多电机负荷优化的冷连轧控制方法

摘要

一种多电机负荷优化的冷连轧控制方法，包括以下步骤：1）分配各机架出口厚度，每个机架对应一台驱动电机，并以各机架的出口厚度为基础给定浮动范围初始化形成原始粒子，粒子所在的位置即表示机架出口厚度；2）根据原始粒子的数据，依照机架出口厚度，计算每个机架对应的驱动电机的轧制功率，并采用等相对负荷余量为目标函数；3）采用量子粒子群算法；4）依照更新后的位置，得到更新后的机架出口厚度。对于单一粒子组，如果更新后的目标函数值小于该组粒子之前的目标函数值，则称该值为该粒子组的个体最优解，即个体极值。对于整个粒子群组，性能表现最好的粒子组，与上次迭代的全局极值比较，取最优解为新的全局极值；5）检查迭代结束条件，若满足则结束迭代,否则返回步骤3）继续迭代；6）根据得到的最终全局最优解，确定各机架的最终出口厚度，根据轧制力模型计算轧制力。本发明能减少计算量、精度较高、负荷优化。

主权项

1.一种多电机负荷优化的冷连轧控制方法，其特征在于：所述冷连轧控制方法包括以下步骤：1)、分配各机架出口厚度，每个机架对应一台驱动电机，并以各机架的出口厚度为基础给定浮动范围初始化形成原始粒子，粒子所在的位置即表示机架出口厚度；2)、根据原始粒子的数据，依照机架出口厚度，计算每个机架对应的驱动电机的轧制功率，并采用等相对负荷余量为目标函数，则有：式中，F为目标函数值，N_Hi，N_Hj为第i、j机架主电机的额定功率；N_i、N_j为第i、j机架轧制功率；n为机架数；3)、采用量子粒子群算法，迭代方程如下式中，P_id为第i组粒子的第d维参数，每一维对应一个机架；t是迭代次数，a和b是两个在(0，1)之间的随机数，pbest为粒子组本身所找到的最优解，即个体极值，gbest是整个种群目前找到的最优值，称之为全局极值，是一个在和之间得到的随机数；称之为三角势阱模型长度，在以后出 现的解释框图中以参数L代替，其中w为一个满足小于1/ln2的随机数，X为粒子更新后的位置；4)、依照更新后的位置，得到更新后的机架出口厚度，依照公式(1)计算得到更新后的目标函数值；对于单一粒子组，如果更新后的目标函数值小于该组粒子之前的目标函数值，则称该值为该粒子组的个体最优解，即个体极值；对于整个粒子群组，性能表现最好的粒子组，与上次迭代的全局极值比较，取最优解为新的全局极值；5)、检查迭代结束条件，若得到满意误差范围内全局极值或迭代次数达到预设限值，则结束迭代；反之返回到步骤3)继续迭代；6)、根据得到的全局最优解，确定各机架的最终出口厚度，再根据轧制力模型计算轧制力；所述轧制力模型采用如下公式计算：式中，f是轧制压力，D是工作辊直径，E是轧辊弹性模量，H是各机架入口厚度，ε是变形率，d为平均变形抗力，u是摩擦系数；压扁半径计算公式为：式中，R为轧辊半径，B为轧件宽度，Δh为绝对压下量；接触弧长的计算公式为：轧制力矩主要由以下三部分组成： M_∑＝M1+M2+M3                (10)其中，M1为使轧件产生塑性变形力矩，M2为摩擦力矩，M3为电机空载力矩。