十年来，我国的热连轧生产线得到了前所未有的蓬勃发展。新建和改造1250mm以上至2250mm的宽带钢热连轧生产线超过30条。这些新建和改造生产线的生产能力、设备水平和技术水平均处于世界前列。新建和改造的方式也由过去的完全引进改变为引进、中外联合和完全国产化等多种模式。虽然轧制过程控制系统的硬件仍以西门子、GE、三菱、VAI、达涅利、东芝、西马克等国外公司为主，但是已可以实现由国内设计和指定设备选型。相对于硬件，软件的发展更为迅速，现代热连轧控制系统可分为6级控制，0级为驱动、变送、执行控制级;I级为基础自动化级;II级为以数学模型为核心的过程自动化控制级;III级的生产管理级;IV级为区域管理级;V级为企业管理。其中I级和II级控制系统与产品的生产和质量的关系最为密切，也是国内研究和开发的重点内容。

　　轧制技术及连轧自动化国家重点实验室(RAL)以国内钢铁行业的大发展为契机，针对热连轧自动化过程控制系统开展了深入细致的研究，开发了成套I、II级过程控制系统及其相关模型和算法，并将研究成果提供给热连轧带钢生产线的新建和改造现场，实现了科研成果的迅速转化。

　　该控制系统建立在基于Windows的多进程多线程系统平台之上，采用II级设定和控制系统与I级基础自动化相结合的方式，结合离线仿真、理论分析、工艺和设备优化设计、模型参数优化和在线设定、人工智能、数据挖掘、自学习与自适应等多种手段，实现对热轧带钢生产线全线质量指标的全面控制。

　　2系统开发和应用平台

　　系统开发和应用平台基于Windows系统，具有共享内存的开辟与管理、进程和线程的管理、通过高速以太网实现过程机之间通信、过程机与HMI服务器之间的通信、过程机与基础自动化及上级系统的通信、控制逻辑、数据的存储与分析、日志报警等功能。为热轧带钢的自动化控制系统提供全面的数据服务和平台支持。

　　RAL开发的RAS轧机过程控制系统应用平台的体系结构上分为4层，如图1所示。最下层为系统支持层;第二层为软件支持层，数据中心使用Oracle 9i，系统配置库使用Access数据库;第三层为系统管理层，由系统管理中心(Manager)和核心动态库负责;最上层为应用层，是系统具体工作进程。

　　平台在进级上采用一功能模块对应一进程的模式分别负责系统维护、网络通讯、系统的数据采集和数据管理、带钢跟踪和模型计算，如图2所示。

　　RAS平台的主要技术特点如下：

　　u 多进程多线程结构，可以更加集中的管理同样类型的任务;

　　u 任务间通讯主要采用的是共享内存+事件触发的模式，这种通讯方式通讯效率快，进程/线程反应速度快、数据完整性更强;

　　u 提供了功能丰富的管理界面，极大的改善了用户体验的效果;

　　u 提供了在线的、实时的日志报警显示模块，操作人员可实时监控平台的运行信息，并提供了方便的日志查询功能;

　　u 多任务间耦合度适中合理，平台部署容易，维护成本低，二次开发工作变得更简单。

　　现场应用表明(2010，思文科德热轧厂;2011，国丰650mm热轧厂;2011，兴业铜业48#轧机生产线)，RAS平台的各项指标达到了设计标准，通讯速度快，效率高，数据准确性高，各个任务间负载均衡，平台运行稳定。

　　3主要数学模型

　　热连轧带钢的过程数学模型是轧制自动化控制系统的核心内容。数学模型既为轧线提供工艺规程的设定，也参与关键技术指标的控制过程，通过关键参数的自学习不断提高其设定与控制精度，进而提高轧线整体质量水平与生产效率。

　　轧制过程控制模型建立在轧制理论之上，由于计算速度以及应用性能的限制，目前在轧线上使用的均为在理论基础上的得到的经验模型。由于轧线上特别是变形区内的一些事件和现象尚未得出完美的理论解释，比如变形区内的摩擦条件的变化、轧辊和轧件的热量传递机制、金属在变形区内的流动规律等;一些常用假设与实际情况存在差异，比如轧辊压扁后仍为圆形假设、平面变形假设;冷却过程中的水冷机制的对流区、核沸腾区、膜沸腾区、小液态聚集区推想等;这些问题限制了数学模型的计算精度与稳定性。

　　层别数据的使用为提高模型的计算精度和稳定性提供了切入点，无论国外主流数学模型还是国内自主开发的数学模型，均采用层别数据机制来构建模型。层别划分过粗则无异于提高计算精度，层别划分过细则提高调试难度，降低模型的使用性能。二者之间需要一种平衡。

　　东北大学轧制技术及连轧自动化国家重点实验室在充分了解热连轧带钢生产工艺、设备和技术条件的基础上，开发了以粗轧设定模型、精轧设定模型、板形设定和控制模型、机架间冷却设定和控制模型、层流冷却设定和控制模型为核心的一套热连轧带钢过程控制数学模型。从轧制规程、速度制度、温度制度等方面，综合考虑现场条件，实现对热轧带钢产品外形质量和组织性能质量的全面设定和控制。采用钢族形式划分层别，为新产品提供了预留接口和空间，即保证设定和控制精度，又提高了模型的可用性。

　　3.1轧机设定模型

　　轧机设定模型分为粗轧机组设定模型和精轧机组设定模型。其主要功能为设定轧线的压下制度、速度制度和温度制度。轧机设定模型的优劣决定了该轧线产品质量精度、生产效率和流畅性，是轧制过程控制模型的核心。

　　粗轧过程控制系统系统控制模型包括轧件空冷温降模型、水冷温降模型、塑性功温升模型、轧件轧辊接触导热模型、轧件温度分布、变形抗力模型、接触弧长模型、平立轧的应力状态系数模型、平轧宽展模型、立-平轧宽展模型等。

　　粗轧设定模型的主要功能包括平辊规程设定、宽度设定和短行程设定、轧制节奏设定等。

　　粗轧的宽度控制包括宽度设定和自动宽度控制两个部分。宽度设定是粗轧过程设定计算的一部分，通过综合考虑厚度压下和宽度压下对轧件宽度变化的影响并结合宽度自学习来设定各道次的立辊开口度;自动宽度控制则是在立辊轧制过程中动态修正开口度以改善轧件全长的宽度均匀性。由于宽度检测仪表的限制，自动宽度控制的作用范围有限，因此采用立辊的短行程控制(SSC)来控制头尾部的宽度均匀性。

　　粗轧AWC系统、SSC技术和主传动交交变频技术的应用，使宽度精度0～6.5mm占带钢全长的比例达到95.4%的较好水平(国丰620mm，2012)。

　　精轧模型设定是通过具体的方程式和轧制参数列表因子以及自学习因子相结合，来精确地计算出轧机在穿带时目标厚度和温度下的各机架辊缝、速度及机架间张力基准等。轧制参数列表因子有很多，因此精轧数学模型能够根据热轧板厂的具体产品进行个性化设定计算。

　　精轧机设定规程的目的是计算出一套辊缝参考值，以便在轧机设备允许条件内获得需要的目标厚度的带钢。同时还必须计算出与电机能力相匹配的精轧各机架速度，以保持机架间的恒定秒流量，并获得精轧的目标出口温度。

　　精轧机设定模型包括轧制力模型、能耗模型、温度模型、厚度模型、变形抗力模型、辊缝模型和负荷分配算法等子模型。

　　由于现场条件的波动、模型本身对于轧制条件的简化以及模型结构的原因，使模型计算值与实际值之间存在差异，这是过程控制模型的主要参数需要进行自学习的主要原因。

　　通过自学习的方法，可以使控制模型的设定值计算精度满足过程控制的要求。模型参数自学习分为短期自学习和长期自学习。短期自学习用于轧件到轧件的参数修正，学习后的参数值自动替代原先的参数值，用于下一块同钢种轧件，主要是与轧件有关的模型参数自学习。长期自学习用于大量同种轧件长期参数修正，主要是与轧机有关的模型参数自学习。

　　为了保证带钢在精轧轧制过程中的正常轧制，精轧设定模型通过各个功能模块在精轧设定主程序中的相互调用，利用模型中所提供的模型参数、设备参数、轧件参数及相关限制条件，在模型中增加精轧设定所需要的轧制参数实测值的有效性保护，同时充分发挥模型的自学习功能，完成精轧设定模型对轧件在精轧区域轧制规程的设定。

　　现场应用表明(2010，思文科德热轧厂;2011，国丰620mm热轧厂;2012，朝鲜热连轧1780mm生产线，目前处于开发阶段)，RAL轧机设定模型具有设定精度高、稳定性好、使用方便等优良特性。