CN103028614B - 一种带钢热连轧生产过程控制系统的优化方法 - Google Patents

Abstract

本发明涉及一种应用于带钢热连轧生产过程控制系统的优化方法，属于带钢热连轧控制技术领域。所述方法包括数据采集、去噪处理、系数优化、验证测试、在线应用等步骤。其中系数优化步骤通过相关性分析模型系数与参数之间的影响，对模型系数拟合，并且选择一个算法误差精度，当计算误差小于此误差精度时，即停止，得到新的模型系数及相应的偏差。本方明通过对大量轧钢历史数据采样拟合分析，以及对热连轧轧制力模型系数的优化，实现了带钢热连轧生产过程控制系统的优化，有效提高了带钢热连轧生产过程控制精度，具有可观的经济价值和实用价值。

Description

一种带钢热连轧生产过程控制系统的优化方法

技术领域

本发明属于带钢热连轧控制技术领域，特别涉及一种应用于带钢热连轧生产过程控制系统的优化方法。

背景技术

目前，带钢热连轧生产过程控制系统已经在带钢热连轧生产中广为推广应用。带钢热连轧生产过程控制系统是建立带钢热连轧控制模型，包括轧制力模型、温度模型、功率模型、板形模型的基础上，通过计算机控制连轧生产线。其中，轧制力模型包括了粗、精轧轧制力控制的几何系数，其准确与否最终反映的是辊缝设定的准确与否，对带钢能否顺利穿带和厚度精度有很大影响。传统提高热连轧轧制力模型精度的方法侧重在模型某一部分如精轧设定上提出各种负荷分配方法及自学习等，这些方法虽然在实际生产现场取得了不错的控制效果，但是由于受当时计算机控制水平和编程水平限制，这些方法从本质上讲仍是基于经验的分配系数法等方法，并没有过多从生产实际考虑。实际生产中，在不同钢种轧制过程中，由于轧线设备状态及轧制产品的不同、变形条件的复杂性等问题，模型的参数并不是固定的，其模型系数会有很大变化。模型控制的好与坏，与其系数的准确性有很大关系，模型系数需要根据实际生产过程中的实测数据，通过数学优化方法来确定。为了提高模型的控制精度，减少工作量。

发明内容

本发明所要解决的技术问题是提供一种带钢热连轧生产过程控制系统的优化方法，提高带钢热连轧生产精确度。

为解决上述技术问题，本发明提供一种带钢热连轧生产过程控制系统的优化方法，包括以下步骤：

步骤a、保存通过一级机在轧制过程中分类采集的同钢族或钢种的轧制力历史数据；

步骤b、选择卷数为2000卷以上的所述轧制力历史数据集，用统计方法剔除所述轧制力历史数据中的噪音，包括不可信数据、人工干预后的数据和测量不准确的数据；

步骤c、分析所述带钢热连轧生产过程控制系统的轧制力模型系数与所述轧制力历史数据的轧制力之间的相关性，得到新的轧制力模型系数及相应的偏差；

步骤d、将新的轧制力模型系数应用到所述带钢热连轧生产过程控制系统。

作为优化的方案，在步骤c之后还包括步骤c’：对所述新的轧制力模型系数进行数据测试，如果测试的结果符合预设标准，则选择接受新的模型系数；否则返回步骤b，选择新的轧制力历史数据集，执行步骤c、c’。

所述步骤c具体包括以下步骤：

步骤一：获得实测轧制力P，

P=(p_ij)_s×n p_ij，其中，P_ij为第i个机架、第j块钢卷的实测轧制力，s为机架数，n为钢卷数，i=1,…,s，j=1,…,n；

计算预测作用力P'=F-(F1-F2)，其中，

F:总压下力（固定值）、F1：每侧弯辊力（可变值）、F2：平衡弯辊力（固定值）；

步骤二：计算轧制力系数乘子的增量△

系数乘子Current=1+△，△为乘子的增量,通过以下回归分析计算得到，

△=(X′*X)^-1×(X′*Y)，其中，X为(2n-1)×s矩阵、Y为(2n-1)×1矩阵，X为扰动后的预测值与原预测值间误差，

X=(S(i)-S(i-1))′/δ，δ=0.01，

S=[0.5*PNf  diff(PNf)]，PNf为s×n矩阵，diff(PNf)为PNf的差分矩阵，是s×(n-1)矩阵，

$\mathrm{PNf}={\left(\begin{array}{ccc}\frac{p_{11}^{\′}}{\stackrel{\‾}{p_1}}& ...& \frac{p_{1n}^{\′}}{\stackrel{\‾}{p_1}}\\ .& .& .\\ .& .& .\\ .& .& .\\ \frac{p_{s1}^{\′}}{\stackrel{\‾}{p_s}}& ...& \frac{p_{s1}^{\′}}{\stackrel{\‾}{p_s}}\end{array}\right)}_{s\×n}$ p_ij′：第i个机架对第j块钢的作用力，

：第i个机架，n块钢实测轧制力的平均值，

Y=(T-S)′

T=[0.5*MNf diff(MNf)]

$\mathrm{MNf}={\left(\begin{array}{ccc}\frac{p_{11}}{\stackrel{\‾}{p_1}}& ...& \frac{p_{1n}}{\stackrel{\‾}{p_1}}\\ .& .& .\\ .& .& .\\ .& .& .\\ \frac{p_{s1}}{\stackrel{\‾}{p_s}}& ...& \frac{p_{\mathrm{sn}}}{\stackrel{\‾}{p_s}}\end{array}\right)}_{s\×n}{p}_{\mathrm{ij}}$ ：第i个机架、第j块钢的实测轧制力，

步骤三：如果Min(T-S)²＞δ，

步骤四：循环步骤一至步骤三N次，N为≤5的整数；否则，直接执行步骤五；

步骤五：返回△的函数值，并得到系数乘子Current；

步骤六：系数乘子与轧制力系数相乘，得到新的轧制力模型系数。

进一步优化的，所述步骤五得到系数乘子Current后，将（Current＋1）/2乘以轧制力系数得到新的轧制力模型系数。

本发明通过对大量轧钢历史数据采样拟合分析，以及对热连轧轧制力模型系数的优化，实现了带钢热连轧生产过程控制系统的优化，有效提高了带钢热连轧生产过程控制精度，具有可观的经济价值和实用价值。本发明还可推广用在热连轧温度模型、功率模型、板形模型方面。

附图说明

图1为本发明实施例的整体流程图；

图2为本发明实施方式的轧制力系数优化显示控制操作界面示意图；

图3为本发明实施例系数优化方法的具体流程图。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明。

如图1所示，步骤a、采集数据。在轧制过程中，通过一级机采集到的历史数据保存在数据中心，通过分类采集生成.mat文件（MATLAB可读的数据文件），生成tt_data_*.mat文件。为了使数据具有代表性，如果是针对钢族或钢种的系数，必须取同钢族或钢种卷数至少2000卷以上，一般取4000卷；如果选取的是全局系数优化,则不需要区分钢种。

步骤b、数据去噪。为提高数据的可靠性，对所选数据进行预处理，用简单的统计方法剔除数据中的噪音，即不可信数据，譬如人工干预后的数据，测量不准确的数据等。

步骤c、系数优化。对模型分析，通过相关性分析模型系数与参数之间的影响，对模型系数拟合，并且选择一个算法误差精度，当计算误差小于此误差精度时，即停止，此时可得到新的模型系数及相应的偏差；

步骤c’、对新得到的模型系数进行数据测试，用新的数据集验证新的模型，如果测试的结果符合预设标准，则选择接受新的模型系数，否则应当另外选择数据集进行重新拟合；

步骤d、将可信的新模型系数应用到在线模型。

本发明主要功能是对热连轧数学模型系数进行优化，所采用的系统为基于MATLAB的Windows应用软件，其主要由二大部分组成：一台惠普Proliant DL 580服务器、数学模型优化模块。其中惠普服务器要配置Windows Server 2003以上操作系统、配置Microsoft Sql Server2005数据库、Microsoft Visual Studio 2005编译环境，MATLAB R2007B软件。数学模型优化模块主要功能是通过对轧钢历史工艺数据进行拟合回归，将模型系数优化至满足现场条件及产品条件的最优值。如图2所示，选择精轧F1-F7机架的系数k2，并通过迭代算法得到新的轧制力模型系数乘子。

如图3所示，通过实验数据分析轧制力与其模型系数的关系，回归分析优化轧制力系数。

假定条件：取n块钢的历史数据，同一钢种。设对应机架数为s。

步骤1：设k=1，

步骤2：获得实测轧制力P，

P=(p_ij)_s×n p_ij：第i个机架（i=1,…,s）、第j块钢的实测轧制力(j=1,…,n)，

计算预测作用力P'（预测作用力随着对参数的扰动会改变）P'=F-(F1-F2)，

F:总压下力（固定值）、F1：每侧弯辊力（可变值）、F2：平衡弯辊力（固定值），

步骤3：计算系数乘子的增量△，

系数乘子Current=1+△（△为乘子的增量,通过回归分析得到）

△=(X′*X)^-1×(X′*Y)X:(2n-1)×s矩阵Y：(2n-1)×1矩阵，

X：扰动后的预测值与原预测值间误差，

X=(S(i)-S(i-1))′/δ，δ=0.01，

S=[0.5*PNf diff(PNf)]、PNf:s×n矩阵、diff(PNf)为PNf的差分矩阵是s×(n-1)矩阵，

$\mathrm{PNf}={\left(\begin{array}{ccc}\frac{p_{11}^{\′}}{\stackrel{\‾}{p_1}}& ...& \frac{p_{1n}^{\′}}{\stackrel{\‾}{p_1}}\\ .& .& .\\ .& .& .\\ .& .& .\\ \frac{p_{s1}^{\′}}{\stackrel{\‾}{p_s}}& ...& \frac{p_{s1}^{\′}}{\stackrel{\‾}{p_s}}\end{array}\right)}_{s\×n}$ p_ij′：第i个机架对第j块钢的作用力，

：第i个机架，n块钢实测轧制力的平均值

Y=(T-S)′，

T=[0.5*MNf diff(MNf)]，

$\mathrm{MNf}={\left(\begin{array}{ccc}\frac{p_{11}}{\stackrel{\‾}{p_1}}& ...& \frac{p_{1n}}{\stackrel{\‾}{p_1}}\\ .& .& .\\ .& .& .\\ .& .& .\\ \frac{p_{s1}}{\stackrel{\‾}{p_s}}& ...& \frac{p_{\mathrm{sn}}}{\stackrel{\‾}{p_s}}\end{array}\right)}_{s\×n}{p}_{\mathrm{ij}}$ ：第i个机架、第j块钢的实测轧制力，

步骤4：如果Min(T-S)²＞δ，是，进入步骤5，否则，进入步骤7；

步骤5：k=k+1；

步骤6：判断k是否大于N，如果是，则返回执行步骤2至步骤4，N为≤5的整数，否则，进入步骤7；

步骤7：返回△的函数值，并得到系数乘子Current；

步骤8：将（Current＋1）/2乘以轧制力系数得到新的轧制力模型系数。

以上方法通过实验验证表明，系数优化后的轧制力预报值和头部实际值吻合度很高，出口厚度实际值和目标值吻合很好。

本发明通过对大量轧钢历史数据采样拟合分析，以及对热连轧轧制力模型系数的优化，实现了带钢热连轧生产过程控制系统的优化，有效提高了带钢热连轧生产过程控制精度，具有可观的经济价值和实用价值。本发明还可推广用在热连轧温度模型、功率模型、板形模型方面。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种带钢热连轧生产过程控制系统的优化方法，其特征在于，包括以下步骤：

步骤a、保存通过一级机在轧制过程中分类采集的同钢族或钢种的轧制力历史数据；

步骤b、选择卷数为2000卷以上的所述轧制力历史数据集，用统计方法剔除所述轧制力历史数据中的噪音，包括不可信数据、人工干预后的数据和测量不准确的数据；

步骤c、分析所述带钢热连轧生产过程控制系统的轧制力模型系数与所述轧制力历史数据的轧制力之间的相关性，得到新的轧制力模型系数及相应的偏差；所述步骤c具体包括以下步骤：

步骤一：获得实测轧制力P，

P＝(p_ij)_s×n p_ij，其中，P_ij为第i个机架、第j块钢卷的实测轧制力，s为机架数，n为钢卷数，i＝1,…,s，j＝1,…,n；

计算预测作用力P'＝F-(F1-F2)，其中，

F:总压下力，所述总下压力为固定值、F1：每侧弯辊力，所述每侧弯辊力为可变值、F2：平衡弯辊力，所述平衡弯辊力为固定值；

步骤二：计算轧制力系数乘子的增量△

系数乘子Current＝1+△，△为乘子的增量,通过以下回归分析计算得到，

△＝(X′*X)^-1×(X′*Y)，其中，X为(2n-1)×s矩阵、Y为(2n-1)×1矩阵，X为扰动后的预测值与原预测值间误差，

X＝(S(i)-S(i-1))′/δ，δ＝0.01，

S＝[0.5*PNf diff(PNf)]，PNf为s×n矩阵，diff(PNf)为PNf的差分矩阵，是s×(n-1)矩阵，

p_ij′：第i个机架对第j块钢的作用力，

第i个机架，n块钢实测轧制力的平均值，

Y＝(T-S)′

T＝[0.5*MNf diff(MNf)]

第i个机架、第j块钢的实测轧制力，

步骤三：如果Min(T-S)²＞δ，

步骤四：循环步骤一至步骤三N次，N为≤5的整数；否则，直接执行步骤五；

步骤五：返回△的函数值，并得到系数乘子Current；

步骤六：系数乘子与轧制力系数相乘，得到新的轧制力模型系数；

步骤d、将新的轧制力模型系数应用到所述带钢热连轧生产过程控制系统。

2.根据权利要求1所述的带钢热连轧生产过程控制系统的优化方法，其特征在于，在所述步骤c之后还包括步骤c’：对所述新的轧制力模型系数进行数据测试，如果测试的结果符合预设标准，则选择接受新的模型系数；否则返回步骤b，选择新的轧制力历史数据集，执行步骤c、c’。

3.根据权利要求1所述的带钢热连轧生产过程控制系统的优化方法，其特征在于，所述步骤五得到系数乘子Current后，将(Current+1)/2乘以轧制力系数得到新的轧制力模型系数。