CN110520805A - 过程模型的建模优化 - Google Patents
过程模型的建模优化 Download PDFInfo
- Publication number
- CN110520805A CN110520805A CN201880026085.7A CN201880026085A CN110520805A CN 110520805 A CN110520805 A CN 110520805A CN 201880026085 A CN201880026085 A CN 201880026085A CN 110520805 A CN110520805 A CN 110520805A
- Authority
- CN
- China
- Prior art keywords
- model
- facility
- raw
- output products
- materials industries
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23P—METAL-WORKING NOT OTHERWISE PROVIDED FOR; COMBINED OPERATIONS; UNIVERSAL MACHINE TOOLS
- B23P17/00—Metal-working operations, not covered by a single other subclass or another group in this subclass
- B23P17/02—Single metal-working processes; Machines or apparatus therefor
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Metal Rolling (AREA)
Abstract
模型(8)基于数学‑物理方程。所述模型基于原材料工业中的装置的操作(B)模拟由被分别供应给该装置的至少一个输入产品(2)到特定输出产品(1)的生产。在输出产品(1)的生产过程中,控制设备(5)控制该装置,使得该装置的特定实际操作(B)尽可能地对应该装置的特定期望操作(B*)。控制设备(5)使用该装置的模型(8)确定该期望操作(B*)。根据多个第一模型参数(P1)将模型(8)参数化以模拟该装置。在每次生产了多个输出产品(1)之后,将特定多个的输出产品(1)的实际尺寸(A)与该特定多个的输出产品(1)的预期尺寸(A')相比较。基于该比较,最新确定第一模型参数(P1)并且根据第一模型参数(P1)的新值最新参数化控制设备(5)中的模型(8)。此后,由控制设备(5)使用原材料工业中的该装置的最新参数化的模型(8)确定期望操作(B*)。借助模型(8)确定预期尺寸(A'),其中预期尺寸(A')的确定是基于该装置的实际操作(B)。
Description
技术领域
本发明涉及模型的优化方法,
-其中所述模型是基于数学-物理方程并且是对从至少一个输入产品到相应输出产品的生产进行模拟,其中所述至少一个输入产品被分别供应到原材料工业的设施,所述模拟是根据所述原材料工业的所述设施的模式,
-其中所述原材料工业的所述设施在所述输出产品的生产期间由控制单元控制,使得所述原材料工业的所述设施的相应实际模式尽可能对应于所述原材料工业的所述设施的相应目标模式,
-其中通过所述控制单元使用所述原材料工业的所述设施的所述模型确定所述目标模式,
-其中根据多个第一模型参数将用于模拟所述原材料工业的所述设施的模型参数化。
本发明还涉及计算机程序,其包括可由处理单元处理的机器代码。
本发明还涉及处理单元,其中所述处理单元被使用这种计算机程序编程。
本发明还涉及原材料工业的设施,其用于从至少一个相应输入产品生产输出产品,其中所述至少一个相应输入产品被分别供应到所述原材料工业的所述设施,
-其中控制单元设置所述原材料工业的所述设施的实际模式,所述控制单元与所述原材料工业的所述设施相关以控制所述原材料工业的所述设施,
-其中所述控制单元包括所述原材料工业的所述设施的基于数学-物理方程的模型,所述控制单元通过使用该模型确定所述原材料工业的所述设施的目标模式,
-其中所述模型模拟由至少一个输入产品到相应输出产品的生产,所述至少一个输入产品被分别供应给所述原材料工业的所述设施,所述模拟是根据所述原材料工业的所述设施的模式,
-其中根据多个第一模型参数能够将用于模拟所述原材料工业的所述设施的所述模型参数化,
-其中所述控制单元在所述输出产品的生产期间控制所述原材料工业的所述设施,使得所述原材料工业的所述设施的相应实际模式尽可能对应所述原材料工业的所述设施的相应目标模式,
-其中所述控制单元被如上所述地设计为处理单元;或者在控制单元之外还提供这种处理单元,这种处理单元与所述控制单元有数据连接。
现有技术
在原材料工业的设施的操作中,经常以模型辅助的方式执行该设施的操作。为此目的,分别用来生产输出产品的输入产品的输入变量被供应到所述原材料工业的所述设施的控制单元。而且,向控制单元具体说明输出产品的目标变量。控制单元使用所述原材料工业的所述设施的模型确定该设施的相关期望目标模式(设置计算)。使用要被模拟的该设施的多个特征变量(=模型参数)将模型参数化。可永久地向控制单元具体说明所述特征变量或者所述特征变量可被从外部供应。目标模式可以是单个状态。然而,它通常是一系列操作状态。
在理想的情况下,以这种方式相应输出产品的生产导致精确地具有期望的目标变量。然而,在实践中总有偏差。出现所述偏差的一个原因是在相应输出产品的实际生产期间,所述原材料工业的所述设施的实际模式从未完全精确地对应目标模式。出现偏差的另一个原因可能是用于模拟相应输出产品的生产以及因此用来确定目标模式的模型没有完全对应原材料工业的真实设施。
现有技术中的通常实践是在每个输出产品(即,单一一种输出产品)的生产之后,通过控制单元获得相应输出产品的实际变量并且将该实际变量与该输出产品的相关预期变量相比较并且基于该比较重新确定模型参数。随即根据模型参数的这些新值来重新对模型参数化。在下一个输出产品的生产期间,对目标模式的确定因此基于所述模型参数的所述新值。借助所述模型通过控制单元确定相应输出产品的预期变量。然而,预期变量的确定不是基于目标模式,而是原材料工业的设施的实际模式。这个过程是通常实践,如已经提到过的,并且通常被称为在线调整。
在因果之间的明确关系相对容易识别的情况下,模型参数可借助现有技术的过程被优化。一个示例是,在热带材机组的冷却线中,从被轧制的金属向冷却介质的热转移。然而,还存在其它模型参数,它们对输出产品的实际变量的影响不容易识别和/或由于缺乏可测量性而未被调整。例如,轮廓、外形和平坦度是轧制平坦轧制坯中的重要目标变量。它们通常被规定为要被维持的目标变量。在轧制表计算的范围内,然后确定轧机的轧制表(=目标模式),在该轧机中要轧制平坦轧制坯。对轧制表的确定使得维持了目标变量。
在轧制表计算的范围内,使用多个模型参数对模拟轧机的模型进行参数化。模型参数对在轧机中进行轧制之后的轧制坯的轮廓、外形和平坦度有影响。根据上面概述的过程调整这些模型参数中的一些。然而,其它的模型参数未被调整,并且也不能借助上面概述的过程进行调整。这种不可调整的模型参数的示例是弹性模量和/或由温度或由磨损引起的对轧机架的辊的外形和/或研磨的影响,平坦轧制坯在该轧机架中被轧制。在现有技术中对这些模型参数进行参数化一次,此后就维持这些模型参数直到它们被重新规定。其它的模型参数——例如,对材料流模型中的轧制坯的流动行为的模拟——也通常被维持不变。
在EP 2 527 054 A1中公开了一种模型的优化方法,其中该模型是基于数学-物理方程并且模拟由至少一个输入产品到相应输出产品的生产,所述至少一个输入产品被分别供应到原材料工业的设施,所述模拟是根据所述原材料工业的所述设施的模式。在所述输出产品的生产期间由控制单元控制所述原材料工业的所述设施,使得所述原材料工业的所述设施的相应实际模式尽可能地对应所述原材料工业的所述设施的相应目标模式。使用所述原材料工业的所述设施的模型通过控制单元确定所述目标模式。根据多个模型参数将用于模拟所述原材料工业的所述设施的所述模型参数化。在每生产完一种输出产品之后,将该输出产品的实际变量与该输出产品的预期变量相比较。基于所述比较重新确定模型参数。根据所述模型参数的新值对控制单元的模型重新进行参数化。从这个时间点开始使用所述原材料工业的所述设施的重新参数化的模型由控制单元确定目标模式。借助所述模型确定预期变量。
发明内容
本发明的目标是提供选项,通过这些选项也能够追踪并更新在现有技术中不可能更新并追踪的模型参数。
该目标的实现是通过具有权利要求1的特征的优化方法。该优化方法的有利的实施例是从属权利要求2-10的主题。
根据本发明,在一开始提到的那种类型的优化方法被设计为使得
-在生产完多个输出产品之后,分别将相应多个的输出产品的实际变量与相应多个的输出产品的预期变量相比较,基于所述比较重新确定第一模型参数并且根据所述第一模型参数的新值将控制单元的模型重新参数化,并且从这个时间点开始使用原材料工业的设施的重新参数化的模型通过控制单元确定目标模式,
-通过所述模型确定所述预期变量,以及
-所述预期变量的确定是基于所述设施的实际模式。
因此根据本发明,在重新确定第一模型参数时没有分别使用各个输出产品的实际变量和预期变量,而是在每种情况下都使用多个输出产品的实际变量和预期变量。
可根据需要定义多个输出产品中包含的输出产品的数量。在一些情况下,该数量可以相对较低,例如在10和50之间。然而,所述多个经常会位于三位数范围内或甚至更多,例如在四位数范围内。因此优化器优选地由控制单元实施。在这种情况下,描述输入产品的输入变量、原材料工业的设施的实际模式、和实际变量每一者都被供应到优化器以重新确定相应多个输出产品的第一模型参数。然后优化器据此确定第一模型参数。这种优化器本身是已知的。仅作为示例,可参考梯度方法、SQP方法(SQP=序列二次规划法)、和遗传算法。其它优化器也是可行的。执行优化是因为根据预定优化标准(从优化器的角度看)优化目标函数,第一模型参数包含在该目标函数内。目标函数的值(标量)因此被最小化或最大化。
在任一情况下,第一模型参数被间接地包含在目标函数中,即因为它们将所述模型参数化并且通过对所述模型的参数化影响输出产品的预期变量,其中所述输出产品的预期变量与所述输出产品的实际变量的偏差包含在目标函数中。第一模型参数可以以这种方式排他地进入目标函数。替换地,除了间接地包含在目标函数中以外,第一模型参数中的一个、几个或全部也可以直接进入目标函数。在这种情况下,关于相应的第一模型参数的起始值对优化器来说是已知的——例如,通过对应的说明,并且相应第一模型参数与相应起始值的偏差被包含在目标函数中。
根据本发明的过程原则上适用于所有的模型参数。然而,优选地它仅应用于以传统方式不能确定的模型参数。对于以传统方式能够确定的模型参数,每次将多个输出产品优选地分成多个输出产品组,每个输出产品组进而包括数个输出产品。在这种情况下,在生产完每组的输出产品后,相应组的输出产品的实际变量可与相应组的输出产品的预期变量相比较,基于所述比较可重新确定数个第二模型参数,并且因此可根据所述第二模型参数的新值将所述模型重新参数化。第一模型参数和第二模型参数因此通常是无关的。所述模型的一个模型参数因此通常要么是第一模型参数要么是第二模型参数,但是不会同时是第一模型参数和第二模型参数。然而,在也可以想到的情况设计中,同一个模型参数适合于这两种类型。
相应组的输出产品的数量可显著低于相应多个的输出产品的数量。例如,相应组的输出产品的数量可在一位数的范围内或者在较低的两位数范围内。在极端情况下,每个组的输出产品的数量甚至可仅为1。最后提到的这种情况——对于第二模型参数——对应于传统过程。
原材料工业的设施可例如是轧机。在这种情况下,输出产品的生产可以是平坦轧制坯的轧制。在这种情况下,尤其可能的是输出产品的实际变量包括经轧制的平坦轧制坯的轮廓和/或外形和/或平坦度。
例如,关于平坦轧制坯所穿过的轧机架的至少一个辊的第一模型参数可包括它的弹性模量和/或由温度和/或由磨损引起的对该辊的外形的影响。可在单独的子模型中模拟温度和/或磨损对辊的外形的影响。这种模型对于本领域技术人员来说是已知的,术语是TWM(温度-磨损模型)。替代地或附加地,与平坦轧制坯所穿过的至少一个轧机架相关的第一模型参数可参数化材料流模型,借助该材料流模型模拟在轧机架中的平坦轧制坯的材料流。第一模型参数——再一次替代地或附加地——也可描述平坦轧制坯的输入变量的调整。例如,在现有技术中通常认为在在终轧架中开始轧制之前平坦轧制坯具有理想外形。然而,实际上,情况并不总是如此。例如,在在轧机架中的轧制之前平坦轧制坯的初始外形可借助对应的第一模型参数被定义在模型的范围内。而且,可能的是——再一次替换地或附加地——第一模型参数包括平坦轧制坯所穿过的轧机架的至少一个辊的研磨。
如果第一模型参数包括对辊的研磨的描述,那么用于描述辊的研磨的第一模型参数优选地包括在沿着辊的辊凸度的多个支撑点中的相应支撑点的位置处的辊半径或直径。辊的实际研磨因此优选地不是由使用几个函数参数的外形函数描述,而是用多个支撑点描述,在这些支撑点之间进行插值。
通常,辊的目标研磨对模型来说是已知的。因此,可以确定辊的研磨与辊的目标研磨之间的偏差。在一些情况下,可能有利的是,研磨与目标研磨之间的偏差与相应的研磨机有关,通过该研磨机将研磨施加给辊。如果研磨误差是可再现的,情况就尤其如此。
以类似的方式,在一些情况下可能有利的是,通过评估在辊从轧机架被移除和借助研磨机对辊研磨之间所经过的时间(所以因此可用于辊冷却和变凉的时间)来确定热研磨误差并且这个误差与所提及的时间相关。因此可考虑系统误差,这种误差的出现是因为辊研磨发生时的温度与假设的不同这一因素。
所述目的还由具有权利要求11的特征的计算机程序实现。根据本发明,规定处理单元对机器代码的处理具有的效果是处理单元
-从控制原材料工业的设施的控制单元接受多个输出产品的实际变量,所述输出产品分别由原材料工业的设施从至少一个输入产品生产;相关的输入产品的输入变量;和在从输入产品生产输出产品期间所述原材料工业的所述设施的实际模式,
-使用相应的输入产品的输入变量和所述原材料工业的所述设施的相应实际模式,借助模型分别确定输出产品的预期变量,所述模型基于数学-物理方程并且根据原材料工业的设施的相应实际模式模拟从输入产品到输出产品的生产,
-在生产了所述多个输出产品之后,将相应多个的输出产品的实际变量与相应多个的输出产品的预期变量相比较,并且根据所述比较重新确定第一模型参数,以及
-将重新确定的第一模型参数提供给控制原材料工业的设施的控制单元以对控制单元中实施的模型参数化。
计算机程序的有利实施例基本上对应优化方法的那些实施例。
所述目的还通过具有权利要求13的特征的处理单元实现。根据本发明,使用根据本发明的计算机程序对处理单元编程,使得处理单元执行根据本发明的优化方法。
处理单元的有利实施例——类似于计算机程序——基本上对应于优化方法的那些实施例。
所述目的还由具有权利要求15的特征的用于多次生产多个输出产品的原材料工业的设施实现。根据本发明,控制单元被设计为根据本发明的处理单元或在控制单元之外另提供根据本发明的处理单元,其具有与控制单元的数据连接。
原材料工业的设施可以尤其是轧机。在这种情况下,输出产品的生产可例如是平坦轧制坯的轧制。
附图说明
结合下面对示例性实施例的描述可更清楚地且更容易地理解本发明的上述性质、特征和优点以及它们实现的方式,结合附图更具体地解释了这些实施例。在示意图中:
图1示出了原材料工业的设施,
图2示出了流程图,
图3示出了平坦轧制坯的截面,
图4示出了流程图,
图5示出了流程图,
图6示出了辊的截面,以及
图7示出了流程图。
具体实施方式
根据图1,要借助原材料工业的设施连续地生产多个输出产品1。原材料工业的设施可例如被设计为生产粗铁的设施。这种设施的一个示例是直接还原设施。它还可以被设计为用于生产钢的设施。这种设施的示例是转炉或LD设施。它也可以被设计为用于处理已经生产的熔融钢的设施,例如被设计为真空处理设施。它也可以被设计为另一种原材料工业的设施,例如被设计为连铸设施。根据图1中的图示,原材料工业的设施是轧机,在其中轧制平坦轧制坯(带或厚板)。然而,这个实施例仅仅是示例。
至少一个输入产品2被分别供应到原材料工业的设施以生产相应的输出产品1。替换地,多个输入产品2可每一个都被供应到原材料工业的设施以生产相应的输出产品1。例如,在铁或钢的生产期间,熔融铁或熔融钢的各种成分可分别被认为是输入产品。在原材料工业的设施的实施例为轧机的情况下,还没有被轧制的或仅部分被轧制的轧制坯被作为输入产品2供应到轧机,其在轧机中被轧制。被轧制的轧制坯(即,在轧机中被轧制后的轧制坯)在这种情况下代表了相应的输出产品1。
如果原材料工业的设施被设计为轧机,那么它包括至少一个轧机架3。在这种情况下,轧制坯以可逆或非可逆的方式穿过轧机架3。轧机经常包括多个轧机架3,所述轧制坯一个接一个地按顺序穿过这些轧机架3。在图1中仅示出了工作辊4。然而,轧机架3经常包括其它的辊,例如支撑辊或者支撑辊和额外的中间辊。轧机可被设计成例如用于轧制棒形轧制坯、管形轧制坯、异形轧制坯等。它也可被设计用于轧制平坦轧制坯。后面就假设是这种情况。在这种情况下,相应的输出产品1的生产是对平坦轧制坯进行轧制。
控制单元5与原材料工业的设施相关,通过其控制原材料工业的设施。控制单元5可具有与处理单元5'(例如笔记本电脑)的数据连接。替换地,控制单元5本身可被设计为这种处理单元5'。下面对具体的措施是由控制单元5执行还是由处理单元5'执行进行区分。如果必要的话,标注了相应的措施也可由相应的其它单元5’、5执行。如果控制单元5本身被设计为处理单元5',那么区分就没有意义了。
处理单元5'被设计为可由软件编程的处理单元。它的操作模式由计算机程序6决定,使用计算机程序6对处理单元5'编程。计算机程序6包括机器代码7,其可由处理单元5'处理。使用计算机程序6对处理单元5'编程或者对机器代码7的处理使处理单元5'执行优化方法,下面结合图2和4更具体地解释该优化方法。
为了控制原材料工业的设施,控制单元5执行下面的生产方法:
首先,根据图2,在步骤S1中,控制单元5实施原材料工业的设施的模型8。模型8基于数学-物理方程。所述数学-物理方程可包括,例如,微分方程——尤其是偏微分方程——和/或代数方程。模型8根据原材料工业的设施的操作状态模拟从相应的至少一个输入产品2到相应的输出产品1的生产。这种模型8是本领域技术人员已知的并且因此不必在此进行更详细地解释。例如,在轧制平坦轧制坯的情况下,本领域技术人员将实施模拟在轧机架的轧制间隙中对平坦轧制坯进行成形的模型8。为此目的,模型8可主要确定例如轧机架3的辊4的热凸度和磨损(和/或其大体外形),并且可确定并且考虑沿着轧机架的辊的凸度的力分布、辊4的偏转和在它们彼此上的且朝着平坦轧制坯的变平、材料流、和在轧制间隙中的压力分布、轧制力、平坦轧制坯的温度等。
模型8可被使用第一模型参数P1进行参数化。在步骤S2中,控制单元5因此使用第一模型参数P1对模型8参数化。第一模型参数P1可按需要被确定。在给定了原材料工业的设施的目标模式B*之后,它们对借助模型8确定的相应的输出产品1的预期输出变量有影响或者反之亦然,在预先确定了相应的输出产品1的期望输出变量A*之后,它们对原材料工业的设施的相关目标模式B*有影响。在用于轧制平坦轧制坯的轧机的情况下,第一模型参数P1可包括,例如,与轧机架3的至少一个辊4相关的,它的材料数据、它的弹性模量EM、和/或它的研磨S。替换地或附加地,第一模型参数P1可包括参数TC(用于热凸度)和WC(用于磨损凸度),这描述由温度或由磨损引起的对辊4的外形的影响。这种对应的第一模型参数P1对本领域技术人员是已知的。第一模型参数P1也可包括用于材料流模型的参数,借助该材料流模型模拟在轧机架3中的平坦轧制坯的材料流。这种用于材料流模型的参数的一个示例是平坦轧制坯在对应的轧机架3的工作辊上的摩擦系数。
在步骤S3中,控制单元5接受输入变量E和目标输出变量A*。输入变量E分别与一个或多个输入产品2相关。这些是通过度量方法或以模型相关方式确定的实际变量。目标输出变量A*是与相关的输出产品1有关。例如,在平坦轧制坯的轧制过程中,输入产品2的输入变量E可具体规定平坦轧制坯的宽度、厚度、温度、化学组成。目标输出变量A*可例如具体规定输出产品1的期望宽度、期望厚度、期望轮廓P*、期望外形K*、期望平坦度F*等。替换上述第一模型参数P1地或在其上附加地,第一模型参数P1可包括描述平坦轧制坯的输入变量E的调整的参数。例如,进入轧机架3的轧制坯可与模型8的范围内的具体轮廓或具体外形相关,或者温度分布可基于第一模型参数P1被改变(在多达3个维度上)。
平坦轧制坯的轮廓P通常仅仅是数值(标量)。如果,对应于图3中的图示,y表示平坦轧制坯的厚度,b表示平坦轧制坯的宽度,且x表示在平坦轧制坯的宽度方向上的位置,其中x=0,在沿着平坦轧制坯的宽度方向观察时,是平坦轧制坯的中心,那么轮廓P由下式定义
P(x’) = y(0) - (y(-b/2+x’) + (y(b/2-x’))/2 (1)。
在这种情况下,x'是到平坦轧制坯的侧边缘的距离(原则上可任选)。距离x'实际上经常具有25mm或40mm的值。然而,其它的值也是可行的。
与此相对,外形K表示厚度曲线,在平坦轧制坯的宽度b上按位置求得的,即,函数曲线y(x),其中x具有从-b/2到b/2的任意值或者——在支撑点的定义的情况下——可至少具有多个不同的值。在刚刚提到的情况中支撑点的数量通常是至少5个,经常是至少10个。平坦度F描述了平坦轧制坯中主要的内在张力状态。与外形K类似,平坦度F的定义也是在平坦轧制坯的宽度b上按位置求得的。位置分辨率因此对应于外形K的位置分辨率。
基于输入变量E和目标输出变量A*,控制单元5在步骤S4中使用模型8确定原材料工业的设施的相关目标模式B*。目标模式B*由控制单元5确定,从而在可能的范围内,输出产品1具有期望的目标输出变量A*。例如,可执行用于轧制平坦轧制坯的轧制表计算,即确定相应的轧制减小、轧制速度、架位置、辊位移的设置、辊间插、辊耙、辊冷却等。
控制单元5然后在步骤S5中在相应的输出产品1的生产期间控制原材料工业的设施。该控制的执行使得原材料工业的设施的相应实际模式B尽可能地对应之前确定的目标模式B*。在生产期间,控制单元5获得相应的实际模式B。而且,控制单元5在步骤S6中获得相应的所生产的输出产品1的实际变量A。实际变量A在其意义上对应目标输出变量A*。然而,这些与实际值相关。尤其是在对平坦轧制坯的轧制期间,输出产品1的实际变量A可包括例如经轧制的平坦轧制坯轮廓P和/或外形K和/或平坦度F。
如之前解释的,控制单元5的操作并且因此原材料工业的设施的操作因此也像在现有技术中那样被执行。而且,然而,提供了步骤S7。在步骤S7中,控制单元5检查它是否足够频繁地经历了步骤S3到S6,即,是否已经在原材料工业的设施中生产了多个输出产品1。例如,在在步骤S3之前被执行的步骤S8中,控制单元5可设置计数器Z1到起始值(例如0)并且在每次经历步骤S3到S6之后就在步骤S9中将计数器Z1增加1。在这种情况下,控制单元5可在步骤S7中检查计数器Z1是否达到了终值N1。终值N1被适当确定。在任何情况下,它都大于1。它甚至可以远大于1,例如可具有的值是100或更多。
如果还没有生产所述多个输出产品1,那么控制单元5回到步骤S3。因此生产另一个输出产品1。相比而言,如果已经生产了多个输出产品1,控制单元5行进到步骤S10。在步骤S10中,控制单元5将输出产品1的实际变量A、相关输入产品2的输入变量E、和相关的实际模式B传输给处理单元5'。在步骤S11中,控制单元5从处理单元5'接受新的第一模型参数P1。控制单元5然后回到步骤S2。控制单元5因此在重新执行步骤S2时根据第一模型参数P1的新值重新参数化模型8。然后再一次在原材料工业的设施中生产另外的多个输出产品1。然而,在这种情况下在步骤S4的范围内使用重新参数化的模型8以确定目标模式B*。然后进行对第一模型参数P1的更新的重新确定以及模型8的更新的参数化。
为了确定新的第一模型参数P1,处理单元5'实施根据图4的如下过程:
它在步骤S21中从控制单元5接受输出产品1的实际变量A、相关的输入产品2的输入变量E、和相关的实际模式B。在步骤S22中,处理单元5'确定相应的输出产品1的预期的变量A'。为此目的,处理单元5'分别将一个或多个相关的输入产品2的输入变量E、并将实际模式B供应给相应的输出产品1的模型8。这是可行的,例如,因为处理单元5'能够访问控制单元5所使用的模型8。替换地,同一模型8可在处理单元5'内被实施。
使用相关的输入产品2的输入变量E和相关的实际模式B,处理单元5'因此借助模型8确定相关的预期变量A'。处理单元5'对相应多个的全部输出产品1都执行步骤S22,即,例如对于N1个输出产品1。
在步骤S23中,处理单元5'将实际变量A与在步骤S22中获得的所述多个输出产品1的预期变量A'相比较。基于所述比较,处理单元5'在步骤S24中确定优化的第一模型参数P1。处理单元5'因此确定第一模型参数P1,使得预期变量A'更好地对应实际变量A。
作为被用于判断优化的第一模型参数P1的品质的标准,在对平坦轧制坯进行轧制的情况下,例如,可使用轮廓P和/或外形K和/或平坦度F与它们对应的目标变量P*、K*、F*之间的加权或不加权的偏差。
为了确定优化的第一模型参数P1,可要求迭代地处理步骤S22到S24。然而,在本发明的范围内这是次要的并且因此将不进行更具体地解释。
为了实施步骤S22到S24,处理单元5'可实施优化器9,例如,根据图1中的图示。在这种情况下,对应的输入变量E、对应的实际模式B、和实际变量A被供应给优化器9以重新确定相应多个的输出产品1的第一模型参数P1。而且,预期变量A'可任选地也被供应到优化器9。在这种情况下,优化器9确定优化的第一模型参数P1。典型的优化器是本领域技术人员已知的。
如之前解释的,每次生产了N1个输出产品1时都分别重新确定第一模型参数P1。不过,为了根据相应多个的输出产品1确定第一模型参数P1,也提供了其它的选择。例如,控制单元5可以将输入变量E、实际模式B、和实际变量A连续地传输给处理单元5'并且处理单元5'等待直到出现了足够大数量的数据。例如,数据可以一天一次地被从控制单元5传输给处理单元5',并且此后重新确定第一模型参数P1,这与可用的数据组的数量究竟多高无关。例如,如果计划每次在约100个输出产品1的数据的基础上重新确定第一模型参数P1,那么如果可获得97、102或110个输出产品1的数据,也可执行这种重新确定。例如在维护工作的范围内,也可以将处理单元5'连接到控制单元5,然后执行从控制单元5到处理单元5'的数据转移,并且最后执行从处理单元5'到控制单元5的数据转移。也可以每次在操作者具体规定了对应的优化命令时执行优化。在所有这些情况下,基于目前可用的数据组执行对第一模型参数的优化。
在本发明的一个优选的实施例中,根据图5的图示提供额外的步骤S31到S37。在这种情况下,模型8在步骤S31中由控制单元5参数化——在使用第一模型参数P1参数化的基础上,这在步骤S2中执行——使用第二模型参数P2。而且,在这种情况下控制单元5在步骤S32中检查它是否足够频繁地经历了步骤S3到S6以使用第二模型参数P2执行对模型8的重新参数化。
例如,控制单元5在步骤S33中,步骤S33在步骤S3之前被执行——如果必要,还在步骤S8之后——,可设置计数器Z2到起始值(例如0)并且可在每次经历步骤S3到S6后就在步骤S34中将计数器Z2增加1。在这种情况下,控制单元5可在步骤S32中检查计数器Z2是否到达了终值N2。终值N2被适当确定。在任何情况下,它小于终值N1。它甚至可远小于终值N1。终值N1优选可由终值N2整除。
如果对应组的输出产品1,例如由终值N2定义的,还没有被生产,那么控制单元5返回到步骤S3。因此生产另一个输出产品1。相比而言,如果已经生产了对应组的输出产品1,控制单元5行进到步骤S35。在步骤S35中,控制单元5确定——类似于步骤S22——相应输出产品1的预期变量A'。控制单元5对相应组的全部输出产品1执行步骤S35,即例如,对N2个输出产品1。
在步骤S36中,控制单元5将实际变量A与在步骤S35中确定的对应组的输出产品1的预期变量A'相比较。基于该比较,控制单元5在步骤S37中确定优化的第二模型参数P2。控制单元5因此确定第二模型参数P2,使得预期变量A'更好地对应实际变量A。控制单元5此后回到步骤S31。控制单元5因此在重新执行步骤S31时根据第二模型参数P2的新值重新参数化模型8。然而,第一模型参数P1在步骤S31到S37的范围内不改变。然后在原材料工业的设施中再生产另一组输出产品1。此时更新地重新确定第二模型参数P2和更新地参数化模型8。最后确定的第二模型参数P2也在此总由控制单元5使用以参数化模型8。
可能要求迭代地处理步骤S35到S37以确定优化的第二模型参数P2——类似于确定优化的第一模型参数P1。然而,在本发明的范围内这是次要的并且因此下面不会更具体地解释。
根据上面解释的图5的过程,由控制单元5执行对第二模型参数P2的优化。然而,还可能的是,第二模型参数P2的优化由处理单元5'或另一处理单元(附图中未示出)执行。在这种情况下,控制单元5和处理单元5'或另一处理单元之间必然发生对应通信。
终值N1定义了每次的多个输出产品1。终值N2定义了每次的一组输出产品1。如已经提到的,终值N1总是大于1。终值N2也可大于1。然而,它也可具有值1本身。在这种情况下,步骤S32到S34可被省略。
在许多情况下,研磨S由几个参数定义,这些参数描述了辊4的直径或半径R的曲线——图6中示例性示出——作为在辊轴线10的方向上的位置X的函数。这种研磨的一个示例是本领域普通已知的SmartCrown研磨。然而,在一些情况下,可能有利的是,用于描述辊4的研磨S的第一模型参数P1包括辊4的在沿着辊4的辊凸度的多个支撑点的相应支撑点的位置X处的半径R或直径。尤其通过这个实施例,可能的是,如果辊4的实际研磨S具有和目标研磨S*所规定的不同的函数关系,那么还优化研磨S,根据目标研磨S*所规定的函数关系辊4本应该已经在图5中示意指示的相应研磨机11中被研磨。
尤其是,在这种情况下可以根据图7中的图示在步骤S24之后执行步骤S41和S42。在步骤S41中,处理单元5'从辊4的目标研磨S*确定辊4的研磨S的偏差δS。在步骤S42中,处理单元55'将偏差δS与相应的研磨机11相关联,即用来将研磨S施加到辊4的研磨机11。而且,在这种情况下可以在借助研磨机11对辊4的研磨期间已经获得实际研磨S并且在模型8的最初参数化的范围内使用该实际研磨S。如果实际研磨S可通过研磨机11获得并且存在研磨机11到控制单元5和/或处理单元5'的对应数据联接,那么也可自动地执行对描述研磨S的第一模型参数P1的具体说明,使得不要求后面的修正或者仅小程度地要求后面的修正。
替换地或附加地,可以获得第一时间点T1和第二时间点T2。第一时间点T1是对应的辊4在研磨之前被从轧机架3(或另一个轧机架3)移走时的时间点。第二时间点T2是对应的辊4在研磨机11中被研磨时的时间点。在这种情况下,根据图7中的图示,例如,在步骤S43中可以确定两个时间点T1、T2的差δT并且因此确定在辊4从轧机架3被移走和借助研磨机11对辊4研磨之间所经过的时间。在这种情况下,在步骤S44中,可基于偏差δS确定,在步骤S45中将热研磨误差δS’与所述时间δT相关联。
如到此已解释的,第一模型参数P1(以及也可能第二模型参数P2)以模型辅助方式被调节和调整;然而,这种调节和调整始终发生,即与输入产品2和/或输出产品1是哪种类型无关。然而,还可能的是,在控制单元5中提供多组第一模型参数P1(以及还可能多组第二模型参数P2),并且模型8每次都被根据输入产品2的输入变量E和/或输出产品1的目标输出变量A*参数化。在这种情况下,一方面,由控制单元5根据输入变量E和/或目标输出变量A*选择相应组的第一模型参数P1(以及还可能相应组的第二模型参数P2)。另一方面,每次第一模型参数P1(以及还可能第二模型参数P2)的优化也仅在相应组的参数P1、P2内发生。
本发明具有许多优点。因此,尤其是可通过根据本发明的程序优化模型8的模型参数P1,这些参数根本不能通过传统程序被优化。具体来说,在平坦轧制坯的轧制中,因此可更好地模拟平坦轧制坯的轧制,使得尤其是可实现改善的轮廓P、改善的外形K、以及还可能的是改善的平坦度F。根据本发明的程序是鲁棒的并且可靠地产生了对原材料工业的设施的精确模拟。
尽管更具体地图示了本发明并且通过优选的示例性实施例描述了本发明,但是本发明并非由此受所公开的示例的限制,并且,本领域技术人员在不脱离本发明的保护范围的情况下能从其得到其他的变型。
附图标记列表
1 输出产品
2 输入产品
3 轧机架
4 工作辊
5 控制单元
5' 处理单元
6 计算机程序
7 机器代码
8 模型
9 优化器
10 辊轴线
11 研磨机
A 实际变量
A' 预期变量
A* 目标输出变量
B 实际模式
B* 目标模式
b 宽度
E 输入变量
EM 弹性模量
F、F* 平坦度
K、K* 外形
N1、N2 终值
P1、P2 模型参数
P、P* 轮廓
R 半径
S、S* 研磨
S1到S45 步骤
TC 针对由温度引起的对辊的外形的影响的参数
T1、T2 时间点
WC 针对由磨损引起的对辊的外形的影响的参数
X 在辊轴线的方向上的位置
x 在平坦轧制坯的宽度方向上的位置
x' 距离
y 厚度
Z1、Z2 计数器
δS 偏差
δS’ 热研磨误差
δT 时间。
Claims (16)
1.一种用于模型(8)的优化方法,
- 其中所述模型(8)是基于数学-物理方程并且模拟由至少一个输入产品(2)到相应输出产品(1)的生产,所述至少一个输入产品(2)被分别供应到原材料工业的设施,所述模拟是根据所述原材料工业的所述设施的模式(B),
- 其中所述原材料工业的所述设施在所述输出产品(1)的生产期间由控制单元(5)控制,使得所述原材料工业的所述设施的相应实际模式(B)尽可能地对应所述原材料工业的所述设施的相应目标模式(B*),
- 其中所述目标模式(B*)由所述控制单元(5)使用所述原材料工业的所述设施的所述模型(8)确定,
- 其中根据多个第一模型参数(P1)对用于模拟所述原材料工业的所述设施的所述模型(8)参数化,
- 其中每次生产完多个输出产品(1)之后,将相应多个的所述输出产品(1)的实际变量(A)与所述相应多个的所述输出产品(1)的预期变量(A')相比较,基于所述比较重新确定所述第一模型参数(P1),并且根据所述第一模型参数(P1)的新值重新参数化所述控制单元的所述模型(8)并且从这个时间点起由所述控制单元(5)使用所述原材料工业的所述设施的重新参数化的模型(8)确定所述目标模式(B*),
- 其中借助所述模型(8)确定所述预期变量(A'),以及
- 其中所述预期变量(A')的确定是基于所述原材料工业的所述设施的所述实际模式(B)。
2.如权利要求1所述的优化方法,
其特征在于,实施优化器(9),将描述所述输入产品(2)的输入变量(E)、所述原材料工业的所述设施的所述实际模式(B)、和所述实际变量(A)分别供应到所述优化器(9)以重新确定所述相应多个的输出产品(1)的所述第一模型参数(P1),并且所述优化器(9)据此确定所述第一模型参数(P1)。
3. 如权利要求1或2所述的优化方法,
其特征在于
- 每次的所述多个输出产品(1)都包括多组输出产品(1),所述多组输出产品(1)进而每一组都包括多个输出产品(1),
- 每次生产完一组输出产品(1)之后,将相应组的输出产品(1)的实际变量(A)与所述相应组的输出产品(1)的预期变量(A')相比较,基于所述比较重新确定多个第二模型参数(P2),并且根据所述第二模型参数(P2)的新值重新参数化所述模型(8)。
4.如权利要求3所述的优化方法,其特征在于,每组的输出产品(1)的数量等于1。
5.如前述权利要求中任一项所述的优化方法,
其特征在于,所述原材料工业的所述设施是轧机,并且所述输出产品(1)的生产是轧制平坦轧制坯,并且所述输出产品(1)的所述实际变量(A)包括经轧制的平坦轧制坯的轮廓(P)和/或外形(K)和/或平坦度(F)。
6.如权利要求5所述的优化方法,
其特征在于,所述第一模型参数(P1),关于所述平坦轧制坯所经过的轧机架(3)的至少一个辊(4),包括它的弹性模量(EM)和/或它的由温度和/或由磨损引起的对所述辊(4)的所述外形(K)的影响(TC、WC),和/或,关于所述平坦轧制坯所穿过的至少一个轧机架(3),包括用于材料流模型的参数,在所述轧机架(3)中的所述平坦轧制坯的材料流借助所述材料流模型被模拟,和/或描述所述平坦轧制坯的输入变量(E)的调整。
7.如权利要求5或6所述的优化方法,
其特征在于,所述输出产品(1)的所述实际变量(A)包括经轧制的所述平坦轧制坯的轮廓(P)和/或外形(K)和/或平坦度(F),并且所述第一模型参数(P1),关于所述平坦轧制坯所穿过的轧机架(3)的至少一个辊(4),包括它的研磨(S)。
8.如权利要求7中所述的优化方法,
其特征在于,用于描述所述辊(4)的所述研磨(S)的所述第一模型参数(P1)包括所述辊(4)的在沿着所述辊(4)的辊凸度的多个支撑点的相应支撑点的位置处的半径(R)或直径。
9.如权利要求7或8所述的优化方法,
其特征在于,所述辊(4)的所述研磨(S)与所述辊(4)的目标研磨(S*)的偏差(δS)被确定,并且将所述研磨(S)与所述目标研磨(S*)的所述偏差(δS)与相应的研磨机(11)相关联,所述研磨(S)通过所述研磨机(11)被施加给所述辊(4)。
10.如权利要求7、8或9所述的优化方法,
其特征在于,通过评估在从所述轧机架(3)移除所述辊(4)和借助所述研磨机(11)研磨所述辊(4)之间所经过的时间(δT),确定热研磨误差(δS’)并且将其与所述时间(δT)相关联。
11.一种计算机程序,其包括可由处理单元(5')处理的机器代码(7),其中由所述处理单元(5')对所述机器代码(7)的处理具有的效果是,所述处理单元(5')
- 从控制所述原材料工业的所述设施的控制单元(5)接受由原材料工业的设施分别从至少一个输入产品(2)生产的多个输出产品(1)的实际变量(A),相关的输入产品(2)的输入变量(E)、和在从所述输入产品(2)生产所述输出产品(1)期间所述原材料工业的所述设施的实际模式(B),
- 使用相应的输入产品(2)的所述输入变量(E)和所述原材料工业的所述设施的相应实际模式(B),借助模型(8)分别确定输出产品(1)的预期变量(A'),所述模型(8)基于数学-物理方程并且根据所述原材料工业的所述设施的相应实际模式(B)模拟从输入产品(2)到输出产品(1)的生产,
- 在生产完多个输出产品(1)之后,将相应多个的输出产品(1)的实际变量(A)与所述相应多个的输出产品(1)的预期变量(A')相比较,并且基于所述比较重新确定第一模型参数(P1),以及
- 将重新确定的第一模型参数(P1)提供给控制所述原材料工业的所述设施的控制单元(5)以参数化在所述控制单元(5)中实施的模型(8)。
12.如权利要求11所述的计算机程序,
其特征在于,由处理单元(5')对所述机器代码(7)的处理具有如下效果:所述处理单元(5')实施如权利要求2到4或6到10所述的额外步骤。
13.一种处理单元,其中所述处理单元被使用如权利要求11所述的计算机程序(6)编程,使得所述处理单元执行如权利要求1所述的优化方法。
14.如权利要求13所述的处理单元,
其特征在于,所述计算机程序(6)被设计成,使得由所述处理单元对所述机器代码(7)的处理具有如下效果:所述处理单元实施如权利要求2到4或6到10所述的额外步骤。
15.一种用于从至少一个相应的输入产品(2)生产输出产品(1)的原材料工业的设施,所述输入产品(2)被分别供应到所述原材料工业的所述设施,
- 其中设置所述原材料工业的所述设施的实际模式(B)的控制单元(5)被与所述原材料工业的所述设施相关联以控制所述原材料工业的所述设施,
- 其中所述控制单元(5)包括所述原材料工业的所述设施的基于数学-物理方程的模型(8),使用该模型(8)它确定所述原材料工业的所述设施的目标模式(B*),
- 其中所述模型(8)根据所述原材料工业的所述设施的模式(B)模拟由被分别供应到所述原材料工业的设施的至少一个输入产品(2)到相应输出产品(1)的生产,
- 其中用于模拟所述原材料工业的所述设施的所述模型(8)可根据多个第一模型参数(P1)被参数化,
- 其中所述控制单元(5)在所述输出产品(1)的生产期间控制所述原材料工业的所述设施,使得所述原材料工业的所述设施的相应实际模式(B)尽可能地对应所述原材料工业的所述设施的相应目标模式(B*),
- 其中所述控制单元(5)被设计为如权利要求13或14所述的处理单元(5'),或者在所述控制单元(5)的基础上提供如权利要求13或14所述的处理单元(5'),其具有到所述控制单元(5)的数据连接。
16.如权利要求15所述的原材料工业的设施,
其特征在于,所述原材料工业的所述设施是轧机,并且所述输出产品(1)的生产是轧制平坦轧制坯。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17166830.4 | 2017-04-18 | ||
EP17166830 | 2017-04-18 | ||
PCT/EP2018/059105 WO2018192798A1 (de) | 2017-04-18 | 2018-04-10 | Optimierung der modellierung von prozessmodellen |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110520805A true CN110520805A (zh) | 2019-11-29 |
CN110520805B CN110520805B (zh) | 2022-12-06 |
Family
ID=58664471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880026085.7A Active CN110520805B (zh) | 2017-04-18 | 2018-04-10 | 过程模型的建模优化 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11493891B2 (zh) |
CN (1) | CN110520805B (zh) |
WO (1) | WO2018192798A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111822520A (zh) * | 2020-07-21 | 2020-10-27 | 广东韶钢松山股份有限公司 | 轧制工艺参数处理方法和线材生产控制系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020131248A (ja) * | 2019-02-21 | 2020-08-31 | Jfeスチール株式会社 | 圧延荷重予測方法、圧延荷重予測装置、及び圧延制御方法 |
DE102019127545A1 (de) * | 2019-10-14 | 2021-04-15 | Windmöller & Hölscher Kg | Verfahren für eine modellbasierte Bestimmung von Modellparametern |
EP4354232A1 (de) | 2022-10-11 | 2024-04-17 | Primetals Technologies Germany GmbH | Verfahren und system zum anpassen eines fertigungsprozesses |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101517497A (zh) * | 2006-09-18 | 2009-08-26 | Abb研究有限公司 | 材料分离过程的优化 |
CN101535906A (zh) * | 2006-10-09 | 2009-09-16 | 西门子公司 | 用于控制和/或调节工业过程的方法 |
CN102629106A (zh) * | 2012-04-11 | 2012-08-08 | 广州东芝白云自动化系统有限公司 | 供水控制方法及系统 |
CN103547384A (zh) * | 2011-05-24 | 2014-01-29 | 西门子公司 | 用于轧机列的控制方法 |
US20140314922A1 (en) * | 2013-04-03 | 2014-10-23 | Meduri Farms, Inc. | Fruit breaking system and method |
CN104267613A (zh) * | 2014-09-15 | 2015-01-07 | 东北大学 | 实验用金属轧制过程自动控制硬件在环仿真平台及方法 |
CN104929687A (zh) * | 2015-07-02 | 2015-09-23 | 中国黄金集团内蒙古矿业有限公司 | 矿山数字化生产管控系统和方法 |
CN105517720A (zh) * | 2013-03-25 | 2016-04-20 | Abb技术有限公司 | 用于调节轧机中的平度控制的方法及控制系统 |
CN106295027A (zh) * | 2016-08-16 | 2017-01-04 | 王�锋 | 一种具有自适应抗电压扰动的建模方法 |
CN106462120A (zh) * | 2014-04-24 | 2017-02-22 | 首要金属科技德国有限责任公司 | 以酸洗生产线的建模为基础的对要酸洗的传送带的序列的优化 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4627553B2 (ja) * | 2008-03-28 | 2011-02-09 | 株式会社日立製作所 | プラントの制御装置および火力発電プラントの制御装置 |
DE102008030243A1 (de) * | 2008-06-25 | 2009-12-31 | Siemens Aktiengesellschaft | Erstellverfahren für ein optimiertes Walzmodell |
EP2422893A1 (de) | 2010-08-27 | 2012-02-29 | Siemens Aktiengesellschaft | Betriebsverfahren für ein Walzwerk zum Walzen von flachem Walzgut mit Walzenverschleißprognose |
EP2527054A1 (de) | 2011-05-24 | 2012-11-28 | Siemens Aktiengesellschaft | Steuerverfahren für eine Walzstraße |
-
2018
- 2018-04-10 CN CN201880026085.7A patent/CN110520805B/zh active Active
- 2018-04-10 US US16/605,868 patent/US11493891B2/en active Active
- 2018-04-10 WO PCT/EP2018/059105 patent/WO2018192798A1/de active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101517497A (zh) * | 2006-09-18 | 2009-08-26 | Abb研究有限公司 | 材料分离过程的优化 |
CN101535906A (zh) * | 2006-10-09 | 2009-09-16 | 西门子公司 | 用于控制和/或调节工业过程的方法 |
CN103547384A (zh) * | 2011-05-24 | 2014-01-29 | 西门子公司 | 用于轧机列的控制方法 |
CN102629106A (zh) * | 2012-04-11 | 2012-08-08 | 广州东芝白云自动化系统有限公司 | 供水控制方法及系统 |
CN105517720A (zh) * | 2013-03-25 | 2016-04-20 | Abb技术有限公司 | 用于调节轧机中的平度控制的方法及控制系统 |
US20140314922A1 (en) * | 2013-04-03 | 2014-10-23 | Meduri Farms, Inc. | Fruit breaking system and method |
CN106462120A (zh) * | 2014-04-24 | 2017-02-22 | 首要金属科技德国有限责任公司 | 以酸洗生产线的建模为基础的对要酸洗的传送带的序列的优化 |
CN104267613A (zh) * | 2014-09-15 | 2015-01-07 | 东北大学 | 实验用金属轧制过程自动控制硬件在环仿真平台及方法 |
CN104929687A (zh) * | 2015-07-02 | 2015-09-23 | 中国黄金集团内蒙古矿业有限公司 | 矿山数字化生产管控系统和方法 |
CN106295027A (zh) * | 2016-08-16 | 2017-01-04 | 王�锋 | 一种具有自适应抗电压扰动的建模方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111822520A (zh) * | 2020-07-21 | 2020-10-27 | 广东韶钢松山股份有限公司 | 轧制工艺参数处理方法和线材生产控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110520805B (zh) | 2022-12-06 |
US20200133209A1 (en) | 2020-04-30 |
US11493891B2 (en) | 2022-11-08 |
WO2018192798A1 (de) | 2018-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110520805A (zh) | 过程模型的建模优化 | |
CN106660090B (zh) | 轧制模拟装置 | |
CN101361085B (zh) | 预测公式生成装置及预测公式生成方法 | |
Zuperl et al. | Optimization of cutting conditions during cutting by using neural networks | |
CN103809472B (zh) | 基于模型优化和无模型控制的在线集成控制系统 | |
JP5016002B2 (ja) | プロセス制御システムにおける統合型モデル予測制御および最適化 | |
JP4542323B2 (ja) | プロセス制御システムにおける統合型モデル予測制御および最適化 | |
US20240184956A1 (en) | Prediction method of crown of steel plates and strips based on data driving and mechanism model fusion | |
US10120368B2 (en) | Manufacturing adjustment system that adjusts manufacturing statuses of multiple machines | |
JP6932352B2 (ja) | プレスシステムおよびその制御方法 | |
US6546310B1 (en) | Process and device for controlling a metallurgical plant | |
US20230205185A1 (en) | System and method for controlling a production plant consisting of a plurality of plant parts, in particular a production plant for producing industrial goods such as metallic semi-finished products | |
CN108921232B (zh) | 一种热轧带钢冷却历史数据聚类及相似性度量方法 | |
CN102754040A (zh) | 用于调节注塑过程的方法 | |
CN100449431C (zh) | 用于控制生产钢的设备的方法和装置 | |
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 | |
US6554426B2 (en) | Methods for designing and manufacturing single-vision spectacle lens and manufacturing system thereof | |
CN104411421A (zh) | 加热炉提取顺序生成装置、加热炉提取顺序生成方法及钢板的制造方法 | |
JP2014028394A (ja) | ミルペーシング装置、ミルペーシング方法及び操業方法 | |
Postlethwaite et al. | The improved control for an aluminium hot reversing mill using the combination of adaptive process models and an expert system | |
CN109964180A (zh) | 用于确定调节装置的参数的装置和方法 | |
TW202339867A (zh) | 鋼板軋延力預測方法與軋延系統 | |
CN100512988C (zh) | 轧制控制方法和轧制控制装置 | |
JP2023083787A (ja) | 線材の矯正機の制御装置、制御システム、および制御方法 | |
Seo et al. | Static model identification for sendzimir rolling mill using noise corrupted operation data |
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 |