CN103586288A - 热轧带钢板形的案例库建立方法 - Google Patents
热轧带钢板形的案例库建立方法 Download PDFInfo
- Publication number
- CN103586288A CN103586288A CN201310097438.1A CN201310097438A CN103586288A CN 103586288 A CN103586288 A CN 103586288A CN 201310097438 A CN201310097438 A CN 201310097438A CN 103586288 A CN103586288 A CN 103586288A
- Authority
- CN
- China
- Prior art keywords
- case
- strip steel
- rolling
- coiled strip
- current coiled
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
本发明公开了一种热轧带钢板形的案例库建立方法,包括步骤S100和步骤S200,其中,在步骤S100中,当该案例库内该确定带钢层别的轧制案例数未达到N时,确定是否将轧制完成后的当前卷带钢作为轧制案例放入该案例库内。在步骤S200中,当该案例库内该确定带钢层别的轧制案例数达到N时,确定是否对该案例库进行更新。利用本发明的热轧带钢板形的案例库建立方法,可建立其特定带钢层别的优秀案例库,通过该案例库,可使得带钢在轧制时的凸度和平直度得到显著提高。
Description
技术领域
本发明涉及精轧带钢生产控制,更具体地,是一种热轧带钢板形的案例库建立方法。
背景技术
在带钢精轧过程中,板形控制作为热轧带钢尺寸精度控制的重要组成部分,越来越受到钢铁企业的重视,板形的生产机理非常复杂,好的板形不但需要有设备、工艺、管理等条件作为保证,高精度的板形控制系统也必不可少。提高带钢板形控制精度的思路一般为:增加板形精度与采用先进的自学习方法相结合。有效的自学习方法对板形控制精度的提高具有重要意义,仪表检测到本块带钢的板形实测值后,通过自学习系统,修正下一块带钢的板形设定值,以保证带钢的头部板形质量。
热连轧板形控制是一个多变量、时变、强耦合和非线性的复杂过程,轧制过程中各种板形影响因素,如轧制力、弯辊力、轧辊磨损、热凸度等都会随时间进程与空间位置而变化,并且相互影响、耦合。根据轧辊弹性变形和带钢塑性变形理论,各种板形因素和最终辊缝之间的数学关系相当复杂,因此,目前板形控制系统中的数学模型都是建立在大量简化和假设基础之上的,计算结果往往不能满足用户需求和产品精度。因此,在板形控制同时,辅助以自学习技术,以提高最终的板形质量。
申请号为201210134867.7,申请日为2012年4月28日的中国发明专利申请公开了一种改善换规格首块带钢板形质量的自学习方法,该方法主要通过短期自学习、长期自学习以及继承性自学习的结合,达到提高自学习效率的目的,提高各种工况下换规格带钢的板形质量。
申请号为201210110506.9,申请日为2012年4月16日的中国发明专利申请公开了一种利用反馈数据提高轧机板形设定及动态控制精度的方法,该方法主要通过对来自平直度仪和多功能仪的两组检测数据的优化,提高最终用于控制的现场实际检测数据的精度,来提高板形自学习功能的输出精度。
上述现有技术存在如下问题:以上专利申请中的方案都是用仪表实测值代入板形模型进行学习系数更新,再将更新后的学习系数作用在板形模型公式上,用于下一块带钢的设定计算,这没有摆脱常规的自学习方法的局限,即自学习效果受到板形模型精度的影响。
发明内容
本发明的目的,在于解决现有的带钢板形控制中所存在的上述问题,提供了一种创新的热轧带钢板形的案例库建立方法。
本发明的热轧带钢板形的案例库建立方法,用于建立一个确定带钢层别的案例库,该案例库内包括N个该确定带钢层别的轧制案例,各轧制案例包括条件属性和决策属性,该条件属性包括带钢宽度、计划位置以及热轧轧机各机架的单位轧制力,该决策属性包括各热轧轧机各机架的PC角和板形适配度,该板形适配度表征该轧制案例中带钢板形控制精度的优劣程度,该方法包括:
步骤S100,当该案例库内该确定带钢层别的轧制案例数未达到N时,确定是否将轧制完成后的当前卷带钢作为轧制案例放入该案例库内,其中该步骤S100包括:
步骤S110,判断该当前卷带钢的凸度偏差和平直度偏差是否均小于阈值,如果该当前卷带钢的凸度偏差和平直度偏差均小于阈值,则进入步骤S120,否则,则不将该当前卷带钢放入该案例库内;
步骤S120,如果该案例库不存在轧制案例,则将当前卷带钢放入该案例库内;如果该案例库内存在轧制案例,则从该案例库内确定该当前卷带钢的最接近轧制案例,并确定该当前卷带钢和该最接近轧制案例之间的差异显著程度,并且,a,当该差异显著程度确定为显著时,将该当前卷带钢放入该案例库内;b,当该差异显著程度确定为不显著时,判断该当前卷带钢的板形适配度是否优于该最接近轧制案例的板形适配度,若优于,则将该当前卷带钢替换该最接近轧制案例放入该案例库内,若不优于,则不将该当前卷带钢放入该案例库内;
步骤S200,当该案例库内该确定带钢层别的轧制案例数达到N时,确定是否对该案例库进行更新,该步骤包括:
步骤S210,从该案例库内确定该当前卷带钢的最接近轧制案例;
步骤S220,判断该当前卷带钢的板形适配度是否优于该最接近轧制案例的板形适配度,若优于,则将该当前卷带钢替换该最接近轧制案例放入该案例库内以对该案例库进行更新,若不优于,则不将该当前卷带钢放入该案例库内。
优选地,上述步骤S120和步骤S210中,该确定该当前卷带钢的最接近轧制案例包括:
获取所述当前卷带钢的条件属性Fj(widthj,ncntj,Rfj1,Rfj2,Rfj3,Rfj4,Rfj5,Rfj6,Rfj7);
获取所述案例库内各个轧制案例的条件属性Fi(widthi,ncnti,Rfi1,Rfi2,Rfi3,Rfi4,Rfi5,Rfi6,Rfi7);
计算所述当前带卷带钢和该各个轧制案例的相似度S(Fi,Fj):
其中,p1~p9为各条件属性的权重系数,widthj和widthi为分别为当前卷带钢和第i个轧制案例的带钢宽度,ncntj和ncnti分别为当前卷带钢和第i个轧制案例的计划位置,Rfj1~Rfj7和Rfi1~Rfi7为当前卷带钢和第i个轧制案例对应的F1~F7机架的轧制力;width0为宽度基准值,ncnt0为计划位置基准值;
确定与该当前卷带钢相似度最小的轧制案例,该轧制案例为该当前卷带钢的最接近轧制案例。
优选地,在所述步骤S120中,该确定该当前卷带钢和该最接近轧制案例之间的差异显著程度包括:
如果所述当前卷带钢和所述最接近轧制案例满足下列条件1、条件2和条件3中的任一个,则判断为差异显著:
条件1:所述当前卷带钢的计划位置小于10,并且与所述最接近轧制案例的计划位置的位置差大于3;
条件2:所述当前卷带钢的计划位置大于或等于10,并且与所述最接近轧制案例的计划位置的位置差大于6;
条件3:所述当前卷带钢和所述最接近轧制案例的带钢宽度差超过20mm;
否则,则判断为差异不显著。
优选地,所述板形适配度由以下公式确定:
fitness=fitnss_crown+fitness_flat,
其中,fitness为板形适配度,fitness_crown为评价凸度的适配度,fitness为评价平直度的适配度;w1和w2分别为凸度和平直度的权重系数,并且w1+w2=1;Caim和Cact分别为带钢的目标凸度和实测凸度;εaim和εact分别为带钢的目标平直度和实测平直度;Cconst和εconst分别为凸度和平直度的量级调整系数,C0和ε0分别为凸度死区临界值和平直度死区临界值。
利用本发明的热轧带钢板形的案例库建立方法,可建立其特定带钢层别的优秀轧制案例库,通过该案例库,可使得带钢在轧制时的凸度和平直度得到显著提高。
附图说明
图1为本发明的热轧带钢板形的案例库建立方法的流程示意图;
图2为图1中本发明的热轧带钢板形的案例库建立方法中步骤S100的更详细的流程图;
图3为为图1中本发明的热轧带钢板形的案例库建立方法中步骤S200的更详细的流程图;
图4为图2中本发明的热轧带钢板形的案例库建立方法中步骤S120的更详细的流程图;
图5为利用本发明的热轧带钢板形的案例库建立方法进行热轧带钢板形控制的流程示意图。
具体实施方式
以下结合附图和具体实施方式,对本发明的热轧带钢板形的案例库建立方法的步骤流程和具体应用进行详细说明。
总体而言,本发明的热轧带钢板形的案例库建立方法,通过数据挖掘手段,建立起确定层级的热轧带钢板形优秀案例库,该案例库中包含多个该层级的优秀轧制案例。当该案例库建立起后,对该层级的当前卷带钢进行轧制时,可从该案例库内找到该带钢的最接近案例,并且从该最接近案例中取出相应的PC角设定值,并依据该PC角设定值,对该当前卷带钢的轧制进行对应PC角设定。由于该案例库内的各轧制案例为从大量历史数据中产生的优秀案例,即高质量的带钢产品,因此,依据最接近轧制案例,对当前卷带钢的轧制进行参数设定,可使得当前卷带钢的板形精度显著提高。容易理解,可以为不同带钢层别的分别建立案例库,这些案例库可以组成一个总的案例库,以用于后续带钢的板形控制。其中,带钢层别是通过钢种等级、厚度等级、宽度等级和凸度等级这四个参数来确定的,该四个等级参数均相同的带钢属同一个带钢层别。并且,在案例库的应用中,还可以对其进行更新,以将更优秀的案例更新入案例库内,从而通过该自学习手段,更精确地控制后续带钢轧制的板形精度。
结合图1,是本发明的热轧带钢板形的案例库建立方法的流程示意图,该方法用于建立一个确定带钢层别的案例库,该案例库内包括N个该确定带钢层别的轧制案例,各轧制案例包括条件属性和决策属性,该条件属性包括带钢宽度、计划位置以及热轧轧机各机架的单位轧制力,该决策属性包括各热轧轧机各机架的PC角和板形适配度。
PC轧机的工作原理是,通过交叉上、下成对的工作辊和支撑辊的轴线形成上下工作辊间辊缝的抛物线,并与工作辊的辊凸度等效。PC角是指上工作辊或下工作辊与中心线之间的夹角。
该板形适配度表征该轧制案例中带钢板形控制精度的优劣程度。
上述条件属性中,计划位置是指该轧制案例中带钢在轧制计划中的次序,即该计划中的第几块带钢。热轧轧机为PC轧机,通常包括7个机架,因此,各机架的单位轧制力包括第一机架F1单位轧制力、第二机架F2单位轧制力、……第七机架F7单位轧制力,相应地,各机架的PC角包括第一机架F2、第二机架F2……第七机架F7的PC角。
板形适配度表示带钢板形控制精度好坏程度,主要考虑两个因素:1、目标凸度与实测凸度的偏差,实测凸度越接近目标凸度则越理想;2,目标平直度与实测平直度的偏差,实测平直度越接近目标平直度则越理想。板形适配度的偏差可以用以下公式来计算:
fitness=fitnss_crown+fitness_flat, (公式1)
公式1-3中,fitness为板形适配度,fitness_crown为评价凸度的适配度,fitness为评价平直度的适配度;w1和w2分别为凸度和平直度的权重系数,并且w1+w2=1;Caim和Cact分别为带钢的目标凸度和实测凸度,其单位为mm;εaim和εact分别为带钢的目标平直度和实测平直度,其单位为IU;Cconst和εconst分别为凸度和平直度的量级调整系数,C0和ε0分别为凸度死区临界值和平直度死区临界值。通常,凸度死区临界值C0的范围为从0.003mm到0.013mm之间,平直度死区临界值ε0的取值范围为从35IU到40IU之间。
容易理解,板形适配度的值越小,则表明板形适配度越好。
总体而言,建立该案例库的步骤包括步骤S100和步骤S200,其中,在步骤S100中,当该案例库内该确定带钢层别的轧制案例数未达到N时,确定是否将轧制完成后的当前卷带钢作为轧制案例放入该案例库内。在步骤S200中,当该案例库内该确定带钢层别的轧制案例数达到N时,确定是否对该案例库进行更新。
以下对步骤S100和步骤S200进行更具体地说明。
步骤S100。
该步骤为轧制案例添加步骤,即当该案例库内该确定带钢层别的轧制案例数未达到最大值(N)时,确定是否将轧制完成后的当前卷带钢作为轧制案例放入该案例库内。结合图2,该步骤进一步包括S110和步骤S120,其中,在步骤S110中,判断该当前卷带钢的凸度偏差和平直度偏差是否均小于阈值,如果该当前卷带钢的凸度偏差和平直度偏差均小于阈值,则进入步骤S120,否则,则不将该当前卷带钢放入该案例库内;接下来,在步骤S110中确定当前卷带钢的凸度偏差和平直度偏差均小于阈值时,则此后,在步骤S120中进行进一步判断是否将当前卷带钢放入案例库内或者用带前卷带钢替换原有轧制案例,具体地,
1、如果该案例库不存在轧制案例,则将当前卷带钢放入该案例库内;
2,如果该案例库内存在轧制案例,则从该案例库内确定该当前卷带钢的最接近轧制案例,并确定该当前卷带钢和该最接近轧制案例之间的差异显著程度,并且进一步判断:a,当该差异显著程度确定为显著时,将该当前卷带钢放入该案例库内;b,当该差异显著程度确定为不显著时,判断该当前卷带钢的板形适配度是否优于该最接近轧制案例的板形适配度,若优于,则将该当前卷带钢替换该最接近轧制案例放入该案例库内,若不优于,则不将该当前卷带钢放入该案例库内。
由上述步骤S110和S120,可以看出,当轧制案例数未达到最大值时,当前卷带钢不但可以作为优秀案例直接添加入案例库,还可以作为更优秀的案例,替换案例库内和其最接近的轧制案例。确定最接近轧制案例,是指与当前卷带钢各参数指标最接近的轧制案例,这将在下文进行更详细描述。
步骤S200。
步骤S100完成后,该确定带钢层别的案例库内的轧制案例数量达到预定的最大值(例如一个带钢层别的案例库内的轧制案例数量为20个),此后,在步骤S200中,可对案例库内的轧制案例进行更新,即是否用轧制完成后的当前卷带钢作为一个新的轧制案例去替代案例库内的一个原有轧制案例。确定是否利用当前卷带钢作为新的轧制案例对案例库进行更新的步骤,类似于上述步骤120中的假设2,在该步骤中,通过比较判断当前卷带钢的板形适配度是否优于最接近轧制案例的板形适配度,决定是否对案例库进行更新。具体地,参照图3,步骤S200包括步骤S210及步骤S220,在步骤S210中,从该案例库内确定该当前卷带钢的最接近轧制案例;在步骤S220中,判断该当前卷带钢的板形适配度是否优于该最接近轧制案例的板形适配度,若优于,即当前卷带钢的板形适配度值小于或等于最接近轧制案例的板形适配度值,则将该当前卷带钢替换该最接近轧制案例放入该案例库内以对该案例库进行更新,若不优于,即当前卷带钢的板形适配度值大于最接近轧制案例的板形适配度值,则不将该当前卷带钢放入该案例库内。
在上述步骤S120和步骤S210中,均包括确定当前卷带钢的最接近轧制案例的步骤,以步骤S120为例,结合图4,该步骤包括:
步骤S121,在该步骤中,获取所述当前卷带钢的条件属性Fj(widthj,ncntj,Rfj1,Rfj2,Rfj3,Rfj4,Rfj5,Rfj6,Rfj7);
步骤S122,在该步骤中,获取案例库内各个轧制案例的条件属性,记第i个轧制案例的条件属性为:Fi(widthi,ncnti,Rfi1,Rfi2,Rfi3,Rfi4,Rfi5,Rfi6,Rfi7);
步骤S123,在该步骤中,计算当前带卷带钢和该各个轧制案例的相似度,记当前卷带钢和第i个轧制案例的相似度为S(Fi,Fj):
(公式4)
步骤S124,确定与该当前卷带钢相似度最小的轧制案例,该轧制案例为该当前卷带钢的最接近轧制案例。
上述步骤中,p1~p9为各条件属性的权重系数,widthj和widthi为分别为当前卷带钢和第i个轧制案例的带钢宽度,ncntj和ncnti分别为当前卷带钢和第i个轧制案例的计划位置,Rfj1~Rfj7和Rfi1~Rfi7为当前卷带钢和第i个轧制案例对应的F1~F7机架的轧制力;width0为宽度基准值,ncnt0为计划位置基准值。
步骤S210的确定最接近轧制案例的流程与上述步骤相同。
另外,在上述步骤S120中,还包括确定该当前卷带钢和该最接近轧制案例之间的差异显著程度,具体地,对该差异程度的确定例如如下手段判断:
如果当前卷带钢和最接近轧制案例满足下列条件1、条件2和条件3中的任一个,则判断为差异显著:
条件1:当前卷带钢的计划位置小于10(即当前卷带钢的计划位置位于轧制计划前10块),并且与最接近轧制案例的计划位置的位置差大于3;
条件2:当前卷带钢的计划位置大于或等于10(即当前卷带钢的计划位置位于轧制计划10块以后),并且与最接近轧制案例的计划位置的位置差大于6;
条件3:所述当前卷带钢和所述最接近轧制案例的带钢宽度差超过20mm;
否则,即如果上述条件1-3一个也不满足,则判断为当前卷带钢和最接近轧制案例差异不显著。
通过上述步骤S100和S200,可建立起确定带钢层别的优秀轧制案例库,并且,在该方法中,可以在轧制过程中,随时对该案例库进行更新,以将更优秀的轧制案例设置入该案例库内。对于不同的带钢层别,可以分别建立案例库,以供对应层别带钢轧制时选取。
如图5所示,为利用本发明的热轧带钢板形的案例库建立方法进行热轧带钢板形控制的流程示意图。首先,在步骤S1中,确定该带钢的层别信息,以选取对应层别的案例库;接下来,在步骤S2中,确定该案例库中是否存在轧制案例,若没有,则将各机架PC角默认值作为该卷带钢轧制时的各机架PC角设定值,若有轧制案例则进入步骤S3;接下来,在步骤S3中,如上方法所述,从该层别的案例库中选择与当前卷最接近的轧制案例,并将该最接近轧制案例的各机架PC角设定值作为该卷带钢轧制的各机架PC角设定值,其后,完成对该卷带钢的轧制。如上所述,当该卷带钢轧制完成后,可根据其实际性能,确定是否对案例库进行更新,从而实现案例库的自学习建立。
实施例。
以下,通过具体实例来对优秀案例库的建立进行说明。以下实例中所用到的热轧轧机为PC轧机,相关参数:
公式(1-3)中用到参数取值如下:量级调整系数Cconst=0.02mm,εconst=10IU;凸度、平直度偏差的死区临界值,C0=0.008mm,ε0=40IU;权重系数,w1=0.7、w2=0.3。
公式(4)中中用到参数取值如下:权重系数p1=0.30,p2=0.35,p3=p4=p5=p6=p7=p8=p9=0.05;宽度基准值width0=50;计划位置基准值ncnt0=20。
以下给出2卷带钢轧制完成后是否进入轧制案例库的判断情况。
带钢1
经查询,当前板形层别的轧制案例库中仅有1条记录,即nCase=1,案例记录号recordno:0。
板形适配度计算:实测凸度:0.0252671mm,实测平直度:1.99587IU,凸度偏差:0.00473293mm,平直度偏差:18.0041IU,板形适配度-fitnessCur:0。
是否入库判断:
A、当前卷凸度偏差≤0.008mm,平直度偏差≤40IU,凸度和平直度偏差都满足阈值条件;
B、当前层别轧制案例库非空但未满,nCase=1;
C、当前卷与最接近轧制案例的差异:当前卷、最接近轧制案例的计划位置分别为19、18,当前卷、最接近轧制案例的带钢宽度分别为1225、1225,与现有案例差异不大;
D、当前带钢fitnessCur:0,最接近轧制案例fitness:0,当前卷板形适配度指标比最接近轧制案例更好(小于或等于),因此确定替换最接近轧制案例。
该新入库的轧制案例为:
条件属性:
带钢宽度width:1225,计划位置ncnt:19;
各机架单位宽度轧制力pstd:11.2143,10.6332,10.8312,9.13952,7.25004,6.4317,4.55254。
决策属性:
各机架PC角theRef:0,0.000238733,0.200176,0.40065,0.330603,0.350115,0.300319;板形适配度fitness:0。
带钢2
经查询,当前板形层别的轧制案例库中仅有1条记录,即nCase=1,案例记录号recordno:0。
板形适配度计算:实测凸度:0.030417mm,实测平直度:-7.98125IU,凸度偏差:0.009583mm,平直度偏差:27.9813IU,板形适配度-fitnessCur:0.335405。
是否入库判断:当前卷凸度偏差>0.008mm,平直度偏差≤40IU,其中凸度偏差不满足阈值条件,故不考虑当前卷进入轧制案例库,直接结束计算。
试验表明,带钢在轧制时,利用对应层别优秀案例库内的最接近轧制案例的各机架PC角进行轧制,并不断进行自学习更新,其凸度、平直度等板形控制精度可逐步提高。
随着用户对产品质量的日益提高,热轧带钢板形控制水平显得越来越重要,是热轧质量控制能力的重要体现,国内外各大钢厂都把带钢板形精度或者板形封锁率作为衡量产品质量好坏的主要指标。
本发明主要围绕提高带钢的板形设定精度,提出一种新的基于优秀轧制案例的热轧带钢板形的自学习方案,以原有的模型框架下,通过板形模型自适应方法来减少模型本体误差带来的影响,具有较广泛的推广价值。
Claims (4)
1.一种热轧带钢板形的案例库建立方法,其特征在于,该方法用于建立一个确定带钢层别的案例库,该案例库内包括N个该确定带钢层别的轧制案例,各轧制案例包括条件属性和决策属性,该条件属性包括带钢宽度、计划位置以及热轧轧机各机架的单位轧制力,该决策属性包括各热轧轧机各机架的PC角和板形适配度,该板形适配度表征该轧制案例中带钢板形控制精度的优劣程度,该方法包括:
步骤S100,当该案例库内该确定带钢层别的轧制案例数未达到N时,确定是否将轧制完成后的当前卷带钢作为轧制案例放入该案例库内,其中该步骤S100包括:
步骤S110,判断该当前卷带钢的凸度偏差和平直度偏差是否均小于阈值,如果该当前卷带钢的凸度偏差和平直度偏差均小于阈值,则进入步骤S120,否则,则不将该当前卷带钢放入该案例库内;
步骤S120,如果该案例库不存在轧制案例,则将当前卷带钢放入该案例库内;如果该案例库内存在轧制案例,则从该案例库内确定该当前卷带钢的最接近轧制案例,并确定该当前卷带钢和该最接近轧制案例之间的差异显著程度,并且,a,当该差异显著程度确定为显著时,将该当前卷带钢放入该案例库内;b,当该差异显著程度确定为不显著时,判断该当前卷带钢的板形适配度是否优于该最接近轧制案例的板形适配度,若优于,则将该当前卷带钢替换该最接近轧制案例放入该案例库内,若不优于,则不将该当前卷带钢放入该案例库内;
步骤S200,当该案例库内该确定带钢层别的轧制案例数达到N时,确定是否对该案例库进行更新,该步骤包括:
步骤S210,从该案例库内确定该当前卷带钢的最接近轧制案例;
步骤S220,判断该当前卷带钢的板形适配度是否优于该最接近轧制案例的板形适配度,若优于,则将该当前卷带钢替换该最接近轧制案例放入该案例库内以对该案例库进行更新,若不优于,则不将该当前卷带钢放入该案例库内。
2.根据权利要求1所述的热轧带钢板形的案例库建立方法,其特征在于,上述步骤S120和步骤S210中,该确定该当前卷带钢的最接近轧制案例包括:
获取所述当前卷带钢的条件属性Fj(widthj,ncntj,Rfj1,Rfj2,Rfj3,Rfj4,Rfj5,Rfj6,Rfj7);
获取所述案例库内各个轧制案例的条件属性Fi(widthi,ncnti,Rfi1,Rfi2,Rfi3,Rfi4,Rfi5,Rfi6,Rfi7);
计算所述当前带卷带钢和该各个轧制案例的相似度S(Fi,Fj):
其中,p1~p9为各条件属性的权重系数,widthj和widthi为分别为当前卷带钢和第i个轧制案例的带钢宽度,ncntj和ncnti分别为当前卷带钢和第i个轧制案例的计划位置,Rfj1~Rfj7和Rfi1~Rfi7为当前卷带钢和第i个轧制案例对应的F1~F7机架的轧制力;width0为宽度基准值,ncnt0为计划位置基准值;
确定与该当前卷带钢相似度最小的轧制案例,该轧制案例为该当前卷带钢的最接近轧制案例。
3.根据权利要求1或2所述的热轧带钢板形的案例库建立方法,其特征在于,在所述步骤S120中,该确定该当前卷带钢和该最接近轧制案例之间的差异显著程度包括:
如果所述当前卷带钢和所述最接近轧制案例满足下列条件1、条件2和条件3中的任一个,则判断为差异显著:
条件1:所述当前卷带钢的计划位置小于10,并且与所述最接近轧制案例的计划位置的位置差大于3;
条件2:所述当前卷带钢的计划位置大于或等于10,并且与所述最接近轧制案例的计划位置的位置差大于6;
条件3:所述当前卷带钢和所述最接近轧制案例的带钢宽度差超过20mm;
否则,则判断为差异不显著。
4.根据权利要求1或2所述的热轧带钢板形的案例库建立方法,其特征在于,所述板形适配度由以下公式确定:
fitness=fitnss_crown+fitness_flat,
其中,fitness为板形适配度,fitness_crown为评价凸度的适配度,fitness为评价平直度的适配度;w1和w2分别为凸度和平直度的权重系数,并且w1+w2=1;Caim和Cact分别为带钢的目标凸度和实测凸度;εaim和εact分别为带钢的目标平直度和实测平直度;Cconst和εconst分别为凸度和平直度的量级调整系数,C0和ε0分别为凸度死区临界值和平直度死区临界值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310097438.1A CN103586288B (zh) | 2013-03-25 | 2013-03-25 | 热轧带钢板形的案例库建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310097438.1A CN103586288B (zh) | 2013-03-25 | 2013-03-25 | 热轧带钢板形的案例库建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103586288A true CN103586288A (zh) | 2014-02-19 |
CN103586288B CN103586288B (zh) | 2015-10-28 |
Family
ID=50076724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310097438.1A Active CN103586288B (zh) | 2013-03-25 | 2013-03-25 | 热轧带钢板形的案例库建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103586288B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055785A (zh) * | 2016-05-30 | 2016-10-26 | 北京首钢股份有限公司 | 一种提高换钢种或规格首块钢板形质量的优化方法 |
CN107045585A (zh) * | 2017-05-17 | 2017-08-15 | 北京科技大学 | 一种轧制模型自学习系数确定方法 |
CN108431706A (zh) * | 2015-12-23 | 2018-08-21 | 株式会社Posco | 钢铁工艺数学模型管理装置 |
CN109772897A (zh) * | 2017-11-14 | 2019-05-21 | 宝山钢铁股份有限公司 | 一种提高热连轧带钢全长凸度和楔形精度的设定控制方法 |
CN112872046A (zh) * | 2020-11-26 | 2021-06-01 | 冶金自动化研究设计院 | 一种提高热轧换辊换规格轧制厚度设定精度的方法 |
CN113342875A (zh) * | 2021-06-04 | 2021-09-03 | 北京首钢股份有限公司 | 一种带钢卷取温度的修正因子获取方法及装置 |
CN115354144A (zh) * | 2022-08-29 | 2022-11-18 | 湖南华菱涟源钢铁有限公司 | 一种基于案例匹配的辊式淬火过程操作参数设定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6178506A (ja) * | 1984-09-26 | 1986-04-22 | Nippon Kokan Kk <Nkk> | 薄板の形状制御方法 |
JPH08221113A (ja) * | 1995-02-16 | 1996-08-30 | Hitachi Ltd | 時系列データ記憶装置およびプロセス異常診断装置 |
CN102284517A (zh) * | 2011-06-30 | 2011-12-21 | 东北大学 | 基于案例推理的轧后冷却长期自学习方法 |
CN102641899A (zh) * | 2012-04-16 | 2012-08-22 | 唐山钢铁集团微尔自动化有限公司 | 利用反馈数据提高轧机板形设定及动态控制精度的方法 |
CN102658297A (zh) * | 2012-04-28 | 2012-09-12 | 北京科技大学 | 一种改善换规格首块带钢板形质量的自学习方法 |
-
2013
- 2013-03-25 CN CN201310097438.1A patent/CN103586288B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6178506A (ja) * | 1984-09-26 | 1986-04-22 | Nippon Kokan Kk <Nkk> | 薄板の形状制御方法 |
JPH08221113A (ja) * | 1995-02-16 | 1996-08-30 | Hitachi Ltd | 時系列データ記憶装置およびプロセス異常診断装置 |
CN102284517A (zh) * | 2011-06-30 | 2011-12-21 | 东北大学 | 基于案例推理的轧后冷却长期自学习方法 |
CN102641899A (zh) * | 2012-04-16 | 2012-08-22 | 唐山钢铁集团微尔自动化有限公司 | 利用反馈数据提高轧机板形设定及动态控制精度的方法 |
CN102658297A (zh) * | 2012-04-28 | 2012-09-12 | 北京科技大学 | 一种改善换规格首块带钢板形质量的自学习方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108431706A (zh) * | 2015-12-23 | 2018-08-21 | 株式会社Posco | 钢铁工艺数学模型管理装置 |
CN106055785A (zh) * | 2016-05-30 | 2016-10-26 | 北京首钢股份有限公司 | 一种提高换钢种或规格首块钢板形质量的优化方法 |
CN106055785B (zh) * | 2016-05-30 | 2019-07-12 | 北京首钢股份有限公司 | 一种提高换钢种或规格首块钢板形质量的优化方法 |
CN107045585A (zh) * | 2017-05-17 | 2017-08-15 | 北京科技大学 | 一种轧制模型自学习系数确定方法 |
CN107045585B (zh) * | 2017-05-17 | 2019-06-07 | 北京科技大学 | 一种轧制模型自学习系数确定方法 |
CN109772897A (zh) * | 2017-11-14 | 2019-05-21 | 宝山钢铁股份有限公司 | 一种提高热连轧带钢全长凸度和楔形精度的设定控制方法 |
CN112872046A (zh) * | 2020-11-26 | 2021-06-01 | 冶金自动化研究设计院 | 一种提高热轧换辊换规格轧制厚度设定精度的方法 |
CN113342875A (zh) * | 2021-06-04 | 2021-09-03 | 北京首钢股份有限公司 | 一种带钢卷取温度的修正因子获取方法及装置 |
CN115354144A (zh) * | 2022-08-29 | 2022-11-18 | 湖南华菱涟源钢铁有限公司 | 一种基于案例匹配的辊式淬火过程操作参数设定方法 |
CN115354144B (zh) * | 2022-08-29 | 2024-01-30 | 湖南华菱涟源钢铁有限公司 | 一种基于案例匹配的辊式淬火过程操作参数设定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103586288B (zh) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103586288B (zh) | 热轧带钢板形的案例库建立方法 | |
CN103464469B (zh) | 一种冷轧无取向硅钢的边缘降量控制方法 | |
Cao et al. | Integrated design of roll contours for strip edge drop and crown control in tandem cold rolling mills | |
CN101758084B (zh) | 模型自适应的板形预测控制方法 | |
CN101653786B (zh) | 一种提高热轧宽度控制精度的方法 | |
CN102658297B (zh) | 一种改善换规格首块带钢板形质量的自学习方法 | |
WO2023130666A1 (zh) | 一种基于数据驱动和机理模型融合的板带钢凸度预测方法 | |
CN102172639B (zh) | 一种冷轧机工作辊弯辊超限的动态替代调节方法 | |
CN102601127A (zh) | Cvc四辊冷轧机高精度板形控制预报方法 | |
CN101361085A (zh) | 预测公式生成装置及预测公式生成方法 | |
TW201609283A (zh) | 壓延模擬裝置 | |
CN102489525B (zh) | 基于最优化算法的冷轧板形控制方法 | |
CN102389902B (zh) | 单机架轧机工作辊的乳化液分段冷却控制方法 | |
CN103831304B (zh) | 一种热连轧中间坯目标宽度计算方法及系统 | |
CN103506404A (zh) | 一种带钢精轧过程辊缝的控制方法 | |
CN109570241A (zh) | 一种具有跑偏保护的楔形控制系统及方法 | |
CN104275352A (zh) | 一种带材冷轧机跑偏与板形自动控制方法 | |
CN104942019A (zh) | 一种带钢冷轧过程宽度自动控制方法 | |
CN102513372B (zh) | 基于最优化算法的冷轧板形控制自学习方法 | |
CN105251778A (zh) | 单锥度工作辊窜辊轧机边部减薄反馈控制方法 | |
CN106875104A (zh) | 一种冷轧带钢质量综合评价方法 | |
CN104324949B (zh) | 一种粗轧立辊道次立辊开口度的获取方法 | |
CN103736747B (zh) | 基于传感接触面元占比的带钢边部板形检测值补偿方法 | |
CN102161054A (zh) | 基于影响矩阵自学习的板形闭环控制方法 | |
Li et al. | Modeling and validation of bending force for 6-high tandem cold rolling mill based on machine learning models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |