摘要：二十一世纪之后，现代化的冷连轧机组板的制作工艺发展迅猛，其中是带轧制的主要有板厚以及板形两种主要质量指标。目前主要应用的AGC自动厚度控制系统为了可以获得更加高精度的产品厚度需要具有高精度要求下的调节控制功能。另外，张力是进行该制作中必不可少的重要考核因素，各个机架之间的种种联系就是依靠张力的作用来维持的。在进行板带轧制的整个过程中，种种影响因素之间是较为容易存在动态耦合现象的，对整体工程具有不好的负面影响，为了解决这一难题，解耦机制在该工艺中的应用就变得重要起来。
关键词：冷连轧机组；厚度；张力系统；解耦
引言：冷连轧带钢在实际中的应用是极为广泛的，诸如汽车制造业、焊管、铁通、建筑业等等都有着重要的应用。正是因为其属于高附加值材料中数一数二的优质材料，近几年对它的制作工艺有着更加严格的要求。其中，板带厚度控制作为工艺中最为重要的核心技术之一，对材料的质量以及精度有着极为重要的影响。另外，维持机架之间的张力稳定也是工艺成功的关键所在，因此结合材料的厚度以及张力系统进行解耦机制的研究应用，对材料制备工艺有着很重要的意义。
一、冷连轧机自动厚度控制系统
（一）机组生产工艺概述
经过仔细的调研分析不难发现冷连轧机组带钢生产的工艺过程有5种最为主要的生产工序，分别是酸洗热轧钢卷、退火操作、带钢平整、精度处理以及镀层处理。具体的生产操作顺序是有严格的规定的，必须保证能按照开卷、校直、焊接、酸洗、轧制、剪切以及卷取的顺序进行制作。其中工艺开卷以及焊接为了更好的进行轧制做准备，酸洗的目的是去除氧化铁皮。
（二）冷连轧AGC系统的基本环节
该系统是冷连轧制备工艺中最为关键的核心系统和技术之一，整体功能极为丰富，主要有设备加减速补偿、前馈以及张力自动厚度控制、流量以及间接测厚反馈自动厚度控制以及监控自动厚度控制等功能。
基于恒速比的原则以及张力恒定的原则，AGC作为控制的最后工序必须实现对带钢的高精度的终极控制。
（三）自动张力控制
在进行冷连轧机组的制造过程中，极为关键步骤的就是需要维持各机架之间的张力恒定，因为整个生产过程中的带钢砂流量守恒是建立在机架间张力恒定的基础上的，另外，只有保证张力恒定才能有效的预防轧件的制作误差产生，避免造成损失。
二、多变量系统解耦控制
自动控制理论的日益完善在如今实际工程的应用已经可以进行多变量、非线性的控制了。输入输出系统也开始转向双输入双输出的系统。对于耦合现象是需要以控制的理论以及方式来进行解决的，将多变量系统解耦进行单变量的系统解耦是极为重要的，可以充分的体现现代控制理论。
将控制理论有机的同解耦技术进行结合的新型解耦方法是自适应解耦控制。将系统中的闭环传递函数进行合理有效的转换为对角阵从而实现解耦的目的。这一方法的核心是将系统耦合作为干扰因素来处理，然后利用带有自动校正功能的前馈控制达到最终或者静态或者动态的补偿，构建合适的函数从而计算出最优化的耦合参数进行对耦合项的补偿。一般情况下利用最小方差进行最小相位系统的耦合补偿，采用广义最小方差处理这种耦合作用是比较有效的。但是在具体的计算过程中对Diophantine方程的解并不是精确值，并不能达到完全解耦的目的。
为了继续实现对耦合现象的解决目的需要进一步加强耦合系统中的数学模型的辨识，这样使得整体算法变得极为复杂，增加系统以及人力的计算量，因此需要进一步的进行解耦算法的研究更新。
智能解耦是建立在自适应解耦基础之上的新兴控制方法，这种方法在实际中应用时可以实现在线整定线性或者非线性系统中的控制参数的目的，进一步的优化解耦效果。目前主要是有神经网络解耦控制以及模糊解耦控制两种主流控制方法。
三、厚度以及张力系统解耦控制研究
（一）PID控制理论以及仿真分析
由于自身具备算法简单以及高干扰抗性和高稳定性的优势，PID算法在实际工业生产中的应用是极为广泛的。由于实践生产过程中的种种不确定因素导致无法精确的进行相对应数学模型的建立，因此强大的PID 控制技术可以依据其自身独有的算法进行更加精确的控制。
（二）基于QDRNN的多变量智能解耦
由于轧钢自动化技术急速发展以及进步，实际的工业生产中对解耦控制的精度有着更加严格的要求。在传统PID控制算法的基础之上，现代控制理论的进一步发展使得智能解耦在神经网络算法的基础上变得更加高效有用，目前在国际上已经比较成功的应用在了非线性解耦控制过程中了，并且极有研究前景。
对神经网络算法中可以通过加入隐层神经元之间的神经元互联关系，并且有效利用PID解耦控制器可以构成创新性的QDRNN智能解耦算法，通过一系列的仿真实验以及计算推导证明，这种算法是极为有效的，具有较之传统解耦控制算法更加优秀的抗干扰能力，非常适合解决实际应用中非线性系统动态耦合现象。
常规的PID解耦控制算法同创新QDRNN解耦控制算法是目前在实践生活中应用最为广泛的两种智能解耦控制方法。针对厚度以及张力系统构建的数学模型的复杂以及强耦合特性，可以利用相关的仿真软件进行智能解耦仿真。在外界干扰因素较弱或者不存在的情况下，两种解耦方法都可以有效的实现解耦目的，满足整体系统的具体要求，但是后者具有更加稳定以及高效的优势，解耦效果也更加明显；在加入一定的干扰因素或者干扰信号之后，前者的解耦稳定性会遭到比较严重的干扰，往往不能很好的实现实际应用中的解耦目的，而后者依然可以保证高效稳定的进行大程度上的智能解耦，几乎不受干扰信号的影响。总体来看基于QDRNN的多变量智能解耦控制是更加高效稳定的解耦控制方法。
结束语:
现代化的程度不断加快背景之下冷连轧带轧制工艺有着更加严格的要求。本文以冷连轧机组为核心，对其厚度以及张力系统进行了简单的研究，通过文献的查阅以及网上搜索搭建了系统之间的数学模型，之后进行了对传统PID智能解耦控制以及基于QDRNN的PID智能解耦控制的仿真实验，通过对比客户自实践中后者具有更加稳定高效的解耦效果。希望可以通过本文的研究对我国实际生产中进行智能解耦控制具有一定的参考意义，进一步提高相关材料的制造工艺。
参考文献：
[1]张殿华,孙杰,陈树宗,李旭.高精度薄带材冷连轧过程智能优化控制[J].钢铁研究学报,2019,31(02):180-189.
[2]张苗兴. 八辊五机架冷连轧机组核心工艺参数设定技术的研究[D].燕山大学,2018.
[3]李佳. 五机架冷连轧机自动控制系统的研究与应用[D].燕山大学,2018.
[4]董鹰.多变量张力控制技术在三机架铝板带冷连轧机的应用[J].冶金自动化,2018,42(02):34-39+48.
[ 基金项目:辽宁科技大学大学生创新创业计划专项经费资助项目(项目编号:202010146304)。
作者简介:刘鸿光(2000- )，男，辽宁省阜新人，本科。研究方向:自动化]