摘  要：本文对轧机液压活套系统的工作特性进行了分析。该系统为多变量非线性系统，在位置与张力  。变化较大时，使用传统的控制方法该系统的稳定性较差；而神经网络在控制领域的广泛应用表明，它用于多变量非线性系统较为适合。实验结果表明，当位置与张力变化较大时，采用RBF神经网络控制方式使系统仍然稳定。

关键词：RBF神经网络；液压活套；非线性系统

     在带钢轧制过程中，要求机架问带钢保持一定的张力。当张力过大，带钢会被拉窄、拉薄。由于轧制力受到张力变化的影响，因而张力对带钢纵向厚度均匀性的影响也是较大的。采用角度闭环与张力开环控制活套方式，在热带轧机中得到了普遍应用[1]，这种活套控制方式调试简单，但板带张力波动往往较大，对板带的质量影响较大[1，2]。针对活套张力控制不很稳定的状态，本文采用的基于RBF神经网络的多模型自动切换控制方法能较好地解决上述问题。

1  液压活套工作特性

    活套器一方面要快速吸收因动态速降而产生的活套量，吸收由于辊缝和轧制速度的波动而带来的活套变化量，另一方面要给予带钢1个恒定的张力。活套器通过控制活套套量和张力，实现对带钢的稳定控制[3，4]。

    控制套量可以通过控制活套高度或角度实现。当机架间速度出现偏差时，可在短时间内释放或缩短活套量，使速度偏差不至于立即影响轧件所受的张力。一方面可以防止过张力造成的带材颈缩；另一方面可以防止活套量的增加造成的带材折叠。

    控制张力就是保持作用于带钢上的张力恒定。活套器转动轴上力矩由支承带钢以设定张力所需的力矩、两机架间带钢重量产生的力矩及活套器自身重量产生的力矩三部分组成，活套器结构如图1所示：

    可根据静力平衡条件建立张力所需力矩：N=2Tsin[(θ+β)]/2             (1)

张力对活套器转轴的力矩为：

  带钢重量w产生的力矩为：

  Mw=WR_COSα   (6)

  带钢重量w是随着带钢规格的变化而变化的。

  活套器自重产生的力矩为：

  MwI=W_LR_{LCOS α}    (7)

  活套器自重作用位置是活套器各部件作用力合力确定的。因此，活套器转轴处总力矩为

    M=Mr+Mw+MwL    (8)

    为了满足轧制工艺需要，活套器通常有5个位置，分别为：

    换辊位当相邻下游轧机入口导板的退出时，活套抬起的角度；

    轧机模拟位当轧机模拟运行时，活套抬起的角度；

    积极等待位当轧机待钢时，活套抬起的角度；

    消极等待位当相邻上游轧机抛钢后，活套抬起的角度；

    最低位当手动或压力保护时，活套能下降的最低位置。

    在正常轧制时，活套角处于换辊位和积极等待位之间，通常恒定控制在某一角度，保持轧制稳定。在准备咬人时，活套器处于积极等待位。当相邻下游机架咬入时，活套器抬起，逐步建立稳定的套量及张力，完成起套过程。当相邻上游机架抛钢时，活套器提前下落至某一角度，以避免抛钢后带钢甩尾，随后降至消极等待位，完成落套过程。

2  基于RBF神经网络的多模型切换控制

    根据上述分析得知，轧机液压活套控制系统为多变量输入输出(MIMO)非线性系统，本文采用了神经网络多模型切换控制策略[5]，其结构设计方案如图2所示。

    其中Mi和Ci是模型库中的模型及相应控制器。通过模糊聚类学习算法可离线建立多个神经网络模型。

2．1  控制器设计

    设MIMO非线性系统是一类具有q维输入向量u=(u₁,u₂,…,u_q)∈R^q、q维输出向量y=(y1，y2，…，yq)^T∈R^q、q的系统，该系统的上输入输出方程的离散表达式：

  y(k+1)=f(y(k)，…，y(k-n_y)，u(k)，…，u(k一n))    (9)

    式中f为1个非线性函数，且有f(0，…，0)=0，y_n，u_n为系统的阶次。假设系统输入输出有界，即存在常数C1和C2，对于输入u(k)∈Su，Su一{u(k)：1 u(k)1≤C，，V k≥k。}，系统的输出y(k)满足|y(k)|≤C。。若k+1时刻控制器的输人为rm(k+1)，则该控制器网络可为：

u(k)=g[rm(k+1),y(k),…，y(k一ny+1)，u(k一1)，…，u(k一nu+1)]        (10)

    rm(k+1)为期望轨迹。

    一般采用控制误差ei=rmi(k)-y(k)，i∈(1，q)间接学习控制器网络。

2．2  切换控制策略

    对于m个聚类，采用上述方法建立m一1个离线神经网络模型。切换根据有限时域l内性能指标Ji(k)来进行，性能指标是由每个模型Mi的辨识误差ei(k)而形成，其形式为：

   yi(k)为第i个模型在采样走时刻的输出值，y(k)为实际系统在忌时刻的输出值。

3  实验结果

    实际的活套臂长度为796 mm，在线性工作点处对应的套高为285 mm，对活套高度附加10％左右，即角度为O．05 rad的阶跃扰动信号。带钢张应力增量的变化曲线如图3所示，而基于传统的控制，其张应力的变化较大，如图4所示。张应力的变化量达到一O．78 MPa左右，这直接影响板带宽度。

    实验结果表明，基于上述的控制策略，系统在满足活套高度增量设定的同时，活套张力波动较小。在O．6 s时，张应力的变化小于O．2 MPa；在l s后，系统达到稳态，精度小于O．04 MPa。

4  结  论

    采用模糊聚类学习算法对样本分类，并利用RBF网络进行建模，实时检测系统当前状态，实时切换控制器，具有较好的自适应性和鲁棒性，优于传统控制方法，实验结果表明此方法应用于液压活套的控制，有效地改善了系统的稳定性。

                                                                                                                                                                                                                    (武汉科技大学机械自动化学院，武汉430081)