CN111983983B - 一种热轧钢板热处理板形智能控制方法及系统 - Google Patents
一种热轧钢板热处理板形智能控制方法及系统 Download PDFInfo
- Publication number
- CN111983983B CN111983983B CN202010788886.6A CN202010788886A CN111983983B CN 111983983 B CN111983983 B CN 111983983B CN 202010788886 A CN202010788886 A CN 202010788886A CN 111983983 B CN111983983 B CN 111983983B
- Authority
- CN
- China
- Prior art keywords
- plate shape
- adjustment
- coding
- steel plate
- rolled 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
- 238000000034 method Methods 0.000 title claims abstract description 104
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 81
- 239000010959 steel Substances 0.000 title claims abstract description 81
- 238000010438 heat treatment Methods 0.000 title claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 65
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004886 process control Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 abstract description 4
- 238000010791 quenching Methods 0.000 description 21
- 230000000171 quenching effect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 9
- 238000001816 cooling Methods 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000005482 strain hardening Methods 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D11/00—Process control or regulation for heat treatments
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Mechanical Engineering (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Control Of Heat Treatment Processes (AREA)
- Heat Treatment Of Strip Materials And Filament Materials (AREA)
Abstract
本发明涉及一种热轧钢板热处理板形智能控制方法及系统,其方法包括:S1、检测钢板板形并生成3D影像;S2、基于3D影像对钢板进行板形数字编码,板形数字编码包括位置编码、特征编码与特征选择编码;S3、基于在不同位置编码下特征编码与工艺参数之间的映射关系,确定工艺参数调整策略;S4、依据工艺参数采用智能算法调整优先级得到多目标优化策略;S5、根据工艺参数调整策略与多目标优化策略,调整各工艺参数对应的权重,得出板形调整数据;S6、根据板形调整数据结合特征选择编码,制定调整表。本发明自动调整板形及时、精确且效率高,有效解决了热轧钢板热处理板形恶化、残余应力高的问题。
Description
技术领域
本发明涉及板带钢热处理技术领域,尤其涉及一种热轧钢板热处理板形智能控制方法。
背景技术
