CN106055785B - 一种提高换钢种或规格首块钢板形质量的优化方法 - Google Patents

一种提高换钢种或规格首块钢板形质量的优化方法 Download PDF

Info

Publication number
CN106055785B
CN106055785B CN201610369718.7A CN201610369718A CN106055785B CN 106055785 B CN106055785 B CN 106055785B CN 201610369718 A CN201610369718 A CN 201610369718A CN 106055785 B CN106055785 B CN 106055785B
Authority
CN
China
Prior art keywords
self study
term self
short
roller system
long
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.)
Active
Application number
CN201610369718.7A
Other languages
English (en)
Other versions
CN106055785A (zh
Inventor
王秋娜
王淑志
王海深
李金保
尹玉京
张新新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Shougang Co Ltd
Original Assignee
Beijing Shougang Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Shougang Co Ltd filed Critical Beijing Shougang Co Ltd
Priority to CN201610369718.7A priority Critical patent/CN106055785B/zh
Publication of CN106055785A publication Critical patent/CN106055785A/zh
Application granted granted Critical
Publication of CN106055785B publication Critical patent/CN106055785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

本发明涉及一种提高换钢种或规格首块钢板形质量的优化方法，包括：控制板形控制模型进行带钢凸度短期自学习、带钢平直度短期自学习、辊系凸度短期自学习及辊系凸度长期自学习。将短期自学习值进行衰减计算后保存至相应的层别号中。将衰减计算后的辊系凸度短期自学习值及衰减计算后的辊系凸度长期自学习值进行增益计算后保存至相应的层别号中。在换钢种或规格轧制前，读取相应层别的带钢凸度短期自学习值、带钢平直度短期自学习值、辊系凸度短期自学习值及辊系凸度长期自学习值进行板形模型的设定。本发明提供的提高换钢种或规格首块钢板形质量的优化方法，提高了带钢在换钢种和规格轧制时首块钢的板形质量。

