CN104338758A - 一种提高热轧新品种新规格带钢卷取温度控制精度的方法 - Google Patents
一种提高热轧新品种新规格带钢卷取温度控制精度的方法 Download PDFInfo
- Publication number
- CN104338758A CN104338758A CN201310330381.5A CN201310330381A CN104338758A CN 104338758 A CN104338758 A CN 104338758A CN 201310330381 A CN201310330381 A CN 201310330381A CN 104338758 A CN104338758 A CN 104338758A
- Authority
- CN
- China
- Prior art keywords
- new
- layer
- steel
- temperature
- steel grade
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/74—Temperature control, e.g. by cooling or heating the rolls or the product
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
一种提高热轧新品种新规格带钢卷取温度控制精度的方法,属控制领域。包括现场控制计算机根据下达的生产任务和工艺参数指标,对热轧层流冷却工序的生产设备按照卷取温度控制模型来进行生产运行参数的动态控制,其在热轧层流冷却控制工序中结合带钢钢种、目标厚度、目标卷取温度、轧制速度、带钢冷却模式等关键生产工艺信息,自动判定上道工序的来料在本工序是否属于新品种或者新规格,并通过一序列推定逻辑来自动确定新品种或者新规格在本工序首次生产时的模型参数,以提高本工序首次生产该钢种或该规格带钢的卷取温度控制命中精度和控制合格率,降低首次生产过程中的“废、次、降”率,进而降低产品制造成本。可广泛用于热轧层流冷却工序的控制领域。
Description
技术领域
本发明属于控制领域,尤其涉及一种用于热轧带钢生产过程的自动控制方法。
背景技术
层流冷却是热轧生产过程的一道重要工序,其主要作用是在带钢轧制后通过控制层流冷却区域喷水阀门动态开启和关闭,将带钢从某一终轧温度冷却到要求的目标卷取温度。
因为卷取温度对带钢的物理性能有很大的影响,因此成品带钢的实际卷取温度必须控制在一定的目标公差范围内,否则成品带钢可能因此被“判废”或者“降级”使用,导致产品合格率降低、生产成本增加。
为提高带钢卷取温度的控制精度,一般都通过卷取温度控制数学模型来进行生产过程的动态控制。
但是由于层流冷却控制区域往往长达一百余米,且带钢冷却过程的边界条件极为复杂,整个控制过程大滞后、非线性特征明显,因此实现层冷温度精确控制具有相当大的挑战性。
特别是对于新品种或者新规格的带钢产品,由于是首次生产,带钢的卷取温度控制模型尚未经历所谓的“自学习自适应”过程,一般都是直接采用缺省参数1.0来进行模型计算。
所谓“缺省参数”是指控制模型无法按照既定的流程确定合适的控制参数时,为了保证模型的计算流程能够持续,不造成生产的异常终止而不得已采用的默认值(例如通常取1.0为默认值)。
采用缺省参数计算时,模型计算结果往往存在较大偏差,导致首次生产时带钢的卷取温度控制偏差较大,废次降率较高,由此增加了生产成本。
上述问题在新产线投产初期进行产品品种或规格的拓展,或者是老产线进行新品种或新规格产品的试制时,体现得尤为突出。
由于对于首次生产的新品种或新规格产品,其卷取温度控制数学模型一般只能采用缺省参数来进行计算,导致首次生产精度命中率普遍较低,一般±30℃精度(实际卷取温度与目标卷取温度偏差在30℃以内,下同)低于80%,带钢局部甚至整体的卷取温度“超差”,引起卷取温度类“废、次、降”。因此如何在第一次生产时就能比较准确地确定模型初始控制参数,而不是直接使用缺省参数,就成为解决问题的关键。
故在实际生产过程中,如何设法提高某一新品种或某一新规格的产品在首次生产时带钢卷取温度的控制精度,始终是一个现场关注的难题。
发明内容
本发明所要解决的技术问题是提供一种提高热轧新品种新规格带钢卷取温度控制精度的方法,其在热轧层流冷却控制工序(简称本工序,下同)中结合带钢钢种、目标厚度、目标卷取温度、轧制速度、带钢冷却模式等关键生产工艺信息,自动判定上道工序的来料在本工序是否属于新品种或者新规格,即是否属于首次生产,并通过一序列推定逻辑来自动确定新品种或者新规格在本工序首次生产时的模型参数,以提高本工序首次生产该钢种或该规格带钢的卷取温度控制合格率、降低废次品率,进而降低产品制造成本。
本发明的技术方案是:提供一种提高热轧新品种新规格带钢卷取温度控制精度的方法,包括现场控制计算机根据上级计算机所下达的生产任务和工艺参数指标,对热轧层流冷却工序的生产设备按照卷取温度控制模型来进行生产过程的运行参数动态控制,其特征在于所述的现场控制计算机按照下列步骤来确定最优的近似控制参数:
A、首先,根据现场控制计算机所接收到的带钢目标厚度、目标卷取温度、轧制速度的取值范围,在热轧层流冷却工序设立厚度层别、温度层别表和速度层别表,用以计算来料的层别信息;
B、根据来料带钢钢种、冷却模式,以及厚度层别、温度层别、速度层别和热轧层流冷却工序既有的历史生产信息,判定来料带钢在本工序是否属于新品种或者新规格;
C、对于非新品种、非新规格的情况,现场控制计算机使用模型自学习后的控制参数进行常规的正常生产运行控制;
D、对新品种或新规格,现场控制计算机采用以下方式确定其控制参数:
