位置并且评估卷曲的情况下，自以下时刻起轧制邻接于带尾部的区域，在该时刻带尾部从之前的装置中离开，例如从之前的轧机机架中穿出。金属带的剩余区域能够根据需要在拉伸的情况下(这是通
常情况)或无拉伸的情况下被轧制。
23.控制装置优选地将改变的参数与针对轧制的所述金属带的特征数据相关联地输送给数据库，使得在以相同的或足够相似的特征数据轧制另一金属带时提供改变的参数作为参数的初始值。由此，能够实现在以相同的或足够相似的特征数据轧制另一金属带时从一开始就调节机架调节器的参数，使得避免卷曲或者将卷曲的程度限制到预定的量。特别地，由此避免在轧制随后的相同类型或至少类似的金属带时重新出现卷曲。
24.控制装置尤其能够接收金属带的图像的组作为金属带的横向位置的测量数据，图像示出在从轧机机架离开和/或在进入轧机机架中时的金属带，其中，该组的图像分别涉及对于相应的组统一的检测时间点。如上文已经阐述的那样，通过相机和类似的光学检测装置检测这种图像是普遍已知的。
25.可行的是，组在个别情况下分别仅包括单个图像。在该情况下已经能够非常可靠地进行评估。此外可行的是，确定该组图像，使得其能够实现三维地确定金属带的表面。由此还进一步改进了评估。
26.例如，该组的图像组能够包括至少一个深度图像。术语“深度图像”具有确定含义。深度图像是二维图像，其中，每个图像点除了所属对象的通过图像点在图像中的布置的特定的布置之外还与距离信息相关联，使得在三维空间中明确地定位所属的图像。通常替代地，但是原则上也附加地可行的是，该组图像包括多个二维图像。在该情况下，能够根据相应组的多个图像生成立体图像、即三维图像。
27.在控制方法的一个特别优选的设计方案中提出，控制装置根据金属带的图像的组得出至少一个参量，从该参量中针对金属带的两个带边缘得出金属带在相应的带边缘的区域中是否形成卷曲。
28.用于得出图像中的卷曲的算法本身不必明确地创建。更确切地说，能够在学习阶段的范畴中使用所谓的机器学习算法。例如，能够相应地训练神经网络。纯示例性地，在该上下文中能够参考zhong
‑
qiu zhao等人于journal of latex class files,vol.14,no.8,2017年3月公开的专业文献“object detection with deep learning:a review”。但是，其他处理方式也是容易可行的。
29.在最简单的情况下，可行的是，控制装置
30.‑
根据图像的相应的组分别得出金属带在相应的带边缘的区域中形成卷曲的程度，
31.‑
将相应得出的程度与阈值进行比较，并且
32.‑
根据相应的比较得出至少一个参量作为相应的布尔(boolesche)变量。
33.在该情况下，因此，控制装置做出简单的二元判断：在这一个带边缘处或在另一带边缘处是否形成卷曲。该变体方案能够相对简单地实现。
34.但是，更好的是，控制装置
35.‑
根据图像的相应的组分别定量地得出金属带在相应的带边缘的区域中形成卷曲的程度，并且
36.‑
利用量化值作为至少一个参量。
37.因此，在该情况下，不仅提供二元结论，而且提供关于卷曲形成的量化结论。控制装置能够例如以i单位(英文i
‑
units，在德语中也称作为平坦度系数)的形式得出量化值。i
单位是本领域技术人员已知的和熟悉的。
38.根据本发明的控制方法尤其在以下时间段期间执行，在该时间段期间，在轧机机架之前和/或之后(即在机架调节器所作用于的轧件机架之前和/或之后)金属带处于无应力状态。
39.该目的还通过具有权利要求12的特征的控制程序来实现。根据本发明，通过控制装置处理机器代码引起控制装置实施根据本发明的控制方法。
40.该目的还通过具有权利要求13的特征的控制装置来实现。根据本发明，控制装置用根据本发明的控制程序被编程，使得控制装置在运行中实施根据本发明的控制方法。