Description

一种提高换钢种或规格首块钢板形质量的优化方法
技术领域
本发明涉及轧钢技术领域，特别涉及一种提高换钢种或规格首块钢板形质量的优化方法。
背景技术
迁钢1580mm热轧线由于采用感应加热炉生产高牌号取向硅钢(简称HIB)的工艺模式，从而导致不同钢种和规格的产品不可避免地会与HIB交叉轧制生产，即不论对于HIB，还是对于与其进行交叉轧制的钢种，经常涉及到换钢种首块钢，而换钢种首块钢板形各指标的命中率(包括凸度和平直度)总是受到与其进行交叉轧制产品的影响。同时由于HIB这种间歇出钢的生产模式，导致HIB会在计划单不同位置进行生产，这样也会因为轧制公里数(轧辊不同的磨损状态)的区别而使得此块钢自学习之后的结果对下块HIB产生影响，最终影响下块HIB钢的板形设定，导致板形指标差。而无论对于HIB产品还是对于普通产品来说，板形质量不仅影响到产品在下游工序的生产质量和效率，板形质量差时还会影响到穿带稳定性，甚至出现轧废的危险。
发明内容
本发明实施例通过提供一种提高换钢种或规格首块钢板形质量的优化方法，解决了现有技术中换钢种和规格时首块钢板形质量难以保证的技术问题，提高了带钢在换钢种和规格轧制时首块钢的板形质量，保证了产品在下游工序的生产质量和效率，提高了带钢的穿带稳定性，避免出现轧废的危险。
本发明实施例提供了一种提高换钢种或规格首块钢板形质量的优化方法，所述方法包括：
控制板形控制模型进行带钢凸度短期自学习、带钢平直度短期自学习、辊系凸度短期自学习及辊系凸度长期自学习；
将带钢凸度短期自学习值、带钢平直度短期自学习值及辊系凸度短期自学习值进行衰减计算后保存至相应的层别号中；
将衰减计算后的辊系凸度短期自学习值及衰减计算后的辊系凸度长期自学习值进行增益计算后保存至相应的层别号中；其中，辊系凸度长期自学习值进行增益计算后保存方式为：通过每批次带钢的长期自学习值，建立带钢辊系凸度长期自学习值的分布函数；判断本次辊系凸度长期自学习值是否在所述分布函数允许的偏离范围内；若本次辊系凸度长期自学习值在所述分布函数允许的偏离范围内，则将本次辊系凸度长期自学习值保存至相应的层别号中；若本次辊系凸度长期自学习值不在所述分布函数允许的偏离范围内，则调整本次辊系凸度长期自学习值后将本次辊系凸度长期自学习值存储至相应的层别号中；
在换钢种或规格轧制前，读取相应层别的带钢凸度短期自学习值、带钢平直度短期自学习值、辊系凸度短期自学习值及辊系凸度长期自学习值进行板形控制参数的设定。
进一步地，所述将带钢凸度短期自学习值、带钢平直度短期自学习值及辊系凸度短期自学习值进行衰减计算后保存至相应的层别号中，包括：
引入带钢凸度短期自学习衰减系数、带钢平直度短期自学习衰减系数及辊系凸度短期自学习衰减系数；
将带钢凸度短期自学习值与带钢凸度短期自学习衰减系数相乘的结果保存至相应的层别号中；
将带钢平直度短期自学习值与带钢平直度短期自学习衰减系数相乘的结果保存至相应的层别号中；
将带钢辊系凸度短期自学习值与带钢辊系凸度短期自学习衰减系数相乘的结果保存至相应的层别号中。
进一步地，所述带钢凸度短期自学习衰减系数、带钢平直度短期自学习衰减系数及所述辊系凸度短期自学习衰减系数的取值为0.1～0.9。
进一步地，所述将衰减计算后的辊系凸度短期自学习值及衰减计算后的辊系凸度长期自学习值进行增益计算后保存至相应的层别号中，包括：
引入辊系凸度短期自学习增益系数及辊系凸度长期自学习增益系数；
将辊系凸度短期自学习增益系数与当前带钢的短期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度短期自学习值，得到的结果保存至相应的层别号中；
将辊系凸度长期自学习增益系数与当前带钢的长期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度长期自学习值，得到的结果保存至相应的层别号中。
进一步地，所述辊系凸度短期自学习增益系数为0.1～0.3；
所述辊系凸度长期自学习增益系数为0.5～0.9。
进一步地，进行所述辊系凸度长期自学习时，采用前七次轧制同钢种、同规格带钢的辊系凸度长期自学习值的平均值作为本次辊系凸度长期自学习值。
进一步地，通过线性回归的方式建立辊系凸度长期自学习值的分布函数。
进一步地，所述调整本次辊系凸度长期自学习值包括：
利用公式R_ZL(Fn)new＝R_ZL(Fn)old+GRZLD(R_ZL(Fn)old-f(n))对本次辊系凸度长期自学习值进行调整；
