CN108311544A - 一种轧制力参数自学习方法及装置 - Google Patents
一种轧制力参数自学习方法及装置 Download PDFInfo
- Publication number
- CN108311544A CN108311544A CN201810187417.1A CN201810187417A CN108311544A CN 108311544 A CN108311544 A CN 108311544A CN 201810187417 A CN201810187417 A CN 201810187417A CN 108311544 A CN108311544 A CN 108311544A
- Authority
- CN
- China
- Prior art keywords
- strip
- rolled
- coefficient
- rolling
- lastblock
- 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
- B21B37/58—Roll-force control; Roll-gap control
Abstract
本发明公开一种轧制力参数自学习方法及装置,用以自适应地根据带钢的属性与实时工况确定轧制力自学习参数,提高带钢的轧制精度。该方法包括:获取待轧制带钢的属性参数;基于待轧制带钢的厚度、宽度、终轧温度,确定待轧制带钢对应的轧制模型的第一权重系数;基于第一权重系数、待轧制带钢的炉号、流号、轧制辊号、待轧制带钢的与上一块带钢的时间间隔,确定待轧制带钢的遗传类型;如果待轧制带钢的遗传类型为短遗传类型,以与短遗传类型对应的自学习策略确定与待轧制带钢对应的轧制力自学习系数;如果待轧制带钢的遗传类型为长遗传类型,以与长遗传类型对应的自学习策略确定与待轧制带钢对应的轧制力自学习系数。
Description
技术领域
本发明涉及热轧技术领域,尤其涉及一种轧制力参数自学习方法及装置。
背景技术
在工业自动控制系统中,热连轧带钢生产控制系统比较复杂。提高热轧带钢轧制过程中模型的预报精度是热连轧自动控制技术不断追求的目标。为满足带钢尺寸和板形精度的严格要求,提高轧制参数设定精度变得越来越迫切。轧制力是热连轧带钢生产过程中最重要的参数之一,其计算模型是带钢热连轧精轧机组设定模型的核心。热轧带钢的产品厚度控制水平很大程度上取决于过程自动化系统的轧制力模型的预报精度,而轧制力预报精度很大程度上依赖于轧制力自学习。
一条热连轧产线大多配有多座加热炉,加热炉之间存在较大的工况差异,对产品厚度控制精度和生产稳定性具有一定影响,并且,热连轧工况又具有实时多变性,目前的热连轧产线在轧制过程中,轧制力控制精度较低,一方面受不同加热炉工况的影响,另一方面也受其本身自学习算法的局限,无法对带钢之间所存在的各种差异(如设备特性、润滑条件、变形温度和化学成分等)进行精确逼近。而在生产中,这些因素对模型精度的影响效果相互耦合,并且难以分别确定,因此控制系统需要在轧制过程中不断地根据实测数据对自学习系数进行更新,以补偿特定工况下的轧制力模型预报精度。在现有技术中,轧制力参数自学习方式不够准确,导致模型轧制力与实际轧制力偏差较大,带钢的轧制精度较低。
发明内容
本发明实施例提供一种轧制力参数自学习方法及装置,用以自适应地根据带钢的属性与实时工况确定轧制力自学习参数,提高带钢的轧制精度。
第一方面,本发明实施例提供了一种轧制力参数自学习方法,所述方法包括:
获取待轧制带钢的属性参数,所述属性参数包括所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度、所述待轧制带钢炼制的炉号与流号、轧制所述待轧制带钢的轧制辊号、轧制所述待轧制带钢与轧制上一块带钢的时间间隔;
基于所述属性参数中包括的所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度,确定所述待轧制带钢对应的轧制模型的第一权重系数;
基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,所述遗传类型包括长遗传类型和短遗传类型;
如果所述待轧制带钢的遗传类型为所述短遗传类型,以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数;
如果所述待轧制带钢的遗传类型为所述长遗传类型,以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数。
可选的,所述基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,包括:
如果所述第一权重系数小于预设权重系数,所述炉号和所述流号与所述上一块带钢炼制的炉号与流号一致,所述轧制辊号与轧制所述上一块带钢的轧制辊号一致,所述时间间隔小于预设时间间隔时,确定所述待轧制带钢的遗传类型为所述短遗传类型。
可选的,所述基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,包括:
如果所述第一权重系数大于或等于预设权重系数;或所述炉号和所述流号与所述上一块带钢炼制的炉号与流号不一致;或所述轧制辊号与轧制所述上一块带钢的轧制辊号不一致;或所述时间间隔大于或等于预设时间间隔,确定所述待轧制带钢的遗传类型为所述长遗传类型。
可选的,所述以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数,包括:
获取距当前时刻最近的轧制的M块短遗传类型的带钢中每块带钢对应的轧制模型的第二权重系数,共计获得M个第二权重系数,M为大于0的整数;
基于所述M个第二权重系数中的最小第二权重系数、所述炉号对应的加热炉的带钢对应的优化继承系数、平滑权重指数,确定与所述待轧制带钢对应的轧制力自学习系数,其中,所述轧制力自学习系数为所述最小第二权重系数与所述平滑权重指数的乘积与剩余权重指数与所述优化继承系数乘积之和,所述平滑权重指数与所述剩余权重指数之和为1,所述平滑权重指数基于历史轧制带钢的设定轧制力与实际轧制力值的标准差设定。
