专利名称：控制工业过程的方法
技术领域：
本发明涉及一种控制用于生产或加工产品的工业过程的方法，特别是用于控制热轧机的方法。
背景技术：
按照常规的方法，对工业过程的控制和调节基于描述实际工业过程的物理模型。在对热轧机的冷却段的控制中该物理模型应尽可能精确地模拟整个冷却过程的实际情形。但是，存在不可能精确建立模型的因素，因为这要么强烈地针对设备要么不能以可接受的费用进行描述。作为例子可以在此举出钢的表面特性对热传递的影响。
因此，为了实现尽可能真实控制的模型建立，对物理模型扩展一个统计模型，该统计模型将具有模型误差的最不同的影响量的相关性用于模型的校正。例如，如果确定，物理模型对具有一定宽度、厚度和速度的某种材料造成一个10℃的典型误差和一个+/-20℃的杂散(Streuung)，则可以将该系统的部分利用在后的统计模型进行校正。这种所谓的统计模型可以不同的方式实现。一种方法是，在所谓的继承表中将校正系数存放在材料类、宽度类、温度类、厚度类等的项(Schublade)中。但是，如果要覆盖较大数目的输入参数，则该方法有局限性。例如，有十个输入量并希望为每个输入量建立十个分间隔，则产生十亿个项，在设备的生命周期中仅仅填入这些项中极小的部分。生产越少则空项的部分越大，这意味着，在生产具有新参数值的产品时这种可能性很大，即，还没有填入的项(即，还没有校正系数)为此存在，因此统计模型空运行。
另一种建立统计模型的方法是神经元网络。该方法利用影响量作为输入而所寻找的校正系数作为输出进行训练。因为神经元网络将校正系数表示为影响量的连续函数，因此不能排除在计入神经元网络时对一定的材料还保留了系统误差。神经元网络的另一个缺点是，必须首先对其进行广泛的训练直到可以有效地使用，即，在神经元网络可以使用之前必须首先冷却许多钢带。直到训练结束没有校正系数可供使用。
发明内容
因此，本发明要解决的技术问题是，提供一种用于为工业过程确定校正系数的简单的统计模型。
上述技术问题是通过一种控制和调节用于生产或加工产品的工业过程的方法来解决的，其中，控制优选基于工业过程的物理模型进行，并且其中，为了优化控制按照下列方法步骤统计地确定至少一个校正系数1.对于每个产品将包括至少一个校正系数的物理模型的参数作为产品数据组存储，2.在每个新产品的生产或加工中将所存储的产品数据组与该新产品的参数进行比较，并确定与该新产品数据组类似的产品数据组，3.从类似的产品数据组的校正系数中为该新的产品数据组确定至少一个校正系数。
该方法也可以用于采用多个校正系数的情况。此时产生一个校正系数矩阵，其中，该矩阵的每个元素都例如适用于冷却段的一个分段。
优选地，将产品数据组简单地按时间顺序存储。在此，作为存储器可以采用所谓的环形缓冲器。该存储方法的优点尤其在于不继续存储旧的数据组。例如，如果存储空间大到可以存储一台热轧机的带钢轧机机列整个的年产量，则可以认为该工业过程的生产技术参数由于老化、改建等等已经这样多的改变，使得旧的产品数据组不再包含可靠的校正系数，因此不考虑这样旧的数据组至少不会导致更差的结果。
本发明一个优选的结构是由这样一种方法给出的，其中新的校正系数通过从类似的产品数据组的校正系数的线性回归来确定。新的校正系数可以利用这种简单的统计方法在非常短的计算时间内确定。
如果为了确定新的校正系数将迄今为止的校正系数进行加权，则是特别优选的。在此，该加权可以按照记录的产品数据组的时间顺序利用它们各自所属的校正系数进行。也就是说，对较新校正系数的加权比对时间上较旧的校正系数的加权更强。由此使例如上述由于生产或加工段老化的负面影响大大减弱。
下面结合附图对本发明的实施方式作进一步说明，图中，图1示出一台热轧机的冷却段示意图，包括所属物理模型的简化框图，图2示出金属带化学成分的示意图，图3示出金属带的速度(v[m/s])和厚度(D[mm])的示意图，图4示出金属带的宽度(B[mm])的示意图，图5示出金属带在生产线测量位置上的温度(TFM[℃])的示意图，图6示出卷轴额定温度(THS[℃])的示意图，图7示出用于确定校正系数(K)的框图，图8为表示用于对校正系数(K)加权(G)的图，图9示出用于确定新校正系数(K0)的示意图。
具体实施例方式
按照图1的示意图示出了一台热轧机的冷却段，包括所属物理模型的简化框图。金属带按箭头方向从左边进入经过最后的轧制机架WG并在那里被轧制到其最后的厚度。然后，金属带经过生产线测量位置FMP，在该位置上对例如金属带的厚度D、在生产线测量位置上的温度TF、宽度B等参数进行测量。然后，金属带在辊轴R的驱动下经过冷却段KS。在冷却段中金属带的上部和下部设置了阀门单元V，通过这些阀门将水喷射到金属带上。金属带在经过冷却段KS的冷却之后通过卷轴测量位置HMP并随后被卷绕在卷轴H上。在冷却段KS中一般不能测量温度。
在调节段RA的框图中通过冷却段的一个物理模型MK模拟了该冷却段。该冷却段的物理模型MK产生用于冷却段的调节器RK的调节参数并对带段的任何位置计算金属带的温度。这通过位于冷却段模型MK和冷却段调节器RK之间的箭头示意地示出。冷却段调节器RK被分成一个用于主冷却区的调节器RH以及一个用于细冷却区的调节器RF。
冷却段物理模型通过输入E1得到带数据BD以及带参数；通过输入E2得到至少在生产线测量位置FMP上所测量的温度TF。通过输入E3向冷却段模型MK传送卷轴温度TH。其它测量值，例如带速度和接通的水量则通过输入E5输入该模型。
如上所述，冷却段模型MK针对金属带的长度计算在金属带任何位置上的温度，从而冷却区调节器RK将这些温度作为其调节的实测值。调节器计算用于阀门V的调节值并通过其输出A1将该值传送到阀门V。阀门状态同时通过输入E5传送给冷却段模型MK。
在理想的条件下和热轧的并待冷却的金属带的成分总是相同时，利用该调节装置RA可以实现理性的冷却过程，使得该金属带在卷绕在卷轴H上之前具有所希望的温度。但是，这种理想的特性在实际运行中不能得到。这导致卷轴温度TH偏离所希望的和通过调节段作为额定值预先给定的温度。为此，冷却段模型还计算一个校正系数K，通过该校正系数K减小理想温度特性和实际测量的温度特性之间的偏差。该校正系数K在金属带通过冷却段的整个时间内被连续地计算和匹配。如果金属带完全通过并卷绕在卷轴H上，则对该金属带的最佳校正系数K固定。
因此，该校正系数与带的产品数据组PDk是完全单独对应的。已经生产的金属带的产品数据组PD1至PDn以表格的形式存放在一个环形缓冲器中。下列的表格示例性地示出了表格形式的产品数据组PD1至PDn。
表1
例如，作为参数在产品数据组PD1中存放了厚度D1、宽度B1、速度V1、卷轴温度TH1、生产线测量位置的温度TF1以及化学组成成分。化学组成成分例如有碳含量C1、铜含量Cu1、硅含量Si1等(在该表中没有罗列所有的组成成分)。
图2中示出的图的方格示出了一种新的待轧制的金属带的化学成分。化学元素的合金成分具体是碳C＝0.02、硅Si＝0.01、锰Mn＝0.22、铬Cr＝0.01、铌Nb＝0、镍Ni＝0.02、钛Ti＝0、钒V＝0、硼B＝0以及其它合金成分的和Misc＝0.11。
在按照图3的方格图中按毫米示出了希望的厚度D以及按米/秒示出了轧制过程的速度V；图4中的方格图示出了按毫米的宽度B，而在图5和6中的图中最后示出了在生产线测量位置上的所希望的温度TFM和卷轴额定温度THs和卷轴实测温度TH。
新的带应该按照在图2至6的方格图中示出的参数生产。对于图2至6的方格图中的几何形状(圆、点、正方形和三角形)在后面还有介绍。
现在，必须为新的待轧制的金属带确定校正系数K。这将参照图7在下面详细解释。
图7示出一个用于为新带确定校正系数K的装置的框图。该装置包括一个观察器BO，其输出与带存储器M和安全存储器SD连接。安全存储器SD用于在带存储器M中的数据例如由于计算机故障而丢失的情况下的安全。通过安全存储器SD的输出可以在程序开始时加载带存储器M。
带存储器M中存有所有已经生产的带或者至少是所有已经生产的带中的多数的产品数据组PD1至PDn。带存储器M例如可以是一个包含100000个带的数据的环形缓冲器。这些带按轧制的顺序存储，即它们是按时间前后存放的。为此所需的存储器容量在大约20兆字节。
对于新的待生产的带的原始数据存在按照下列表2的一个数据组PD0表2
(其中，K0的值是未知的，因为该带还没有被冷却)，现在根据该原始数据从带存储器M中的产品数据组(见表1)PD1至PDn中例如按照下列规则确定类似的数据组a2:＝c1(D-D0)2+c2(B-B0)2+c3(TH-TH0)2+...
其中，标记c1，c2，c3，...，是正的实常数。
如果a2＜1，则涉及的是一个类似的数据组；只要a2不＜1则数据组不相似且不被引入到对校正系数的进一步计算。
按照该计算规则例如在20个参数下给出40次乘法和20次加法，其中容易看出，如果乘积＞1，则与产品数据组PD1至PDn中的一个的比较就已经可以中断，从而可以极大地节省计算时间。常数c1，c2，c3，等用来对各个和进行标准化。
按照这种方式确定了所有与新的待生产的带的原始数据PD0相似的产品数据组PD1至PDn，并将它们存放在存储器AEB(图7)中。这些数据的值在图2至6的方格图中以圆、点、正方形和三角形的形式来模拟。其中，不同的几何形状描述了所确定的产品数据组的不同新旧程度。可以看出，所确定的产品数据组确实与新的产品数据组PD0相似，因为它们处于图中的方格高度上。
根据图7，从相似带的产品数据组PD1至PDn中首先建立一个局部模型LM。这例如可以通过应用线性回归的公知技术实现。然后，通过将原始数据PD0应用到该线性模型LM中为新的待冷却的带建立校正系数K0。这将结合图9进行介绍。不过，首先还要描述一个优选的中间步骤。
在最后计算新的校正系数K0之前，对所找出的相似的带、即所找出的相似的产品数据组PD1至PDn进行加权是有意义的。
在图8中示出了这种加权。其中，在横轴上给出了按照上述计算规则找出的带的距离a2。这里，具有a2＝1的带刚好不再被采集。对具有最大为约＝1的大距离的带的加权极小。在这里示出的图中这些带的加权为0或者接近于0。可以看出，随着距离a2的下降加权增加。
在按照图8的图中也通过不同的几何符号标记了带的新旧(对应于产品日期的新旧)，即按从新到旧的顺序为△、□、圆、点。因此，唯一一个用三角形符号示出的带是最新的带，如可以看出的，对该带的加权也是最高(0.75)的。
在按照图9的图中，在横轴上示出了各复核出的校正系数K而在纵轴上示出了在局部模型中借助于线性回归近似的校正系数KA。
如果线性模型LM能理想地模拟相似带数据组中包含的复核的校正系数，则借助于线性模型计算出的校正系数KA等于复核的校正系数K，由此这些校正系数处于角等分线上。因为如果不是这种情况，校正系数的值分散，如图9所示。在此可以看出线性模型LM描述相似产品数据组PD0至PDn的精确程度。在按照图9的图中还标出了一条具有斜率2的直线G1。在该直线G1和水平线G2之间构成了一个扇形S1。
对扇形S1内的每个点通过线性模型LM都得到比直接放弃适配(即，利用校正系数K＝1进行近似)更好的模拟。所有不在扇形S1中也不在相对的扇形S2(对于该扇形的意义于与对于扇形S1的一样)中的点的特性则相反。可以对提到的显示进行对于待冷却带该适配良好程度的估计。对于该带还没有复核的校正系数，因为其还没有被冷却。将所属产品数据组PD0应用到线性模型LM中则为校正系数K0产生一个估值K0，该估值被用到随后的冷却中。其结果作为水平线H1在图9中用虚线示出。在带冷却之后，复核的校正系数K0已知。图9中作为垂直线V1示出了对应的结果。水平线H1和垂直线V1的交点P在事后示出了对冷却的带的适配的质量。如果点P位于S1或S2内则适配是成功的。如果位于其外，则不进行适配而冷却会更好。
在求出估值K0之后，将其连同另一产品数据组PD0输入到预计算VR(图7)，利用这些参数值和求出的估值K0来冷却带，这里，在冷却过程期间也通过观察器B对校正系数K0进行细调节。由此最后建立所存储的校正系数K0。
利用目前的数据处理设备从100000个带的数据组中搜索相似带的计算时间大约为1/10tel秒，借助线性回归从相似的带中确定校正系数K0的计算时间大约为0.02秒，因此，当该带刚刚离开最后的轧制机架(图1中的WG)时新的校正系数K0已被可靠地计算出。
权利要求
1.一种控制和调节用于生产或加工产品的工业过程的方法，其中，控制优选基于工业过程的物理模型进行，并且其中，为了优化控制按照下列方法步骤确定至少一个校正系数(K)1.1对于每个产品存储作为产品数据组(PD1-PDn)的包括至少一个校正系数(K1-Kn)的物理模型的参数(d，b，TH，TFM，C，Cu，Si，...)，1.2在对每个新产品的生产或加工中将所存储的产品数据组(PD1-PDn)与该新产品的参数(d0，b0，TH0，TFM0，C0，Cu0，Si0，...)进行比较，并确定类似的产品数据组，1.3从类似的产品数据组(PD1-PDn)的校正系数(K1-Kn)中为该新的数据组(PD0)确定至少一个校正系数(K0)。
2.根据权利要求1所述的方法，其中，为了确定所述校正系数(K0)首先确定一个模型(LM)，在该模型中可以通过应用PD0计算该校正系数(K0)。
3.根据权利要求2所述的方法，其中，所述模型(LM)是线性的，即线性回归。
4.根据上述权利要求中任一项所述的方法，其中，将所述产品数据组按时间顺序存储，例如存储在一个环形缓冲器中。
5.根据上述利要求中任一项所述的方法，其中，从类似的产品数据组(PD1-PDn)的校正系数(K1-Kn)中确定所述新的校正系数(K0)。
6.根据权利要求5所述的方法，其中，为了确定所述新的校正系数(K0)对所述校正系数(K1-Kn)进行加权。
7.根据权利要求6所述的方法，其中，对时间上较新的校正系数(K1-Kn)的加权比对时间上较旧的校正系数(K1-Kn)的加权更强。
8.根据权利要求6或7所述的方法，其中，所述校正系数(K1-Kn)越类似，则对它们加权越强烈。
9.根据上述利要求中任一项所述的方法，其中，还对所述工业过程进行附加的调节。
10.根据上述利要求中任一项所述的方法，其中，所述工业过程是一个热轧机的冷却段。
全文摘要
本发明涉及一种控制用于生产或加工产品的工业过程的方法，其中，特别是控制热轧机的冷却段(KS)通过物理模型模拟该冷却段(KS)。为了优化冷却过程按照这样的简单方式确定一个校正系数(K0)，即，存储具有以前确定的校正系数(K1至Kn)的产品数据组(PD1至PDn)。对于新的待冷却的带将所存储的产品数据组(PD1至PDn)与该新的带的产品数据组(PD0)进行比较，并确定类似的数据组。从类似的产品数据组(PD1至PDn)的校正系数(K1至Kn)中例如借助于线性回归确定一个新的校正系数(K0)。
文档编号G05B13/04GK1625721SQ03802985
公开日2005年6月8日 申请日期2003年1月16日 优先权日2002年1月31日
发明者艾钠尔·布罗斯, 克劳斯·温齐尔 申请人:西门子公司