D1、如果是新钢种,则按钢种匹配规则在历史数据中搜索与本新钢种最接近的钢种,将搜索出来的最接近的钢种作为后续确定控制参数时需要使用的钢种;如果没有近似钢种,则本带钢生产时只能使用缺省控制参数,后续步骤全部忽略;如果不是新钢种,则忽略本步骤,直接将本钢种作为后续确定控制参数时需要使用的钢种;
D2、根据本带钢的厚度、温度、速度的层别数据,采用离散化邻域作为最佳近似控制参数的搜索层别范围;
D3、设立冷却模式离散化邻域矩阵来描述冷却模式的近似性;
D4、对厚度、温度、速度、冷却模式这四个应变量设立α1、α2、α3、α4四个不同的权重系数来描述厚度、温度、速度、冷却模式各自对控制参数的影响程度;
D5、让厚度、温度、速度的层别以及冷却模式在给定的搜索范围内依次按给定顺序小幅变动,并在历史数据中搜索能精确匹配小幅变动后的层别的历史生产信息;
D6、对于在邻域范围内搜索到的每一个已生产层别,按设定的权重{α1、α2、α3、α4}计算与精确匹配点{x:厚度等级,y:温度等级,z:速度等级,w:冷却模式}在多维空间上的加权物理距离;
D7、重复上述D5、D6步骤,最后得到一个物理距离的集合;
D8、在上述计算出来的加权物理距离集合中,寻找最小的距离值,如果最小值出现两次或两次以上,则取第一个最小值,其对应的层别在最后一次生产时所使用的控制参数,即为针对该新品种或新规格带钢的最优的近似控制参数;
D9、如果上述集合为空,则针对该新品种或新规格带钢进行生产时,只能使用缺省控制参数进行生产过程的工艺控制。
具体的,所述步骤A中厚度层别、温度层别、速度层别都是根据对应的层别表来确定具体的层别值,而层别表则由一序列边界值组成,描述了各类层别具体的划分规则。
所述步骤B中对是否属于新品种或新规格的判断方法是:如果在已生产带钢的历史数据中该钢种没有,则判定本带钢是新品种首次轧制;如果历史数据中有该钢种,但是在该钢种已生产带钢历史数据中,即将生产的带钢对应的厚度层别、温度层别、速度层别、冷却模式这四项中任意一项没有,则判定为已有钢种的新规格。
所述步骤D中确定与本新钢种最接近的钢种的方法为:将钢种标志视为字符串,在系统历史数据中搜索与新钢种从左至右在相同位置上字符相同的匹配数最多的钢种。
所述步骤D中确定新品种或新规格控制参数的方法如下:
5-1、建立卷取温度模型控制参数h与决定因子钢种s、厚度层别x、温度层别y、速度层别z和冷却模式w之间的对应关系:
通过一个5维坐标(s,x,y,z,w)来唯一确定一个参数序列h;借鉴多元函数的近似求解方法,在确定s后,在(x,y,z,w)的一个4维离散化邻域内来求取h的近似值
5-2、按照下列方式确定离散化邻域的定义:
5-2-1、厚度层别x离散化邻域定义:
{x±Δx}={x-2,x-1,x,x+1,x+2},
即厚度层别在包括自身在内的前后共5个层别内移动变化;
5-2-2、温度层别y离散化邻域定义:
{y±Δy}={y-3,y-2,y-1,y,y+1,y+2,y+3},
即温度层别在包括自身在内的前后共7个层别内移动变化;
5-2-3、速度层别z离散化邻域定义:
{z±Δz}={z-3,z-2,z-1,z,z+1,z+2,z+3},
即速度层别在包括自身在内的前后共7个层别内移动变化;
5-2-4、冷却模式w离散化定义:
通过定义一个映射矩阵,来表示邻近的冷却模式及其优先顺序;
5-3、邻域内最优值的选取规则:
其中:S为最小加权距离值;
α1、α2、α3、α4为各项权重或¨权重系数,且满足:
α1+α2+α3+α4=1..........................................................(2)
其中,设立权重α1、α2、α3、α4的目的在于可以表示出厚度、温度、速度、冷却模式的变化对控制参数的影响程度,其根据预先制定的权重表可以查得;Δx为厚度层别偏差,Δy为温度层别偏差,Δz为速度层别偏差,而Δw为冷却模式偏差;S为最小的加权偏差值;即选取与精确匹配点{x,y,z,w}在物理位置上按权重{α1、α2、α3、α4}计算出距离最小的点作为{x,y,z,w}的最佳近似匹配点,其对应的控制参数序列即为本钢种的最优近似参数。
所述提高热轧新品种新规格带钢卷取温度控制精度的方法,对热轧层流冷却工序新品种、新规格带钢进行自动识别,并结合产线既有的生产实绩,对新品种或新规格带钢首次生产时的模型参数进行自动推定,提高首次生产时带钢卷取温度控制的命中精度,降低首次生产的“废、次、降”率。
所述的现场控制计算机首先在系统中设立具体的厚度层别表、温度差别表、速度层别表、冷却模式邻域矩阵表以及各因子权重表,在设置好这些表格数据后,再进行新品种、新规格带钢生产过程的卷取温度运行参数动态控制过程。
与现有技术比较,本发明的优点是:
采用本发明所述方法,可以在热轧层流冷却控制工序(简称本工序,下同)中对新品种、新规格进行自动识别,结合带钢钢种、目标厚度、目标卷取温度、轧制速度、带钢冷却模式等关键生产工艺信息,结合产线既有的生产实绩,对新品种或新规格首次生产时的模型参数进行自动推定,提高首次生产时带钢卷取温度控制命中精度,降低首次生产过程中的“废、次、降”率。
附图说明
图1是本发明的新品种新规格自动识别及其最优控制参数确定流程方框示意图;
图2是本发明模型参数与决定因子的对应关系示意图;
图3是本发明在新品种新规格首次生产时卷取温度精度样例示意图;
图4是在既有品种但为新规格的情况下本发明控制效果样例示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
图1中,给出了本发明技术方案的新品种新规格自动识别及其最优控制参数确定流程。
如果用数学语言来描述本发明的目的,则可表示如下:
Y=F(h,x1,x2,x3,........)
其中:Y为模型的结算结果,用于生产控制;F是一个多元非线性函数,描述的是一个复杂的计算过程;h、xi(i=1,2....)是模型的输入变量,其中h是模型参数序列,xi则是与带钢相关的其他输入数据。
通过本发明,可以在生产新品种或者新规格时,确定更为合理的h参数值,而不是直接使用默认参数值(通常是1.0),来提高卷取温度控制模型计算结果的准确性。
为了实现上述目的,本发明采用如下技术方案,包括以下主要步骤:
1)首先根据带钢目标厚度、目标卷取温度、轧制速度的取值范围,在热轧层流冷却工序设立厚度层别、温度层别表、速度层别表,用以计算来料的层别信息;
2)根据来料带钢钢种、冷却模式(指的是一种代表某种冷却工艺的数字代码,例如“1”代表由前往后开水的冷却工艺、“3”代表从后往前开水的冷却工艺等等),以及厚度层别、温度层别、速度层别以及层流冷却工序既有的历史生产信息,判定来料在本工序是否属于新品种或者新规格;
3)对于非新品种、非新规格的情况使用模型自学习后的控制参数进行生产控制;
4)对新品种或新规格采用以下方式确定其控制参数:
a)如果是新钢种,则按钢种匹配规则在历史数据中搜索与本新钢种最接近的钢种,将搜索出来的最接近的钢种作为后续确定控制参数时需要使用的钢种;如果没有近似钢种,则本带钢生产时只能使用缺省控制参数,后续步骤全部忽略;如果不是新钢种,则忽略本步骤,直接将本钢种作为后续确定控制参数时需要使用的钢种;
b)根据本带钢的厚度、温度、速度的层别数据,采用离散化邻域作为最佳近似控制参数的搜索层别范围;
c)因为冷却模式为数字代码,无连续表征意义,因此设立冷却模式离散化邻域矩阵来描述冷却模式的近似性;
d)对厚度、温度、速度、冷却模式这四个应变量设立α1、α2、α3、α4四个不同的权重系数来描述厚度、温度、速度、冷却模式各自对控制参数的影响程度;
e)让厚度、温度、速度的层别以及冷却模式在给定的搜索范围内依次按给定顺序小幅变动,并在历史数据中搜索能精确匹配小幅变动后的层别的历史生产信息;
f)对于在邻域范围内搜索到的每一个已生产层别,按设定的权重{α1、α2、α3、α4}计算与精确匹配点{x:厚度等级,y:温度等级,z:速度等级,w:冷却模式}在多维空间上的加权物理距离;
g)重复步骤e、f,最后得到一个物理距离的集合;
h)在上述计算出来的加权物理距离集合中,寻找最小的距离值(如果最小值出现两次或两次以上,则取第一个最小值),其对应的层别在最后一次生产时所使用的控制参数即为本方法下最优的近似控制参数;如果上述集合为空,则本带钢生产时只能使用缺省控制参数。
具体的,所述步骤1)中厚度层别、温度层别、速度层别都是根据对应的层别表来确定具体的层别值,而层别表则由一序列边界值组成,描述了各类层别具体的划分规则。
厚度层别表设置方法如表1所示。其中fmTargetThick表示热轧带钢目标成品厚度,thick1~thickN为一序列厚度层别划分的边界值,其中thick1是该产线所能生产的最薄规格带钢厚度,而thickN是该产线所能生产的最厚规格带钢厚度。当某一带钢目标成品厚度确定时,计算机即可按厚度层别表计算其所属的厚度层别。
表1:厚度层别划分示意表
厚度层别 | 厚度值范围(单位:mm) |
1 | fmTargetThick<=thick1 |
2 | thick1<fmTargetThick<=thick2 |
3 | thick2<fmTargetThick<=thick3 |
... | ... |
N | thickN-1<fmTargetThick<=thickN |
温度层别表设置方法如表2所示。其中ctTargetTemp表示热轧带钢目标卷取温度,temp1~tempk为一序列温度层别划分的边界值(温度分层数K与厚度分层数N没有关联),其中temp1是该产线所允许的最低卷取温度,而tempk是该产线所允许的最高卷取温度。当某一带钢目标卷取温度确定时,计算机即可按温度层别表计算其所属的温度层别。
表2:温度层别划分示意表
温度层别 | 温度值范围(单位:℃) |
1 | ctTargetTemp<=temp1 |
2 | temp1<ctTargetTemp<=temp2 |
3 | temp2<ctTargetTemp<=temp3 |
... | ... |
K | tempk-1<ctTargetTemp<=tempk |
速度层别表设置方法如表3所示。其中runInSpeed表示带钢精轧末机架穿带速度,speed1~speedM为一序列速度层别划分的边界值(速度分层数M与其他分层数没有关联),其中speed1是该产线所允许的最低精轧穿带速度,而speedM是该产线所允许的最高精轧穿带速度。当某一带钢精轧穿带速度确定时,计算机即可按速度层别表计算其所属的速度层别。
表3:速度层别划分示意表
速度层别 | 速度值范围(℃) |
1 | runInSpeed<=speed1 |
2 | speed1<runInSpeed<=speed2 |
3 | speed2<runInSpeed<=speed3 |
... | ... |
M | speedM-1<runInSpeed<=speedM |
所述步骤2)中对是否属于新品种或新规格的判断方法是:如果在已生产带钢的历史数据中该钢种没有,则判定本带钢是新品种首次轧制;如果历史数据中有该钢种,但是在该钢种已生产带钢历史数据中,即将生产的带钢对应的厚度层别、温度层别、速度层别、冷却模式这四项中任意一项没有,则判定为已有钢种的新规格。
所述步骤4)中确定与本新钢种最接近的钢种的方法为:将钢种标志(出钢记号)视为字符串,在系统历史数据中搜索与新钢种从左至右在相同位置上字符相同的匹配数最多的钢种,例如“AP1056E2”与“AP1056E1”的匹配数为7,而“AP1055E5”与“AP1056E1”的匹配数为5。因此相比之下,“AP1056E2”与“AP1056E1”的近似度比“AP1055E5”与“AP1056E1”的近似度更高。
所述步骤4)中确定新品种或新规格控制参数的方法如下:
4.1)卷取温度模型控制参数与钢种、层别及冷却模式等决定因子的对应关系
在热轧卷取温度控制模型中,带钢根据5个要素确定其控制系数:
{s:钢种,x:厚度层别,y:温度层别,z:速度层别,w:冷却模式}-->{h:模型控制参数}
即通过一个5维坐标(s,x,y,z,w)来唯一确定一个参数序列h。如果将规则定义为R,则可表示为图2所示的h=R(s,x,y,z,w)。
对于新钢种或新规格,包括新的冷却模式,由于s、x、y、z、w中至少有一个为新值,导致(s,x,y,z,w)-->h的映射失效。但是我们可以借鉴多元函数的近似求解方法,在确定s后,在(x,y,z,w)的一个4维离散化邻域内按照一定的规则来求取h的近似值
4.2)离散化邻域的定义
4.2.1)厚度层别x离散化邻域定义
{x±Δx}={x-2,x-1,x,x+1,x+2},
即厚度层别在包括自身在内的前后共5个层别内移动变化;
4.2.2)温度层别y离散化邻域定义
{y±Δy}={y-3,y-2,y-1,y,y+1,y+2,y+3},
即温度层别在包括自身在内的前后共7个层别内移动变化;
4.2.3)速度层别z离散化邻域定义
{z±Δz}={z-3,z-2,z-1,z,z+1,z+2,z+3},
即速度层别在包括自身在内的前后共7个层别内移动变化;
4.2.4)冷却模式w离散化定义
由于冷却模式不是连续的数字量,需要定义一个映射矩阵来表示邻近的冷却模式及其优先顺序,具体见表4,调整近似模式顺序就可以表示不同的优先级。
其中“U型”指的是一种头部、尾部目标温度比中部要高的冷却模式。
表4:冷却模式的邻域矩阵
4.3)邻域内最优值的选取规则
其中:S为最小加权距离值;
α1、α2、α3、α4为下表5中所设各项权重,且满足:
α1+α2+α3+α4=1..........................................................(2)
Δx为厚度层别偏差,Δy为温度层别偏差,Δz为速度层别偏差,而Δw为冷却模式偏差;S为最小的加权偏差值。即选取与精确匹配点{x,y,z,w}在物理位置上按权重{α1、α2、α3、α4}计算出距离最小的点作为{x,y,z,w}的最佳近似匹配点,其对应的控制参数序列即为本钢种的最优近似参数。上述各数据均为无量纲值。
设立权重α1、α2、α3、α4的目的在于可以表示出厚度、温度、速度、冷却模式的变化对控制参数的影响程度。不同的钢种、厚度层别、温度层别、速度层别、冷却模式的组合可以设立不同的{α1、α2、α3、α4},以体现控制参数随厚度、温度、速度、冷却模式的变化而变化。
表5:权重表
现场控制计算机首先在系统中设立具体的厚度层别表、温度差别表、速度层别表、冷却模式邻域矩阵表以及各因子权重表,在设置好这些表格数据后,再进行新品种、新规格带钢生产过程的卷取温度运行参数动态控制过程。
本方法在宝钢某热轧产线改造工程中使用后,新品种、新规格首次生产时卷取温度控制±20℃精度平均在85%以上,而±30℃精度平均在90%以上,而首次生产废次降率低于1.5%,取得了良好的现场实用效果,为企业创造了可观的经济效益。
图3为2012年11月某一周内新品种、新规格的卷取温度精度情况。
从图中可以看出,在该周内生产的带钢中属于新品种、新规格的情况有139卷,其中±20℃精度在80%以上的为115卷,占比为82.7%;其中±30℃精度在90%以上的为87卷,占比为62.6%;而总体平均精度为89.5%。而如果按照常规方法采用默认参数来控制新品种或者新规格带钢的卷取温度生产,其±30℃精度往往低于50%,而±20℃精度往往低于50%。因此,本发明较常规方法明显具有更高的控制水平。
本方法在新热轧产线、改造后的热轧产线的卷取温度控制工序都可以使用,能为使用本方法的企业创造实在的经济效益,具有极强的推广价值。
实施例:
要实现本方法,首先需要在系统中设立如表1-表5所示的具体的厚度层别表、温度差别表、速度层别表、冷却模式邻域矩阵表、各因子权重表,其设置方法可参见表1-表5。在设置好这些表格数据后,即可按本方法进行新品种和新规格的卷取温度控制。以下为在某热轧产线上具体实施例。
实施例1:既有品种但为新规格的控制实例
来料情况:
c钢种:AQ3440E1;
●目标卷取温度560℃,在该系统中对应温度层别为4;
●目标厚度2.62mm,在该系统中对应厚度层别为9;
●目标速度为10.5m/s,在该系统中对应厚度层别为40;
●冷却模式为“1”;
卷取温度控制模型在确定该带钢控制参数时发现,该带钢所对应的钢种、温度层别、速度层别及冷却模式在系统中有生产实绩,但是历史数据中无厚度层别为9的生产实绩,因此判定为既有品种的新规格,如是自动进入本方法的控制环节,进行最佳匹配的搜索。
按4.2)所述,模型为此带钢确定的搜索范围为:
●因为是既有钢种,因此钢种不变,依然为AQ3440E1;
●厚度层别搜索范围为9±2,即:{7,8,9,10,11},共5个层别;
●温度层别搜索范围为4±3,即:{1,2,3,4,5,6,7},共7个层别;
●速度层别搜索范围为40±3,即:{37,38,39,40,41,42,43},共7个层别;
●根据表5,与冷却模式“1”相邻的冷却模式依次为:“3”、“4”、“5”,依次相差1、2、3个层别,共3个搜索层别;
如是模型根据权重表及公式(1)分别计算各加权偏差值Si,共计5*7*7*3=735个:
其中i=1,2,...,735
然后在S1-S735中寻找最小值,假设为S1,其对应的厚度层别、温度层别、速度层别、冷却模式依次为:8、4、40、1,如是选取:
{s:钢种,x:厚度层别,y:温度层别,z:速度层别,w:冷却模式}={AQ3440E1,8,4,40,1}对应的模型控制参数作为最佳近似参数用于本带钢的卷取温度控制。
图4为实际控制效果,可见,其±20℃精度为91.27%,远优于现有的控制方案所达到的控制效果。
实施例2:新品种控制实例
来料情况:
●钢种:AP1056E1;
●目标卷取温度560℃,在该系统中对应温度层别为4;
●目标厚度2.62mm,在该系统中对应厚度层别为9;
●目标速度为10.5m/s,在该系统中对应厚度层别为40;
●冷却模式为“1”;
卷取温度控制模型在确定该带钢控制参数时发现,该带钢所对应的钢种“AP1056E1”在系统中无生产实绩,因此判定为新品种,如是自动进入本方法的上述环节,进行最佳匹配的搜索。
第1步:搜索系统中与AP1056E1最接近的钢种(具体方法见上文描述),假设找到的钢种为“AP1056E2”,其与“AP1056E1”的匹配数达到了7,该钢种在系统中有生产实绩;
第2步:以第1步获得的最接近钢种“AP1056E2”作为钢种值,搜索厚度层别为9、温度层别为4,、速度层别为40、冷却模式为“1”的生产实绩;
如果找到上述层别的生产实绩,则直接使用该层别对应的模型控制参数控制本带钢的生产。
如果没有找到上述层别的生产实绩,则以钢种“AP1056E2”的新层别来搜索最接近的层别参数,其后续步骤与“实施例1:既有品种但为新规格的控制实例”完全相同。
本发明的技术方案,在热轧层流冷却控制工序结合带钢钢种、目标厚度、目标卷取温度、轧制速度、带钢冷却模式等关键信息,自动判定上工序来料在本工序是否属于新品种或者新规格,即是否属于首次生产,并通过一序列推定逻辑来自动确定新品种或者新规格在本工序首次生产时的模型参数,以提高本工序首次生产该钢种或该规格带钢的卷取温度控制合格率、降低废次品率,进而降低产品制造成本。
本发明可广泛用于热轧层流冷却工序的控制领域。
Claims (7)
1.一种提高热轧新品种新规格带钢卷取温度控制精度的方法,包括现场控制计算机根据上级计算机所下达的生产任务和工艺参数指标,对热轧层流冷却工序的生产设备按照卷取温度控制模型来进行生产过程的运行参数动态控制,其特征在于所述的现场控制计算机按照下列步骤来确定最优的近似控制参数:
A、首先,根据现场控制计算机所接收到的带钢目标厚度、目标卷取温度、轧制速度的取值范围,在热轧层流冷却工序设立厚度层别、温度层别表和速度层别表,用以计算来料的层别信息;
B、根据来料带钢钢种、冷却模式,以及厚度层别、温度层别、速度层别和热轧层流冷却工序既有的历史生产信息,判定来料带钢在本工序是否属于新品种或者新规格;
C、对于非新品种、非新规格的情况,现场控制计算机使用模型自学习后的控制参数进行常规的正常生产运行控制;
D、对新品种或新规格,现场控制计算机采用以下方式确定其控制参数:
D1、如果是新钢种,则按钢种匹配规则在历史数据中搜索与本新钢种最接近的钢种,将搜索出来的最接近的钢种作为后续确定控制参数时需要使用的钢种;如果没有近似钢种,则本带钢生产时只能使用缺省控制参数,后续步骤全部忽略;如果不是新钢种,则忽略本步骤,直接将本钢种作为后续确定控制参数时需要使用的钢种;
D2、根据本带钢的厚度、温度、速度的层别数据,采用离散化邻域作为最佳近似控制参数的搜索层别范围;
D3、设立冷却模式离散化邻域矩阵来描述冷却模式的近似性;
D4、对厚度、温度、速度、冷却模式这四个应变量设立α1、α2、α3、α4四个不同的权重系数来描述厚度、温度、速度、冷却模式各自对控制参数的影响程度;
D5、让厚度、温度、速度的层别以及冷却模式在给定的搜索范围内依次按给定顺序小幅变动,并在历史数据中搜索能精确匹配小幅变动后的层别的历史生产信息;
D6、对于在邻域范围内搜索到的每一个已生产层别,按设定的权重{α1、α2、α3、α4}计算与精确匹配点{x:厚度等级,y:温度等级,z:速度等级,w:冷却模式}在多维空间上的加权物理距离;
D7、重复上述D5、D6步骤,最后得到一个物理距离的集合;
D8、在上述计算出来的加权物理距离集合中,寻找最小的距离值,如果最小值出现两次或两次以上,则取第一个最小值,其对应的层别在最后一次生产时所使用的控制参数,即为针对该新品种或新规格带钢的最优的近似控制参数;
D9、如果上述集合为空,则针对该新品种或新规格带钢进行生产时,只能使用缺省控制参数进行生产过程的工艺控制。
2.按照权利要求1所述的提高热轧新品种新规格带钢卷取温度控制精度的方法,其特征在于所述步骤A中厚度层别、温度层别、速度层别都是根据对应的层别表来确定具体的层别值,而层别表则由一序列边界值组成,描述了各类层别具体的划分规则。
3.按照权利要求1所述的提高热轧新品种新规格带钢卷取温度控制精度的方法,其特征在于所述步骤B中对是否属于新品种或新规格的判断方法是:如果在已生产带钢的历史数据中该钢种没有,则判定本带钢是新品种首次轧制;如果历史数据中有该钢种,但是在该钢种已生产带钢历史数据中,即将生产的带钢对应的厚度层别、温度层别、速度层别、冷却模式这四项中任意一项没有,则判定为已有钢种的新规格。
4.按照权利要求1所述的提高热轧新品种新规格带钢卷取温度控制精度的方法,其特征在于所述步骤D中确定与本新钢种最接近的钢种的方法为:将钢种标志视为字符串,在系统历史数据中搜索与新钢种从左至右在相同位置上字符相同的匹配数最多的钢种。
5.按照权利要求1所述的提高热轧新品种新规格带钢卷取温度控制精度的方法,其特征在于所述步骤D中确定新品种或新规格控制参数的方法如下:
5-1、建立卷取温度模型控制参数h与决定因子钢种s、厚度层别x、温度层别y、速度层别z和冷却模式w之间的对应关系:
通过一个5维坐标(s,x,y,z,w)来唯一确定一个参数序列h;借鉴多元函数的近似求解方法,在确定s后,在(x,y,z,w)的一个4维离散化邻域内来求取h的近似值
5-2、按照下列方式确定离散化邻域的定义:
5-2-1、厚度层别x离散化邻域定义:
{x±Δx}={x-2,x-1,x,x+1,x+2},
即厚度层别在包括自身在内的前后共5个层别内移动变化;
5-2-2、温度层别y离散化邻域定义:
{y±Δy}={y-3,y-2,y-1,y,y+1,y+2,y+3},
即温度层别在包括自身在内的前后共7个层别内移动变化;
5-2-3、速度层别z离散化邻域定义:
{z±Δz}={z-3,z-2,z-1,z,z+1,z+2,z+3},
即速度层别在包括自身在内的前后共7个层别内移动变化;
5-2-4、冷却模式w离散化定义:
通过定义一个映射矩阵,来表示邻近的冷却模式及其优先顺序;
5-3、邻域内最优值的选取规则:
其中:S为最小加权距离值;
α1、α2、α3、α4为各项权重或¨权重系数,且满足:
α1+α2+α3+α4=1..........................................................(2)
其中,设立权重α1、α2、α3、α4的目的在于可以表示出厚度、温度、速度、冷却模式的变化对控制参数的影响程度,其根据预先制定的权重表可以查得;Δx为厚度层别偏差,Δy为温度层别偏差,Δz为速度层别偏差,而Δw为冷却模式偏差;S为最小的加权偏差值;即选取与精确匹配点{x,y,z,w}在物理位置上按权重{α1、α2、α3、α4}计算出距离最小的点作为{x,y,z,w}的最佳近似匹配点,其对应的控制参数序列即为本钢种的最优近似参数。
6.按照权利要求1所述的提高热轧新品种新规格带钢卷取温度控制精度的方法,其特征在于所述提高热轧新品种新规格带钢卷取温度控制精度的方法,对热轧层流冷却工序新品种、新规格带钢进行自动识别,并结合产线既有的生产实绩,对新品种或新规格带钢首次生产时的模型参数进行自动推定,提高首次生产时带钢卷取温度控制的命中精度,降低首次生产的“废、次、降”率。
7.按照权利要求2所述的提高热轧新品种新规格带钢卷取温度控制精度的方法,其特征在于所述的现场控制计算机首先在系统中设立具体的厚度层别表、温度差别表、速度层别表、冷却模式邻域矩阵表以及各因子权重表,在设置好这些表格数据后,再进行新品种、新规格带钢生产过程的卷取温度运行参数动态控制过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310330381.5A CN104338758B (zh) | 2013-07-31 | 2013-07-31 | 一种提高热轧新品种新规格带钢卷取温度控制精度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310330381.5A CN104338758B (zh) | 2013-07-31 | 2013-07-31 | 一种提高热轧新品种新规格带钢卷取温度控制精度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104338758A true CN104338758A (zh) | 2015-02-11 |
CN104338758B CN104338758B (zh) | 2017-07-28 |
Family
ID=52495697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310330381.5A Active CN104338758B (zh) | 2013-07-31 | 2013-07-31 | 一种提高热轧新品种新规格带钢卷取温度控制精度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104338758B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI599656B (zh) * | 2016-05-19 | 2017-09-21 | 中國鋼鐵股份有限公司 | 鋼熱軋系統與其溫度控制方法 |
CN108446454A (zh) * | 2018-02-27 | 2018-08-24 | 首钢京唐钢铁联合有限责任公司 | 一种提高层冷模型设定计算精度的方法 |
CN108921232A (zh) * | 2018-07-31 | 2018-11-30 | 东北大学 | 一种热轧带钢冷却历史数据聚类及相似性度量方法 |
CN109388837A (zh) * | 2017-08-14 | 2019-02-26 | 上海梅山钢铁股份有限公司 | 一种利用历史数据进行虚拟轧钢的方法 |
CN109598008A (zh) * | 2017-09-30 | 2019-04-09 | 上海梅山钢铁股份有限公司 | 一种层流u形冷却过程有限元仿真计算方法 |
CN109772900A (zh) * | 2017-11-14 | 2019-05-21 | 宝山钢铁股份有限公司 | 一种改进热轧新钢种新规格卷取温度控制的方法 |
CN110653268A (zh) * | 2018-06-28 | 2020-01-07 | 上海梅山钢铁股份有限公司 | 一种热轧带钢的首轧制宽度控制方法 |
CN110653270A (zh) * | 2018-06-28 | 2020-01-07 | 五矿营口中板有限责任公司 | 一种热轧中厚钢板层流半自动控制方法 |
CN110877055A (zh) * | 2019-10-31 | 2020-03-13 | 河钢股份有限公司承德分公司 | 提高热轧钢带尾部卷取温度命中的方法 |
CN110914004A (zh) * | 2017-07-28 | 2020-03-24 | 东芝三菱电机产业系统株式会社 | 卷取温度控制系统 |
CN110997169A (zh) * | 2017-08-04 | 2020-04-10 | 东芝三菱电机产业系统株式会社 | 无头轧制线的温度控制装置 |
CN111346927A (zh) * | 2020-03-03 | 2020-06-30 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力的控制方法 |
CN111651884A (zh) * | 2020-06-03 | 2020-09-11 | 北京首钢股份有限公司 | 一种用于温度控制的带钢分层方法和装置 |