可选的,所述以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数,包括:
获取上一块带钢对应的轧制力自学习系数;
获取所述上一块带钢的层别自学习系数;
基于所述上一块带钢的轧制力自学习系数、所述上一块带钢的层别自学习系数与所述上一块带钢的实时学习系数,确定所述待轧制带钢对应的实时学习系数;
基于距当前时刻最近轧制的与所述待轧制带钢钢种相同的长遗传类型的上一块带钢对应的层别自学习系数、所述上一块带钢的层别自学习系数的瞬时值,确定所述待轧制带钢对应的层别学习系数,其中,所述上一块带钢的层别自学习系数的瞬时值为所述上一块带钢对应的轧制力自学习系数除以所述待轧制带钢对应的实时学习系数的商值;
确定所述轧制力自学习系数为所述待轧制带钢对应的实时学习系数与所述待轧制带钢对应的层别学习系数的乘积。
可选的,在所述基于所述上一块带钢的层别自学习系数、所述上一块带钢的层别自学习系数的瞬时值,确定所述待轧制带钢对应的层别学习系数之后,所述方法还包括:
将所述待轧制带钢的层别自学习系数记录至与所述待轧制带钢对应的模型中。
第二方面,本发明实施例提供了一种轧制力参数自学习装置,包括:
获取单元,用于获取待轧制带钢的属性参数,所述属性参数包括所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度、所述待轧制带钢炼制的炉号与流号、轧制所述待轧制带钢的轧制辊号、轧制所述待轧制带钢与轧制上一块带钢的时间间隔;
第一确定单元,用于基于所述属性参数中包括的所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度,确定所述待轧制带钢对应的轧制模型的第一权重系数;
第二确定单元,用于基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,所述遗传类型包括长遗传类型和短遗传类型;
第三确定单元,用于如果所述待轧制带钢的遗传类型为所述短遗传类型,以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数;如果所述待轧制带钢的遗传类型为所述长遗传类型,以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数。
可选的,所述第二确定单元用于:
如果所述第一权重系数小于预设权重系数,所述炉号和所述流号与所述上一块带钢炼制的炉号与流号一致,所述轧制辊号与轧制所述上一块带钢的轧制辊号一致,所述时间间隔小于预设时间间隔时,确定所述待轧制带钢的遗传类型为所述短遗传类型;
如果所述第一权重系数大于或等于预设权重系数;或所述炉号和所述流号与所述上一块带钢炼制的炉号与流号不一致;或所述轧制辊号与轧制所述上一块带钢的轧制辊号不一致;或所述时间间隔大于或等于预设时间间隔,确定所述待轧制带钢的遗传类型为所述长遗传类型。
可选的,所述第三确定单元用于:
获取距当前时刻最近的轧制的M块短遗传类型的带钢中每块带钢对应的轧制模型的第二权重系数,共计获得M个第二权重系数,M为大于0的整数;
基于所述M个第二权重系数中的最小第二权重系数、所述炉号对应的加热炉的带钢对应的优化继承系数、平滑权重指数,确定与所述待轧制带钢对应的轧制力自学习系数,其中,所述轧制力自学习系数为所述最小第二权重系数与所述平滑权重指数的乘积与剩余权重指数与所述优化继承系数乘积之和,所述平滑权重指数与所述剩余权重指数之和为1,所述平滑权重指数基于历史轧制带钢的设定轧制力与实际轧制力值的标准差设定。
可选的,所述第三确定单元用于:
获取上一块带钢对应的轧制力自学习系数;
获取所述上一块带钢的层别自学习系数;
基于所述上一块带钢的轧制力自学习系数、所述上一块带钢的层别自学习系数与所述上一块带钢的实时学习系数,确定所述待轧制带钢对应的实时学习系数;
基于距当前时刻最近轧制的与所述待轧制带钢钢种相同的长遗传类型的上一块带钢对应的层别自学习系数、所述上一块带钢的层别自学习系数的瞬时值,确定所述待轧制带钢对应的层别学习系数,其中,所述上一块带钢的层别自学习系数的瞬时值为所述上一块带钢对应的轧制力自学习系数除以所述待轧制带钢对应的实时学习系数的商值;
确定所述轧制力自学习系数为所述待轧制带钢对应的实时学习系数与所述待轧制带钢对应的层别学习系数的乘积。
可选的,所述第三确定单元还用于:
将所述待轧制带钢的层别自学习系数记录至与所述待轧制带钢对应的模型中。
第三方面,本发明实施例提供了一种轧制力参数自学习装置,所述装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如前述第一方面实施例中的轧制力参数自学习方法。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
由于在本申请实施例的轧制力参数自学习方法,需要获取待轧制带钢的属性参数,属性参数包括待轧制带钢的厚度、待轧制带钢的宽度、待轧制带钢的终轧温度、待轧制带钢炼制的炉号与流号、轧制待轧制带钢的轧制辊号、轧制待轧制带钢与轧制上一块带钢的时间间隔;基于属性参数包括待轧制带钢的厚度、待轧制带钢的宽度、待轧制带钢的终轧温度,确定待轧制带钢对应的轧制模型的第一权重系数;基于第一权重系数、炉号、流号、轧制辊号、时间间隔,确定待轧制带钢的遗传类型,遗传类型包括长遗传类型和短遗传类型;如果待轧制带钢的遗传类型为短遗传类型,以与短遗传类型对应的自学习策略确定与待轧制带钢对应的轧制力自学习系数;如果待轧制带钢的遗传类型为长遗传类型,以与长遗传类型对应的自学习策略确定与待轧制带钢对应的轧制力自学习系数。由于短遗传类型和长遗传类型确定方式更加符合实际工况,进而根据短遗传类型和长遗传类型确定的轧制力自学习参数能够对精轧带钢头部轧制力进行精确预报,使轧制力的设定值与实测值的偏差明显减小,进而提高热轧带钢头部厚度控制精度乃至全长厚度控制精度。
附图说明
图1为本申请第一例提供的轧制力参数自学习方法的流程图;