41.该目的还通过具有权利要求14的特征的辊单元来实现。根据本发明，辊单元具有根据本发明的控制装置作为控制装置。
42.该目的还通过具有权利要求15的特征的轧机来实现。根据本发明，轧机中的至少一个构造为根据本发明的辊单元。
附图说明
43.下面根据结合附图对实施实例的描述，详细说明本发明的上述特征、特点和优点以及如何实现它们的方式和方法结。在此，以示意图示出：
44.图1示出多机架的轧机，
45.图2示出具有相关联的部件的单个轧机机架，
46.图3示出流程图，
47.图4示出轧机机架和金属带的俯视图，
48.图5示出具有卷曲的金属带的侧视图，和
49.图6至9示出流程图。
具体实施方式
50.根据图1，轧机具有多个轧机机架1。在图1中仅示出轧机机架1的工作辊。然而，轧机机架1通常附加地至少也具有支撑辊，在一些情况下也除了支撑辊之外还具有附加的其他辊。例如，能够在工作辊与支撑辊之间布置中间辊。在轧机中轧制金属带2。轧机机架1由相应的机架调节器3a控制。机架调节器3a是用于相应的轧机机架1的相应的控制装置3b的组成部分。控制装置3b能够由上级的协调装置3c协调。但是，这不是强制必须的。
51.在轧制方向x上观察，轧机机架1相继布置。因此，轧机机架1由金属带2的相同的部段依次穿行。金属带2例如能够由钢或铝制成。轧制例如能够是热轧制，特别是在热轧厂的多机架的生产线中的热轧制。
52.图2示出单个轧机机架1。在图2的轧机机架中，同样轧制金属带2。轧机机架1能够是图1的轧机的轧机机架1之一。出于该原因，图2中附加地绘出轧机的另一轧机机架1。然而，所述另一轧机机架1仅以虚线示出，因为其在图2和其他图的范畴中，仅实线示出的轧机机架1是重要的。因此，轧机机架1涉及以下实施方式。替代地，轧机机架能够是可逆机架，在可逆机架中以可逆方式轧制金属带2。在该情况下，轧机机架1能够是单个轧机机架，在该轧机机架中轧制金属带2。轧机机架1(同样如在图1的轧机机架1)由具有机架调节器3a的控制装置3b控制，其中，协调装置3c能够布置在控制装置3b上级。
53.控制装置3b分别用控制程序4被编程。这仅针对控制装置3b之一在图1和图2中示出。控制程序4包括可由控制装置3b处理的机器代码5。通过控制装置3b处理机器代码5引起控制装置3b根据下面更详细解释的控制方法来控制轧机机架1。在此，首先解释如其也在现有技术中实现的运行，并且随后讨论根据本发明的特殊性。
54.控制装置3b从检测装置6(也参见图3中的步骤s1)接收测量数据m。在轧机机架1中轧制金属带2期间进行测量数据m的接收。测量数据m对于金属带2的根据图4中的视图对于轧机机架1的出口侧存在的横向位置y是具有特征性的。所述控制装置3b因此在步骤s2中从测量数据m中得出金属带2的横向位置y。控制装置根据横向位置y与额定位置y*的偏差在步骤s3中得出用于轧机机架1的枢转值δs。从一开始就进行得出，使得金属带2的横向位置y靠近额定位置y*。在步骤s4中，机架调节器3a根据得出的枢转值δs驱控轧机机架1。
55.机架调节器3a在得出枢转值δs时不仅考虑横向位置y与额定位置y*的偏差，而且附加地也考虑至少一个参数p、通常多个参数p。参数p例如不同于变量。变量是在机架调节器3的每个周期中都改变的参量。典型的变量是目标值y*、实际值y和位置参量δs。相反地，而参数p是通常仅为机架调节器3a一次性预设并且随后在整个调节过程期间(即经过多个周期)保持恒定。例如，在常规的pi调节器中，参数p能够例如是比例增益或积分时间常数。在如当前情况下使用的且例如从已经提到ep 3202 502a1中已知的机架调节器3a的范畴中，参数p能够确定例如枢转值δs的最大允许值或者机架调节器3a的周期之间的枢转值δs变化的最大值。枢转值δs的最大允许值必要时能够单独针对两个枢转方向来确定。
