CN109255496A - 基于钢坯称重系统三冲量双模型回归预测模型建立方法 - Google Patents
基于钢坯称重系统三冲量双模型回归预测模型建立方法 Download PDFInfo
- Publication number
- CN109255496A CN109255496A CN201811168479.4A CN201811168479A CN109255496A CN 109255496 A CN109255496 A CN 109255496A CN 201811168479 A CN201811168479 A CN 201811168479A CN 109255496 A CN109255496 A CN 109255496A
- Authority
- CN
- China
- Prior art keywords
- steel billet
- prediction model
- weighing
- impulses
- regulated quantity
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000009977 dual effect Effects 0.000 title claims abstract description 20
- 230000001373 regressive effect Effects 0.000 title claims abstract description 20
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 59
- 239000010959 steel Substances 0.000 claims abstract description 59
- 230000001105 regulatory effect Effects 0.000 claims abstract description 35
- 238000005303 weighing Methods 0.000 claims abstract description 20
- 238000005520 cutting process Methods 0.000 claims abstract description 13
- 238000012795 verification Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 230000010152 pollination Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000011084 recovery Methods 0.000 abstract description 3
- 239000002994 raw material Substances 0.000 abstract description 2
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000005266 casting Methods 0.000 description 2
- 238000009749 continuous casting Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Metal Rolling (AREA)
- Continuous Casting (AREA)
Abstract
基于钢坯称重系统三冲量双模型回归预测模型建立方法,属于切割控制方法领域,其特征在于包括如下步骤:获取拉速、重量、长度三冲量建立钢坯定重预测模型;钢坯到达完成称重,输出称重信号;读取称重信号进行检测,输出调节量;进入钢坯定重预测模型校验;通过检验,根据调节量修正调节,使钢坯送达设定位置;发出切割信号,实施切割。在钢坯到达称重系统通过完成称重,输出称重信号;读取称重信号进行检测,输出调节量;通过建立钢坯切割预测方法的使用,使得钢坯在加工生产过程中节约轧材原料,降低损耗、节省了人力成本,同时提高轧材成材率,提高了钢坯切割的智能化程度。
Description
技术领域
本发明属于切割控制方法领域,尤其涉及一种基于钢坯称重系统三冲量双模型回归预测模型建立方法。
背景技术
在连铸生产过程中,钢水通过冷却、矫直等工序,得到钢坯。钢坯一般会根据工艺要求制成母坯,并根据需要对其进行进一步的切割,生成子坯,通过对切割下来的子坯进行加工和铸造等工序,才能最终得到人们所需的成品。
对提高棒材工序成材率为目标的控制策略和方法的研究一直是冶金自动化领域研究的热点,因此在炼钢环节实现钢坯定重的精确和有效控制,有着重要的意义。钢坯定重切割控制的难点和重点在于浇铸过程是受随机因素干扰的、具有大惯性、纯滞后的非线性过程,因而很难用简单方法建立其精确模型,且采用现有方法对钢坯进行定尺切割时,时常会导致切割出的钢坯重量与实际所需的重量相差较大,大大降低了钢坯轧制的成才率。
发明内容
本发明旨在解决上述问题,提供一种基于钢坯称重系统三冲量双模型回归预测模型建立方法。
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,包括如下步骤:
获取拉速、重量、长度三冲量建立钢坯定重预测模型;
钢坯到达完成称重,输出称重信号;
读取称重信号进行检测,输出调节量;
进入钢坯定重预测模型校验;通过检验,根据调节量修正调节,使钢坯送达设定位置;
发出切割信号,实施切割。
钢坯通过切割系统中的称重系统完成称重,同时将称重信号发送至根据拉速、重量、长度三冲量建立的钢坯定重预测模型进行校验并修正调节,最终送达设定位置进行切割。
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,所述称重信号经检测,未超出设定的合格范围,则调节量为0;若超出设定的合格范围,计算应该的调节量并根据单次和总共最大调节量修正当前调节量。
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,所述调节量通过钢坯定重预测模型校验,根据调节量累计调整修正值,同时记录称重和调节信息;通过调节量累计调整修正值以此提高调节量的准确度,从而提高钢坯的切割精准度。
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,所述长度的测量采用图像测量法。
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,所述钢坯定重预测模型为支持向量机(SVM)回归预测模型。
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,获取拉速、重量、长度三冲量建立钢坯定重预测模型;在钢坯到达称重系统通过完成称重,输出称重信号;读取称重信号进行检测,输出调节量;进入钢坯定重预测模型校验;通过检验,根据调节量修正调节,使钢坯送达设定位置;发出切割信号,实施切割;通过建立钢坯切割预测方法的使用,使得钢坯在加工生产过程中节约轧材原料,降低损耗、节省了人力成本,同时提高轧材成材率,提高了钢坯切割的智能化程度。
附图说明
图1为本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法流程示意图。
具体实施方式
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,包括如下步骤:
1)获取拉速、重量、长度三冲量建立钢坯定重预测模型;
2)钢坯到达完成称重,输出称重信号;
3)读取称重信号进行检测,输出调节量;
4)进入钢坯定重预测模型校验;通过检验,根据调节量修正调节,使钢坯送达设定位置;
5)发出切割信号,实施切割。
通过在连铸钢坯称重系统以拉速和钢坯长度作为输入特征量,同时钢坯通过切割系统中的称重系统完成称重,同时将称重信号发送至根据拉速、重量、长度三冲量建立的钢坯支持向量机(SVM)回归预测模型,对钢坯重量进行预测,其采集了每根钢坯的拉速、重量及长度数据组成训练样本及测试样本;进行校验并修正调节,最终送达设定位置进行切割。
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,所述称重信号经检测,未超出设定的合格范围,则调节量为0;若超出设定的合格范围,计算应该的调节量并根据单次和总共最大调节量修正当前调节量。所述调节量通过钢坯定重预测模型校验,根据调节量累计调整修正值,同时记录称重和调节信息;通过调节量累计调整修正值以此提高调节量的准确度,从而提高钢坯的切割精准度。所述长度的测量采用图像测量法。
如图1所示,再通过拉速、重量、长度三冲量参与建立钢坯定重预测模型后,钢坯进入到称重系统机型称重,读取称重信号得到实际重量,判断重量是否超过合格范围;若没有超过合格范围,则调节量为0;若超出合格范围,则计算应该的调节量并且根据单次和总共最大调节量修正当前调节量;之后进入钢坯定重预测模型数据库进行校验;未通过检验,返回上一步骤再次进行调节;通过检验,根据调节量累计调整修正值,使得设定位置按照需要变化调整,同时记录称重和调节信息;检测校验结束后,将钢坯送达设定位置,发出切割信号实施切割。
本发明所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,从大系统的角度对钢坯重量控制的特性分析;采用机理分析建立钢坯定重控制模型,提出用“拉速+重量+长度”三冲量参与控制建立钢坯定重预测模型的主要方法,从建模的难度、算法的收敛性、实时性和模型的自适应性等多个方面进行了分析。
根据长度、拉速与重量分布与变化的对应特点,提出以优化钢坯长度曲线来逆推重量的新方法。对钢坯重量优化模型中目标函数及约束条件的确定进行分析,更全面地兼顾了钢坯精确控制,使设计要求更符合生产目标;在分散控制的基础上,分析系统中各扰动量影响,提出以“拉速、重量及长度”作为关联变量构成递阶控制,增强了模型的自适应性和控制实时性。
上述实施例给出了一个有限范围的实例对本发明专利作了说明,不能认定本发明专利的实施方式仅限于此,对于本发明专利所属技术领域的普通技术人员来说,凡根据本发明专利精神实质所作的任何简单修改及等效结构变换或修饰,均属于本发明专利所提交的权利要求书确定的保护范围。
Claims (5)
1.基于钢坯称重系统三冲量双模型回归预测模型建立方法,其特征在于包括如下步骤:
获取拉速、重量、长度三冲量建立钢坯定重预测模型;
钢坯到达完成称重,输出称重信号;
读取称重信号进行检测,输出调节量;
进入钢坯定重预测模型校验;通过检验,根据调节量修正调节,使钢坯送达设定位置;
发出切割信号,实施切割。
2.根据权利要求1所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,其特征在于:所述称重信号经检测,未超出设定的合格范围,则调节量为0;若超出设定的合格范围,计算应该的调节量并根据单次和总共最大调节量修正当前调节量。
3.根据权利要求2所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,其特征在于:所述调节量通过钢坯定重预测模型校验,根据调节量累计调整修正值,同时记录称重和调节信息。
4.根据权利要求1或3所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,其特征在于:所述长度的测量采用图像测量法。
5.根据权利要求4所述基于钢坯称重系统三冲量双模型回归预测模型建立方法,其特征在于:所述钢坯定重预测模型为支持向量机回归预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811168479.4A CN109255496A (zh) | 2018-10-08 | 2018-10-08 | 基于钢坯称重系统三冲量双模型回归预测模型建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811168479.4A CN109255496A (zh) | 2018-10-08 | 2018-10-08 | 基于钢坯称重系统三冲量双模型回归预测模型建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109255496A true CN109255496A (zh) | 2019-01-22 |
Family
ID=65045500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811168479.4A Pending CN109255496A (zh) | 2018-10-08 | 2018-10-08 | 基于钢坯称重系统三冲量双模型回归预测模型建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255496A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022063532A1 (de) * | 2020-09-25 | 2022-03-31 | Schenck Process Europe Gmbh | Verfahren zur berechnung von schüttgutfördermengen oder schüttgutbeladungen einer schwingmaschine |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104117648A (zh) * | 2014-06-25 | 2014-10-29 | 中冶连铸技术工程有限责任公司 | 一种多流多定尺连铸坯在线定尺称重系统 |
CN104128580A (zh) * | 2014-07-17 | 2014-11-05 | 中冶连铸技术工程有限责任公司 | 一种连铸坯定尺定重故障预警的方法和系统 |
CN106799406A (zh) * | 2016-12-06 | 2017-06-06 | 山东朋海节能科技有限公司 | 棒型钢材全定尺智能控制系统及定尺控制方法 |
CN108009687A (zh) * | 2017-12-15 | 2018-05-08 | 华北理工大学 | 提高钢坯定重切割精度的预测方法 |
-
2018
- 2018-10-08 CN CN201811168479.4A patent/CN109255496A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104117648A (zh) * | 2014-06-25 | 2014-10-29 | 中冶连铸技术工程有限责任公司 | 一种多流多定尺连铸坯在线定尺称重系统 |
CN104128580A (zh) * | 2014-07-17 | 2014-11-05 | 中冶连铸技术工程有限责任公司 | 一种连铸坯定尺定重故障预警的方法和系统 |
CN106799406A (zh) * | 2016-12-06 | 2017-06-06 | 山东朋海节能科技有限公司 | 棒型钢材全定尺智能控制系统及定尺控制方法 |
CN108009687A (zh) * | 2017-12-15 | 2018-05-08 | 华北理工大学 | 提高钢坯定重切割精度的预测方法 |
Non-Patent Citations (1)
Title |
---|
陈至坤 等: "基于拉速的钢坯重量SVM回归预测", 《自动控制与检测》, pages 48 - 51 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022063532A1 (de) * | 2020-09-25 | 2022-03-31 | Schenck Process Europe Gmbh | Verfahren zur berechnung von schüttgutfördermengen oder schüttgutbeladungen einer schwingmaschine |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108804784A (zh) | 一种基于贝叶斯高斯混合模型的即时学习软测量建模方法 | |
CN106345823B (zh) | 基于热轧钢卷生产流程的在线实时预测机械性能的方法 | |
CN106799406B (zh) | 棒型钢材全定尺智能控制系统及定尺控制方法 | |
CN107346460B (zh) | 基于智能网联系统下前车运行信息的未来工况预测方法 | |
CN110346844A (zh) | Nriet基于云分类和机器学习的定量降水估测方法 | |
CN104517162B (zh) | 一种连续退火产品硬度在线集成学习预报方法 | |
CN104846306B (zh) | 一种镀锌厚度控制系统及方法 | |
CN108311544B (zh) | 一种轧制力参数自学习方法及装置 | |
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 | |
CN107728138A (zh) | 一种基于当前统计模型的机动目标跟踪方法 | |
CN112418538A (zh) | 一种基于随机森林分类的连铸坯夹杂预测方法 | |
CN109226282B (zh) | 一种基于物联网的钢板在线固溶的轧后快速冷却方法 | |
CN108303672B (zh) | 基于位置指纹的wlan室内定位误差修正方法及系统 | |
US20220309393A1 (en) | Cloud-edge collaboration forecasting system and method for aluminum oxide production indexes | |
CN109014105A (zh) | 一种基于神经网络方法进行连铸坯定重的工艺设施和方法 | |
CN109657878A (zh) | 一种空调负荷预测方法及装置 | |
CN104070083A (zh) | 一种基于集成pca-elm穿孔机导盘转速测量方法 | |
CN114994261A (zh) | 环境空气监测的传感器远程校准方法 | |
CN109255496A (zh) | 基于钢坯称重系统三冲量双模型回归预测模型建立方法 | |
CN115860211A (zh) | 一种基于局部在线建模的铸坯质量预测方法 | |
CN103889053B (zh) | 一种自生长式的指纹图自主建立方法 | |
CN105631231B (zh) | 一种对热轧过程温度实测值进行修正的方法 | |
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 | |
CN111814402B (zh) | 一种加热炉炉温控制方法 | |
CN105005670B (zh) | 一种铅锌烧结块的成分预测方法 |
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 |