图2为本申请第二实施例提供的自适应控制装置的结构示意图;
图3为本申请第三实施例提供的自适应控制装置的结构示意图。
具体实施方式
在本申请实施例提供的技术方案中,通过提供一种轧制力参数自学习方法,用以自适应地根据带钢的属性与实时工况确定轧制力自学习参数,提高带钢的轧制精度。该方法包括:获取待轧制带钢的属性参数,所述属性参数包括所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度、所述待轧制带钢炼制的炉号与流号、轧制所述待轧制带钢的轧制辊号、轧制所述待轧制带钢与轧制上一块带钢的时间间隔;基于所述属性参数中包括的所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度,确定所述待轧制带钢对应的轧制模型的第一权重系数;基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,所述遗传类型包括长遗传类型和短遗传类型;如果所述待轧制带钢的遗传类型为所述短遗传类型,以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数;如果所述待轧制带钢的遗传类型为所述长遗传类型,以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
实施例
请参考图1,本发明第一实施例中的轧制力参数自学习方法,包括:
S101:获取待轧制带钢的属性参数,所述属性参数包括所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度、所述待轧制带钢炼制的炉号与流号、轧制所述待轧制带钢的轧制辊号、轧制所述待轧制带钢与轧制上一块带钢的时间间隔;
S102:基于所述属性参数中包括的所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度,确定所述待轧制带钢对应的轧制模型的第一权重系数;
S103:基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,所述遗传类型包括长遗传类型和短遗传类型;
S104:如果所述待轧制带钢的遗传类型为所述短遗传类型,以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数;
S105:如果所述待轧制带钢的遗传类型为所述长遗传类型,以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数。
具体的,在本实施例中,在轧制待轧制带钢前,需要通过步骤S101获取该带钢的属性参数,包括待轧制带钢的厚度、待轧制带钢的宽度、待轧制带钢的终轧温度、待轧制带钢炼制的炉号与流号、轧制待轧制带钢的轧制辊号、轧制待轧制带钢与轧制上一块带钢的时间间隔。进而,通过步骤S102,可根据待轧制带钢的厚度、宽度、终轧温度计算该待轧制带钢的轧制模型的第一权重系数,计算公式为k1*H+k2*W+k3*T=δ,其中k1、k2、k3为根据待轧制带钢的钢种确定出的系数,H为厚度,W为宽度,T为终轧温度。每块带钢均可计算得到对应的第一权重系数。
进而,通过步骤S103来确定待轧制带钢的遗传类型,可分为以下两种情况:
第一种情况:如果所述第一权重系数小于预设权重系数,所述炉号和所述流号与所述上一块带钢炼制的炉号与流号一致,所述轧制辊号与轧制所述上一块带钢的轧制辊号一致,所述时间间隔小于预设时间间隔时,确定所述待轧制带钢的遗传类型为所述短遗传类型。
具体的,在本实施例中,比如:待轧制带钢的第一权重系数为1.2,预设权重系数为1.5。同时,待轧制带钢对应的加热炉的炉号为N1,流号为M1,轧制的上一块带钢炼制的炉号为N1,流号为M1。同时,轧制待轧制带钢的轧制辊号为Q1,轧制上一块带钢的轧制辊号也为Q1。同时,轧制待轧制带钢的轧制辊号为Q1,轧制上一块带钢的轧制辊号也为Q1。同时,轧制该待轧制带钢与轧制上一块带钢的时间间隔为20分钟,预设时间间隔为30分钟。
这样,可以确定第一权重系数1.2小于预设权重系数1.5,炼制待轧制带钢炉号和流号与炼制上一块带钢的炉号与流号一致,该待轧制带钢与上一块轧制带钢同炉同流,轧制该待轧制带钢的辊号与轧制上一块带钢的轧制辊号一致,表明没有换辊,同时,轧制该待轧制带钢与轧制上一块带钢的时间间隔为20分钟小于预设时间间隔为30分钟,此时,确定待轧制带钢的遗传类型为短遗传类型。
第二种情况:如果所述第一权重系数大于或等于预设权重系数;或所述炉号和所述流号与所述上一块带钢炼制的炉号与流号不一致;或所述轧制辊号与轧制所述上一块带钢的轧制辊号不一致;或所述时间间隔大于或等于预设时间间隔,确定所述待轧制带钢的遗传类型为所述长遗传类型。
具体的,在本实施例中,比如:待轧制带钢的第一权重系数为1.6,预设权重系数为1.5。由于第一权重系数1.6大于预设权重系数1.5,可确定该待轧制带钢的遗传类型为所述长遗传类型。
或者,又如:待轧制带钢对应的加热炉的炉号为N1,流号为M1,轧制的上一块带钢炼制的炉号为N2,流号为M2。由于炼制待轧制带钢炉号和流号与炼制上一块带钢的炉号与流号不一致,该待轧制带钢与上一块轧制带钢不同炉也不同流,可确定该待轧制带钢的遗传类型为所述长遗传类型。
或者,又如:轧制待轧制带钢的轧制辊号为Q1,轧制上一块带钢的轧制辊号也为Q2。轧制该待轧制带钢的辊号与轧制上一块带钢的轧制辊号不一致,表明轧制时换辊,可确定该待轧制带钢的遗传类型为所述长遗传类型。
或者,又如:轧制该待轧制带钢与轧制上一块带钢的时间间隔为60分钟,预设时间间隔为30分钟。轧制该待轧制带钢与轧制上一块带钢的时间间隔为大于预设时间间隔,可确定该待轧制带钢的遗传类型为所述长遗传类型。
在具体实施过程中,与短遗传类型的确定条件以及与长遗传类型的确定条件均可根据实际需要进行设定,在此,本申请不做限制。并且,上述第一种情况和第二种情况中的预设权重系数与预设时间间隔均可根据实际需要进行设定,在此,本申请不做限制。