56.到目前为止解释了控制装置3b的工作方式对应于如普遍已知且也详细地例如在ep 3 202 502 a1中解释的正常的带位置调节。本发明基于该处理方式。
57.因此，根据本发明，控制装置3b在步骤s5中得出至少一个参量v1、v2、q1、q2，从该参量中针对金属带2的两个带边缘7、8(见图4)得出金属带2是否在相应的带边缘7、8的区域中形成卷曲9(见图5)。在步骤s6中，控制装置3b根据至少一个参量v1、v2、q1、q2检查是否并且必要时在哪个带边缘7、8处金属带2形成卷曲9。
58.如果步骤s6的检查是否定的，即没有识别到卷曲9，则跳过步骤s7。而如果步骤s6中的检查是肯定的，即识别出卷曲9，则控制装置3b过渡至步骤s7。在步骤s7中，控制装置3b改变机架调节器3a的参数p中的至少一个。自该时间点起、即自至少一个参数p改变起，机架调节器3a在考虑改变的参数p的情况下得出枢转值δs。
59.控制装置3b改变参数p，使得克服卷曲9的形成或者将形成卷曲9的程度限制到预定的量。特别地，控制装置3b能够改变如下参数，该参数确定枢转值δs的最大允许值。特别地，该值能够在绝对值方面从其当前有效值减小。替代地，能够针对两个枢转方向或仅针对产生卷曲9的枢转方向执行改变。
60.与不自动考虑卷曲9的现有技术的处理方式相反，在本发明的范畴中，因此，在考虑金属带2在其带边缘7、8的区域中是否形成卷曲9的情况下得出枢转值δs。
61.在进一步的进程中，控制装置3b保持改变的参数p，直到进入特定的事件，由于所述特定的事件重新改变相应的参数p的值。在参数p针对两个枢转方向绝对值方面减小的情况下，这种特定的事件在于，尽管刚刚提到的参数p的变化，但在带边缘7、8之一处重新探测卷曲9。在参数p仅针对相应的枢转方向在绝对值方面减小的情况下，这种特定的事件在于，尽管刚刚提到的参数p的变化，在同一带边缘7、8处如之前那样重新探测卷曲9。其他特定的
事件是轧制过程的变化。
62.特别地，根据图6中的视图可行的是，控制装置3b在步骤s1中检查金属带2的拉伸状态z是否已经改变。尤其当从金属带2在拉伸的情况下轧制过渡到金属带2在无拉伸的情况下轧制，或者相反地从金属带2在无拉伸的情况下轧制过渡至金属带2在拉伸的情况下轧制时，拉伸状态z变化。当金属带2的带头部11进入后续装置中时，例如在多机架的轧机的情况下穿入到后续的轧机机架1中时，通常尤其存在从金属带2在无拉伸的情况下轧制到金属带2在拉伸的情况下轧制的切换。相反地，当金属带的带尾部从之前的装置中离开时、例如从多机架的轧机的之前的轧机机架中穿出时，存在从金属带2在拉伸的情况下轧制到金属带2在无拉伸的情况下轧制的变化。
63.替代地或附加地，在步骤s12中，控制装置3b能够检查金属带2是否完全在轧机机架1中轧制。在该情况下，能够在步骤s13中重新确定参数p。
64.可行的是：始终将参数p确定到相同的值。但是，图6的处理方式优选地根据图7的视图通过步骤s21至s24补充。
65.当控制装置3b改变至少一个参数p时，执行步骤s21。在该情况下，控制装置3b将改变的参数p在于针对轧制的金属带2特征数据d相关联地输送给数据库db(见图2)。由此可行的是，控制装置3b在步骤s22中在轧制相应的金属带2之前根据特征数据d针对待新轧制的金属带2检查在数据库db中对于这种金属带2或具有充分相似的特征数据d的金属带2是否已经存储参数p。当存储这种参数p时，控制装置3b能够在步骤s23中从数据库db中调用该参数p作为初始值。否则，控制装置3b能够在步骤s24中规定参数p的标准值。
66.测量数据m能够根据需要确定。检测装置6也相应地构造。检测装置6优选地构造为单个相机7或(见图4)构造为相机10的组。在该情况下，测量数据m是图像b或图像b的组。