3~150mm厚热轧钢板是海工、能源、电力、交通、装备制造、军工等领域关键原材料,对国家建设和国防安全至关重要。此类钢板热轧后需要经过调质热处理,利用不同的加热制度和冷却制度来调控钢板组织和板形,得到更优异的性能。由于辊式淬火装备技术具有冷却强度大、淬火均匀、控制精度高、可连续生产等优点,成为目前热轧钢板主要淬火方式。
然而,钢板淬火过程的高冷却均匀性和高平直度板形控制一直是行业公认的技术难题,主要表现在:(1)钢板淬火敏感性高,淬火后易瓢曲,很难矫正;(2)用户对钢板综合使役性能要求苛刻,对钢板淬火组织性能一致性要求高;(3)钢板淬火后强度显著提高,残余应力不均匀分布易产生冷加工变形回弹,影响大型装备整体结构加工质量和安全性。钢板淬火过程温降和板形控制可通过调整淬火介质流量、压力、流动均匀性、辊速等工艺参数实现,目前主要采用人工调节方式。人工调节精度低、响应慢、周期长、无法实时跟踪,导致钢板淬火批次稳定性低、板形平直度低、残余应力大以及性能一致性差等问题。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种热轧钢板热处理板形智能控制方法及系统,其解决了现有热轧钢板离线热处理辊式淬火过程板形控制精度低、批次板形稳定性差、淬火后钢板残余应力大以及人工调节效率低/精度低的技术问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
第一方面,本发明实施例提供一种热轧钢板热处理板形智能控制方法,包括:
S1、检测经淬火后的钢板板形,并生成3D影像;
S2、基于所述3D影像对钢板进行板形数字编码,所述板形数字编码包括位置编码、特征编码以及特征选择编码;
S3、基于在不同所述位置编码下所述特征编码与工艺参数之间的映射关系,确定工艺参数调整策略;
S4、根据所述工艺参数采用智能算法调整优先级得到多目标优化策略;
S5、根据所述工艺参数调整策略与所述多目标优化策略,调整各工艺参数对应的权重,得出板形调整数据;
S6、根据所述板形调整数据结合所述特征选择编码,制定调整表。
可选地,在步骤S2中,所述板形数字编码由位置编码、特征编码以及特征选择编码顺次拼接而成,格式为:
XiYjZk,
其中,Xi为位置编码,i为实数且0≤i≤15,即位置编码Xi有15种;
Yj为特征编码,j为实数且0≤j≤6,即特征编码Yj有6种;
Zk为特征选择编码,k为实数且0≤k≤3,特征选择编码有3种。
可选地,在步骤S3中,所述工艺参数包括辊速、辊道加速度、水量、水比、水压与辊缝。
可选地,在步骤S3中,所述工艺调整策略包括辊缝增减、辊速增减、水量增减、水比增减与水压增减。
可选地,在步骤S4中,所述优先级为辊缝>辊速/辊道加速度>水量/水比>水压。
可选地,在步骤S4中,所述智能算法包括前馈式神经网络。
可选地,在步骤S6中,所述调整表中包括辊缝的调整量、辊速的调整量、水量调整量、水比调整量以及水压调整量。
可选地,在步骤S6之后,还包括:
S7、将所述调整表中的各个调整量转化为控制量输出给执行设备来执行,所述执行设备包括控制仪表或动力源。
第二方面,本发明实施例提供一种热轧钢板热处理板形智能控制系统,包括:板形检测装置、过程控制装置以及仪表控制装置;
所述板形检测装置包括板形检测模块与板形编码模块;所述板形检测模块用于检测经淬火后的钢板板形,并生成3D影像;所述板形编码模块,用于根据3D影像生成板形数字编码,所述板形数字编码包括位置编码、特征编码以及特征选择编码;
所述过程控制装置包括专家规则库、判定系统以及调整数据生成库;
所述专家规则库用于建立了不同所述位置编码条件下所述特征编码与工艺参数间的映射关系,并依据所述映射关系确定不同板形特征对应的工艺参数调整策略;
所述判定系统用于依据所述工艺参数调整优先级,制定出多目标优化策略;
所述调整数据生成库基于所述工艺参数调整策略与所述多目标优化策略,计算各工艺参数并调整对应权重,得出板形调整数据;
所述仪表控制装置包括调整表生成模块与PLC逻辑系统;
所述调整表生成模块用于根据所述板形调整数据结合所述特征选择编码,制定调整表;
所述PLC逻辑系统根据所述调整表调整控制仪表或动力源。
(三)有益效果
本发明的有益效果是:本发明将智能控制引入到热轧钢板热处理板形控制领域,基于板形检测系统获取的钢板淬火后3D影像,对钢板进行板形数字编码,利用板形与工艺参数的对应,来制定板形调整数据,通过板形调整数据实现不良淬火板形的自动优化。本发明自动化程度高、板形调整实时、精确、效率高,有效解决热轧钢板热处理板形恶化、残余应力高的瓶颈问题。
附图说明
图1为本发明提供的一种热轧钢板热处理板形智能控制方法的流程示意图;
