基于迭代学习的轧辊偏心补偿控制

摘要

针对轧机普遍存在的轧辊偏心问题,结合偏心信号的特点及补偿控制方法,将一种在工业机器人重复性控制领域广泛使用的迭代学习控制方法应用在轧辊偏心补偿控制中。基于对周期误差数据不断学习,轧机偏心控制系统的压下控制调整更加精准。对构造的轧辊偏心信号进行测试,其相比于快速傅里叶变换补偿方法,迭代学习10~50次后的补偿精度提高20.1%~56.4%;经过迭代学习律参数的优化,迭代学习后补偿精度达到50%以上的同时,收敛速度大幅增加。考虑到在轧机加减速状态时偏心信号频率发生改变,通过迭代学习控制对变频信号进行补偿,经过10次的快速学习补偿,误差评价函数值达到最初的13.6%。利用冷连轧一道次的生产线实际数据进行测试,结果表明迭代学习补偿控制能够在学习过后有效提升偏心补偿精度。研究基于迭代学习控制方法,为轧辊偏心的补偿控制提供一定的参考。