金属的轧制宽度、边缘和表面粗糙度计量仪器
金属的轧制
轧制力的预测
高速且低耗地生产量大、质优的产品是决定轧制过程是否有竞
争力的中心因素。虽然我们在轧制现场收集了许多测量数据，但是
它未必能完全利用，因为这个过程和质量变量之间的联系尚不明确
。使用物理模型有可能描述各种关系。
通过将神经网络和物理模型结合起来，有可能发展出一种新工
具，即合成方法，它可以进一步减少过程数据的分散程度
过程模型可以按多种方法分门别类。各种不同的数值技术可以
用于解这些基本方程，这些基本方程决定了塑性流动和热传输，在
此假定边界条件是可知的。例如，物理模型可以开发出来用于描述
热加工中微观组织的变化然而，由于过程是非常复杂的，所以该模
型是进行很大简化而得到的，起码本质上是半经验性质的。随着过
程中可得到的数据越来越多，基本的物理规律变得越来越不重要，
各种计算可用于模拟，包括模糊系统、神经计算和传统数据方法。
影晌产品质，因素的分析
平辊轧制产品的质量好坏以一种复杂的方式依赖于几何精确度
、表面质量和材料的性质。热轧带的质量受整个成形系统的影响。
另外，其他的一些因素也会对其产生影响，比如轧制材料的化学成
分，轧前和轧制中每个板的历史状况。影响质量的这些因素并不是
相互独立的，它们有非常复杂的联系。几何参数例如厚度、轮廓、
平整度、宽度、边缘和表面粗糙度也一样可以对其质量产生影响。
在整个过程中，它们的相互依赖性是很明显的。
热轧轧机的主要任务是:优化轧制过程、过程监测、材料流动
控制、数据记录和报告产生。在控制单元，在钢带精确进人轧机前
，轧机的设置是基于分析模型，但是基于测量和模拟数据的神经网
络，纠正了粗略的估计值。一个有效的过程模型应该能够预测轧制
力、扭矩、材料的性质等。只要能够获得充足的过程数据，通过使
用人工神经网络，这些目标就可以达到。此外，将后处理引人考虑
范围，即通过连续调节模型直至符合实际过程，神经网络既能模拟
也能自我调节直至完好的进行工作。对于控制工作，有必要在数学
模型和基于自我纠正的神经网络之间进行共享，在线计算应该由神
经网络进行，但是也可将正确的数学模型加以利用。为了将模型设
计的可以进行精细调节，有必要对那些造成带间及带内质量参数分
散的所有因素进行分析。实验室实验是分析影响因素的方法之一。
这些实验是相当昂贵同时具有物理模型的所有不利(比例因素、边
界条件的差异等)。另一种方法是利用和分析工业数据，使用数据
采集的方法，这些数据是在实际轧制过程中在线检测得到的。特别
是在“自组织图(SOM)"的可视化中经常用到。在这种情况下，数据
采集的主要目的是查出测得的过程参数和产品质量之间的复杂关系
。分析系统行为的目的是为了找出技术参数之间隐藏的相互依赖性
。该分析首先包括宏观模拟和分析。这一分析是基于从高层次水平
的计算机系统中采集到的数据，同时包含有平均值和标准偏差。该
分析包括微观模拟和分析，这一分析是基于在线收集到的带钢数据
，目的是发现带材内部质量参数分散的原因。
