CN109675931B - 一种板形调控功效系数自学习方法及系统 - Google Patents

一种板形调控功效系数自学习方法及系统 Download PDF

Info

Publication number
CN109675931B
CN109675931B CN201910072159.7A CN201910072159A CN109675931B CN 109675931 B CN109675931 B CN 109675931B CN 201910072159 A CN201910072159 A CN 201910072159A CN 109675931 B CN109675931 B CN 109675931B
Authority
CN
China
Prior art keywords
coefficient
node
learning
strip
plate shape
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
CN201910072159.7A
Other languages
English (en)
Other versions
CN109675931A (zh
Inventor
王鹏飞
王海峰
段树威
颜廷强
张智杰
刘宏民
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.)
Qidong Binhua Water Supply Co ltd
Shaoxing Diaishi Machinery Design Co ltd
Original Assignee
Yanshan University
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 Yanshan University filed Critical Yanshan University
Priority to CN201910072159.7A priority Critical patent/CN109675931B/zh
Publication of CN109675931A publication Critical patent/CN109675931A/zh
Application granted granted Critical
Publication of CN109675931B publication Critical patent/CN109675931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B21B37/28—Control of flatness or profile during rolling of strip, sheets or plates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21B—ROLLING OF METAL
    • B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
    • B21B38/04—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product for measuring thickness, width, diameter or other transverse dimensions of the product

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

本发明公开一种板形调控功效系数自学习方法及系统，方法包括：获取结点；获取实测点；根据实测点和结点的参数确定实测点和结点之间的距离；根据实测点和结点之间的距离确定实测点周围各结点所对应的比重；根据比重确定所有结点的比重和；根据比重和比重和确定各结点的权重；根据权重确定实测点理论板形调控功效系数；根据板形功效系数确定所述实测点理论板形调控功效系数与实际板形调控功效偏差的绝对值；根据偏差的绝对值判断是否结束学习，如学习未结束，则根据偏差绝对值和权重确定自学习系数；根据自学习系数采用平滑指数法得到优化后的板形调控功效系数。本发明中的上述方法能够提高板形控制精度，减小板形偏差。

Description

一种板形调控功效系数自学习方法及系统
技术领域
本发明涉及自学习领域，特别是涉及一种板形调控功效系数自学习方法系统。
背景技术
为了获得满足客户要求的高精度带钢，现代冷连轧机通常具备多种板形调节手段，如轧辊倾斜、工作辊弯辊、中间辊弯辊、中间辊横移和分段冷却等。而在实际应用中，需要综合运用各种板形调节手段，通过各自调节效果的相互配合达到最大化消除偏差的目的。因此，板形控制的前提是对各种板形调节手段的调控性能进行准确的量化。随着工程计算及检测手段的快速发展，利用板形调控功效系数来描述冷轧机的调控性能已经成为可能。板形调控功效作为板形控制系统的基础，是板形调节机构对板形影响规律的量化描述。
由于各板形调节机构对板形的影响很复杂，且它们之间互相影响，很难通过传统的辊系弹性变形理论以及轧件三维变形理论来精确的求解各板形调节机构的调控功效系数。目前板形调控功效系数基本上都是通过有限元仿真计算和轧机实验两种方法确定，轧机试验无法对所有规格进行试验，而有限元计算的时间较长，且在实际轧制过程中，调控功效系数还受许多轧制参数的影响，如带钢宽度、带钢厚度和轧制力等。不同规格的带钢对应的板形调控功效也有差别，因而轧机实验和离线模型计算的结果和实际生产中带钢规格的参数变化并不一定完全匹配，无法满足高精度板形控制的要求，因此如何获得和实际情况匹配的板形调控功效系数是个重点。使用自学习模型可以获得与当前时刻轧机情况和带钢规格相匹配的板形调控功效系数，然后将其应用于闭环板形控制系统中，可以提高板形控制精度，最大化减小板形偏差，获得高精度的带钢。
发明内容
本发明的目的是提供一种板形调控功效系数自学习方法，提高板形控制精度，减小板形偏差。
为实现上述目的，本发明提供了如下方案：
一种板形调控功效系数自学习方法，所述方法包括：
获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的先验值，以所述先验值作为结点；
获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值，以所述实测值作为实测点；
根据所述实测点和所述结点分别对应的带钢宽度、带钢厚度和带钢轧制力参数确定所述实测点和所述结点之间的距离；
根据所述实测点和所述结点之间的距离确定所述实测点周围各结点所对应的比重；
根据所述各结点所对应的比重确定所有所述结点的比重和；
根据所述比重和所述比重和确定各所述结点的权重；
根据所述权重确定实测点理论板形调控功效系数；
根据所述实测点理论板形调控功效系数确定所述实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值；
根据所述偏差判断学习是否结束，得到第一判断结果；
若第一判断结果表示学习没有结束时，重新获取下一个点带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值；
若第一判断结果表示学习结束，则不再获取实测点的板形调控功效系数，结束学习；
根据所述偏差的绝对值和权重确定自学习系数，
根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数。
可选的，根据所述实测点和所述结点分别对应的带钢宽度、带钢厚度和带钢轧制力参数确定所述实测点和所述结点之间的距离具体采用以下公式：
Figure GDA0002359110450000021
其中，d表示实测点和结点之间的距离，Win表示实测点对应的带钢宽度，Wnode表示结点对应的带钢宽度，Hin表示实测点对应的带钢厚度，Hnode表示结点对应的带钢厚度，Rin表示实测点对应的带钢轧制力，Rnode表示结点对应的带钢轧制力。
可选的，所述根据所述实测点和所述结点之间的距离确定所述实测点周围各结点所对应的比重具体采用以下公式：
Figure GDA0002359110450000031
r(d)表示实测点与结点距离为d时所对应的概率比重，σ表示标准差，d表示实测点和结点之间的距离。
可选的，所述根据所述各结点所对应的比重确定所有所述结点的比重和具体采用以下公式：
Figure GDA0002359110450000032
其中，rz表示所有结点比重和，k表示实测点周围分布的结点个数，ri表示第i个结点所对应的比重。
可选的，所述根据所述比重和所述比重和确定各所述结点的权重具体采用以下公式：
Figure GDA0002359110450000033
其中，Ri表示第i个结点对应的权重因子，rz表示所有结点比重和，ri表示第i个结点所对应的比重。
可选的，所述根据所述权重确定实测点理论板形调控功效系数具体采用以下公式：
Figure GDA0002359110450000034
Effo表示实测点理论板形调控功效系数，Effi表示第i个结点所对应的板形调控功效系数，Ri表示第i个结点对应的权重因子。
根据求得理论板形调控功效系数与实际板形调控功效系数确定偏差的绝对值，如下式所示：
ΔEff＝|Effin-Effo|，式中：△Eff为实测板形调控功效与理论板形调控功效系数偏差的绝对值向量，其中包括n个板形调控偏差的绝对值的数值，分别用△Eff1、△Eff2…△Effi…△Effn表示；Effin为实测点的板形调控功效系数向量。
可选的，根据所述偏差判断学习是否结束具体包括：
判断所述绝对值是否小于等于结束条件，
Figure GDA0002359110450000041
其中n表示板宽方向上设定的分布点，ΔEffj表示板宽方向上第j个点的理论板形调控功效系数与实际板形调控功效系数偏差的绝对值，ε为结束条件。
可选的，根据所述偏差的绝对值和权重确定自学习系数具体采用以下公式：
λ＝λ1·λ2·λ3，其中，
Figure GDA0002359110450000042
0＜λ3＜1，a表示分割点，ΔEff表示实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值，为自学习系数；Ri表示第i个结点对应的权重因子。
可选的，根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数具体采用以下公式：
Effnew＝(1-λ)·Effold+λ·Effin，其中，Effnew表示学习后的结点处板形调控功效系数，Effold表示学习前的结点处板形调控功效系数，Effin表示实测板形调控功效系数。
本发明另外提供一种板形调控功效系数自学习系统，所述系统包括：
结点获取模块，用于获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的先验值，以所述先验值作为结点；
实测点获取模块，用于获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值，以所述实测值作为实测点；
距离确定模块，用于根据所述实测点和所述结点分别对应的带钢宽度、带钢厚度和带钢轧制力参数确定所述实测点和所述结点之间的距离；
比重确定模块，用于根据所述实测点和所述结点之间的距离确定所述实测点周围各结点所对应的比重；
比重和确定模块，用于根据所述各结点所对应的比重确定所有所述结点的比重和；
权重确定模块，用于根据所述比重和所述比重和确定各所述结点的权重；
功效系数确定模块，用于根据所述权重确定实测点理论板形调控功效系数；
绝对值确定模块，用于根据所述实测点理论板形调控功效系数确定所述实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值；
判断模块，用于根据所述偏差判断学习是否结束，得到第一判断结果；
循环模块，用于当第一判断结果表示学习没有结束时，重新获取下一个点带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值；
结束模块，用于当第一判断结果表示学习结束，则不再获取实测点的板形调控功效系数，结束学习；
自学习系数确定模块，则根据所述绝对值和权重确定自学习系数；
优化模块，用于根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明中建立了一种基于带钢规格的三维板形调控功效系数模型，提出了基于正态分布函数来确定不同节点学习权重的方法，通过多种参数共同确定自学习系数。相比于轧机试验和有限元计算，本发明中的学习方法的结果更经济、准确，且编程比较简单，可以嵌入板形控制系统实现在线学习。并且在实际应用中，冷轧带钢产品具有较高的板形精度，完全满足高精度板形控制的要求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例板形调控功效系数自学习方法流程图；
图2为本发明实施例结点处板形调控功效系数折线图；
图3为本发明实施例三维板形调控功效系数模型图；
图4为本发明实施例σ＝0.6时的正态分布曲线图；
图5为本发明实施例确定系数λ1的分段函数曲线图；
图6为本发明实施例跳变点剔除示意图；
图7为本发明实施例转折点整合计算示意图；
图8为本发明实施例实测板形调控功效系数与学习值得对比折线图；
图9为本发明实施例闭环控制系统投入后PDA记录的板形实测值折线图；
图10为本发明实施例板形调控功效系数自学习系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种板形调控功效系数自学习方法，提高板形控制精度，减小板形偏差。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例板形调控功效系数自学习方法流程图，如图1所示，所述方法包括：
步骤101：获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的先验值，以所述先验值作为结点；
步骤102：获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值，以所述实测值作为实测点；
步骤103：根据所述实测点和所述结点的宽度、厚度和轧制力参数确定所述实测点和所述结点之间的距离；
步骤104：根据所述实测点和所述结点之间的距离确定所述实测点周围各结点所对应的比重；
步骤105：根据所述各结点所对应的比重确定所有所述结点的比重和；
步骤106：根据所述比重和所述比重和确定各所述结点的权重；
步骤107：根据所述权重确定实测点理论板形调控功效系数；
步骤108：根据所述实测点理论板形调控功效系数确定所述实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值；
步骤109：根据所述偏差判断学习是否结束，得到第一判断结果；
步骤110：若第一判断结果表示学习没有结束时，重新获取下一个点带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值；若第一判断结果表示学习结束，则不再获取实测点的板形调控功效系数，结束学习；
步骤111：根据所述偏差的绝对值和权重确定自学习系数；
步骤112：根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数。
具体的，步骤101和步骤102中，轧机调试时，选择几种不同规格的带钢进行轧制，将每一组带钢宽度、带钢厚度和轧制力参数作为一个结点，得到若干个结点处的板形调控功效系数的先验值后，将这若干个不同的结点做成表格，然后以文件的形式保存下来。每个结点都对应一个二维的先验板形功效系数矩阵。图2为本发明实施例结点处板形调控功效系数折线图，如图2所示，图中中结点参数有三类，即带钢宽度、带钢厚度和实测轧制力；根据三个参数建立三维板形调控功效系数矩阵。图3为本发明实施例三维板形调控功效系数模型图，如图3所示，每个结点的值都是一个n×m矩阵，表示在这个工作点下的板形调控功效系数；n为板宽方向上设定的分布点，一般设定为20；m为板形调控手段的数目，轧制力波动对板形的影响也以调控功效系数表示，m值设定为5。
各结点在轧机调试时得到的初值就是板形调控功效系数的先验值，由于只是通过一组实测板形数据确定的，因此这些先验值并不精确。为了得到精确的板形调控功效系数，使之更接近于轧制过程的实际情况，需要根据实测板形调控功效来不断地提高这些先验值的精确度。
在轧机开始生产时，记录实际轧制时的带钢宽度、带钢厚度和实测轧制力，以及此种规格下的二维板形调控功效系数矩阵，将其作为学习开始时的输入数据。
具体的步骤103中，所述根据所述实测点和所述结点确定所述实测点和所述结点之间的距离具体采用以下公式：
Figure GDA0002359110450000071
其中，d表示实测点和结点之间的距离，Win表示实测点对应的带钢宽度，Wnode表示结点对应的带钢宽度，Hin表示实测点对应的带钢厚度，Hnode表示结点对应的带钢厚度，Rin表示实测点对应的轧制力，Rnode表示结点对应的轧制力。
具体的，步骤104中，图4为本发明实施例σ＝0.6时的正态分布曲线图，如图4所示，当节点与实测点的距离较接近时，结点处的板形调控功效系数于实测点出的越接近，所占比重越大，在学习时要求其学习速度越快。因此使用正态分布函数求得实测点周围各个结点所对应的比重，具体公式如下：
Figure GDA0002359110450000081
r(d)表示实测点与结点距离为d时所对应的概率比重，σ表示标准差，d表示实测点和结点之间的距离。
为了给实测点周围各个结点分配合适的权重，首先确定结点间的最大距离dmax，然后求得d；如式所示：
Figure GDA0002359110450000082
将d和r(d)＝0.5带入正态分布函数公式，来确定合适的σ值。
具体的，步骤105中，所述根据所述各结点所对应的比重确定所有所述结点的比重和具体采用以下公式：
Figure GDA0002359110450000083
其中，rz表示所有结点比重和，k表示实测点周围分布的结点个数，ri表示第i个结点所对应的比重。
具体的，步骤106中，所述根据所述比重和所述比重和确定各所述结点的权重具体采用以下公式：
Figure GDA0002359110450000084
其中，Ri表示第i个结点所占的权重因子，rz表示所有结点比重和，ri表示第i个结点所对应的比重。
具体的，步骤107中，所述根据所述权重确定实测点理论板形调控功效系数具体采用以下公式：
Figure GDA0002359110450000085
Effo表示实测点理论板形调控功效系数，Effi表示第i个结点所对应的板形调控系数，Ri表示第i个结点对应的权重因子。
具体的，步骤108中，根据所述实测点理论板形调控功效系数确定所述实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值，具体采用以下公式：
ΔEff＝|Effin-Effo|
式中：ΔEff为实测板形调控功效与理论板形调控功效系数偏差的绝对值向量，其中包括n个板形调控偏差的绝对值的数值，分别用ΔEff1、ΔEff2……ΔEffi……ΔEffn，Effin为实测点的板形调控功效系数向量。
具体的，步骤109中，所述根据所述偏差判断学习是否结束具体包括：
判断所述绝对值是否小于等于结束条件，
Figure GDA0002359110450000091
其中n表示板宽方向上设定的分布点，ΔEffj表示板宽方向上第j个点的理论板形调控功效系数与实际板形调控功效系数偏差的绝对值，ε为学习结束的条件取值为0.0001。
具体的步骤112中，所述获取自学习系数具体采用以下公式：
图5为本发明实施例确定系数λ1的分段函数曲线图，如图5所示，λ＝λ1·λ2·λ3，其中，
Figure GDA0002359110450000092
进一步的，
Figure GDA0002359110450000093
0＜λ3＜1，a表示分割点，ΔEff表示实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值。
具体的，步骤113中，根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数具体采用以下公式：
Effnew＝(1-λ)·Effold+λ·Effin，其中，Effnew表示学习后的结点处板形调控功效系数，Effold表示学习前的结点处板形调控功效系数，Effin表示实测板形调控功效系数。
图6为本发明实施例跳变点剔除示意图，如图6所示，在对输入数据进行处理时，如发现有跳变点，剔除掉不符合变化规律的跳变点，在自学习即将结束时可能会碰到转折点，图7为本发明实施例转折点整合计算示意图，如图7所示，对转折点附近的数据做求和处理；使四组数据整合成一个点作为一个输入点。
图8为本发明实施例实测板形调控功效系数与学习值得对比折线图，如图8所示，图8为实际轧制过程中，某一工作点处的一组由学习后的功效系数自学习模型计算得到的工作辊弯辊和轧辊倾斜的调控功效系数曲线，以及通过该工作点处的实测板形数据计算得到的调控功效系数曲线。由图中数据分析可知，模型计算值与实测值基本一致，板形调控功效系数自学习模型的计算结果是准确的。
图9本发明实施例闭环控制系统投入后PDA记录的板形偏差均方差的折线图，如图9所示，图9为轧制过程中，模型投入前后，末道次带钢的一组沿带钢轧制长度方向上的板形测量值分布图。图中虚线前为基于现有调控功效系数的闭环控制系统的控制效果，虚线后为基于自学习的板形调控功效系数的闭环控制系统的控制效果。基于自学习调控功效的板形闭环控制模型投入后，板形偏差得到了很好的改善，沿带钢长度方向上的横断面测量段平均偏差控制在2I左右，具有较高的板形控制精度。
图10为本发明实施例板形调控功效系数自学习系统，所述系统包括：
结点获取模块201，用于获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的先验值，以所述先验值作为结点；
实测点获取模块202，用于获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值，以所述实测值作为实测点；
距离确定模块203，用于根据所述实测点和所述结点的宽度、厚度和轧制力参数确定所述实测点和所述结点之间的距离；
比重确定模块204，用于根据所述实测点和所述结点之间的距离确定所述实测点周围各结点所对应的比重；
比重和确定模块205，用于根据所述各结点所对应的比重确定所有所述结点的比重和；
权重确定模块206，用于根据所述比重和所述比重和确定各所述结点的权重；
功效系数确定模块207，用于根据所述权重确定实测点理论板形调控功效系数；
绝对值确定模块208，用于根据所述实测点理论板形调控功效系数确定所述实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值；
判断模块209，用于根据所述偏差判断学习是否结束，得到第一判断结果；
循环模块210，用于当第一判断结果表示学习没有结束时，重新获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值；结束模块211，用于当第一判断结果表示学习结束，则不再获取实测点的板形调控功效系数，结束学习；
自学习系数确定模块212，则根据所述绝对值和权重确定自学习系数；
优化模块213，用于根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种板形调控功效系数自学习方法，其特征在于，所述方法包括：
获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的先验值，以所述先验值作为结点；
获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值，以所述实测值作为实测点；
根据所述实测点和所述结点分别对应的带钢宽度、带钢厚度和带钢轧制力参数确定所述实测点和所述结点之间的距离；
根据所述实测点和所述结点之间的距离确定所述实测点周围各结点所对应的比重；
根据所述各结点所对应的比重确定所有所述结点的比重和；
根据所述比重和所述比重和确定各所述结点的权重；
根据所述权重确定实测点理论板形调控功效系数；
根据所述实测点理论板形调控功效系数确定所述实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值；
根据所述偏差的绝对值判断学习是否结束，得到第一判断结果；
若第一判断结果表示学习没有结束时，则重新获取下一个点带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值；
若第一判断结果表示学习结束，则不再获取实测点的板形调控功效系数，结束学习；
根据所述偏差的绝对值和权重确定自学习系数；
根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数。
2.根据权利要求1所述的板形调控功效系数自学习方法，其特征在于，根据所述实测点和所述结点分别对应的带钢宽度、带钢厚度和带钢轧制力参数确定所述实测点和所述结点之间的距离具体采用以下公式：
Figure FDA0002359110440000011
其中，d表示实测点和结点之间的距离，Win表示实测点对应的带钢宽度，Wnode表示结点对应的带钢宽度，Hin表示实测点对应的带钢厚度，Hnode表示结点对应的带钢厚度，Rin表示实测点对应的带钢轧制力，Rnode表示结点对应的带钢轧制力。
3.根据权利要求1所述的板形调控功效系数自学习方法，其特征在于，所述根据所述实测点和所述结点之间的距离确定所述实测点周围各结点所对应的比重具体采用以下公式：
Figure FDA0002359110440000021
r(d)表示实测点与结点距离为d时所对应的概率比重，σ表示标准差，d表示实测点和结点之间的距离。
4.根据权利要求1所述的板形调控功效系数自学习方法，其特征在于，所述根据所述各结点所对应的比重确定所有所述结点的比重和具体采用以下公式：
Figure FDA0002359110440000022
其中，rz表示所有结点比重和，k表示实测点周围分布的结点个数，ri表示第i个结点所对应的比重，i的取值为1到k。
5.根据权利要求1所述的板形调控功效系数自学习方法，其特征在于，所述根据所述比重和所述比重和确定各所述结点的权重具体采用以下公式：
Figure FDA0002359110440000023
其中，Ri表示第i个结点对应的权重因子，rz表示所有结点比重和，ri表示第i个结点所对应的比重。
6.根据权利要求1所述的板形调控功效系数自学习方法，其特征在于，所述根据所述权重确定实测点理论板形调控功效系数具体采用以下公式：
Figure FDA0002359110440000024
Effo表示实测点理论板形调控功效系数，Effi表示第i个结点所对应的板形调控功效系数，Ri表示第i个结点对应的权重因子。
7.根据权利要求1所述的板形调控功效系数自学习方法，其特征在于，根据所述偏差的绝对值判断学习是否结束具体包括：判断所述偏差的绝对值是否小于等于结束条件，
Figure FDA0002359110440000031
其中n表示板宽方向上设定的分布点，△Effj表示板宽方向上第j个点的理论板形调控功效系数与实际板形调控功效系数偏差的绝对值，ε为结束条件。
8.根据权利要求1所述的板形调控功效系数自学习方法，其特征在于，根据所述偏差的绝对值和权重确定自学习系数具体采用以下公式：
λ＝λ1·λ2·λ3，其中，
Figure FDA0002359110440000032
0＜λ3＜1，a表示分割点，ΔEff表示实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值，λ为自学习系数，Ri表示第i个结点对应的权重因子。
9.根据权利要求1所述的板形调控功效系数自学习方法，其特征在于，根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数具体采用以下公式：
Effnew＝(1-λ)·Effold+λ·Effin，其中，Effnew表示学习后的结点处板形调控功效系数，Effold表示学习前的结点处板形调控功效系数，Effin表示实测板形调控功效系数，λ为自学习系数。
10.一种板形调控功效系数自学习系统，所述系统包括：
结点获取模块，获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的先验值，以所述先验值作为结点；
实测点获取模块，获取带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值，以所述实测值作为实测点；
距离确定模块，根据所述实测点和所述结点分别对应的带钢宽度、带钢厚度和带钢轧制力参数确定所述实测点和所述结点之间的距离；
比重确定模块，根据所述实测点和所述结点之间的距离确定所述实测点周围各结点所对应的比重；
比重和确定模块，根据所述各结点所对应的比重确定所有所述结点的比重和；
权重确定模块，根据所述比重和所述比重和确定各所述结点的权重；
功效系数确定模块，根据所述权重确定实测点理论板形调控功效系数；
绝对值确定模块，根据所述实测点理论板形调控功效系数确定所述实测点理论板形调控功效系数与实际板形调控功效系数偏差的绝对值；
判断模块，根据所述偏差的绝对值判断学习是否结束，得到第一判断结果；
循环模块，若第一判断结果表示学习没有结束时，重新获取下一个点带钢宽度、带钢厚度以及带钢轧制力所对应的板形调控功效系数的实测值；
结束模块，若第一判断结果表示学习结束，则不再获取实测点的板形调控功效系数，结束学习；
自学习系数确定模块，根据所述偏差的绝对值和权重确定自学习系数；
优化模块，根据所述自学习系数采用平滑指数法得到优化后的板形调控功效系数。
CN201910072159.7A 2019-01-25 2019-01-25 一种板形调控功效系数自学习方法及系统 Active CN109675931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910072159.7A CN109675931B (zh) 2019-01-25 2019-01-25 一种板形调控功效系数自学习方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910072159.7A CN109675931B (zh) 2019-01-25 2019-01-25 一种板形调控功效系数自学习方法及系统

Publications (2)

Publication Number Publication Date
CN109675931A CN109675931A (zh) 2019-04-26
CN109675931B true CN109675931B (zh) 2020-04-07

Family

ID=66194772

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910072159.7A Active CN109675931B (zh) 2019-01-25 2019-01-25 一种板形调控功效系数自学习方法及系统

Country Status (1)

Country Link
CN (1) CN109675931B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111250546B (zh) * 2020-01-08 2022-02-11 燕山大学 一种基于内点惩罚函数法的边部减薄多点优化控制方法
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
CN119500787B (zh) * 2024-12-04 2025-05-16 东北大学 一种冷轧板形控制中的板形调控功效系数预测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001314909A (ja) * 2000-05-02 2001-11-13 Nkk Corp 薄板圧延の板形状制御方法
CN101920269B (zh) * 2009-06-11 2012-10-31 鞍钢股份有限公司 冷轧机板形控制执行器调控功效系数优化方法
CN102161054B (zh) * 2010-12-24 2012-12-12 燕山大学 基于影响矩阵自学习的板形闭环控制方法
CN102527737B (zh) * 2012-01-16 2014-06-25 中冶南方工程技术有限公司 冷轧机板形调控功效系数离线自学习系统
CN108480405B (zh) * 2018-04-16 2020-05-05 东北大学 一种基于数据驱动的冷轧板形调控功效系数获取方法

Also Published As

Publication number Publication date
CN109675931A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
US20240184956A1 (en) Prediction method of crown of steel plates and strips based on data driving and mechanism model fusion
CN109675931B (zh) 一种板形调控功效系数自学习方法及系统
CN108480405B (zh) 一种基于数据驱动的冷轧板形调控功效系数获取方法
CN101604144A (zh) 一种板材轧制在线控制模型的建模方法
CN106825069B (zh) 一种冷轧带钢高精度板形表面粗糙度在线智能控制方法
JP2009208115A (ja) 圧延制御パラメータの算出方法及び算出装置、圧延シミュレーション装置
CN103100564A (zh) 一种新型的轧制过程自适应控制方法
CN102553941B (zh) 冷轧机板形调控功效系数离线自学习方法
Wang et al. Actuator efficiency adaptive flatness control model and its application in 1250 mm reversible cold strip mill
CN115007658A (zh) 基于深层循环神经网络的冷连轧轧制板形动态预测方法
Wang et al. Numerical analysis of intermediate roll shifting–induced rigidity characteristics of UCM cold rolling mill
CN102161054A (zh) 基于影响矩阵自学习的板形闭环控制方法
Shu-zong et al. Online calculation model of rolling force for cold rolling mill based on numerical integration
CN114091352B (zh) 基于Elman神经网络的热连轧出口板凸度动态预测方法
Song et al. A novel mechanism fusion data control method for slab camber in hot rolling
CN105013835A (zh) 冷连轧机组极薄带轧制中基于热凸度的原始辊缝设定方法
CN102641896B (zh) 一种冷轧带钢板形板厚综合控制系统
CN102527737B (zh) 冷轧机板形调控功效系数离线自学习系统
CN103406364B (zh) 一种基于改进型偏鲁棒m回归算法的热轧带钢厚度预测方法
CN102641897B (zh) 一种冷轧带钢板形板厚综合控制方法
CN109877168B (zh) 一种建立特厚板轧制力模型的方法
CN113290061A (zh) 一种基于锆合金的多轧程多道次变形制度设计方法
CN116174497A (zh) 一种基于数据驱动的冷连轧弯辊力在线预测方法
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
CN111570532B (zh) 热轧卷取温度与终轧温度对平整摩擦系数影响预测方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201123

Address after: 226200 Binjiang fine chemical industry park, Nantong, Jiangsu, Qidong

Patentee after: Qidong Binhua water supply Co.,Ltd.

Address before: 312000 no.250-3 jinkeqiao Avenue, Keqiao street, Keqiao District, Shaoxing City, Zhejiang Province

Patentee before: SHAOXING DIAISHI MACHINERY DESIGN Co.,Ltd.

Effective date of registration: 20201123

Address after: 312000 no.250-3 jinkeqiao Avenue, Keqiao street, Keqiao District, Shaoxing City, Zhejiang Province

Patentee after: SHAOXING DIAISHI MACHINERY DESIGN Co.,Ltd.

Address before: 066000 No. 438, Hebei Avenue, Qinhuangdao, Hebei

Patentee before: Yanshan University