CN105525248B - 一种镀锌生产线镀层厚度前馈优化控制方法 - Google Patents

Abstract

本发明公开了一种镀锌生产线镀层厚度前馈优化控制方法，采用镀层厚度设定值预设定模块以顺利进行切换而不会出现等外品；采用气刀高度前馈设定模块避免锌液飞溅事故，并且保证带钢横向均匀性；采用镀层厚度神经网络预测模块对镀层厚度做出精确的预测，为控制变量的调整提供依据；采用控制变量多目标寻优模块迭代搜索当前工况下最优气刀距离和气刀压力设定；采用距离分配模块克服由于带钢中心线本身存在误差以及稳定辊和塔顶辊磨损导致的带钢上下表面镀层厚度不一致的缺陷。本发明所提出的方法解决了产品规格切换及带钢速度变化引起的镀层厚度偏差过大及镀层厚度检测滞后的控制难题，实现镀层厚度自动预设控制，有效降低镀层质量波动。

Description

一种镀锌生产线镀层厚度前馈优化控制方法

技术领域

本发明属于工业过程优化控制技术领域，尤其涉及冷轧连续镀锌过程气刀距离及气刀压力的前馈优化自动控制技术。

背景技术

镀锌：这里指热镀锌，也叫热浸锌和热浸镀锌，是一种有效的金属防腐方式，主要用于各行业的金属结构设施上。热镀锌是将除锈并经退火工艺后的钢件浸入融化的锌液中，使钢构件表面附着锌层，从而起到防腐的目的。

“小气刀、小气压”原则：热浸镀锌生产过程中，气刀距离过大，容易造成气刀喷出的气体严重散射，从而影响镀层表面横向上的均匀性，而气刀距离不变时，气刀压力越大，散射程度也相应加剧，相反，当气刀距离和气刀压力的值都较小时，喷射气体散射程度小，对镀层表面横向均匀性的影响也小，这就是控制镀层表面横向均匀性的“小气刀、小气压”原则。

镀锌产品因其良好的耐腐蚀性能被广泛应用于建筑、家电、汽车等行业，衡量镀锌产品质量的重要技术指标包括镀层厚度和镀层均匀性，即镀锌产品的镀层厚度不但要满足技术规格要求，且要保证镀层表面平整。镀锌过程主要的工艺参数包括带钢速度、气刀高度、气刀距离和气刀压力，其中气刀高度由带钢速度决定，通常情况下，带钢表面所镀锌为液态，气刀高度不会对锌厚产生影响，对刀高的调整是为了防止带速过高、刀压过大的情况下锌液飞溅导致喷嘴堵塞。影响镀层厚度与表面均匀性的主要因素是带钢速度、气刀距离和气刀压力。带钢速度受退火炉生产能力、带钢厚度及加热制度的影响，无法独立调节，作为可测而不可控的变量。因此，通常生产中采用对镀层厚度及均匀度影响最为直接的气刀距离和气刀压力对生产过程进行控制。

镀锌是一个典型的时变大滞后、非线性、强扰动的生产过程。由于缺乏有效克服上述难点的控制技术手段，镀层变规格或带钢速度发生较大变化时，镀层厚度和镀层均匀性控制一直是困扰镀锌生产产品品质提高的难题，目前国内大部分钢铁企业主要依赖于操作工的经验采用人工手动操作结合底层回路PID的方式进行控制，其控制精度低、产品规格变化过渡时间长、锌耗量大，质量波动大，甚至不能保证镀层厚度和镀层表面均匀性的满足产品质量指标要求，时常会出现等外品。

发明内容

本发明提出了一种镀锌生产线镀层前馈优化控制方法，能够快速应对镀层厚度切换或带钢速度变化时，迅速做出气刀高度、气刀距离、气刀压力等控制变量的调整，实现镀层厚度切换或速度大跳变的快速跟踪，提高镀层厚度的控制精度，提高镀层表面质量的均匀性，降低镀锌产品的质量波动，减少不合格产品的产生。

为了实现上述发明目的，本发明提供一种镀锌生产线镀层前馈优化控制方法，在其每个控制周期内，系统运行步骤包括：

S101.根据标志位的值判断上一个控制周期系统是否处于前馈控制状态，如果标志位为false，则上一个控制周期为反馈控制状态，进入S102；否则上一个控制周期为前馈控制状态，进入S113；

S102.查询二级机，检测下一卷钢卷厚度信息，判断当前钢卷与下一卷钢卷镀层厚度信息是否一致，如果一致，则进入S103，否则进入S109；

S103.从一级机读取当前钢卷的速度S(t)，若速度出现大跳变，则进入S104；否则结束本控制周期前馈控制计算；

S104.从一级机读取当前钢卷镀层厚度设定值Rcw(t)，结合当前钢卷的速度S(t)，采用镀层厚度神经网络预测模型和多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)；得到最优的刀距前馈控制量和最优的气刀压力前馈控制量，然后进入S105；

S105.将标志位置为true，t时刻前馈控制作用点经过气刀后的距离计算值L_calc置零，进入S107；

S106.以带钢速度S(t)为检索项，从气刀高度前馈设定表查询气刀高度前馈设定值H_ffc(t)，进入S107；

S107.根据气刀距离分配算法，计算前后气刀距离设定值D_ffc_back(t)和D_ffc_front(t)；

S108.下达气刀高度前馈控制量H_ffc(t)，气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)到PLC控制系统，本次控制周期计算结束；

S109.从一级机读取下一卷钢卷镀层厚度设定值Rcw_next，结合当前钢卷的速度S(t)，采用多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)，然后进入S110；

S110.从一级机读取当前卷钢的速度，从二级机读取下卷钢的镀层厚度设定值，若镀层厚度控制目标增加，则进入S111；若镀层厚度目标减少，则进入S112；

S111.从一级机实时读取焊缝与气刀位置的距离信息L(t)，计算ΔP＝P_ffc(t)-P(t)，根据ΔP的值查表确定镀层设定值预设定的距离裕量L_set，若满足L(t)＜L_set，则进入S105，否则，结束本次控制周期前馈控制计算；

S112.从一级机实时读取焊缝与气刀位置的距离信息L(t)，当L(t)＝0时，进入S105，否则，结束本次控制周期前馈控制计算；

S113.根据带钢速度及气刀、测厚仪的距离L及采用周期T，判断前馈作用点是否已经达到测厚仪，若到达测厚仪，则进入S114；若没有到达测厚仪，则进入S115；

S114.将标志位标志位置为false，进入反馈控制计算；

S115.若速度有大跳变，则进入S116；否则，结束本控制周期前馈控制计算；

S116.从一级机读取当前钢卷镀层厚度设定值Rcw(t)，结合当前钢卷的速度S(t)，采用多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)，然后进入S106。

进一步地，在步骤S104中，进行镀层厚度神经网络预测时，以带钢速度、气刀距离、气刀压力为输入，镀层厚度为输出建立的神经网络预测模型，该模型基于镀锌过程的历史数据进行学习，在线根据当前带钢速度、气刀距离、气刀压力的采样值对镀层厚度做出预测。

进一步地，在步骤S104中，进行多目标寻优算法时，以镀层厚度与设定值之间的偏差为输入，气刀距离和气刀压力为输出，采用镀层厚度神经网络预测模块确保镀层厚度的控制精度，同时根据“小刀距、小气压”原则确保镀层表面横向均匀性，不断迭代搜索当前带钢速度下最优气刀距离和气刀压力设定。

进一步地，在步骤S106中，所述气刀高度前馈设定表根据锌液不发生飞溅及最小化锌液空中散热时间的原则制定。

进一步地，在步骤S107中，所述气刀距离分配算法根据气刀距离变化、带钢厚度变化计算前后气刀距离，所述气刀距离分配模块只在换卷时才工作，首先需要实时检测焊缝点信息，当气刀过焊缝点时，判断是否进行前后气刀距离分配：未换规格时，只需在现有气刀距离基础上，平均分配气刀距离变化量；换规格时，首先考虑带钢厚度变化补偿，带钢厚度发生变化时，后气刀相应补偿厚度变化，然后，总的气刀距离变化量减去补偿量之后，平均分配气刀距离变化量。

进一步地，在步骤S110中，当镀层厚度从小变大，当焊缝点经过设定位置时，对气刀高度、气刀距离、气刀压力需相应地做出调整，即开始提前将下一卷钢卷的镀层厚度设定值作为当前卷尾的镀层厚度控制目标；当镀层厚度从大变小时，则过焊缝点再进行对气刀高度、气刀距离和气刀压力作出相应调整。

进一步地，在步骤S103中，若满足|S(t)-S(t-1)|＞S_θ则进入S104；若不满足，则结束本控制周期前馈控制计算；

在步骤S115中，若满足|S(t)-S(t-1)|＞S_θ则进入S116；若不满足，则结束本控制周期前馈控制计算。

进一步地，在步骤S104中，所述多目标寻优算法的计算过程如下：

目标函数：镀层重量神经网络预测值与t时刻前馈控制器的镀层厚度设定值的差的绝对值min|CWp-Rcw(t)|，t时刻气刀压力前馈设定值的最小值minP_ffc(t)，t时刻气刀距离前馈设定值的最小值min D_ffc(t)

决策变量：P_ffc(t)，D_ffc(t)

约束条件：

D_ffc(t)∈[D min,D max] (2)

P_ffc(t)∈[P min,P max] (3)

NNp(D_ffc(t),S(t),P_ffc(t))＝CWp (4)

其中，式(2)、(3)表示两个操作变量的工艺规程约束，式(4)表示神经网络预测模块反应的带钢速度、气刀距离、气刀压力与镀层厚度之间的映射关系。

进一步地，在步骤S110中，若满足t时刻下卷钢卷镀层厚度设定值大于t时刻当前钢卷镀层厚度设定值，即公式Rcw_next>Rcw_now，则进入S111；否则，则进入S112。

进一步地，在步骤S113中，令L_calc＝L_calc+S(t)*T，若t时刻前馈控制作用点经过气刀后的距离计算值大于或等于气刀与测厚仪之间的距离测量值，即公式L_calc≥L_measure，则进入S114；若不满足，则进入S115。

上述技术方案的有益技术效果如下：

(1)在产品规格切换或带钢速度变化时，本发明采用神经网络技术建立模型，准确地反映了全工作段各控制参数与镀层厚度之间的非线性映射关系，大大提高了镀层厚度的控制精度。

(2)本发明采用控制变量多目标寻优算法，可以在镀层规格切换或带钢速度变化时，根据镀层厚度设定值和带钢速度，在保证镀层厚度控制精度的情况下，最大限度地保证镀层表面横向均匀性，快速给出气刀距离和气刀压力设定值，克服系统的大时滞、非线性和强干扰，补偿扰动对镀层厚度的影响，减少了系统的过渡时间，同时提高镀层厚度和镀层横向均匀性的品质。

(3)本发明在前馈控制中采用气刀距离分配方法，有效地预先补偿带钢中心线与气刀中心线之间的位移所带来的影响，保证了前馈控制中带钢上下表面镀层厚度的均匀性。

综上所述，采用本发明的控制系统，可以在产品规格切换和带钢速度发生变化时，有效地克服生产过程的时变大时滞、非线性和强干扰，克服执行机构不能快速跟踪设定值以及带钢中心线和气刀中心线发生位移所带来的影响，保证钢卷镀层的表面质量和带钢上下表面镀层的均匀性，实现生产工况快速切换。

附图说明

图1为本发明实施例采用一种镀锌生产线镀层厚度前馈优化控制方法的系统架构图；

图2为本发明实施例的前馈控制运行流程图；

图3为本发明实施例的镀层厚度设定值改变时控制效果图；

图4为本发明实施例的生产线速度改变时控制效果图。

具体实施方式

为了使本领域技术人员能进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明及附图。

下面结合附图，对本发明具体实施方式进一步描述。

本发明所述各符号的意义参见下表：

如图1所示，本控制系统主要由镀层厚度神经网络预测模块、控制变量多目标寻优模块、镀层厚度设定值预设定模块、气刀高度前馈设定模块、气刀距离分配模块等五个部分组成。

图中Ⅰ表示镀层厚度神经网络预测模块，是一个以带钢速度、气刀距离、气刀压力为输入，镀层厚度为输出建立的神经网络预测模型，该模型基于镀锌过程的历史数据进行学习，可在线根据当前操作工况(带钢速度S(t)、气刀距离D(t)、气刀压力P(t))的检测值对镀层厚度做出精确的预测，将该神经网络的非线性映射关系记为NNp(*)，其表达式如下：

NNp(D(t),S(t),P(t))＝CWp(t)

该模块是控制变量多目标寻优模块运行的基础。

图中Ⅱ表示控制变量多目标寻优模块，该模块以减小镀层厚度真实值与设定值之间的偏差、小气刀和小气压为优化目标，迭代搜索当前工况(带钢速度、设定值)下最优气刀距离和气刀压力设定值。具体而言，本模块解决的是一个多目标寻优问题，其目标函数包括镀层厚度与设定值之间的偏差、气刀距离值、气刀压力值三项，而决策变量为气刀距离前馈设定值和气刀压力前馈设定值，约束条件为神经网络预测模块反应的带钢速度、气刀距离、气刀压力与镀层厚度之间的映射关系，以及气刀压力、气刀距离两个操作变量的工艺规程约束。通过求解上述的多目标寻优问题，得到最优的气刀距离前馈设定值D_{ffc_best}(t)、气刀压力前馈设定值P_{ffc_best}(t)，使得镀层厚度控制偏差最小，同时兼顾镀层表面横向均匀性。

图中Ⅲ表示镀层厚度设定值预设定控制，由于前馈控制对气刀压力、气刀高度、气刀距离的调整过程都是需要时间的，尤其气刀压力调节是一个慢过程，其调整到位需要较长的时间，因此，为确保镀层厚度设定值发生改变时下一个卷的质量满足要求，需要本镀层厚度设定值预设定控制模块确定气刀高度、气刀距离、气刀压力等前馈设定值下达至PLC控制器的时机，该预设定机制在检测到下一个钢卷的信息时即启动(此时焊缝尚未过气刀位置处)。其中，当镀层厚度从大变小时(即Rcw_now>Rcw_next)，在当前卷和下一卷之间的焊缝过气刀位置后下达气刀高度、气刀距离、气刀压力前馈设定值即可；当镀层厚度设定值从小变大时(即Rcw_now<Rcw_next)，为确保下一个钢卷头部的镀层厚度不小于其设定值，必须在提前对气刀高度、气刀距离、气刀压力需相应地做出调整。具体而言，本模块根据控制变量多目标寻优模块计算得到的气刀压力调节幅度的大小确定镀层设定值预设定需要的距离裕量L_set，当焊缝与气刀位置的距离L(t)＜L_set时，立即下达气刀高度、气刀距离、气刀压力的前馈设定量；否则，说明焊缝距离气刀位置尚远，不需要立即下达前馈设定量。

图中Ⅳ表示气刀高度前馈设定模块，气刀高度前馈设定模块以带钢横向均匀性为控制目标，在保证锌液不发生飞溅事故的前提下，尽量减少锌液在进入吹气环节之前在空气中的散热时间，提高锌液温度，特别是带钢边部锌液温度，以降低锌液粘度，减少边部锌液附着量，提高带钢横向均匀性。具体而言，本模块基于锌液不发生飞溅及最小化锌液空中散热时间的原则，制定气刀高度前馈设定表；当需要对气刀高度进行前馈设定时，本模块以带钢速度S(t)和镀层厚度设定值为检索项，从气刀高度前馈设定表查询气刀高度前馈设定值H_ffc(t)。目前应用的气刀高度前馈设定表如下表所示：

图中Ⅴ表示气刀距离分配模块，该模块主要解决由于带钢中心线本身存在误差、稳定辊和塔顶辊磨损、前后钢卷厚度改变等因素导致的带钢上下表面镀层厚度不一致的问题。具体而言，本模块根据当前前后气刀距离的测量值D_back(t)、D_front(t)，以及气刀总距离的变化量D_delta(t)和带钢厚度变化量TH_delta(t)，计算得到前后气刀距离前馈设定值D_ffc_back(t)、D_ffc_front(t)。

基于上述的五个模块，在每个控制周期内，系统运行步骤如下所示：

为不失一般性，令当前的控制周期为T，镀层设定值预设定距离的裕量长度为L_set，气刀至测厚仪的距离为L。

S1.从一级机读取当前卷钢的速度，从二级机读取下卷钢的相关信息，包括带钢厚度、镀层厚度设定值，判断镀层厚度的变化，若镀层厚度控制目标增加，则进入S2；若镀层厚度控制目标减少，则进入S3；若速度出现大跳变，则进入S4，镀层厚度设定值为当前钢卷镀层厚度控制目标。

S2.从一级机实时读取焊缝点信息，当焊缝点距离气刀L_set时，开启预设定控制，即镀层厚度设定值设为下卷钢的镀层厚度控制目标，然后进入S4。

S3.从一级机实时读取焊缝点信息，当焊缝点过气刀时，开启预设定控制，即系统镀层厚度控制目标值设为即将进入镀锌操作的钢卷镀层厚度设定值，然后进入S4。

S4.根据带钢速度，通过气刀高度前馈表查询气刀高度前馈设定值。

S5.将当前气刀距离，气刀压力作为初始解，并将其赋给控制变量多目标寻优模块的当代最优解，将带钢速度、气刀距离、气刀压力输入镀层厚度神经网络预测模块获得镀层厚度预测值，将该值与设定值进行比较计算控制偏差，将控制偏差的平方、气刀压力、气刀距离作为多目标优化的三个维度属性，构建多目标优化模型。

采用人工智能方法对上述构建的多目标优化模型进行优化，具体步骤为：对当代最优解进行交叉变异，得到新的备选解，将备选解输入镀层厚度神经网络预测模块获得镀层厚度预测值，将该值与设定值进行比较计算控制偏差，并将备选解与控制变量多目标寻优模块的当代最优解进行比较，若备选解中任意维度的属性值(控制偏差的平方、气刀压力、气刀距离其中之一)比当代最优解大，则当代最优解保持不变；若备选解中至少有一个维度的属性值(控制偏差的平方、气刀压力、气刀距离其中之一)比当代最优解小且其他维度不大于当代最优解，则认为备选解优于当代最优解，将备选解的值赋给当代最优解，重复S5步骤，直至满足预定的优化终止条件。

S6.根据气刀距离分配算法，计算前后气刀距离设定值。

S7.根据带钢速度及气刀、测厚仪的距离L及采用周期T，判断前馈作用的点是否已经达到测厚仪，在该作用点到达测厚仪之前的这段时间称为前馈控制时间，前馈控制期间，判断焊缝点实时信息，若焊缝点过气刀，则根据气刀距离分配算法；后气刀设定值补偿相应带钢厚度变化量，若速度有变化，则气刀压力相应变化来补偿速度变化量，若在此期间都没有发生变化，则锁定气刀高度值、气刀距离值、气刀压力值，直至前馈时间。

基于上述的前馈控制系统架构，在每个控制周期内，本发明运行流程图如图2所示，图中各步骤的详述如下：

S101.根据Flag_ffc的值判断上一个控制周期系统是否处于前馈控制状态，如果Flag_ffc＝false，则上一个控制周期为反馈控制状态，进入S102，

否则上一个控制周期为前馈控制状态，进入S113；

S102.查询一级机，检测下一卷钢卷厚度信息，判断当前钢卷与下一卷钢卷镀层厚度信息是否一致，如果一致，则进入S103，否则进入S109；

S103.从一级机读取当前钢卷的速度S(t)，判断下面不等式是否满足

|S(t)-S(t-1)|＞S_θ (1)

如果满足，则进入S104；如果不满足，则结束本控制周期前馈控制计算。

S104.从一级机读取当前钢卷镀层厚度设定值Rcw(t)，结合当前钢卷的速度S(t)，采用多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)。该多目标寻优过程具体描述如下：

目标函数：min|CWp-Rcw(t)|，min P_ffc(t)，min D_ffc(t)

决策变量：P_ffc(t)，D_ffc(t)

约束条件：

D_ffc(t)∈[D min,D max] (2)

P_ffc(t)∈[P min,P max] (3)

NNp(D_ffc(t),S(t),P_ffc(t))＝CWp (4)

其中，式(2)、(3)表示两个操作变量的工艺规程约束，式(4)表示神经网络预测模块反应的带钢速度、气刀距离、气刀压力与镀层厚度之间的映射关系。上述的多目标优化问题可以采用PSO算法、遗传算法、模拟退火算法、蚁群算法求解，即可得到最优的刀距前馈控制量D_{ffc_best}(t)，气刀压力前馈控制量P_{ffc_best}(t)，令D_ffc(t)＝D_{ffc_best}(t)，P_ffc(t)＝P_{ffc_best}(t)然后进入S105。

S105.将标志位Flag_ffc置为true。L_calc置零，进入S107。

S106.以带钢速度S(t)为检索项，从气刀高度前馈设定表查询气刀高度前馈设定值H_ffc(t)。进入S106。

S107.根据气刀距离分配算法，计算前后气刀距离设定值D_ffc_back(t)和D_ffc_front(t)。首先，从一级机读取当前后气刀距离D_back(t)、前气刀距离D_front(t)、当前钢卷带钢厚度TH_now和下卷钢卷带钢厚度TH_next。然后，把后气刀距离D_back(t)与前气刀距离D_front(t)之和与优化算法算得的前后气刀总距离D_ffc(t)作比较，算得气刀距离变化量D_delta(t)，即：

D_delta(t)＝D_ffc(t)-(D_back(t)+D_front(t)) (5)

把气刀距离变化量D_delta(t)平均分配到前后气刀，则可算得前后气刀距离为：

当焊缝与气刀位置的距离信息L(t)满足式(13)时，则需要对后气刀距离对带钢厚度变化进行相应补偿。根据当前钢卷带钢厚度TH_now和下卷钢卷带钢厚度TH_next，算得带钢厚度变化量TH_delta(t)，即：

TH_delta(t)＝TH_next(t)-TH_now(t) (7)

把带钢厚度补偿到后气刀距离，则可算得后气刀距离D_back(t)为：

D_ffc_back(t)＝D_ffc_back(t)+TH_delta(t) (8)

S108.下达气刀高度前馈控制量H_ffc(t)，气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)到PLC控制系统。本次控制周期计算结束。

S109.从一级机读取下一卷钢卷镀层厚度设定值Rcw_next，结合当前钢卷的速度S(t)，采用多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)。该计算过程与S104完全相同，这里不再赘述。进入S110。

S110.从一级机读取当前钢卷镀层厚度设定值Rcw_now，并判断Rcw_now与Rcw_next之间的关系：

Rcw_next＞Rcw_now (9)

Rcw_next≤Rcw_now (10)

若Rcw_now与Rcw_next之间的关系满足式(9)，则进入S111；

若Rcw_now与Rcw_next之间的关系满足式(10)，则进入S112；

S111.从一级机实时读取焊缝与气刀位置的距离信息L(t)，计算

ΔP＝P_ffc(t)-P(t) (11)

根据ΔP的值查表确定镀层设定值预设定的距离裕量L_set，然后对下式进行判断：

L(t)＜L_set (12)

如果满足式(5)，则进入S105，否则，结束本次控制周期前馈控制计算。

S112.从一级机实时读取焊缝与气刀位置的距离信息L(t)，当

L(t)＝0 (13)

时，进入S105，否则，结束本次控制周期前馈控制计算。

S113.根据带钢速度S(t)和控制周期T，累加计算前馈控制下达实施后钢卷移动过的距离。

L_calc＝L_calc+S(t)*T (14)

对下式进行判断：

L_calc≥L_measure (15)

若满足(15)式，则进入S114，否则，进入S115。

S114.将标志位Flag_ffc置为false，进入反馈控制计算。

S115.判断速度是否有大的跳变，即判断下面不等式是否满足

|S(t)-S(t-1)|＞S_θ (16)

如果满足式(16)，则进入S116；如果不满足，则结束本控制周期前馈控制计算。

S116.从一级机读取当前钢卷镀层厚度设定值Rcw(t)，结合当前钢卷的速度S(t)，采用多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)。该计算过程与S104完全相同，这里不再赘述。然后进入S106。

此外，每隔一定的时间，系统在线采集这段时间内运行所产生的新的生产数据，筛选出样本，对预测神经网络权重进行继续训练，更新神经网络。具体而言，采用反向传播方法更新神经网络的权重，使预测神经网络能够学习到新的工况信息，可以自动适应系统特征的变化。

以下以镀锌实际生产过程为例，说明本发明所取得的有益效果：

图3中列出了采用本发明方法设计的前馈控制系统投运前和投运后对于镀层厚度设定值变化时生产工况快速切换的效果对比。从图中可以看到，镀层厚度设定值从85g/m²提升到125g/m²时，本发明的前馈控制系统通过提前调节气刀距离和气刀压力值，使镀层厚度在规格切换时即达到125g/m²，满足生产工艺要求，同时，本发明调节所用的过渡过程时间与人工控制相比也显著缩短。与之相比，人工控制无法在镀层规格切换时调节到位，导致125g/m²卷头部镀层厚度小于设定值，产品质量不达标。而当镀层厚度设定值即将从125g/m²下降到85g/m²时，本发明的前馈控制系统在镀层规格改变时立即调节气刀距离和气刀压力，比人工控制调节反应更新迅速，其过渡过程的时间也比人工控制情况显著减小。本对比说明采用本发明所述方法，可以在镀层厚度设定值变化时，精准调节气刀距离和气刀压力值，减小过渡过程时间，确保下一个卷的镀层厚度达标。

图4中列出了采用本发明方法设计的控制系统投运前和投运后对于可测不可控变量(带钢速度)变化时的效果对比。可以从图中看出，无论速度上升或下降时，与人工控制相比，本发明前馈控制系统都能使镀层厚度控制的超调量显著减小，进而减小过渡过程时间，使生产工况能够迅速稳定下来。说明采用本发明所述方法，可有效抑制带钢速度引起的镀层厚度波动，提高产品质量。

上面对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进直接应用于其它场合的，均在本发明的保护范围之内。

Claims (10)

1.一种镀锌生产线镀层前馈优化控制方法，其特征在于，每个控制周期内，系统运行步骤包括：

S101.根据标志位的值判断上一个控制周期系统是否处于前馈控制状态，如果标志位为false，则上一个控制周期为反馈控制状态，进入S102；否则上一个控制周期为前馈控制状态，进入S113；

S102.查询二级机，检测下一卷钢卷厚度信息，判断当前钢卷与下一卷钢卷镀层厚度信息是否一致，如果一致，则进入S103，否则进入S109；

S103.从一级机读取当前钢卷的速度S(t)，若速度出现大跳变，则进入S104；否则结束本控制周期前馈控制计算；

S104.从一级机读取当前钢卷镀层厚度设定值Rcw(t)，结合当前钢卷的速度S(t)，采用镀层厚度神经网络预测模型和多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)；得到最优的气刀距离前馈控制量和最优的气刀压力前馈控制量，然后进入S105；

S105.将标志位置为true，t时刻前馈控制作用点经过气刀后的距离计算值L_calc置零，进入S107；

S106.以带钢速度S(t)为检索项，从气刀高度前馈设定表查询气刀高度前馈设定值H_ffc(t)，进入S107；

S107.根据气刀距离分配算法，计算前后气刀距离设定值D_ffc_back(t)和D_ffc_front(t)；

S108.下达气刀高度前馈控制量H_ffc(t)，气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)到PLC控制系统，本次控制周期计算结束；

S109.从一级机读取下一卷钢卷镀层厚度设定值Rcw_next，结合当前钢卷的速度S(t)，采用多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)，然后进入S110；

S110.从一级机读取当前卷钢的速度，从二级机读取下卷钢的镀层厚度设定值，若镀层厚度控制目标增加，则进入S111；若镀层厚度目标减少，则进入S112；

S111.从一级机实时读取焊缝与气刀位置的距离信息L(t)，计算ΔP＝P_ffc(t)-P(t)，P(t)是t时刻的气刀压力值测量值，根据ΔP的值查表确定镀层设定值预设定的距离裕量L_set，若满足L(t)＜L_set，则进入S105，否则，结束本次控制周期前馈控制计算；

S112.从一级机实时读取焊缝与气刀位置的距离信息L(t)，当L(t)＝0时，进入S105，否则，结束本次控制周期前馈控制计算；

S113.根据带钢速度及气刀、测厚仪的距离L及采用周期T，判断前馈作用点是否已经达到测厚仪，若到达测厚仪，则进入S114；若没有到达测厚仪，则进入S115；

S114.将标志位标志位置为false，进入反馈控制计算；

S115.若速度有大跳变，则进入S116；否则，结束本控制周期前馈控制计算；

S116.从一级机读取当前钢卷镀层厚度设定值Rcw(t)，结合当前钢卷的速度S(t)，采用多目标寻优算法计算得到气刀距离前馈控制量D_ffc(t)，气刀压力前馈控制量P_ffc(t)，然后进入S106。

2.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于：

在步骤S104中，进行镀层厚度神经网络预测时，以带钢速度、气刀距离、气刀压力为输入，镀层厚度为输出建立的神经网络预测模型，该模型基于镀锌过程的历史数据进行学习，在线根据当前带钢速度、气刀距离、气刀压力的采样值对镀层厚度做出预测。

3.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于：

在步骤S104中，进行多目标寻优算法时，以镀层厚度与设定值之间的偏差为输入，气刀距离和气刀压力为输出，采用镀层厚度神经网络预测模块确保镀层厚度的控制精度，同时根据“小刀距、小气压”原则确保镀层表面横向均匀性，不断迭代搜索当前带钢速度下最优气刀距离和气刀压力设定。

4.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于：

在步骤S106中，所述气刀高度前馈设定表根据锌液不发生飞溅及最小化锌液空中散热时间的原则制定。

5.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于：

在步骤S107中，所述气刀距离分配算法根据气刀距离变化、带钢厚度变化计算前后气刀距离，所述气刀距离分配模块只在换卷时才工作，首先需要实时检测焊缝点信息，当气刀过焊缝点时，判断是否进行前后气刀距离分配：未换规格时，只需在现有气刀距离基础上，平均分配气刀距离变化量；换规格时，首先考虑带钢厚度变化补偿，带钢厚度发生变化时，后气刀相应补偿厚度变化，然后，总的气刀距离变化量减去补偿量之后，平均分配气刀距离变化量。

6.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于：在步骤S110中，当镀层厚度从小变大，当焊缝点经过设定位置时，对气刀高度、气刀距离、气刀压力需相应地做出调整，即开始提前将下一卷钢卷的镀层厚度设定值作为当前卷尾的镀层厚度控制目标；当镀层厚度从大变小时，则过焊缝点再进行对气刀高度、气刀距离和气刀压力作出相应调整。

7.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于：在步骤S103中，若满足|S(t)-S(t-1)|＞S_θ则进入S104，S(t-1)是t时刻上一采样周期的带钢速度，S_θ是开启前馈控制的速度变化阈值；若不满足，则结束本控制周期前馈控制计算；

在步骤S115中，若满足|S(t)-S(t-1)|＞S_θ则进入S116；若不满足，则结束本控制周期前馈控制计算。

8.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于，步骤S104中，所述多目标寻优算法的计算过程如下：

目标函数：镀层重量神经网络预测值与t时刻前馈控制器的镀层厚度设定值的差的绝对值min|CWp-Rcw(t)|，t时刻气刀压力前馈设定值的最小值minP_ffc(t)，t时刻气刀距离前馈设定值的最小值minD_ffc(t)

决策变量：P_ffc(t)，D_ffc(t)

约束条件：

D_ffc(t)∈[Dmin,Dmax] (2)

P_ffc(t)∈[Pmin,Pmax] (3)

NNp(D_ffc(t),S(t),P_ffc(t))＝CWp (4)

其中，式(2)、(3)表示两个操作变量的工艺规程约束，式(4)表示神经网络预测模块反应的带钢速度、气刀距离、气刀压力与镀层厚度之间的映射关系。

9.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于：在步骤S110中，若满足t时刻下卷钢卷镀层厚度设定值大于t时刻当前钢卷镀层厚度设定值，即公式Rcw_next>Rcw_now，则进入S111；否则，则进入S112。

10.如权利要求1所述一种镀锌生产线镀层前馈优化控制方法，其特征在于：在步骤S113中，令L_calc＝L_calc+S(t)*T，若t时刻前馈控制作用点经过气刀后的距离计算值大于或等于气刀与测厚仪之间的距离测量值，即公式L_calc≥L_measure，则进入S114；若不满足，则进入S115。