图2为本发明提供的一种热轧钢板热处理板形智能控制方法的板形数字编码示意图;
图3为本发明提供的一种热轧钢板热处理板形智能控制系统的组成示意图;
图4为本发明提供的一种热轧钢板热处理板形智能控制系统的控制流程示意图。
【附图标记说明】
1:钢板;2:板形检测装置;3:板形数字编码;4:位置编码;5:特征编码;6:特征选择编码;7:辊式淬火装置;8:过程控制装置;9:专家规则库;10:判定系统;11:工艺参数调整策略;12:多目标优化策略;13:板形调整数据;14:仪表控制装置;15:调整表;16:PLC逻辑系统;17:控制仪表或动力源;18:板形检测模块;19:板形编码模块;20:调整数据生成库;21:调整表生成模块。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本发明实施例提出一种热轧钢板热处理板形智能控制方法,图1为本发明提供的一种热轧钢板热处理板形智能控制方法的流程示意图,如图1所示,其公开了:获取的钢板1淬火后3D影像,并对钢板1进行板形数字编码3。接着,利用不同位置编码4下特征编码5与工艺参数之间的映射关系实现板形与工艺参数的对应,确定工艺参数调整策略11。继而,依据工艺参数采用智能算法调整优先级得到多目标优化策略12。再者,根据工艺参数调整策略11与多目标优化策略12,调整各工艺参数对应的权重,得出板形调整数据13。最后,根据板形调整数据13结合特征选择编码6,制定调整表15。
本发明将智能控制引入到热轧钢板热处理板形控制领域,基于获取的钢板1淬火后3D影像,对钢板1进行板形数字编码3,利用板形与工艺参数的对应,来制定板形调整数据13,随后通过板形调整数据13实现不良淬火板形的自动优化。本发明自动化程度高、板形调整及时、精确且效率高,有效解决了热轧钢板1热处理中出现的板形恶化、残余应力高的问题。
为了更好地理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
具体地,本发明公开的一种热轧钢板热处理板形智能控制方法,包括:
S1、检测经淬火后的钢板1板形,并生成高精度的板形3D影像,生成的高精度的板形3D影像为后续利用智能控制方法自动调整工艺参数实现钢板1淬火板形自动控制提高了效率。
S2、基于3D影像对钢板1进行板形数字编码3。板形数字编码3包括位置编码4、特征编码5以及特征选择编码6。
图2为本发明提供的一种热轧钢板热处理板形智能控制方法的板形数字编码示意图,如图2所示,在步骤S2中,板形数字编码3由位置编码4、特征编码5以及特征选择编码6顺次拼接而成,格式为:
XiYjZk,
其中,Xi为位置编码4,i为实数且0≤i≤15。即位置编码4包括如下15种:X1为第一纵向头部位置编码、X2为第二纵向头部位置编码、X3为第三纵向头部位置编码、X4为第一纵向前部位置编码、X5为第二纵向前部位置编码、X6为第三纵向前部位置编码、X7为第一纵向中部位置编码、X8为第二纵向中部位置编码、X9为第三纵向中部位置编码、X10为第一纵向后部位置编码、X11为第二纵向后部位置编码、X12为第三纵向后部位置编码、X13为第一纵向尾部位置编码、X14为第一纵向尾部位置编码与X15为第一纵向尾部位置编码。
Yj为特征编码5,j为实数且0≤j≤6。即特征编码4包括依据钢板1板形类型划分的如下6种:Y1为平直特征编码、Y2为横翘特征编码、Y3为横叩特征编码、Y4为纵翘特征编码、Y5为纵叩特征编码与Y6为浪型特征编码。
Zk为特征选择编码6,k为实数且0≤k≤3。即特征选择编码依据钢板淬火板形恶化程度划分的如下3种:Z1为轻微特征选择编码、Z2为中等特征选择编码与Z3为重大特征选择编码。具体地,轻微划分标准为:钢板淬火后不平度F≤8mm/m;中等划分标准为:钢板淬火后不平度8mm/m<F≤20mm/m;重大划分标准:钢板淬火后不平度F>20mm/m。
S3、基于在不同位置编码4下特征编码5与工艺参数之间的映射关系,确定工艺参数调整策略11。映射关系包括钢板翘则需要提高辊速或者降低水比。
进一步地,工艺参数包括辊速、辊道加速度、水量(含不同冷却区、不同喷嘴类型)、水比(含不同冷却区、不同喷嘴类型)、水压(含不同冷却区、不同喷嘴类型)、辊缝6种。
而工艺参数调整策略11则包括辊缝增减、辊速增减、水量增减、水比增减与水压增减。
S4、依据工艺参数采用智能算法调整优先级得到多目标优化策略12。