由于在现有技术中,短遗传类型的带钢的轧制力自学习系数只是按照同流同炉原则来进行继承,没有考虑轧制工况的实时变化来进行修正;而长期自学习也仅是只考虑了钢种方面的层别效应,没有考虑设备状态带来的误差,并且继承规则不确定性大,使相同钢种/规格的带钢在每次长遗传继承时偏差过大,波动明显,厚度命中率极低。通过对产线大量轧制数据分析发现:对于短遗传带钢,轧制力偏差大时,头部厚度控制精度一定会很差,将轧制力偏差控制在较小范围内有利于提高头部厚度控制精度;对于长遗传带钢,上下游机架的轧制力偏差均较大,轧制力偏差大于10%的比例能占到20%以上,轧制力预报精度太低,是长遗传带钢厚度控制精度不高的主要原因之一。
进而,在本实施例中,在确定好待轧制带钢的遗传类型后,可以以该遗传类型对应的学习策略确定与待轧制带钢对应的轧制力自学习系数,执行步骤S104或步骤S105,需要说明的是,步骤S104与步骤S105并没有执行的先后顺序。
在步骤S104中,在确定待轧制带钢的遗传类型为短遗传类型时,以短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数,可通过如下步骤实现:
获取距当前时刻最近的轧制的M块短遗传类型的带钢中每块带钢对应的轧制模型的第二权重系数,共计获得M个第二权重系数,M为大于0的整数;
基于所述M个第二权重系数中的最小第二权重系数、所述炉号对应的加热炉的带钢对应的优化继承系数、平滑权重指数,确定与所述待轧制带钢对应的轧制力自学习系数,其中,所述轧制力自学习系数为所述最小第二权重系数与所述平滑权重指数的乘积与剩余权重指数与所述优化继承系数乘积之和,所述平滑权重指数与所述剩余权重指数之和为1,所述平滑权重指数基于历史轧制带钢的设定轧制力与实际轧制力值的标准差设定。
具体的,在本实施例中,如果待轧制带钢为短遗传类型的带钢,在考虑同炉同流影响的基础上,引入根据轧机和实际轧制条件变化的因素,综合影响因素的权重,采用平滑指数的最小权重法来进行轧制力的短遗传继承计算。具体算法实现如下:
首先,获取距当前时刻最近的轧制的M块短遗传类型的带钢中每块带钢对应的轧制模型的第二权重系数,M块短遗传类型的带钢中每块带钢对应的轧制模型的第二权重系数可通过该带钢的宽度、厚度以及终轧温度计算得到,计算公式为k1*H+k2*W+k3*T=δ,其中k1、k2、k3为根据该带钢的钢种确定出的系数,H为厚度,W为宽度,T为终轧温度。这样,可以得到M个第二权重系数。进而,从M个第二权重系数中确定出权重值最小的第二权重系数作为待轧制带钢继承的短遗传带钢的继承系数。
然后,综合考虑温度因素、规格因素和其他轧制工况因素的影响,基于平滑权重指数,对同流同炉的优化继承系数与短遗传带钢的继承系数进行权重分配,确定出该待轧制带钢的轧制力自学习系数为βnew=α·βweight+(1-α)βfurn,其中,βnew为该待轧制带钢的轧制力自学习系数,βweight为最小第二权重系数,βfurn为该待轧制带钢的加热炉对应的优化继承系数,α为平滑权重指数,1-α为剩余权重指数。
在上式中,平滑权重指数α为基于历史轧制带钢的设定轧制力与实际轧制力值的标准差设定。可以是上一块短遗传类型带钢的设定轧制力与轧制力实际值的标准差,还可以是历史P块短遗传类型带钢的设定轧制力与轧制力实际值的标准差中最小的标准差。既考虑相同钢种、相同规格范围的带钢的最小权重继承,又考虑采用相同加热炉继承的综合方法。通过对邻近的若干块同炉同流带钢的厚度跳跃、宽度跳跃、终轧温度跳跃计算权重,将权重最小的带钢作为下块带钢继承的短遗传带钢,其中权重最小的轧制力短遗传继承系数与相同加热炉的轧制力短遗传继承系数使用平滑权重指数进行连接,平滑权重指数的选取又根据钢种、规格、机架等因素,利用轧制力最小标准差的方法来确定。可以有效减少短遗传类型带钢轧制力偏差,提高轧制精度。
在步骤S105中,在确定待轧制带钢的遗传类型为长遗传类型时,以长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数,可通过如下步骤实现:
获取上一块带钢对应的轧制力自学习系数;
获取所述上一块带钢的层别自学习系数;
基于所述上一块带钢的轧制力自学习系数、所述上一块带钢的层别自学习系数与所述上一块带钢的实时学习系数,确定所述待轧制带钢对应的实时学习系数;
基于距当前时刻最近轧制的与所述待轧制带钢钢种相同的长遗传类型的上一块带钢对应的层别自学习系数、所述上一块带钢的层别自学习系数的瞬时值,确定所述待轧制带钢对应的层别学习系数,其中,所述上一块带钢的层别自学习系数的瞬时值为所述上一块带钢对应的轧制力自学习系数除以所述待轧制带钢对应的实时学习系数的商值;
确定所述轧制力自学习系数为所述待轧制带钢对应的实时学习系数与所述待轧制带钢对应的层别学习系数的乘积。
具体的,在本实施例中,如果待轧制带钢为长遗传类型的带钢,根据钢种及厚度、宽度层别的划分,对于相同层别的相同钢种分别引入层别学习和实时学习两个轧制力自学习系数,同时考虑模型本身的误差与设备状态的影响,综合评价后进行长遗传带钢的轧制力继承计算。具体实现方法如下:
首先,将上一块带钢(记为第n块)为计算待轧制带钢(记为第n+1块)的轧制力自学习系数的总的瞬时学习系数α*,因为该系数是通过轧制力实际值与再计算值进行寻优计算得出,已考虑了实际辊缝的变化情况。
然后,通过上一块带钢的轧制力自学习系数与上一块带钢的层别自学习系数,计算上一块带钢的实时学习系数的瞬时值其中,α*为上一块带钢的轧制力自学习系数,αH为上一块带钢的层别自学习系数,αH可根据上一块带钢的钢种、厚度、宽度等属性参数查表获得,α*为轧制上一块带钢前计算得到。
进而,可根据上一块带钢的实时学习系数的瞬时值与上一块带钢的实时学习系数αT(n),确定待轧制带钢对应的实时学习系数为αT(n+1),αT(n+1)的计算公式为:该公式中,αT(n+1)是每块轧制带钢实时更新计算的。βT为实时学习系数的平滑指数,可根据实际工况进行设定,在此,本申请不做限制。