67.可行的是，图像b的组分别仅包括单个图像b。在该情况下，相应的图像b涉及相应的检测时间点。然而，如已经提到的那样，检测装置6也能够构造为相机10的组。在该情况下，相机10分别检测自己的图像b。在该情况下，各个相机10分别在统一的检测时间点检测其相应的图像b。因此，在该情况下，相应组的图像b涉及相应的统一的检测时间点。
68.优选地，控制装置3b不仅在步骤s2的范畴中、即在得出金属带2的横向位置y的范畴中使用图像b的组。此外，控制装置3b优选地也在步骤s5的范畴中将图像b的组用于得出至少一个参量v1、v2、q1、q2，从参量中针对金属带2的两个带边缘7、8得出金属带2是否在相应的带边缘7、8的区域中形成卷曲9。
69.如已经提到的那样，图像b的组能够分别包括多于一个图像b。例如，根据图4中的视图，能够存在多个相机10，这些相机分别检测自己的图像b。在该情况下，控制装置3b能够预处理在统一的检测时间点检测到的图像b，使得所述控制装置得出金属带2的三维表面。在该情况下，在步骤s5中，控制装置3b使用所得出的金属带2的三维表面。同样还可行的是，虽然图像b的每个组仅检测单个图像b，但是单个图像b已经包含所需的三维信息。在该情况下，相应的图像b是所谓的深度图像。在该情况下，控制装置3b在步骤s5中也使用金属带2的三维表面。
70.为了实施步骤s5，即为了得出至少一个参量v1、v2、q1、q2，从该参量中针对金属带2的两个边缘7、8得出金属带2在相应的带边缘7、8的区域中是否形成卷曲9，控制装置3b能够根据图8中的视图在步骤s31中在评估图像b的相应组的范畴中针对金属带2的一个带边
缘7、8得出卷曲9的程度，金属带2在带边缘7、8的区域中在该程度中形成卷曲9。例如，控制装置3b能够得出卷曲9的高度h。
71.为了得出卷曲9的程度，控制装置3b执行广义上的算法。例如，控制装置3b能够用学习算法(机器学习算法)被编程，其中，在学习阶段中事先(即在实施图3的控制方法之前)给学习算法预设图像b的多个组，并且除了图像b的相应的组之外，也告知所属的程度、例如卷曲9的高度h，使得控制装置3b能够“学习”正确的评估。替代于该程度，还能够给控制装置3b输送从程度中推导出的布尔信息。在随后运行的范畴中(即在实施图3的控制方法的范畴中)仅还为学习算法预设图像b的相应的组，并且控制装置3b借助于学习算法确定所属的程度或从中推导出的布尔信息。替代地或附加地，在学习过程的范畴中，能够为控制装置3b也输送其他的信息，例如在轧制金属带2时操作员的控制干预。适合的学习算法的实例是神经网络，特别是dnn＝深度神经网络＝深度神经网络(deep neural network)。这种神经网络的训练的方式和方法和构造例如在开始提到的zhong
‑
qiu zhao的专业文献中解释。
72.在步骤s32中，控制装置3b检查所得出的程度是否超过预定的阈值sw。如果是这种情况，则控制装置3b在步骤s33中将布尔变量v1设置到值真(wahr)。否则，控制装置3b在步骤s34中将布尔变量vi设置到值假(falsch)。
73.在步骤s35至s38中，控制装置3b以完全类似的方式针对其他的带边缘8得出布尔变量v2的值。
74.因此，在根据图8的处理方式的范畴中，布尔变量v1、v2是至少一个参量，从该参量中得出金属带2是否在相应的带边缘7、8的区域中形成卷曲9。代替两个布尔变量v1、v2，当然也能够使用具有至少三个值的变量。例如，值+1可用于这一个带边缘7处的卷曲9，值
‑
1可用于另一带边缘8处的卷曲9，并且值0用于没有卷曲9。
75.图9的处理方式与图8的处理方式类似。但能够省略步骤s32至s34和s36至s38。代替于此，存在步骤s41和s42。在步骤s41中，控制装置3b得出针对步骤s31中得出的程度的量化值q1。在最简单的情况下，控制装置3b在步骤s41中接管步骤s31中得出的程度。然而，在步骤s41中，控制装置3b优选地根据在步骤s31中得出的程度作为量化值q1来得出金属带2在带边缘7、8的区域中的所属的i单元。
76.以类似的方式，控制装置3b在步骤s42中得出针对在步骤s35中得出的程度的量化值q2。
77.在根据图9的设计方案的情况下，量化值q1、q2因此为至少一个参量，从该参量中得出，金属带2在相应的带边缘7、8的区域中是否形成卷曲9。代替两个量化值q1、q2，当然也能够使用统一的变量，该变量例如在该值为正的情况下说明在一个带边缘7处的卷曲9的高度h，并且在该值为负的情况下说明在另一带边缘8处的卷曲9的高度h。
78.根据图4中的视图，图像b示出在无应力的状态下在轧机机架1的出口侧的金属带2的图像b。在轧机机架1作为纯可逆机架的设计方案的情况下，无论如何都是这种情况。但是，在轧机机架1作为图1的多机架的轧机的组成部分的设计方案的情况下，对于以下时间范围内会产生，在该时间范围中金属带2的带头部11尽管已经穿行轧机机架1，但是这还没有到达虚线绘制的另一轧机机架1。如果例如将卷箱或类似的装置布置在轧机机架1的上游或下游，则这分别直至以下时间点都适用，在该时间点带头部11达到相应的卷箱。类似的实施方案适用于带尾部。
79.在可逆机架的情况下，金属带2以可逆方式轧制。因此，轧机机架1的出口侧在每个轧机道次中切换。因此，术语“出口侧”在可逆机架的情况下不是静态的，而是动态地关于相应的轧机道次。相同的内容适用于术语“入口侧”。
80.上文中已经结合轧机机架1的出口侧的横向位置y的检测解释了本发明。这代表本发明的通常情况。但是，替代地或附加地，同样能够相对于轧机机架1的入口侧执行该处理方式。
81.本发明具有许多优点。特别地，通过根据本发明的处理方式，不仅能够识别和校正带运行中的错误和在扭曲卷曲9的情况下的错误。能够毫无问题地实现在检测到的图像b中识别卷曲9本身。根据本发明的处理方式尤其可用于在金属带2穿入后续的轧机机架1中时或通常在金属带2进入后续的装置中时自动地优化运行。此外，通常无论如何都存在用于检测和利用图像b的所需的硬件，从而仅产生所属软件的成本。
82.尽管通过优选的实施例更详细地说明和描述了本发明，但是本发明不受所公开的实例的限制，并且本领域技术人员能够在不脱离本发明的保护范围的情况下从中推导出其他变体方案。
83.附图标记列表
[0084]1ꢀꢀꢀꢀꢀꢀ
轧机机架
[0085]2ꢀꢀꢀꢀꢀꢀ
金属带
[0086]3ꢀꢀꢀꢀꢀꢀ
控制装置
[0087]
3a
ꢀꢀꢀꢀ
机架调节器
[0088]
3b
ꢀꢀꢀꢀ
自动化装置
[0089]4ꢀꢀꢀꢀꢀ
控制程序
[0090]5ꢀꢀꢀꢀꢀ
机器代码
[0091]6ꢀꢀꢀꢀꢀ
检测装置
[0092]
7、8
ꢀꢀ
带边缘
[0093]9ꢀꢀꢀꢀꢀ
卷曲
[0094]
10
ꢀꢀꢀꢀ
相机
[0095]
11
ꢀꢀꢀꢀ
带头部
[0096]
b
ꢀꢀꢀꢀꢀ
图像
[0097]
d
ꢀꢀꢀꢀꢀ
数据
[0098]
db
ꢀꢀꢀꢀ
数据库
[0099]
h
ꢀꢀꢀꢀꢀ
高度
[0100]
m
ꢀꢀꢀꢀꢀ
测量数据
[0101]
p
ꢀꢀꢀꢀꢀ
参数
[0102]
q1、q2
ꢀꢀ
量化值
[0103]
s1至s42
ꢀꢀ
步骤
[0104]
sw
ꢀꢀꢀꢀꢀ
阈值
[0105]
v1、v2
ꢀꢀ
布尔变量
[0106]
x
ꢀꢀꢀꢀꢀꢀꢀ
轧制方向
[0107]
y
ꢀꢀꢀꢀꢀꢀꢀ
横向位置
[0108]
y*
ꢀꢀꢀꢀꢀꢀ
额定位置
[0109]
z
ꢀꢀꢀꢀꢀꢀꢀ
拉伸状态
[0110]
δs
ꢀꢀꢀꢀꢀꢀ
枢转值。