其中,优先级为辊缝>辊速/辊道加速度>水量/水比>水压。首先,依据各工艺参数对钢板板形的影响大小,给出默认的优先级:辊缝>辊速/辊道加速度>水量/水比>水压,这一优先级决定了各工艺参数调整的顺序;其次,由于不同的板形针对性的工艺参数调整不固定,需要给出主要影响工艺参数的权重。例如,头尾翘的板形,调整水比效果明显,就将水比的权重调大。本发明提出的具有普适性的优先级有利于后续流程更有条理的判断和调整实施。值得一提的是,优先级高的但不针对某一特定板形效果明显的工艺参数微调起来,对板形影响也不大,通过权重也可以解决板形调整问题。
较佳的,智能算法包括前馈式神经网络,多目标优化策略12包括最小二乘法、拟合法、迭代法、单纯形法,本发明优先使用最小二乘法和迭代法获得较优的板形调整数据13。
S5、根据工艺参数调整策略11与多目标优化策略12,调整各工艺参数对应的权重,得出板形调整数据13。具体地,板形调整数据13为:辊缝增减且分配第一权重、辊速增减且分配第二权重、辊道加速度增减且分配第三权重、水比增减且分配第四权重。
S6、根据板形调整数据13结合特征选择编码6,制定调整表15。
调整表15依据板形调整数据13和特征选择编码6,制定工艺参数调整范围。在具体的实施例中,当特征选择编码6为“Z1”时,辊缝调整范围±0.5~1.0mm、辊速调整范围±0.02~0.03m/s、水量调整范围±10~15m3/h、水比调整范围±0.1、水压调整范围±0.02~0.04MPa;当特征选择编码6为“Z2”时,辊缝调整范围±1.0~1.5mm、辊速调整范围±0.03~0.04m/s、水量调整范围±15~25m3/h、水比调整范围±0.15、水压调整范围±0.04~0.06MPa;当特征选择编码6为“Z3”时,辊缝调整范围±1.5~2.0mm、辊速调整范围±0.04~0.05m/s、水量调整范围±25~35m3/h、水比调整范围±0.2、水压调整范围±0.06~0.1MPa。
S7、将调整表15中的各个调整量转化为控制量输出给执行设备来执行,执行设备包括控制仪表或动力源17。
本发明还公开一种热轧钢板热处理板形智能控制系统,图3为本发明提供的一种热轧钢板热处理板形智能控制系统的组成示意图,如图3所示,其包括:板形检测装置2、过程控制装置8以及仪表控制装置14;
板形检测装置2包括板形检测模块18与板形编码模块19;板形检测模块18用于检测经淬火后的钢板1板形,并生成3D影像;板形编码模块19,用于根据3D影像生成板形数字编码3,板形数字编码3包括位置编码4、特征编码5以及特征选择编码6。
过程控制装置8包括专家规则库9和判定系统10以及调整数据生成库20;专家规则库9用于建立了不同位置编码4条件下特征编码5与工艺参数间的映射关系,并依据映射关系确定不同板形特征对应的工艺参数调整策略11;判定系统10用于依据工艺参数调整优先级,制定出多目标优化策略12;调整数据生成库20基于工艺参数调整策略11与多目标优化策略12,计算各工艺参数并调整对应权重,得出板形调整数据13。
仪表控制装置14包括调整表生成模块21与PLC逻辑系统16,调整表生成模块21调整表生成模块21用于根据板形调整数据13结合特征选择编码6,制定调整表15,调整表15用于依据工艺参数调整权重和特征选择编码6,制定工艺参数调整范围;PLC逻辑系统16根据调整表15自动调整工艺参数对应的控制仪表或动力源17。
较佳的,过程控制装置8与仪表控制装置14均为辊式结构。
图4为本发明提供的一种热轧钢板热处理板形智能控制系统的控制流程示意图,如图4所示,在具体的实施例中,钢板1经辊式淬火装置7淬火完毕后,由辊式淬火装置7尾部运出,经板形检测装置2检测板形成像,得出整体板形描述为“头部两角上翘、中间平直,前部两侧和中间微上翘,中部两侧边浪、中间平直,后部两侧下叩、中间平直,尾部两角下叩、中间平直”。采用板形数字编码3的方法得到每个位置“位置编码4+特征编码5+特征选择编码6”、15个位置依次排列的板形数字编码3。板形数字编码3由板形检测装置2传递给过程控制系统8,依据专家规则库9中特征编码5与工艺参数间的映射关系,确定工艺参数调整策略11为“辊速降低、辊道加速度增加、水量减小、水比减小、水压不变、辊缝增加”;依据工艺参数调整优先级,判定系统10通过前馈式神经网络算法,制定出多目标优化策略12。调整数据生成库20基于工艺参数调整策略11与多目标优化策略12,计算各工艺参数并调整对应权重,得出板形调整数据13:“辊缝增加(权重46.4%)、辊速降低(权重22.8%)、辊道加速度增加(权重18.2%)、水比减小(12.5%)”。过程控制系统8将板形调整数据13传递给仪表控制装置14,结合特征选择编码6,制定调整表15,调整表15内容用文字描述为“辊缝增加1.25mm、辊速降低0.013m/s、辊道加速度增加0.00014m2/s、水比减小0.08”。调整表15下发至PLC逻辑系统16,分别调整对应的控制仪表或动力源17,实现淬火规程自动调整。至此,热轧钢板热处理板形智能控制方法实施完毕。