上式中，所述R_ZL(Fn)new为调整后的长期自学习值，所述R_ZL(Fn)old为调整前长期自学习值，所述GRZLD为调整系数，所述f(n)为带钢的辊系凸度长期自学习值的分布函数。
进一步地，所述调整系数GRZLD为0.1～0.3。
本发明实施例提供的一种或多种技术方案，至少具备以下有益效果或优点：
1、本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法，将带钢凸度短期自学习值、带钢平直度短期自学习值及辊系凸度短期自学习值进行衰减计算后保存至相应的层别号中，通过衰减计算调整本块钢对于下块换钢种带钢的自学习值，降低短期自学习对于换钢种和规格后第一块钢设定的影响，提高了带钢在换钢种和规格轧制时首块钢的板形质量。
2、本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法，将衰减计算后的辊系凸度短期自学习值及衰减计算后的辊系凸度长期自学习值进行增益计算后保存至相应的层别号中，优化了辊系凸度长期自学习与辊系凸度短期自学习所占比例，提高了带钢在换钢种和规格轧制时首块钢的板形质量。
3、本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法，采用前七次轧制同钢种、同规格带钢的辊系凸度长期自学习值的平均值作为本次辊系凸度长期自学习值，降低轧制计划单位置对于换钢种首块钢设定的影响。
4、本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法，利用带钢辊系凸度长期自学习值的分布函数调整辊系凸度长期自学习值，使得辊系凸度长期自学习后的值能够朝着人为设定的分布曲线逼近，从而维持各机架自学习系数的一定趋势，保证辊系凸度长期自学习的稳定性。
附图说明
图1为本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法流程图。
具体实施方式
本发明实施例通过提供一种提高换钢种或规格首块钢板形质量的优化方法，解决了现有技术中换钢种和规格时首块钢板形质量难以保证的技术问题，提高了带钢在换钢种和规格轧制时首块钢的板形质量，保证了产品在下游工序的生产质量和效率，提高了带钢的穿带稳定性，避免出现轧废的危险。
参见图1，本发明实施例提供了一种提高换钢种或规格首块钢板形质量的优化方法，包括：
步骤10、控制板形控制模型进行带钢凸度短期自学习、带钢平直度短期自学习、辊系凸度短期自学习及辊系凸度长期自学习。
进行辊系凸度长期自学习时，采用前七次轧制同钢种、同规格带钢的辊系凸度长期自学习值的平均值作为本次辊系凸度长期自学习值。
步骤20、将带钢凸度短期自学习值、带钢平直度短期自学习值及辊系凸度短期自学习值进行衰减计算后保存至相应的层别号中。
步骤20具体包括：步骤201、引入带钢凸度短期自学习衰减系数、带钢平直度短期自学习衰减系数及辊系凸度短期自学习衰减系数。步骤202、将带钢凸度短期自学习值与带钢凸度短期自学习衰减系数相乘的结果保存至相应的层别号中。步骤203、将带钢平直度短期自学习值与带钢平直度短期自学习衰减系数相乘的结果保存至相应的层别号中。步骤204、将辊系凸度短期自学习值与辊系凸度短期自学习衰减系数相乘的结果保存至相应的层别号中。带钢凸度短期自学习衰减系数、带钢平直度短期自学习衰减系数及辊系凸度短期自学习衰减系数的取值为0.1～0.9。
步骤30、将衰减计算后的辊系凸度短期自学习值及衰减计算后的辊系凸度长期自学习值进行增益计算后保存至相应的层别号中。
步骤30具体包括：步骤301、引入辊系凸度短期自学习增益系数及辊系凸度长期自学习增益系数。步骤302、将辊系凸度短期自学习增益系数与当前带钢的短期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度短期自学习值，得到的结果保存至相应的层别号中。步骤303、将辊系凸度长期自学习增益系数与当前带钢的长期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度长期自学习值，得到的结果保存至相应的层别号中。
其中，辊系凸度短期自学习增益系数为0.1～0.3，辊系凸度长期自学习增益系数为0.5～0.9。
步骤40、在换钢种或规格轧制前，读取相应层别的带钢凸度短期自学习值、带钢平直度短期自学习值、辊系凸度短期自学习值及辊系凸度长期自学习值进行板形控制参数的设定。
步骤50、通过每批次带钢的长期自学习值，通过线性回归的方式建立辊系凸度长期自学习值的分布函数。
步骤60、判断本次辊系凸度长期自学习值是否在分布函数允许的偏离范围内。
步骤70、若本次辊系凸度长期自学习值在分布函数允许的偏离范围内，则将本次辊系凸度长期自学习值保存至相应的层别号中；若本次辊系凸度长期自学习值不在分布函数允许的偏离范围内，则调整本次辊系凸度长期自学习值后将本次辊系凸度长期自学习值存储至相应的层别号中。
调整本次辊系凸度长期自学习值时，利用公式R_ZL(Fn)new＝R_ZL(Fn)old+GRZLD(R_ZL(Fn)old-f(n))对本次辊系凸度长期自学习值进行调整；上式中，R_ZL(Fn)new为调整后的长期自学习值，R_ZL(Fn)old为调整前长期自学习值，GRZLD为调整系数，f(n)为带钢的辊系凸度长期自学习值的分布函数，取值为当前批次对应的函数值。调整系数GRZLD为0.1～0.3。
在实际应用中，在HMI设定画面上增加带钢穿带之前人工干预的最后一个机架设定弯辊力的手段—PDI目标平直度补偿值OP_FLT_OFF，使精轧操作人员便于根据产品板形特性及经验，通过输入PDI目标平直度补偿值OP_FLT_OFF，抑制可以预见的精轧出口板形问题，增加现场调节的干预手段。
下面结合具体的实施例对本发明提供的提高换钢种或规格首块钢板形质量的优化方法进行说明：
实施例1
换钢种或规格首块钢轧制前，控制板形控制模型进行带钢凸度短期自学习、带钢平直度短期自学习、辊系凸度短期自学习及辊系凸度长期自学习。进行辊系凸度长期自学习时，采用前七次轧制同钢种、同规格带钢的辊系凸度长期自学习值的平均值作为本次辊系凸度长期自学习值。引入带钢凸度短期自学习衰减系数(带钢凸度短期自学习衰减系数设置为0.3)、带钢平直度短期自学习衰减系数(带钢平直度短期自学习衰减系数设置为0.3)及辊系凸度短期自学习衰减系数(辊系凸度短期自学习衰减系数设置为0.3)。将带钢凸度短期自学习值与带钢凸度短期自学习衰减系数相乘的结果保存至相应的层别号中。将带钢平直度短期自学习值与带钢平直度短期自学习衰减系数相乘的结果保存至相应的层别号中。引入辊系凸度短期自学习增益系数(辊系凸度短期自学习增益系数设置为0.1)及辊系凸度长期自学习增益系数(辊系凸度长期自学习增益系数设置为0.5)。将辊系凸度短期自学习增益系数与当前带钢的短期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度短期自学习值，得到的结果保存至相应的层别号中。将辊系凸度长期自学习增益系数与当前带钢的长期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度长期自学习值，得到的结果保存至相应的层别号中。在换钢种或规格轧制前，读取相应层别的带钢凸度短期自学习值、带钢平直度短期自学习值、辊系凸度短期自学习值及辊系凸度长期自学习值进行板形模型的设定。通过每批次带钢的长期自学习值，通过线性回归的方式建立辊系凸度长期自学习值的分布函数。判断本次辊系凸度长期自学习值是否在分布函数允许的偏离范围内。若本次辊系凸度长期自学习值在分布函数允许的偏离范围内，则将本次辊系凸度长期自学习值保存至相应的层别号中；若本次辊系凸度长期自学习值不在分布函数允许的偏离范围内，则调整本次辊系凸度长期自学习值后将本次辊系凸度长期自学习值存储至相应的层别号中。其中，调整本次辊系凸度长期自学习值时，利用公式R_ZL(Fn)new＝R_ZL(Fn)old+GRZLD(R_ZL(Fn)old-f(n))对本次辊系凸度长期自学习值进行调整；上式中，R_ZL(Fn)new为调整后的长期自学习值，R_ZL(Fn)old为调整前长期自学习值，GRZLD为调整系数，f(n)为带钢的辊系凸度长期自学习值的分布函数，f(n)取值为f(8)，调整系数GRZLD设置为0.1。在HMI设定画面上增加带钢穿带之前人工干预的最后一个机架设定弯辊力的手段—PDI目标平直度补偿值OP_FLT_OFF，使精轧操作人员便于根据产品板形特性及经验，通过输入PDI目标平直度补偿值OP_FLT_OFF，抑制可以预见的精轧出口板形问题。
实施例2
换钢种或规格首块钢轧制前，控制板形控制模型进行带钢凸度短期自学习、带钢平直度短期自学习、辊系凸度短期自学习及辊系凸度长期自学习。进行辊系凸度长期自学习时，采用前七次轧制同钢种、同规格带钢的辊系凸度长期自学习值的平均值作为本次辊系凸度长期自学习值。引入带钢凸度短期自学习衰减系数(带钢凸度短期自学习衰减系数设置为0.2)、带钢平直度短期自学习衰减系数(带钢平直度短期自学习衰减系数设置为0.3)及辊系凸度短期自学习衰减系数(辊系凸度短期自学习衰减系数设置为0.5)。将带钢凸度短期自学习值与带钢凸度短期自学习衰减系数相乘的结果保存至相应的层别号中。将带钢平直度短期自学习值与带钢平直度短期自学习衰减系数相乘的结果保存至相应的层别号中。引入辊系凸度短期自学习增益系数(辊系凸度短期自学习增益系数设置为0.15)及辊系凸度长期自学习增益系数(辊系凸度长期自学习增益系数设置为0.45)。将辊系凸度短期自学习增益系数与当前带钢的短期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度短期自学习值，得到的结果保存至相应的层别号中。将辊系凸度长期自学习增益系数与当前带钢的长期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度长期自学习值，得到的结果保存至相应的层别号中。在换钢种或规格轧制前，读取相应层别的带钢凸度短期自学习值、带钢平直度短期自学习值、辊系凸度短期自学习值及辊系凸度长期自学习值进行板形模型的设定。通过每批次带钢的长期自学习值，通过线性回归的方式建立辊系凸度长期自学习值的分布函数。判断本次辊系凸度长期自学习值是否在分布函数允许的偏离范围内。若本次辊系凸度长期自学习值在分布函数允许的偏离范围内，则将本次辊系凸度长期自学习值保存至相应的层别号中；若本次辊系凸度长期自学习值不在分布函数允许的偏离范围内，则调整本次辊系凸度长期自学习值后将本次辊系凸度长期自学习值存储至相应的层别号中。其中，调整本次辊系凸度长期自学习值时，利用公式R_ZL(Fn)new＝R_ZL(Fn)old+GRZLD(R_ZL(Fn)old-f(n))对本次辊系凸度长期自学习值进行调整；上式中，R_ZL(Fn)new为调整后的长期自学习值，R_ZL(Fn)old为调整前长期自学习值，GRZLD为调整系数，f(n)为带钢的辊系凸度长期自学习值的分布函数，f(n)取值为f(9)，调整系数GRZLD设置为0.2。在HMI设定画面上增加带钢穿带之前人工干预的最后一个机架设定弯辊力的手段—PDI目标平直度补偿值OP_FLT_OFF，使精轧操作人员便于根据产品板形特性及经验，通过输入PDI目标平直度补偿值OP_FLT_OFF，抑制可以预见的精轧出口板形问题。
本发明实施例提供的一种或多种技术方案，至少具备以下有益效果：
本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法，将带钢凸度短期自学习值、带钢平直度短期自学习值及辊系凸度短期自学习值进行衰减计算后保存至相应的层别号中，通过衰减计算调整本块钢对于下块换钢种带钢的自学习值，降低短期自学习对于换钢种和规格后第一块钢设定的影响，提高了带钢在换钢种和规格轧制时首块钢的板形质量。
本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法，将衰减计算后的辊系凸度短期自学习值及衰减计算后的辊系凸度长期自学习值进行增益计算后保存至相应的层别号中，优化了辊系凸度长期自学习与辊系凸度短期自学习所占比例，提高了带钢在换钢种和规格轧制时首块钢的板形质量。
本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法，采用前七次轧制同钢种、同规格带钢的辊系凸度长期自学习值的平均值作为本次辊系凸度长期自学习值，降低轧制计划单位置对于换钢种首块钢设定的影响。
本发明实施例提供的提高换钢种或规格首块钢板形质量的优化方法，利用带钢辊系凸度长期自学习值的分布函数调整辊系凸度长期自学习值，使得辊系凸度长期自学习后的值能够朝着人为设定的分布曲线逼近，从而维持各机架自学习系数的一定趋势，保证辊系凸度长期自学习的稳定性。
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，尽管参照实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 (9)

1.一种提高换钢种或规格首块钢板形质量的优化方法，其特征在于，所述方法包括：
控制板形控制模型进行带钢凸度短期自学习、带钢平直度短期自学习、辊系凸度短期自学习及辊系凸度长期自学习；
将带钢凸度短期自学习值、带钢平直度短期自学习值及辊系凸度短期自学习值进行衰减计算后保存至相应的层别号中；
将衰减计算后的辊系凸度短期自学习值及衰减计算后的辊系凸度长期自学习值进行增益计算后保存至相应的层别号中；其中，辊系凸度长期自学习值进行增益计算后保存方式为：通过每批次带钢的长期自学习值，建立带钢辊系凸度长期自学习值的分布函数；判断本次辊系凸度长期自学习值是否在所述分布函数允许的偏离范围内；若本次辊系凸度长期自学习值在所述分布函数允许的偏离范围内，则将本次辊系凸度长期自学习值保存至相应的层别号中；若本次辊系凸度长期自学习值不在所述分布函数允许的偏离范围内，则调整本次辊系凸度长期自学习值后将本次辊系凸度长期自学习值存储至相应的层别号中；
在换钢种或规格轧制前，读取相应层别的带钢凸度短期自学习值、带钢平直度短期自学习值、辊系凸度短期自学习值及辊系凸度长期自学习值进行板形控制参数的设定。
2.如权利要求1所述的提高换钢种或规格首块钢板形质量的优化方法，其特征在于，所述将带钢凸度短期自学习值、带钢平直度短期自学习值及辊系凸度短期自学习值进行衰减计算后保存至相应的层别号中，包括：
引入带钢凸度短期自学习衰减系数、带钢平直度短期自学习衰减系数及辊系凸度短期自学习衰减系数；
将带钢凸度短期自学习值与带钢凸度短期自学习衰减系数相乘的结果保存至相应的层别号中；
将带钢平直度短期自学习值与带钢平直度短期自学习衰减系数相乘的结果保存至相应的层别号中；
将带钢辊系凸度短期自学习值与带钢辊系凸度短期自学习衰减系数相乘的结果保存至相应的层别号中。
3.如权利要求2所述的提高换钢种或规格首块钢板形质量的优化方法，其特征在于，所述带钢凸度短期自学习衰减系数、带钢平直度短期自学习衰减系数及所述辊系凸度短期自学习衰减系数的取值为0.1～0.9。
4.如权利要求1所述的提高换钢种或规格首块钢板形质量的优化方法，其特征在于，所述将衰减计算后的辊系凸度短期自学习值及衰减计算后的辊系凸度长期自学习值进行增益计算后保存至相应的层别号中，包括：
引入辊系凸度短期自学习增益系数及辊系凸度长期自学习增益系数；
将辊系凸度短期自学习增益系数与当前带钢的短期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度短期自学习值，得到的结果保存至相应的层别号中；
将辊系凸度长期自学习增益系数与当前带钢的长期自学习的辊系凸度计算误差相乘后加上衰减计算后的辊系凸度长期自学习值，得到的结果保存至相应的层别号中。
5.如权利要求4所述的提高换钢种或规格首块钢板形质量的优化方法，其特征在于，所述辊系凸度短期自学习增益系数为0.1～0.3；
所述辊系凸度长期自学习增益系数为0.5～0.9。
6.如权利要求1所述的提高换钢种或规格首块钢板形质量的优化方法，其特征在于，进行所述辊系凸度长期自学习时，采用前七次轧制同钢种、同规格带钢的辊系凸度长期自学习值的平均值作为本次辊系凸度长期自学习值。
7.如权利要求1所述的提高换钢种或规格首块钢板形质量的优化方法，其特征在于，通过线性回归的方式建立辊系凸度长期自学习值的分布函数。
8.如权利要求1或7所述的提高换钢种或规格首块钢板形质量的优化方法，其特征在于，所述调整本次辊系凸度长期自学习值包括：
利用公式R_ZL(Fn)new＝R_ZL(Fn)old+GRZLD(R_ZL(Fn)old-f(n))对本次辊系凸度长期自学习值进行调整；
上式中，所述R_ZL(Fn)new为调整后的长期自学习值，所述R_ZL(Fn)old为调整前长期自学习值，所述GRZLD为调整系数，所述f(n)为带钢的辊系凸度长期自学习值的分布函数。
9.如权利要求8所述的提高换钢种或规格首块钢板形质量的优化方法，其特征在于，所述调整系数GRZLD为0.1～0.3。
CN201610369718.7A 2016-05-30 2016-05-30 一种提高换钢种或规格首块钢板形质量的优化方法 Active CN106055785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610369718.7A CN106055785B (zh) 2016-05-30 2016-05-30 一种提高换钢种或规格首块钢板形质量的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610369718.7A CN106055785B (zh) 2016-05-30 2016-05-30 一种提高换钢种或规格首块钢板形质量的优化方法

Publications (2)

Publication Number Publication Date
CN106055785A CN106055785A (zh) 2016-10-26
CN106055785B true CN106055785B (zh) 2019-07-12

Family

ID=57172873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610369718.7A Active CN106055785B (zh) 2016-05-30 2016-05-30 一种提高换钢种或规格首块钢板形质量的优化方法

Country Status (1)

Country Link
CN (1) CN106055785B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107520255B (zh) * 2017-09-26 2019-03-01 北京首钢自动化信息技术有限公司 一种自学习式轧机入口厚度优化方法
CN113319127B (zh) * 2021-06-10 2022-03-01 燕山大学 一种考虑目标凸度的板形目标曲线设定方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0732160A2 (de) * 1995-03-14 1996-09-18 Bwg Bergwerk- Und Walzwerk-Maschinenbau Gmbh Verfahren zum kontinuierlichen Richten von dünnen Metallbändern, insbesondere von Aluminium- und Edelstahl-Bändern mit Banddicken von 0,1 mm bis 0,5 mm, und Richtanlage zur Durchführung des Verfahrens
CN102145348A (zh) * 2010-12-30 2011-08-10 安阳钢铁股份有限公司 超宽薄板热连轧生产中板形控制技术
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
CN103341503A (zh) * 2013-05-21 2013-10-09 首钢总公司 一种自适应凸度变化热轧板形控制模型
CN103586288A (zh) * 2013-03-25 2014-02-19 宝山钢铁股份有限公司 热轧带钢板形的案例库建立方法
CN104174655A (zh) * 2014-07-15 2014-12-03 首钢总公司 一种热连轧板形二级工艺模拟方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0732160A2 (de) * 1995-03-14 1996-09-18 Bwg Bergwerk- Und Walzwerk-Maschinenbau Gmbh Verfahren zum kontinuierlichen Richten von dünnen Metallbändern, insbesondere von Aluminium- und Edelstahl-Bändern mit Banddicken von 0,1 mm bis 0,5 mm, und Richtanlage zur Durchführung des Verfahrens
CN102145348A (zh) * 2010-12-30 2011-08-10 安阳钢铁股份有限公司 超宽薄板热连轧生产中板形控制技术
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
CN103586288A (zh) * 2013-03-25 2014-02-19 宝山钢铁股份有限公司 热轧带钢板形的案例库建立方法
CN103341503A (zh) * 2013-05-21 2013-10-09 首钢总公司 一种自适应凸度变化热轧板形控制模型
CN104174655A (zh) * 2014-07-15 2014-12-03 首钢总公司 一种热连轧板形二级工艺模拟方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
带钢热连轧换规格轧制力自学习优化;马更生，彭文等;《东北大学学报( 自然科学版)》;20151231;第36卷(第12期);第1715-1718页
热轧辊系凸度自适应模型的改进算法;郭薇，张长利等;《轧钢》;20140430;第31卷(第2期);第53-55页
热连轧机板形控制模型新技术;邵健，何安瑞等;《第八届（2011）中国钢铁年会论文集》;20141026;第1-6页

Also Published As

Publication number Publication date
CN106055785A (zh) 2016-10-26

Similar Documents

Publication Publication Date Title
CN102581025B (zh) 热轧带钢平直度微中浪控制方法
CN104209340B (zh) 一种热轧马氏体不锈钢带钢双边浪控制方法
CN107908836B (zh) 一种轧制参数优化方法及装置
CN103464471A (zh) 一种热连轧精轧机组agc自适应控制方法
CN104043654B (zh) 控制高牌号无取向硅钢精轧穿带板形稳定性的方法及装置
CN106055785B (zh) 一种提高换钢种或规格首块钢板形质量的优化方法
CN103962414B (zh) 一种卷取机助卷辊阶梯速度控制方法及其控制系统
CN107321797B (zh) 短流程esp精轧机组在线换辊方法
CN105396878B (zh) 一种热轧生产线抽钢控制方法及装置
CN103949481B (zh) 兼顾热轧带钢轧制稳定性和质量的平坦度分段控制方法
CN104624665A (zh) 控制热连轧带钢粗轧翘头的方法
CN109351780B (zh) 一种基于esp精轧机组撤辊的动态变规程方法
CN103071683A (zh) 一种双机架s型四辊冷轧机综合调整轧制技术
CN106914495B (zh) 一种热轧带钢镰刀弯控制方法及系统
CN110170535B (zh) 一种镀锌光整机过焊缝轧制力自动控制方法
CN104338753B (zh) 一种冷连轧机的动态变规格控制方法
CN110851994A (zh) 一种冷轧带材在线板形目标曲线调整方法
CN102989786A (zh) 一种钢板的板形与板厚优化控制系统
CN104942025A (zh) 针对热轧卷取温度模型停轧后遗传系数补偿方法
CN106475422B (zh) 高次板形控制方法
CN107583959B (zh) 一种补偿冷连轧前滑值的方法及装置
CN108500067B (zh) 热连轧带钢的板形调整方法
KR20190136571A (ko) 전기 강판의 철손 저감 예측 장치
JP7140073B2 (ja) 学習モデル生成方法、データベース構築方法、ミルセットアップ設定方法、圧延材の製造方法、処理対象の製造方法、及び学習モデル生成装置
CN111438197B (zh) 带钢断面边部反翘的控制方法

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