一种轧制过程控制系统性能评估方法

技术领域

本发明涉及轧制过程控制技术领域，尤其涉及一种轧制过程控制系统性能评估方法。

背景技术

随着现代工业的发展，各工业部门对冷热轧板带钢需求的数量、质量都越来越高。在轧制生产过程中，厚度控制是提高和保证产品的厚度精度的核心控制功能。由于轧制控制系统回路多且复杂，同时其运行工况时常变化且存在着各种未知干扰，目前大多数生产线自投入生产以来基本处在长期运行状态下，由于系统运行工况的改变以及控制系统缺少维护等原因，其厚度控制器性能有所下降，无法满足设定目标的控制需求。为了及时发现性能不佳的回路并加以调整，保证控制系统高效良好运行，轧制控制系统性能评估技术具有重要的科学意义和应用价值。

由于实际轧制工业控制过程的被控对象结构复杂、运行工况多变，导致难以建立精确的系统数学模型。传统最小方差基准将输出的均方误差与理论最小方差进行比较，难以获取过程时间迟延以及常规输出数据来求取系统输出方差与控制器形式以及参数无关的反馈不变项。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种轧制过程控制系统性能评估方法，利用轧制生产过程中的大量数据，实现轧制控制系统性能的评估，便于在生产过程中对当前控制器性能有更明确的判断。

为解决上述技术问题，本发明所采取的技术方案是：一种轧制过程控制系统性能评估方法，包括以下步骤：

步骤1：采集包含正常生产过程的轧制过程带钢生产数据；所述轧制过程带钢生产数据包括各道次的带钢出入口厚度数据；

步骤2：对采集的轧制过程带钢生产数据按时间序列进行分组，得到多组时间序列数据；

步骤3：使用去趋势波动分析算法对分组的轧制过程带钢生产数据进行处理求解带钢生产数据的Hurst指数，具体计算步骤如下：

步骤3.1：确定各组时间序列的自相关序列Y(j)：利用原时间序列数据减去其平均值后，将原时间序列数据映射到其自相关序列，如下公式所示：

其中，y(i)为第i组原时间序列数据，

步骤3.2：在窗口长度n上对每组时间序列数据的自相关序列进行最小二乘曲线拟合；将自相关序列Y(j)划分为d个长度为n的窗口，原窗口数据时间序列为Y

步骤3.3：计算每个窗口时间序列Y

其中，Y

步骤3.4：在窗口长度为n时计算该窗口的均方根波动函数F(n)，如下公式所示：

步骤3.5：在改变窗口长度n的条件下，重复步骤3.1～3.4，直至计算完窗口长度范围内的所有取值；其中，窗口长度n的范围选择应使计算logF(n)所得的散点近似于线性函数；

步骤3.6：以logn为横坐标，logF(n)为纵坐标，绘制双对数坐标图，通过最小二乘拟合双对数坐标散点并计算曲线的斜率，所得的斜率即为该组时间序列数据对应的Hurst指数的估计值；

步骤3.7：将各组时间序列数据对应的Hurst指数的估计值求平均值，即得到所有生产数据对应的Hurst指数值；

步骤4：根据计算所得的Hurst指数值，定义一个基于Hurst指数的性能指标η

由该性能指标对当前轧制过程控制系统性能进行评估，该指标值介于[0，1]，且越趋向于1则说明当前控制系统性能等级越优秀。

采用上述技术方案所产生的有益效果在于：本发明提供的一种轧制过程控制系统性能评估方法，通过去趋势波动分析算法计算Hurst指数，避免了最小方差方法中对被控对象数学模型的求解，有效衡量当前控制器的控制性能优劣。该方法不使用有关系统参数的任何先验知识，充分的利用轧制生产过程中的大量数据，实现轧制控制系统的性能评估，便于在生产过程中对当前控制器性能有更明确的判断。同时，本发明方法运行速度快、检模型依赖性低，计算精度高，计算量小，能够利用大量的生产过程数据进行计算求解，可直接在计算机上通过编程实现，且不需要成本上的投入，可以广泛推广到单机架冷轧生产中。

附图说明

图1为本发明实施例提供的一种轧制过程控制系统性能评估方法的流程图；

图2为本发明实施例提供的轧机出口厚度生产数据的分组图，其中，(a)为分组数据1，(b)为分组数据2，(c)为分组数据3，(d)为分组数据4，(e)为分组数据5，(f)为分组数据6，

图3为本发明实施例提供的各分组数据对应的双对数坐标图，(a)为分组数据1对应的曲线图，(b)为分组数据2对应的曲线图，(c)为分组数据3对应的曲线图，(d)为分组数据4对应的曲线图，(e)为分组数据5对应的曲线图，(f)为分组数据6对应的曲线图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本实施例以单机架冷轧机为例，采用本发明的基于Hurst指数的轧制过程控制系统性能评估方法对该单机架冷轧机的轧制过程控制系统性能进行评估。评估采用单机架冷轧机生产过程中的数据，带钢来料厚度设定值为2mm，五道次带钢出口厚度设定值为0.2mm。

本实施例中，一种轧制过程控制系统性能评估方法，如图1所示，包括以下步骤：

步骤1：采集包含正常生产过程的轧制过程带钢生产数据；所述轧制过程带钢生产数据包括各道次的带钢出入口厚度数据；

本实施例中，采集冷轧第五道次轧机出口厚度生产数据进行研究，采集正常生产过程数据30000例，采集数据间隔为0.02s。

步骤2：对采集的轧制过程带钢生产数据按时间序列进行分组，得到多组时间序列数据；

本实施例中，每组时间序列包括5000个数据点(即N＝5000)，分组数据如图2所示；

步骤3：使用去趋势波动分析算法(DFAalgorithm)对分组的轧制过程带钢生产数据进行处理求解带钢生产数据的(带钢厚度或张力)Hurst指数，具体计算步骤如下：

步骤3.1：确定各组时间序列的自相关序列Y(j)：利用原时间序列数据减去其平均值后，将原时间序列数据映射到其自相关序列，如下公式所示：

其中，y(i)为第i组原时间序列数据，

步骤3.2：在窗口长度n上对每组时间序列数据的自相关序列进行最小二乘曲线拟合：将自相关序列Y(j)划分为d个长度为n的窗口，原窗口数据时间序列为Y

步骤3.3：计算每个窗口时间序列Y

其中，Y

步骤3.4：在窗口长度为n时计算该窗口的均方根波动函数F(n)，如下公式所示：

步骤3.5：在改变窗口长度n的条件下，重复步骤3.1～3.4，直至计算完窗口长度范围内的所有取值；其中，窗口长度n的范围选择应使计算logF(n)所得的散点近似于线性函数；本实施例中，窗口长度n取值的取值范围为10至2500；

步骤3.6：以logn为横坐标，logF(n)为纵坐标，绘制双对数坐标图，如图3所示，通过最小二乘拟合双对数坐标散点并计算曲线的斜率，所得的斜率即为该组时间序列数据对应的Hurst指数的估计值；

步骤3.7：将各组时间序列数据对应的Hurst指数的估计值求平均值，即得到所有生产数据对应的Hurst指数值；

步骤4：根据计算所得的Hurst指数值，定义一个基于Hurst指数的性能指标η

由该性能指标对当前轧制过程控制系统性能进行评估，该指标值介于[0，1]，且越趋向于1说明当前控制系统性能等级越优秀。

本实施例中，计算得到H＝0.82，η

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。