综上所述,本发明公开了一种热轧钢板热处理板形智能控制方法,其流程为:首先,为了提高效率和进度,同时为淬火板形控制提供基础,对钢板1进行高精度板形识别与生成3D影像;接着,基于3D影像对钢板1进行板形数字编码3,各板形数字编码3均包括位置编码4、特征编码5以及特征选择编码6,板形数字编码3采用每个位置“位置编码4+特征编码5+特征选择编码6”,15个位置依次排列的编码形式,一共45位字符串;再者依据建立的在不同位置编码4下特征编码5与工艺参数之间的映射关系,确定工艺参数调整策略11;同时,依据工艺参数采用智能算法调整优先级得到多目标优化策略12;然后,根据工艺参数调整策略11与多目标优化策略12,调整各工艺参数对应的权重,得出板形调整数据13。最后,根据调整表15调整对应的控制仪表或动力源17,就可实现淬火规程自动调整。
而且,本发明还公开了一种热轧钢板热处理板形智能控制系统,包括:板形检测装置2、过程控制装置8以及仪表控制装置14。在板形编码模2中采用“位置编码4+特征编码5+特征选择编码6”形式将钢板1板形数字化;在专家规则库9中建立了不同位置编码4条件下特征编码5与工艺参数间的映射关系,结合判定系统10制定多目标优化策略12,得出板形调整数据13;在仪表控制装置14中依据工艺参数调整权重和特征选择编码6制定调整表15,下发至PLC逻辑系统16执行,实现板形自动调整。
本发明解决了热轧钢板1热处理淬火板形人工调整困难、精度低、效率低等问题,实现板形实时自动调整,满足了热轧钢板1热处理高平直度板形和低残余应力控制等需求。
由于本发明上述实施例所描述的系统/装置,为实施本发明上述实施例的方法所采用的系统/装置,故而基于本发明上述实施例所描述的方法,本领域所属技术人员能够了解该系统/装置的具体结构及变形,因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统/装置都属于本发明所欲保护的范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中,这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该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修改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,则本发明也应该包含这些修改和变型在内。
Claims (9)
1.一种热轧钢板热处理板形智能控制方法,其特征在于,包括:
S1、检测经淬火后的钢板板形,并生成3D影像;
S2、基于所述3D影像对钢板进行板形数字编码,所述板形数字编码包括位置编码、特征编码以及特征选择编码;
S3、基于在不同所述位置编码下所述特征编码与工艺参数之间的映射关系,确定工艺参数调整策略;
S4、根据所述工艺参数采用智能算法调整优先级得到多目标优化策略;
S5、根据所述工艺参数调整策略与所述多目标优化策略,调整各工艺参数对应的权重,得出板形调整数据;
S6、根据所述板形调整数据结合所述特征选择编码,制定调整表。
2.如权利要求1所述的一种热轧钢板热处理板形智能控制方法,其特征在于,在步骤S2中,所述板形数字编码由位置编码、特征编码以及特征选择编码顺次拼接而成,格式为:
XiYjZk,
其中,Xi为位置编码,i为实数且0≤i≤15,即位置编码Xi有15种;
Yj为特征编码,j为实数且0≤j≤6,即特征编码Yj有6种;
Zk为特征选择编码,k为实数且0≤k≤3,特征选择编码有3种。
3.如权利要求1所述的一种热轧钢板热处理板形智能控制方法,其特征在于,在步骤S3中,所述工艺参数包括辊速、辊道加速度、水量、水比、水压与辊缝。
4.如权利要求3所述的一种热轧钢板热处理板形智能控制方法,其特征在于,在步骤S3中,所述工艺参数调整策略包括辊缝增减、辊速增减、水量增减、水比增减与水压增减。
5.如权利要求3所述的一种热轧钢板热处理板形智能控制方法,其特征在于,所述优先级为辊缝>辊速/辊道加速度>水量/水比>水压。
6.如权利要求1所述的一种热轧钢板热处理板形智能控制方法,其特征在于,在步骤S4中,所述智能算法包括前馈式神经网络。
7.如权利要求3所述的一种热轧钢板热处理板形智能控制方法,其特征在于,在步骤S6中,所述调整表中包括辊缝的调整量、辊速的调整量、水量调整量、水比调整量以及水压调整量。
8.如权利要求7所述的一种热轧钢板热处理板形智能控制方法,其特征在于,在步骤S6之后,还包括:
S7、将所述调整表中的各个调整量转化为控制量输出给执行设备来执行,所述执行设备包括控制仪表或动力源。
9.一种热轧钢板热处理板形智能控制系统,其特征在于,包括:板形检测装置、过程控制装置以及仪表控制装置;
所述板形检测装置包括板形检测模块与板形编码模块;所述板形检测模块用于检测经淬火后的钢板板形,并生成3D影像;所述板形编码模块,用于根据3D影像生成板形数字编码,所述板形数字编码包括位置编码、特征编码以及特征选择编码;
所述过程控制装置包括专家规则库、判定系统以及调整数据生成库;
所述专家规则库用于建立了不同所述位置编码条件下所述特征编码与工艺参数间的映射关系,并依据所述映射关系确定不同板形特征对应的工艺参数调整策略;
所述判定系统用于依据所述工艺参数调整优先级,制定出多目标优化策略;
所述调整数据生成库基于所述工艺参数调整策略与所述多目标优化策略,计算各工艺参数并调整对应权重,得出板形调整数据;
所述仪表控制装置包括调整表生成模块与PLC逻辑系统;
所述调整表生成模块用于根据所述板形调整数据结合所述特征选择编码,制定调整表;
所述PLC逻辑系统根据所述调整表调整控制仪表或动力源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010788886.6A CN111983983B (zh) | 2020-08-07 | 2020-08-07 | 一种热轧钢板热处理板形智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010788886.6A CN111983983B (zh) | 2020-08-07 | 2020-08-07 | 一种热轧钢板热处理板形智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111983983A CN111983983A (zh) | 2020-11-24 |
CN111983983B true CN111983983B (zh) | 2023-10-10 |
Family
ID=73446179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010788886.6A Active CN111983983B (zh) | 2020-08-07 | 2020-08-07 | 一种热轧钢板热处理板形智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111983983B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113172097B (zh) * | 2021-05-27 | 2022-07-29 | 燕山大学 | 一种基于深度自编码的冷轧带材板形模式识别方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0371907A (ja) * | 1989-05-02 | 1991-03-27 | Kobe Steel Ltd | 金属圧延形状調整装置 |
JPH0542314A (ja) * | 1991-08-12 | 1993-02-23 | Kobe Steel Ltd | 圧延機の圧延材形状制御装置 |
US5193066A (en) * | 1989-03-14 | 1993-03-09 | Kabushiki Kaisha Kobe Seiko Sho | Equipment for adjusting the shape of a running band-like or plate-like metal material in the width direction |
JPH06198319A (ja) * | 1993-01-08 | 1994-07-19 | Mitsubishi Heavy Ind Ltd | 神経回路網モデルによる圧延機の形状制御法 |
CN1121447A (zh) * | 1994-03-11 | 1996-05-01 | 川崎制铁株式会社 | 轧机中控制形状的方法 |
CN1170177A (zh) * | 1996-06-25 | 1998-01-14 | 松下电工株式会社 | 图像处理方法 |
KR20030053728A (ko) * | 2001-12-22 | 2003-07-02 | 주식회사 포스코 | 열연 강판 형상측정기의 시뮬레이터 |
KR20040058742A (ko) * | 2002-12-27 | 2004-07-05 | 주식회사 포스코 | 냉연 평탄도 품질 향상을 위한 최적 목표 형상 설정시스템 및 그 방법 |
CN101623708A (zh) * | 2009-08-05 | 2010-01-13 | 燕山大学 | 板形控制集成系统及执行方法 |
CN201593973U (zh) * | 2009-08-25 | 2010-09-29 | 周良川 | 板坯体积测量系统 |
CN104001730A (zh) * | 2013-02-22 | 2014-08-27 | 宝山钢铁股份有限公司 | 目标板形设定方法 |
CN104971949A (zh) * | 2014-04-10 | 2015-10-14 | 鞍钢股份有限公司 | 一种基于嵌入式计算机的冷轧带钢板形控制方法 |
CN105499282A (zh) * | 2015-11-26 | 2016-04-20 | 首钢京唐钢铁联合有限责任公司 | 一种冷轧带钢在线板形分析方法及装置 |
KR20170053776A (ko) * | 2015-11-06 | 2017-05-17 | 주식회사 포스코 | 후판 공정 가상 조업 장치 및 방법 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10405908B2 (en) * | 2014-12-18 | 2019-09-10 | Warsaw Orthopedic, Inc. | Apparatus and method for forming support device for effecting orthopedic stabilization |
-
2020
- 2020-08-07 CN CN202010788886.6A patent/CN111983983B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5193066A (en) * | 1989-03-14 | 1993-03-09 | Kabushiki Kaisha Kobe Seiko Sho | Equipment for adjusting the shape of a running band-like or plate-like metal material in the width direction |
JPH0371907A (ja) * | 1989-05-02 | 1991-03-27 | Kobe Steel Ltd | 金属圧延形状調整装置 |
JPH0542314A (ja) * | 1991-08-12 | 1993-02-23 | Kobe Steel Ltd | 圧延機の圧延材形状制御装置 |
JPH06198319A (ja) * | 1993-01-08 | 1994-07-19 | Mitsubishi Heavy Ind Ltd | 神経回路網モデルによる圧延機の形状制御法 |
CN1121447A (zh) * | 1994-03-11 | 1996-05-01 | 川崎制铁株式会社 | 轧机中控制形状的方法 |
CN1170177A (zh) * | 1996-06-25 | 1998-01-14 | 松下电工株式会社 | 图像处理方法 |
KR20030053728A (ko) * | 2001-12-22 | 2003-07-02 | 주식회사 포스코 | 열연 강판 형상측정기의 시뮬레이터 |
KR20040058742A (ko) * | 2002-12-27 | 2004-07-05 | 주식회사 포스코 | 냉연 평탄도 품질 향상을 위한 최적 목표 형상 설정시스템 및 그 방법 |
CN101623708A (zh) * | 2009-08-05 | 2010-01-13 | 燕山大学 | 板形控制集成系统及执行方法 |
CN201593973U (zh) * | 2009-08-25 | 2010-09-29 | 周良川 | 板坯体积测量系统 |
CN104001730A (zh) * | 2013-02-22 | 2014-08-27 | 宝山钢铁股份有限公司 | 目标板形设定方法 |
CN104971949A (zh) * | 2014-04-10 | 2015-10-14 | 鞍钢股份有限公司 | 一种基于嵌入式计算机的冷轧带钢板形控制方法 |
KR20170053776A (ko) * | 2015-11-06 | 2017-05-17 | 주식회사 포스코 | 후판 공정 가상 조업 장치 및 방법 |
CN105499282A (zh) * | 2015-11-26 | 2016-04-20 | 首钢京唐钢铁联合有限责任公司 | 一种冷轧带钢在线板形分析方法及装置 |
Non-Patent Citations (2)
Title |
---|
"基于机器视觉检测钢板板形的图像处理方法研究";许博文等;《软件工程》;第21卷(第6期);2085-1472 * |
冷轧带钢板形过程控制实践综述;陈俊;四川冶金(第04期);27-31 * |
Also Published As
Publication number | Publication date |
---|---|
CN111983983A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110479776B (zh) | 热轧棒线材轧后闭环控冷系统及控制方法 | |
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 | |
CN101391268A (zh) | 一种钢板控轧控冷过程温度制度的逆向优化方法 | |
CN101660130B (zh) | 一种制备铌溅射靶材的方法 | |
CN111983983B (zh) | 一种热轧钢板热处理板形智能控制方法及系统 | |
CN107201440A (zh) | 一种加热炉炉温制度设定方法与系统 | |
CN107716560A (zh) | 一种新型板带热连轧负荷分配方法 | |
CN115449621A (zh) | 一种加热炉温度设定的控制方法 | |
CN117655118B (zh) | 多模融合的带钢板形控制方法和装置 | |
CN106886799A (zh) | 一种基于混合集成学习的连续退火带钢质量在线检测方法 | |
CN101658870A (zh) | 一种单机架四辊轧机轧制节奏的优化方法 | |
US20020020474A1 (en) | Method and device for cooling hot-rolled profiled sections | |
CN107016509B (zh) | 一种降低轧钢工序吨钢能耗的方法 | |
CN116900051A (zh) | 一种中厚板粗轧过程的转钢模式及压下制度优化设定方法 | |
CN111411215A (zh) | 一种多钢坯对象的炉温综合决策方法 | |
US10100384B2 (en) | Method for producing a tempered seamlessly hot-fabricated steel pipe | |
Li et al. | Multi-objective optimization for draft scheduling of hot strip mill | |
CN113560344B (zh) | 一种奥氏体不锈钢的中厚板生产方法 | |
Ding et al. | Deep stochastic configuration networks with different distributions for crown prediction of hot-rolled non-oriented silicon steel | |
CN116281335A (zh) | 一种bopp薄膜收卷过程外张力计算方法 | |
CN115846418A (zh) | 一种热轧钢材高温氧化速率的预测方法 | |
CN113361713A (zh) | 一种基于自适应的轧机产线轧制力控制方法 | |
Song et al. | A multi-stand work roll bending and shifting approach for profile contour and flatness control of electrical steel in multi-width schedule-free rolling using NSGA-II algorithm | |
CN101972780B (zh) | 热轧钛材铸坯温度控制方法 | |
CN113900379A (zh) | 一种基于神经网络的预测控制算法 |
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 |