WO2021017262A1 (zh) * | 2019-07-31 | 2021-02-04 | 首钢京唐钢铁联合有限责任公司 | 带钢卷取温度控制方法、装置及带钢加工系统 |
CN113857243A (zh) * | 2021-09-17 | 2021-12-31 | 北京首钢股份有限公司 | 一种用于提高酸洗板轧制质量的方法、装置、介质及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS54132454A (en) * | 1978-04-06 | 1979-10-15 | Toshiba Corp | Controlling method for temperature of rolled material |
JPS56136215A (en) * | 1980-03-29 | 1981-10-24 | Sumitomo Metal Ind Ltd | Method and apparatus for feedback control of water cooling for steel material in rolling line |
JPH082461B2 (ja) * | 1989-05-31 | 1996-01-17 | 株式会社神戸製鋼所 | 熱延鋼板の冷却制御方法 |
CN101745551A (zh) * | 2008-12-11 | 2010-06-23 | 宝山钢铁股份有限公司 | 一种热轧带钢自由冷却方法 |
CN102125937A (zh) * | 2010-01-14 | 2011-07-20 | 宝山钢铁股份有限公司 | 热轧带钢尾部抛钢过程中的温度控制方法 |
CN102284511A (zh) * | 2011-07-28 | 2011-12-21 | 山西太钢不锈钢股份有限公司 | 一种带钢层流冷却温度自适应方法 |
CN102441578A (zh) * | 2011-12-28 | 2012-05-09 | 河北省首钢迁安钢铁有限责任公司 | 提高低温钢卷取温度控制精度的方法 |
-
2013
- 2013-07-31 CN CN201310330381.5A patent/CN104338758B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS54132454A (en) * | 1978-04-06 | 1979-10-15 | Toshiba Corp | Controlling method for temperature of rolled material |
JPS56136215A (en) * | 1980-03-29 | 1981-10-24 | Sumitomo Metal Ind Ltd | Method and apparatus for feedback control of water cooling for steel material in rolling line |
JPH082461B2 (ja) * | 1989-05-31 | 1996-01-17 | 株式会社神戸製鋼所 | 熱延鋼板の冷却制御方法 |
CN101745551A (zh) * | 2008-12-11 | 2010-06-23 | 宝山钢铁股份有限公司 | 一种热轧带钢自由冷却方法 |
CN102125937A (zh) * | 2010-01-14 | 2011-07-20 | 宝山钢铁股份有限公司 | 热轧带钢尾部抛钢过程中的温度控制方法 |
CN102284511A (zh) * | 2011-07-28 | 2011-12-21 | 山西太钢不锈钢股份有限公司 | 一种带钢层流冷却温度自适应方法 |
CN102441578A (zh) * | 2011-12-28 | 2012-05-09 | 河北省首钢迁安钢铁有限责任公司 | 提高低温钢卷取温度控制精度的方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI599656B (zh) * | 2016-05-19 | 2017-09-21 | 中國鋼鐵股份有限公司 | 鋼熱軋系統與其溫度控制方法 |
CN110914004A (zh) * | 2017-07-28 | 2020-03-24 | 东芝三菱电机产业系统株式会社 | 卷取温度控制系统 |
CN110914004B (zh) * | 2017-07-28 | 2021-07-06 | 东芝三菱电机产业系统株式会社 | 卷取温度控制系统 |
CN110997169B (zh) * | 2017-08-04 | 2021-07-16 | 东芝三菱电机产业系统株式会社 | 无头轧制线的温度控制装置 |
CN110997169A (zh) * | 2017-08-04 | 2020-04-10 | 东芝三菱电机产业系统株式会社 | 无头轧制线的温度控制装置 |
CN109388837A (zh) * | 2017-08-14 | 2019-02-26 | 上海梅山钢铁股份有限公司 | 一种利用历史数据进行虚拟轧钢的方法 |
CN109598008B (zh) * | 2017-09-30 | 2023-11-10 | 上海梅山钢铁股份有限公司 | 一种层流u形冷却过程有限元仿真计算方法 |
CN109598008A (zh) * | 2017-09-30 | 2019-04-09 | 上海梅山钢铁股份有限公司 | 一种层流u形冷却过程有限元仿真计算方法 |
CN109772900A (zh) * | 2017-11-14 | 2019-05-21 | 宝山钢铁股份有限公司 | 一种改进热轧新钢种新规格卷取温度控制的方法 |
CN108446454B (zh) * | 2018-02-27 | 2022-03-18 | 首钢京唐钢铁联合有限责任公司 | 一种提高层冷模型设定计算精度的方法 |
CN108446454A (zh) * | 2018-02-27 | 2018-08-24 | 首钢京唐钢铁联合有限责任公司 | 一种提高层冷模型设定计算精度的方法 |
CN110653270A (zh) * | 2018-06-28 | 2020-01-07 | 五矿营口中板有限责任公司 | 一种热轧中厚钢板层流半自动控制方法 |
CN110653270B (zh) * | 2018-06-28 | 2021-04-02 | 五矿营口中板有限责任公司 | 一种热轧中厚钢板层流半自动控制方法 |
CN110653268A (zh) * | 2018-06-28 | 2020-01-07 | 上海梅山钢铁股份有限公司 | 一种热轧带钢的首轧制宽度控制方法 |
CN108921232B (zh) * | 2018-07-31 | 2021-05-04 | 东北大学 | 一种热轧带钢冷却历史数据聚类及相似性度量方法 |
CN108921232A (zh) * | 2018-07-31 | 2018-11-30 | 东北大学 | 一种热轧带钢冷却历史数据聚类及相似性度量方法 |
WO2021017262A1 (zh) * | 2019-07-31 | 2021-02-04 | 首钢京唐钢铁联合有限责任公司 | 带钢卷取温度控制方法、装置及带钢加工系统 |
CN110877055A (zh) * | 2019-10-31 | 2020-03-13 | 河钢股份有限公司承德分公司 | 提高热轧钢带尾部卷取温度命中的方法 |
CN111346927A (zh) * | 2020-03-03 | 2020-06-30 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力的控制方法 |
CN111651884A (zh) * | 2020-06-03 | 2020-09-11 | 北京首钢股份有限公司 | 一种用于温度控制的带钢分层方法和装置 |
CN111651884B (zh) * | 2020-06-03 | 2023-12-26 | 北京首钢股份有限公司 | 一种用于温度控制的带钢分层方法和装置 |
CN113857243A (zh) * | 2021-09-17 | 2021-12-31 | 北京首钢股份有限公司 | 一种用于提高酸洗板轧制质量的方法、装置、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104338758B (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104338758A (zh) | 一种提高热轧新品种新规格带钢卷取温度控制精度的方法 | |
CN108817103B (zh) | 一种轧钢模型钢族层别分类优化方法 | |
Yang et al. | Risk-based portfolio management of civil infrastructure assets under deep uncertainties associated with climate change: A robust optimisation approach | |
CN102125937A (zh) | 热轧带钢尾部抛钢过程中的温度控制方法 | |
CN102284517A (zh) | 基于案例推理的轧后冷却长期自学习方法 | |
CN104456092A (zh) | 一种石油天然气管道报警优先级多维评定方法 | |
JP2012160132A (ja) | 設備保全支援システム | |
CN108921232B (zh) | 一种热轧带钢冷却历史数据聚类及相似性度量方法 | |
CN104484708A (zh) | 一种基于一元线性回归和最小二乘法的商品需求预测方法 | |
JP4511435B2 (ja) | 送水運用計画装置 | |
JP4047875B2 (ja) | 設計パラメータの最適値決定方法とこの方法を用いた圧延パススケジュールの決定方法 | |
JP2013145521A (ja) | 製造プロセスの能率予測方法、装置及びプログラム | |
CN109772900B (zh) | 一种改进热轧新钢种新规格卷取温度控制的方法 | |
Gerashhenkova et al. | Diagnostics of the management system of the machine-building plant based on strategic management tools | |
CN103632014A (zh) | 一种热连轧产品生产流程的工艺参数预测方法 | |
Vergara et al. | Probabilistic approach to estimating and cost control | |
CN114792051A (zh) | 一种带钢冷轧酸洗参数优化方法 | |
JP4714061B2 (ja) | 圧延材の冷却装置 | |
CN112907948A (zh) | 一种路段合并方法、介质及系统 | |
CN102004445B (zh) | 铝冷轧机数学模型的高效自适应方法 | |
JP7452443B2 (ja) | 圧延モデルの学習方法 | |
Shioya et al. | Prediction model to design standard production period for steel plate mills | |
CN112139253A (zh) | 一种热轧宽度余量自动控制方法 | |
CN110653268B (zh) | 一种热轧带钢的首轧制宽度控制方法 | |
CN114345954A (zh) | 一种带钢冷却控制方法、装置以及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |