CN111062120B - 一种冷连轧原料厚度的动态设定优化方法及装置 - Google Patents
一种冷连轧原料厚度的动态设定优化方法及装置 Download PDFInfo
- Publication number
- CN111062120B CN111062120B CN201911192489.6A CN201911192489A CN111062120B CN 111062120 B CN111062120 B CN 111062120B CN 201911192489 A CN201911192489 A CN 201911192489A CN 111062120 B CN111062120 B CN 111062120B
- Authority
- CN
- China
- Prior art keywords
- thickness
- optimization coefficient
- current
- strip
- steel
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 235
- 238000005096 rolling process Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000002994 raw material Substances 0.000 title claims abstract description 36
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 177
- 239000010959 steel Substances 0.000 claims abstract description 177
- 230000003044 adaptive effect Effects 0.000 claims abstract description 27
- 230000007774 longterm Effects 0.000 claims abstract description 25
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 239000002436 steel type Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000005097 cold rolling Methods 0.000 description 2
- 238000005098 hot rolling Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005554 pickling Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- Control Of Metal Rolling (AREA)
Abstract
本发明实施例提供的一种冷连轧原料厚度的动态设定优化方法与装置，所述方法包括：接收当前轧制批次输入的原料参数；根据所述原料参数，在预设的长期自适应数据表中查询获得第一设定优化系数；基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数；对当前批次的每一卷带钢的所述厚度优化系数进行指数平滑，获得第二设定优化系数；根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信；当所述第二设定优化系数可信时，将所述长期自适应数据表中的所述第一设定优化系数更新为所述第二设定优化系数。本发明提高了冷连轧过程控制模型的优化效率与优化及时性。
Description
技术领域
本发明涉及冷连轧技术领域，具体而言，涉及一种冷连轧原料厚度的动态设定优化方法及装置。
背景技术
给定各机架入、出口厚度，实现合理负荷分配，是冷连轧过程控制模型的主要任务之一。目前由于热轧工艺生产特点，使得头尾与中部原料厚度不均一，而在进行冷连轧过程中，只能使用唯一厚度值进行设定，目前大部分厚度优化方法均在热轧公称厚度均值的基础上，考虑钢种特性，并结合冷轧拉矫、酸洗工艺的厚度减薄情况进行优化。当生产新钢种时，需要跟踪新钢种冷轧生产特点，在程序中进行修改、维护部分程序。同时原先的钢种跟随工艺、成分改进，也会出现设定厚度偏薄、偏厚的情况，需要长期进行人工跟踪厚度设定数据、维护优化程序。而这种人工维护与设定存在着修正不够精确和不及时的问题，并且效率较低。因此，在同钢种、同规格不同批次生产时，实现根据带钢特性进行入口厚度动态自适应的优化设定成为了目前亟待解决的问题。
发明内容
有鉴于此，本发明实施例的目的在于提供一种冷连轧原料厚度的动态设定优化方法及装置，提高了冷连轧过程控制模型的优化效率与优化及时性。
第一方面，本申请通过一实施例提供如下技术方案：
一种冷连轧原料厚度的动态设定优化方法，包括：
接收当前轧制批次输入的原料参数；根据所述原料参数，在预设的长期自适应数据表中查询获得第一设定优化系数；基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数；对当前批次的每一卷带钢的所述厚度优化系数进行指数平滑，获得第二设定优化系数；所述第二设定优化系数用于对下一轧制批次的带钢的轧制过程进行优化，所述当前轧制批次与所述下一轧制批次的带钢的原料参数相同；根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信；当所述第二设定优化系数可信时，将所述长期自适应数据表中的所述第一设定优化系数更新为所述第二设定优化系数。
优选地，所述原料参数包括设定厚度，所述基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数，包括：
基于所述第一设定优化系数，对压下分配进行优化并启动轧制；获取所述当前轧制批次的当前卷带钢的实测厚度；基于
获得所述当前卷带钢的厚度优化系数；其中，α为所述当前卷带钢对应的厚度优化系数，Ha为所述当前卷带钢的实测厚度；Hca为所述设定厚度。
优选地，所述实测厚度，包括：
带钢的带头实测厚度、带钢的带中实测厚度以及带钢的带尾实测厚度。
优选地，所述带中实测厚度的获取，包括：
获取所述当前轧制批次的当前卷带钢的两个以上带中位置的速度；将速度最高的带中位置对应的厚度作为所述带中实测厚度。
优选地，所述基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数之后，还包括：
根据当前卷带钢的设定厚度与所述当前卷带钢的厚度优化系数，确定下一卷带钢的设定厚度。
优选地，所述根据所述当前卷带钢的设定厚度与所述当前卷带钢的厚度优化系数，确定下一卷带钢的设定厚度，包括：
基于set_thick′＝(1.0+set_thick)*α-1.0，获得下一卷带钢的设定厚度；其中，set_thick′为下一卷带钢的设定厚度，set_thick为当前卷带钢的设定厚度，α为当前卷带钢对应的厚度优化系数。
优选地，所述根据当前卷带钢的设定厚度与所述当前卷带钢的厚度优化系数，确定下一卷带钢的设定厚度之后，还包括：
根据所述当前卷带钢的设定厚度、所述当前卷带钢的实测厚度、所述当前卷带钢的厚度优化系数以及下一卷带钢的厚度优化系数，获得所述下一卷带钢的厚度补偿因子。
优选地，所述根据所述当前卷带钢的设定厚度、所述当前卷带钢的实测厚度、所述当前卷带钢的厚度优化系数以及下一卷带钢的厚度优化系数，获得所述下一卷带钢的厚度补偿因子，包括：
基于
获得所述下一卷带钢的厚度补偿因子；其中，act_thick为当前卷带钢的实测厚度，set_thick为当前卷带钢的设定厚度，cdzfa为厚度补偿因子，0<cdzfa<1，α为当前卷带钢对应的厚度优化系数，α′为下一卷带钢对应的厚度优化系数。
优选地，所述根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信，包括：
基于
判断所述第二设定优化系数的是否可信；其中，在当前轧制批次轧制完成前，基于
numb＝numb+1、mean＝mean′与sigma＝sigma′，获取可信度；ke为常量值，α为当前卷带钢对应的厚度优化系数，α′为下一卷带钢对应的厚度优化系数，sigma为可信度，numb为当前批次的带钢卷数，act_thick为当前卷带钢的实测厚度，mean为厚度优化系数的均值。
第二方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种冷连轧原料厚度的动态设定优化装置，包括：
接收模块，用于接收当前轧制批次输入的原料参数；查询模块，用于根据所述原料参数，在预设的长期自适应数据表中查询获得第一设定优化系数；厚度优化系数获取模块，用于基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数；第二设定优化系数获取模块，用于对当前批次的每一卷带钢的所述厚度优化系数进行指数平滑，获得第二设定优化系数；所述第二设定优化系数用于对下一轧制批次的带钢的轧制过程进行优化，所述当前轧制批次与所述下一轧制批次的带钢的原料参数相同；可信度判断模块，用于根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信；更新模块，用于当所述第二设定优化系数可信时，将所述长期自适应数据表中的所述第一设定优化系数更新为所述第二设定优化系数。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本发明提供一种冷连轧原料厚度的动态设定优化方法及装置，通过对一个轧制批次的每一卷带钢均进行厚度优化系数的获取，但获取的数据不对本轧制批次的带刚进行使用，避免了轧制过程产生较大的波动性；最后在该轧制批次轧制完成时，对当前轧制批次的厚度优化系数进行指数平滑，获得第二设定优化系数；进一步，为了避免长期自适应数据表中的设定优化系数的波动性，对第二设定优化系数进行可信度检验，最终当第二设定优化系数可信时才对第一设定优化系数进行更新，提高了冷连轧过程控制模型优化的准确性。第二设定优化系数可用于对下一轧制批次的带钢的轧制过程进行优化，当带钢特性发生改变时，由于在轧制过程中不断的获取第二设定优化系数，并对第一设定优化系数进行更新，也能够实现后续轧制的自适应优化调整，提高了冷连轧过程控制模型的优化效率与优化及时性。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明第一实施例提供的一种冷连轧原料厚度的动态设定优化方法的流程图；
图2为不使用本发明提供的冷连轧原料厚度的动态设定优化方法的设定-实际厚度偏差量示意图；
图3为使用本发明提供的冷连轧原料厚度的动态设定优化方法的设定-实际厚度偏差量示意图；
图4为本发明第二实施例提供的一种冷连轧原料厚度的动态设定优化装置的功能模块图。
具体实施方式
下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
第一实施例
请参照图1，在本实施例中提供一种冷连轧原料厚度的动态设定优化方法，所述方法包括：
步骤S10：接收当前轧制批次输入的原料参数；
步骤S20：根据所述原料参数，在预设的长期自适应数据表中查询获得第一设定优化系数；
步骤S30：基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数；
步骤S40：对当前批次的每一卷带钢的所述厚度优化系数进行指数平滑，获得第二设定优化系数；所述第二设定优化系数用于对下一轧制批次的带钢的轧制过程进行优化，所述当前轧制批次与所述下一轧制批次的带钢的原料参数相同；
步骤S50：根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信；
步骤S60：当所述第二设定优化系数可信时，将所述长期自适应数据表中的所述第一设定优化系数更新为所述第二设定优化系数。
在步骤S10中，当前轧制批次可以与相邻的轧制批次的带钢种类、规格、宽度等参数均相同，此时可将两个批次进合并。另外，若一个轧制批次中卷数较多时，可对卷数进行限制。例如，当每轧制一定卷数的带钢时可进行一次数据的统计与第一设定优化系数的更新，可以理解为将一个卷数较多的批次划分为卷数较少的多个批次进行优化。
需要说明的是，在该方法第一投入使用的时候，第一设定优化系数可以进行经验性的设定；也可为空值，不投入使用，直到第一次更新后产生第二设定优化系数后。
原料参数可为用户根据当前的轧制需求进行输入，具体包括但不限于，设定厚度、目标厚度、轧制力、辊缝、张力等。进一步的，可以通过设定一钢卷数据表的方式来存放当前卷的所有轧制信息，每一卷对应一个钢卷数据表，具体包括上述的原料参数以及后续实测得到的各种参数，例如带钢的速度、带钢的实测厚度等，还用于存储钢卷轧制过程中的过程数据，例如每一卷的厚度优化系数。该钢卷数据表在进行数据存储的时候分为带头、带中、带尾进行区分存储。
在步骤S20中，所述的长期自适应数据表中按照带钢的带钢钢种、带钢宽度、带钢厚度、轧辊类型划分数据表，主要存放自适应统计数据，包括近期每一次自适应的统计数据，以及同规格带钢的长期自适应数据。根据原料参数中的带钢钢种、带钢宽度、带钢厚度(设定厚度)、轧辊类型在长期自适应数据表中查找到对应的第一设定优化系数，并代入轧制模型对压下分配进行优化，开始轧制过程。长期自适应数据表(二维表)的形式如下：
在长期自适应数据表中，R代表轧辊类型、Y代表钢种代码、B代表宽度范围代码、H代表厚度范围代码、head中存储5个机架中各机架的轧制带钢的带头的第一设定优化系数α(厚度优化系数)、可信度sigma和纳入统计的卷数numb，另外的center中存储5个机架中各机架的轧制带钢的带中的第一设定优化系数α(厚度优化系数)、可信度sigma和纳入统计的卷数numb，tail存储5个机架中各机架的轧制带钢的带尾的第一设定优化系数α(厚度优化系数)、可信度sigma和纳入统计的卷数numb；例如CASE1中head中公开的α1A，其中α为第一设定优化系数，1为可信度，A为统计卷数。
进一步的，由于长期自适应数据表容量较大，储存着系统内所有钢种各规格的厚度自适应数据，轧制模型在使用或调用速度较慢。因此，可建立一临时数据表用于存放当前生产批次钢卷的厚度优化过程中产生的数据。具体存储数据情况如下，第一次在长期自适应数据表取得的设定数据存放到该临时数据表中。通过构建该临时数据表可便于轧制模型更加快速的读取数据，进行参数优化。
在获取到第一设定优化系数后即可执行步骤S30，启动轧机对当前轧制批次的每一卷带钢进行轧制。具体的包括：
步骤S31：基于所述第一设定优化系数，对压下分配进行优化并启动轧制；
步骤S32：获取所述当前轧制批次的当前卷带钢的实测厚度；
步骤S33：基于
获得所述当前卷带钢的厚度优化系数；其中，α为所述当前卷带钢对应的厚度优化系数，Ha为所述当前卷带钢的实测厚度；Hca为所述设定厚度。
通过步骤S32-S33可记录每一卷带钢的实测宽度以及厚度优化系数等，具体可记录在钢卷数据表中。其中，实测厚度，包括：带钢的带头实测厚度、带钢的带中实测厚度以及带钢的带尾实测厚度；进一步的，厚度优化系数也分为带头、带中与带尾三部分。
需要说明的是，在本实施例中，同一轧制批次的带钢轧制时可以对轧制卷数达到预设的一定数量时选用上一卷的厚度优化系数(即在上一卷钢卷数据表中读取厚度优化系数更新到临时数据表中并投入实际生产)；也就是说，每隔一定数量的钢卷更新一次实际投入生产的厚度优化系数。可以避免各个轧制批次出现较大的厚度波动。例如：第2、3卷带钢的厚度优化系数可直接使用第1卷(或前批次)的厚度优化系数，在第四卷的时候更新为第三卷轧制时计算得到的厚度优化系数。
在步骤S32中，对于带中实测厚度的获取，包括：
步骤S321：获取所述当前轧制批次的当前卷带钢的两个以上带中位置的速度；
步骤S322：将速度最高的带中位置对应的厚度作为所述带中实测厚度。
通过步骤S321-S322对带中位置多次实测能够更加准确的确定速度稳定时的带中的实测厚度。
在步骤S30之后，可对轧制参数进行短期的自适应优化，具体包括：
步骤S301：根据当前卷带钢的设定厚度与所述当前卷带钢的厚度优化系数，确定下一卷带钢的设定厚度。具体的，基于set_thick′＝(1.0+set_thick)*α-1.0，获得下一卷带钢的设定厚度；其中，set_thick′为下一卷带钢的设定厚度，set_thick为当前卷带钢的设定厚度，α为当前卷带钢对应的厚度优化系数。
需要说明的时候步骤S33与步骤S301之间的计算可相互沿用，但不用于轧制模型的设定，避免当前轧制批次出现较大的波动性。
步骤S302：根据所述当前卷带钢的设定厚度、所述当前卷带钢的实测厚度、所述当前卷带钢的厚度优化系数以及下一卷带钢的厚度优化系数，获得所述下一卷带钢的厚度补偿因子。具体的，基于
获得所述下一卷带钢的厚度补偿因子；其中，act_thick为当前卷带钢的实测厚度，set_thick为当前卷带钢的设定厚度，cdzfa为厚度补偿因子，0<cdzfa<1，α为当前卷带钢对应的厚度优化系数，α′为下一卷带钢对应的厚度优化系数。此时得到的补偿因子可回传至轧机的过程控制系统进行应用，实现短期自适应动态优化。
在步骤S40中，获得的第二设定优化系数可用于短期的自适应优化，即可用于下一轧制批次的压下分配进行优化。例如，当前轧制批次的卷数为10卷，那么将第11卷的带钢作为下一轧制批次，此时使用第二设定优化系数输入轧制模型进行第11卷带钢的轧制优化。同时，为了避免第一设定优化系数的波动，提高可靠性，还需要对第二设定优化系数的可信度进行检验(参照步骤S50-S60)。
具体的，在步骤S50、S60中：
基于
判断所述第二设定优化系数的是否可信，若
成立则可信，将第一设定优化系数更新为第二设定优化系数，否则不可信。由此较好的屏蔽了波动较大设定优化系数，尽可能的避免此类数据累积到长期自适应的设定优化系数中，确保了第二设定优化系数的准确性，提高了对第一设定优化系数更新的可靠性。
其中：
在当前轧制批次轧制完成前，基于
numb＝numb+1、mean＝mean′与sigma＝sigma′，获取可信度；ke为常量值，α为当前卷带钢对应的厚度优化系数，α′为下一卷带钢对应的厚度优化系数，sigma为可信度，numb为当前批次的带钢卷数，act_thick为当前卷带钢的实测厚度，mean为厚度优化系数的均值。例如，若当前轧制批次具有10卷带钢，那么根据上述的循环计算公式，需要进行9次计算获得最终的可信度，然后基于
完成可信判断。上述的计算中间数据均可保存在钢卷数据表中，以便进行查阅和分析。
进一步的，可将长期自适应数据表、临时数据表以及钢卷数据表的数据进行输出，便于后续跟踪监控数据变化情况。
在以具体的示例中，采用该方法进行原料厚度优化后，在轧制过程中进行数据统计发现厚度的设定偏差得到了明显的改善，偏差量甚至达到了原来的1/4。如图2所示为优化前的设定-实际厚度偏差量示意图，如图3所示为采用本发明优化后的设定-实际厚度偏差量。
本发明通过对一个轧制批次的每一卷带钢均进行厚度优化系数的获取，但获取的数据不对本轧制批次的带刚进行使用，避免了轧制过程产生较大的波动性；最后在该轧制批次轧制完成时，对当前轧制批次的厚度优化系数进行指数平滑，获得第二设定优化系数；进一步，为了避免长期自适应数据表中的设定优化系数的波动性，对第二设定优化系数进行可信度检验，最终当第二设定优化系数可信时才对第一设定优化系数进行更新，提高了冷连轧过程控制模型优化的准确性。第二设定优化系数可用于对下一轧制批次的带钢的轧制过程进行优化，当带钢特性发生改变时，由于在轧制过程中不断的获取第二设定优化系数，并对第一设定优化系数进行更新，也能够实现后续轧制的自适应优化调整，提高了冷连轧过程控制模型的优化效率与优化及时性。
第二实施例
请参照图4，在本实施例中提供一种冷连轧原料厚度的动态设定优化装置300，该装置可用于执行第一实施例所述的方法，所述装置300包括：
接收模块301，用于接收当前轧制批次输入的原料参数；
查询模块302，用于根据所述原料参数，在预设的长期自适应数据表中查询获得第一设定优化系数；
厚度优化系数获取模块303，用于基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数；
第二设定优化系数获取模块304，用于对当前批次的每一卷带钢的所述厚度优化系数进行指数平滑，获得第二设定优化系数；所述第二设定优化系数用于对下一轧制批次的带钢的轧制过程进行优化，所述当前轧制批次与所述下一轧制批次的带钢的原料参数相同；
可信度判断模块305，用于根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信；
更新模块306，用于当所述第二设定优化系数可信时，将所述长期自适应数据表中的所述第一设定优化系数更新为所述第二设定优化系数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
本发明中的所述方法功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种冷连轧原料厚度的动态设定优化方法，其特征在于，包括：
接收当前轧制批次输入的原料参数；
根据所述原料参数，在预设的长期自适应数据表中查询获得第一设定优化系数；
基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数；
对当前批次的每一卷带钢的所述厚度优化系数进行指数平滑，获得第二设定优化系数；所述第二设定优化系数用于对下一轧制批次的带钢的轧制过程进行优化，所述当前轧制批次与所述下一轧制批次的带钢的原料参数相同；
根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信；
当所述第二设定优化系数可信时，将所述长期自适应数据表中的所述第一设定优化系数更新为所述第二设定优化系数。
2.根据权利要求1所述的方法，其特征在于，所述原料参数包括设定厚度，所述基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数，包括：
基于所述第一设定优化系数，对压下分配进行优化并启动轧制；
获取所述当前轧制批次的当前卷带钢的实测厚度；
基于
获得所述当前卷带钢的厚度优化系数；其中，α为所述当前卷带钢对应的厚度优化系数，Ha为所述当前卷带钢的实测厚度；Hca为所述设定厚度。
3.根据权利要求2所述的方法，其特征在于，所述实测厚度，包括：
带钢的带头实测厚度、带钢的带中实测厚度以及带钢的带尾实测厚度。
4.根据权利要求3所述的方法，其特征在于，所述带中实测厚度的获取，包括：
获取所述当前轧制批次的当前卷带钢的两个以上带中位置的速度；
将速度最高的带中位置对应的厚度作为所述带中实测厚度。
5.根据权利要求1所述的方法，其特征在于，所述基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数之后，还包括：
根据当前卷带钢的设定厚度与所述当前卷带钢的厚度优化系数，确定下一卷带钢的设定厚度。
6.根据权利要求5所述的方法，其特征在于，所述根据所述当前卷带钢的设定厚度与所述当前卷带钢的厚度优化系数，确定下一卷带钢的设定厚度，包括：
基于set_thick′＝(1.0+set_thick)*α-1.0，获得下一卷带钢的设定厚度；其中，set_thick′为下一卷带钢的设定厚度，set_thick为当前卷带钢的设定厚度，α为当前卷带钢对应的厚度优化系数。
7.根据权利要求5所述的方法，其特征在于，所述根据当前卷带钢的设定厚度与所述当前卷带钢的厚度优化系数，确定下一卷带钢的设定厚度之后，还包括：
根据所述当前卷带钢的设定厚度、所述当前卷带钢的实测厚度、所述当前卷带钢的厚度优化系数以及下一卷带钢的厚度优化系数，获得所述下一卷带钢的厚度补偿因子。
8.根据权利要求7所述的方法，其特征在于，所述根据所述当前卷带钢的设定厚度、所述当前卷带钢的实测厚度、所述当前卷带钢的厚度优化系数以及下一卷带钢的厚度优化系数，获得所述下一卷带钢的厚度补偿因子，包括：
基于
获得所述下一卷带钢的厚度补偿因子；其中，act_thick为当前卷带钢的实测厚度，set_thick为当前卷带钢的设定厚度，cdzfa为厚度补偿因子，0<cdzfa<1，α为当前卷带钢对应的厚度优化系数，α′为下一卷带钢对应的厚度优化系数。
9.根据权利要求1所述的方法，其特征在于，所述根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信，包括：
基于
判断所述第二设定优化系数的是否可信；
其中，在当前轧制批次轧制完成前，基于
numb＝numb+1、mean＝mean′与sigma＝sigma′，获取可信度；ke为常量值，α为当前卷带钢对应的厚度优化系数，α′为下一卷带钢对应的厚度优化系数，sigma为可信度，numb为当前批次的带钢卷数，act_thick为当前卷带钢的实测厚度，mean为厚度优化系数的均值。
10.一种冷连轧原料厚度的动态设定优化装置，其特征在于，包括：
接收模块，用于接收当前轧制批次输入的原料参数；
查询模块，用于根据所述原料参数，在预设的长期自适应数据表中查询获得第一设定优化系数；
厚度优化系数获取模块，用于基于所述第一设定优化系数，对当前批次的每一卷带钢进行轧制并获得每一卷带钢对应的厚度优化系数；
第二设定优化系数获取模块，用于对当前批次的每一卷带钢的所述厚度优化系数进行指数平滑，获得第二设定优化系数；所述第二设定优化系数用于对下一轧制批次的带钢的轧制过程进行优化，所述当前轧制批次与所述下一轧制批次的带钢的原料参数相同；
可信度判断模块，用于根据所述第一设定优化系数与所述第二设定优化系数，判断所述第二设定优化系数的是否可信；
更新模块，用于当所述第二设定优化系数可信时，将所述长期自适应数据表中的所述第一设定优化系数更新为所述第二设定优化系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911192489.6A CN111062120B (zh) | 2019-11-28 | 2019-11-28 | 一种冷连轧原料厚度的动态设定优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911192489.6A CN111062120B (zh) | 2019-11-28 | 2019-11-28 | 一种冷连轧原料厚度的动态设定优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062120A CN111062120A (zh) | 2020-04-24 |
| CN111062120B true CN111062120B (zh) | 2023-04-18 |
Family
ID=70299194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911192489.6A Active CN111062120B (zh) | 2019-11-28 | 2019-11-28 | 一种冷连轧原料厚度的动态设定优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062120B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007289990A (ja) * | 2006-04-24 | 2007-11-08 | Kobe Steel Ltd | 圧延装置の板厚制御方法と圧延装置 |
| CN109351785A (zh) * | 2018-11-28 | 2019-02-19 | 北京首钢冷轧薄板有限公司 | 一种轧制力优化方法及装置 |
| CN109894482A (zh) * | 2019-02-28 | 2019-06-18 | 首钢智新迁安电磁材料有限公司 | 一种冷连轧机起车控制优化方法及装置 |
| CN110052507A (zh) * | 2019-04-24 | 2019-07-26 | 首钢集团有限公司 | 一种带钢卷取厚度控制方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS52116761A (en) * | 1976-03-26 | 1977-09-30 | Hitachi Ltd | System for controlling thickness of rolled plate |
-
2019
- 2019-11-28 CN CN201911192489.6A patent/CN111062120B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007289990A (ja) * | 2006-04-24 | 2007-11-08 | Kobe Steel Ltd | 圧延装置の板厚制御方法と圧延装置 |
| CN109351785A (zh) * | 2018-11-28 | 2019-02-19 | 北京首钢冷轧薄板有限公司 | 一种轧制力优化方法及装置 |
| CN109894482A (zh) * | 2019-02-28 | 2019-06-18 | 首钢智新迁安电磁材料有限公司 | 一种冷连轧机起车控制优化方法及装置 |
| CN110052507A (zh) * | 2019-04-24 | 2019-07-26 | 首钢集团有限公司 | 一种带钢卷取厚度控制方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 王健 ; 刘长青 ; 肖宏 ; .热连轧精轧机组预设定和自适应研究.中南大学学报(自然科学版).2012,(07), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062120A (zh) | 2020-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109351785B (zh) | 一种轧制力优化方法及装置 | |
| JP6233423B2 (ja) | 圧延プロセスの学習制御装置 | |
| EP4092592A1 (en) | Generating demand forecasts based on trend features derived from historical data | |
| CN110052507B (zh) | 一种带钢卷取厚度控制方法及装置 | |
| CN113868953B (zh) | 工业系统中多机组运行优化方法、装置、系统及存储介质 | |
| WO2019114754A1 (zh) | 一种列式存储下多时间序列的连接查询方法及系统 | |
| CN110390563A (zh) | 用户价值的量化方法、装置、计算机设备和存储介质 | |
| CN105389637A (zh) | 用于月度用电预测模型的有效工作日构建方法 | |
| CN111062120B (zh) | 一种冷连轧原料厚度的动态设定优化方法及装置 | |
| CN110378751B (zh) | 一种期权定价方法和系统 | |
| JP6102659B2 (ja) | 圧延制御装置および圧延制御方法 | |
| CN110385344B (zh) | 一种热连轧机活套自适应套量的控制方法及装置 | |
| CN114844696B (zh) | 一种基于风险池最小化的网络入侵动态监测方法、系统、设备和可读存储介质 | |
| CN110227725B (zh) | 一种辊缝自学习纠偏的方法及装置 | |
| US20210183528A1 (en) | Information processing apparatus, information processing method, and non-transitory computer readable medium | |
| KR102516612B1 (ko) | 금속 피가공재 제조 방법 | |
| CN113712245A (zh) | 卷烟圆周精准控制方法 | |
| CN113857243A (zh) | 一种用于提高酸洗板轧制质量的方法、装置、介质及设备 | |
| CN111476336B (zh) | 服装的计件方法、装置及设备 | |
| US20240020436A1 (en) | Automated data quality monitoring and data governance using statistical models | |
| US11663210B2 (en) | Data pattern analysis optimizer, and method of data pattern analysis optimization processing | |
| JP7452443B2 (ja) | 圧延モデルの学習方法 | |
| CN114101337B (zh) | 一种单机架可逆轧机的厚度控制方法、装置 | |
| CN116618456A (zh) | 一种活套的控制方法和装置 | |
| CN117804639B (zh) | 一种胶装机温控传感器的温度校准方法及系统 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 064400 No. 025 Zhao'an Street, Qian'an Economic Development Zone, Tangshan City, Hebei Province Patentee after: Shougang Zhixin Electromagnetic Materials (Qian'an) Co.,Ltd. Country or region after: China Address before: 064400 No. 025, Zhao an street, western industrial area, Qian'an, Tangshan City, Hebei Patentee before: SHOUGANG ZHIXIN QIAN'AN ELECTROMAGNETIC MATERIALS Co.,Ltd. Country or region before: China |