进而,还需要获取距当前时刻最近轧制的与待轧制带钢钢种相同的长遗传类型的上一块带钢对应的层别自学习系数αH(m),上一块带钢的层别自学习系数的瞬时值,确定待轧制带钢对应的层别学习系数。其中,上一块带钢的层别自学习系数的瞬时值与上一块带钢有关,表达式为进而,可基于该上一块带钢的层别自学习系数的瞬时值与距当前时刻最近的轧制的与该待轧制带钢钢种相同的长遗传类型的上一块带钢对应的层别自学习系数αH(m),确定出待轧制带钢对应的层别学习系数αH(n+1),αH(n+1)的表达式为其中,βH为层别学习系数的平滑指数,可根据实际工况进行设定,在此,本申请不做限制。
最终,该待轧制带钢对应的轧制力自学习系数αn+1为待轧制带钢对应的实时学习系数αT(n+1)与待轧制带钢对应的层别学习系数αH(n+1)的乘积,表达式为αn+1=αH(n+1)·αT(n+1)。
进一步,在本实施例中,在计算得到待轧制带钢对应的层别学习系数αH(n+1)后,还需要将所述待轧制带钢的层别自学习系数记录至与所述待轧制带钢对应的模型中。
本实施例中的长遗传类型的待轧制带钢,既考虑了上一批次轧制的相同钢种、相同规格带钢层别学习的影响,又考虑了带钢连续轧制时轧机状态的持续影响,使得即使是同一钢种规格的带钢在若干天后再进行长遗传继承时,能够及时的适应当前设备的实时状态,通过层别自学习系数与实时自学习系数综合确定长遗传带钢的轧制力学习系数,可以有效减少长遗传类型带钢轧制力偏差,提高轧制精度。
本实施例中的轧制力参数自学习方法,通过离线模拟仿真,对于提出的长、短遗传控制方法在实验室进行模拟优化成功的基础上,在产线进行了在线实施,已对29类钢种进行了轧制力短遗传的在线实验及应用,各机架轧制力偏差均有一定程度的改善,尤其下游机架的轧制力偏差改善明显,这对于头部厚度控制精度的提高具有重要作用。对于长遗传带钢,以钢种M4A02为例,连续轧制10块M4A02,其中第1、5、9块为长遗传类型的带钢,将长遗传策略在线实验及应用后,对于第5和第9块带钢,各机架的轧制力偏差均有明显改善。所实验钢种的头部厚度控制精度由优化前的40%左右提高到了70%以上。
请参考图2,本发明第二实施例中的轧制力参数自学习装置,包括:
获取单元201,用于获取待轧制带钢的属性参数,所述属性参数包括所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度、所述待轧制带钢炼制的炉号与流号、轧制所述待轧制带钢的轧制辊号、轧制所述待轧制带钢与轧制上一块带钢的时间间隔;
第一确定单元202,用于基于所述属性参数中包括的所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度,确定所述待轧制带钢对应的轧制模型的第一权重系数;
第二确定单元203,用于基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,所述遗传类型包括长遗传类型和短遗传类型;
第三确定单元204,用于如果所述待轧制带钢的遗传类型为所述短遗传类型,以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数;如果所述待轧制带钢的遗传类型为所述长遗传类型,以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数。
进一步,在本实施例中,所述第二确定单元203用于:
如果所述第一权重系数小于预设权重系数,所述炉号和所述流号与所述上一块带钢炼制的炉号与流号一致,所述轧制辊号与轧制所述上一块带钢的轧制辊号一致,所述时间间隔小于预设时间间隔时,确定所述待轧制带钢的遗传类型为所述短遗传类型;
如果所述第一权重系数大于或等于预设权重系数;或所述炉号和所述流号与所述上一块带钢炼制的炉号与流号不一致;或所述轧制辊号与轧制所述上一块带钢的轧制辊号不一致;或所述时间间隔大于或等于预设时间间隔,确定所述待轧制带钢的遗传类型为所述长遗传类型。
进一步,在本实施例中,所述第三确定单元204用于:
获取距当前时刻最近的轧制的M块短遗传类型的带钢中每块带钢对应的轧制模型的第二权重系数,共计获得M个第二权重系数,M为大于0的整数;
基于所述M个第二权重系数中的最小第二权重系数、所述炉号对应的加热炉的带钢对应的优化继承系数、平滑权重指数,确定与所述待轧制带钢对应的轧制力自学习系数,其中,所述轧制力自学习系数为所述最小第二权重系数与所述平滑权重指数的乘积与剩余权重指数与所述优化继承系数乘积之和,所述平滑权重指数与所述剩余权重指数之和为1,所述平滑权重指数基于历史轧制带钢的设定轧制力与实际轧制力值的标准差设定。
进一步,在本实施例中,所述第三确定单元204用于:
获取上一块带钢对应的轧制力自学习系数;
获取所述上一块带钢的层别自学习系数;
基于所述上一块带钢的轧制力自学习系数、所述上一块带钢的层别自学习系数与所述上一块带钢的实时学习系数,确定所述待轧制带钢对应的实时学习系数;
基于距当前时刻最近轧制的与所述待轧制带钢钢种相同的长遗传类型的上一块带钢对应的层别自学习系数、所述上一块带钢的层别自学习系数的瞬时值,确定所述待轧制带钢对应的层别学习系数,其中,所述上一块带钢的层别自学习系数的瞬时值为所述上一块带钢对应的轧制力自学习系数除以所述待轧制带钢对应的实时学习系数的商值;
确定所述轧制力自学习系数为所述待轧制带钢对应的实时学习系数与所述待轧制带钢对应的层别学习系数的乘积。
进一步,在本实施例中,所述第三确定单元204还用于:
将所述待轧制带钢的层别自学习系数记录至与所述待轧制带钢对应的模型中。
本实施例中的轧制力参数自学习装置进行待轧制带钢的轧制力系数自学习的方式已经在前述第一实施例中的轧制力参数自学习方法中详细描述,在此,本申请不做赘述。
请参考图3,本发明第三实施例中的轧制力参数自学习装置包括处理器301,所述处理器用于执行存储器302中存储的计算机程序时实现如前述第一实施例中的轧制力参数自学习方法。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种轧制力参数自学习方法,其特征在于,所述方法包括:
获取待轧制带钢的属性参数,所述属性参数包括所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度、所述待轧制带钢炼制的炉号与流号、轧制所述待轧制带钢的轧制辊号、轧制所述待轧制带钢与轧制上一块带钢的时间间隔;
基于所述属性参数中包括的所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度,确定所述待轧制带钢对应的轧制模型的第一权重系数;
基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,所述遗传类型包括长遗传类型和短遗传类型;
如果所述待轧制带钢的遗传类型为所述短遗传类型,以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数;
如果所述待轧制带钢的遗传类型为所述长遗传类型,以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数。
2.如权利要求1所述的方法,其特征在于,所述基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,包括:
如果所述第一权重系数小于预设权重系数,所述炉号和所述流号与所述上一块带钢炼制的炉号与流号一致,所述轧制辊号与轧制所述上一块带钢的轧制辊号一致,所述时间间隔小于预设时间间隔时,确定所述待轧制带钢的遗传类型为所述短遗传类型。
3.如权利要求1所述的方法,其特征在于,所述基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,包括:
如果所述第一权重系数大于或等于预设权重系数;或所述炉号和所述流号与所述上一块带钢炼制的炉号与流号不一致;或所述轧制辊号与轧制所述上一块带钢的轧制辊号不一致;或所述时间间隔大于或等于预设时间间隔,确定所述待轧制带钢的遗传类型为所述长遗传类型。
4.如权利要求1所述的方法,其特征在于,所述以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数,包括:
获取距当前时刻最近的轧制的M块短遗传类型的带钢中每块带钢对应的轧制模型的第二权重系数,共计获得M个第二权重系数,M为大于0的整数;
基于所述M个第二权重系数中的最小第二权重系数、所述炉号对应的加热炉的带钢对应的优化继承系数、平滑权重指数,确定与所述待轧制带钢对应的轧制力自学习系数,其中,所述轧制力自学习系数为所述最小第二权重系数与所述平滑权重指数的乘积与剩余权重指数与所述优化继承系数乘积之和,所述平滑权重指数与所述剩余权重指数之和为1,所述平滑权重指数基于历史轧制带钢的设定轧制力与实际轧制力值的标准差设定。
5.如权利要求1所述的方法,其特征在于,所述以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数,包括:
获取上一块带钢对应的轧制力自学习系数;
获取所述上一块带钢的层别自学习系数;
基于所述上一块带钢的轧制力自学习系数、所述上一块带钢的层别自学习系数与所述上一块带钢的实时学习系数,确定所述待轧制带钢对应的实时学习系数;
基于距当前时刻最近轧制的与所述待轧制带钢钢种相同的长遗传类型的上一块带钢对应的层别自学习系数、所述上一块带钢的层别自学习系数的瞬时值,确定所述待轧制带钢对应的层别学习系数,其中,所述上一块带钢的层别自学习系数的瞬时值为所述上一块带钢对应的轧制力自学习系数除以所述待轧制带钢对应的实时学习系数的商值;
确定所述轧制力自学习系数为所述待轧制带钢对应的实时学习系数与所述待轧制带钢对应的层别学习系数的乘积。
6.如权利要求5所述的方法,其特征在于,在所述基于所述上一块带钢的层别自学习系数、所述上一块带钢的层别自学习系数的瞬时值,确定所述待轧制带钢对应的层别学习系数之后,所述方法还包括:
将所述待轧制带钢的层别自学习系数记录至与所述待轧制带钢对应的模型中。
7.一种轧制力参数自学习装置,其特征在于,包括:
获取单元,用于获取待轧制带钢的属性参数,所述属性参数包括所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度、所述待轧制带钢炼制的炉号与流号、轧制所述待轧制带钢的轧制辊号、轧制所述待轧制带钢与轧制上一块带钢的时间间隔;
第一确定单元,用于基于所述属性参数中包括的所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度,确定所述待轧制带钢对应的轧制模型的第一权重系数;
第二确定单元,用于基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔,确定所述待轧制带钢的遗传类型,所述遗传类型包括长遗传类型和短遗传类型;
第三确定单元,用于如果所述待轧制带钢的遗传类型为所述短遗传类型,以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数;如果所述待轧制带钢的遗传类型为所述长遗传类型,以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数。
8.如权利要求7所述的装置,其特征在于,所述第二确定单元用于:
如果所述第一权重系数小于预设权重系数,所述炉号和所述流号与所述上一块带钢炼制的炉号与流号一致,所述轧制辊号与轧制所述上一块带钢的轧制辊号一致,所述时间间隔小于预设时间间隔时,确定所述待轧制带钢的遗传类型为所述短遗传类型;
如果所述第一权重系数大于或等于预设权重系数;或所述炉号和所述流号与所述上一块带钢炼制的炉号与流号不一致;或所述轧制辊号与轧制所述上一块带钢的轧制辊号不一致;或所述时间间隔大于或等于预设时间间隔,确定所述待轧制带钢的遗传类型为所述长遗传类型。
9.如权利要求7所述的装置,其特征在于,所述第三确定单元用于:
获取距当前时刻最近的轧制的M块短遗传类型的带钢中每块带钢对应的轧制模型的第二权重系数,共计获得M个第二权重系数,M为大于0的整数;
基于所述M个第二权重系数中的最小第二权重系数、所述炉号对应的加热炉的带钢对应的优化继承系数、平滑权重指数,确定与所述待轧制带钢对应的轧制力自学习系数,其中,所述轧制力自学习系数为所述最小第二权重系数与所述平滑权重指数的乘积与剩余权重指数与所述优化继承系数乘积之和,所述平滑权重指数与所述剩余权重指数之和为1,所述平滑权重指数基于历史轧制带钢的设定轧制力与实际轧制力值的标准差设定。
10.如权利要求7所述的装置,其特征在于,所述第三确定单元用于:
获取上一块带钢对应的轧制力自学习系数;
获取所述上一块带钢的层别自学习系数;
基于所述上一块带钢的轧制力自学习系数、所述上一块带钢的层别自学习系数与所述上一块带钢的实时学习系数,确定所述待轧制带钢对应的实时学习系数;
基于距当前时刻最近轧制的与所述待轧制带钢钢种相同的长遗传类型的上一块带钢对应的层别自学习系数、所述上一块带钢的层别自学习系数的瞬时值,确定所述待轧制带钢对应的层别学习系数,其中,所述上一块带钢的层别自学习系数的瞬时值为所述上一块带钢对应的轧制力自学习系数除以所述待轧制带钢对应的实时学习系数的商值;
确定所述轧制力自学习系数为所述待轧制带钢对应的实时学习系数与所述待轧制带钢对应的层别学习系数的乘积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187417.1A CN108311544B (zh) | 2018-03-07 | 2018-03-07 | 一种轧制力参数自学习方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187417.1A CN108311544B (zh) | 2018-03-07 | 2018-03-07 | 一种轧制力参数自学习方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108311544A true CN108311544A (zh) | 2018-07-24 |
CN108311544B CN108311544B (zh) | 2019-09-03 |
Family
ID=62901535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810187417.1A Active CN108311544B (zh) | 2018-03-07 | 2018-03-07 | 一种轧制力参数自学习方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108311544B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666653A (zh) * | 2020-05-06 | 2020-09-15 | 北京科技大学 | 一种带钢精轧模型设定精度的在线评判方法 |
CN112439796A (zh) * | 2019-08-30 | 2021-03-05 | 上海梅山钢铁股份有限公司 | 一种基于大数据分析的轧制力自动判定方法 |
CN112692058A (zh) * | 2021-01-07 | 2021-04-23 | 唐山燕山钢铁有限公司 | 控制无取向硅钢厚度稳定性的轧制工艺 |
CN112845617A (zh) * | 2021-01-05 | 2021-05-28 | 武汉钢铁有限公司 | 一种热轧带钢的板型控制方法及装置 |
CN113649420A (zh) * | 2021-07-28 | 2021-11-16 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力获取方法及装置 |
CN114367545A (zh) * | 2021-12-09 | 2022-04-19 | 北京首钢自动化信息技术有限公司 | 一种轧制力的修正方法和装置 |
CN114406013A (zh) * | 2022-01-26 | 2022-04-29 | 北京首钢股份有限公司 | 一种更新粗轧侧压机轧制策略的方法、装置、设备及介质 |
TWI776731B (zh) * | 2021-02-15 | 2022-09-01 | 日商杰富意鋼鐵股份有限公司 | 冷軋機的軋製條件計算方法、冷軋機的軋製條件計算裝置、冷軋方法、冷軋機及鋼板的製造方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08318302A (ja) * | 1995-05-26 | 1996-12-03 | Kobe Steel Ltd | ルーパ異常挙動予測装置 |
CN102455662A (zh) * | 2010-10-26 | 2012-05-16 | 宝山钢铁股份有限公司 | 热轧板带矫直机矫直参数优化设定方法及系统 |
CN103506404A (zh) * | 2012-06-20 | 2014-01-15 | 鞍钢股份有限公司 | 一种带钢精轧过程辊缝的控制方法 |
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 |
-
2018
- 2018-03-07 CN CN201810187417.1A patent/CN108311544B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08318302A (ja) * | 1995-05-26 | 1996-12-03 | Kobe Steel Ltd | ルーパ異常挙動予測装置 |
CN102455662A (zh) * | 2010-10-26 | 2012-05-16 | 宝山钢铁股份有限公司 | 热轧板带矫直机矫直参数优化设定方法及系统 |
CN103506404A (zh) * | 2012-06-20 | 2014-01-15 | 鞍钢股份有限公司 | 一种带钢精轧过程辊缝的控制方法 |
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 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112439796A (zh) * | 2019-08-30 | 2021-03-05 | 上海梅山钢铁股份有限公司 | 一种基于大数据分析的轧制力自动判定方法 |
CN111666653A (zh) * | 2020-05-06 | 2020-09-15 | 北京科技大学 | 一种带钢精轧模型设定精度的在线评判方法 |
CN111666653B (zh) * | 2020-05-06 | 2023-05-30 | 北京科技大学 | 一种带钢精轧模型设定精度的在线评判方法 |
CN112845617A (zh) * | 2021-01-05 | 2021-05-28 | 武汉钢铁有限公司 | 一种热轧带钢的板型控制方法及装置 |
CN112845617B (zh) * | 2021-01-05 | 2022-07-08 | 武汉钢铁有限公司 | 一种热轧带钢的板型控制方法及装置 |
CN112692058A (zh) * | 2021-01-07 | 2021-04-23 | 唐山燕山钢铁有限公司 | 控制无取向硅钢厚度稳定性的轧制工艺 |
TWI776731B (zh) * | 2021-02-15 | 2022-09-01 | 日商杰富意鋼鐵股份有限公司 | 冷軋機的軋製條件計算方法、冷軋機的軋製條件計算裝置、冷軋方法、冷軋機及鋼板的製造方法 |
CN113649420A (zh) * | 2021-07-28 | 2021-11-16 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力获取方法及装置 |
CN113649420B (zh) * | 2021-07-28 | 2023-10-24 | 首钢京唐钢铁联合有限责任公司 | 一种平整机轧制力获取方法及装置 |
CN114367545A (zh) * | 2021-12-09 | 2022-04-19 | 北京首钢自动化信息技术有限公司 | 一种轧制力的修正方法和装置 |
CN114367545B (zh) * | 2021-12-09 | 2023-09-08 | 北京首钢自动化信息技术有限公司 | 一种轧制力的修正方法和装置 |
CN114406013A (zh) * | 2022-01-26 | 2022-04-29 | 北京首钢股份有限公司 | 一种更新粗轧侧压机轧制策略的方法、装置、设备及介质 |
CN114406013B (zh) * | 2022-01-26 | 2023-09-22 | 北京首钢股份有限公司 | 一种更新粗轧侧压机轧制策略的方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108311544B (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108311544B (zh) | 一种轧制力参数自学习方法及装置 | |
CN106660090B (zh) | 轧制模拟装置 | |
WO2008012881A1 (fr) | Appareil de contrôle de matériaux et de prévision de matériaux pour ligne de laminage | |
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 | |
CN107931329B (zh) | 一种改善csp双流换规格轧制力模型精度的控制方法 | |
CN102540879A (zh) | 基于群决策检索策略的多目标评价优化方法 | |
CN104874613B (zh) | 通过轧机速度补偿实现热连轧机架间秒流量平衡的方法 | |
CN108655186A (zh) | 基于人工神经网络与数学模型的轧制力预设定方法 | |
CN115121626B (zh) | 一种基于误差补偿的热轧带钢瞬态热辊型预报方法 | |
CN104657602A (zh) | 一种热连轧生产过程中带钢厚度预测方法及系统 | |
CN104050380A (zh) | 一种基于Adaboost-PLS-ELM的LF炉终点温度预报方法 | |
WO2021014782A1 (ja) | 学習モデル生成方法、学習モデル生成装置、高炉の溶銑温度制御方法、高炉の溶銑温度制御ガイダンス方法、及び溶銑の製造方法 | |
JP7135962B2 (ja) | 鋼板の仕上出側温度制御方法、鋼板の仕上出側温度制御装置、及び鋼板の製造方法 | |
CN107151727A (zh) | 一种变生产节奏下的加热炉炉温设定方法 | |
CN106345818A (zh) | 一种特殊用钢的板形控制方法 | |
Dian-yao et al. | Self-learning and its application to laminar cooling model of hot rolled strip | |
CN105385843B (zh) | 一种基于段末温度的热轧板坯加热控制方法 | |
CN102636989B (zh) | 无钟高炉料线深度调节的数据驱动pid控制器设计方法 | |
KR100841888B1 (ko) | 압연 라인의 재질 예측 및 재질 제어 장치 | |
CN102581028B (zh) | 一种控制带钢热轧成型工艺的硬度补偿方法 | |
CN109522677A (zh) | 一种用于热轧带钢温度控制的带钢横断面分层计算的方法 | |
CN1094983C (zh) | 确定和控制连铸板坯材料流程的方法 | |
KR20190136571A (ko) | 전기 강판의 철손 저감 예측 장치 | |
CN102393628A (zh) | 基于模型简化与预报误差校正的dmc工程化方法 | |
JP6772918B2 (ja) | 圧延制御方法、圧延制御装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |