摘要：本文对自学习带钢热连轧卷曲温度控制模型进行了分析，结果表明在带钢热连轧卷曲温度控制上采用自学习模型，明显提高了轧制的控制精度以及生产效率，降低了轧制的成本。

关键词：卷曲温度 自学习模型 控制精度

1 概述

带钢热连轧卷曲温度控制是通过层流冷却段长度的动态调节，将具有温度、厚度、速度等工况的带钢从比较高的终轧温度迅速冷却到所要求的卷曲温度，使带钢获得良好的组织性能和力学性能。热轧带钢的实际卷曲温度是否能控制在要求的范围内，主要取决于带钢冷却系统的控制精度。本文主要针对自学习模型卷曲温度控制进行了研究[1]。

2 自学习模型

为了提高计算精度，增强控制模型的适应性，针对模型的设计需要考虑采用自学习功能，通过学习可以获得用于修正卷曲温度预报模型的自学习系数，即模型具有根据自身经历不断修正以提高精度的学习能力[1]。基本原理是根据带钢热连轧卷曲温度的实际测值和预报值之间的偏差，采用适当的修正算法，对预报模型中的重要参数进行修正，以提高模型对以后带钢卷曲温度的预报精度[2]。自学习模型主要包括长期自学习和短期自学习。自学习模型原理如图1所示。

2.1 短期自学习

假设把一块带钢分成多段，短期自学习也就是带钢段之间的自学习。当带钢段出层冷区的高温计时，满足一定条件下，要进行带钢段之间的自学习，以提高控制精度。……