CN112329198B - 一种基于数据驱动的宽厚板放尺长度优化方法 - Google Patents
一种基于数据驱动的宽厚板放尺长度优化方法 Download PDFInfo
- Publication number
- CN112329198B CN112329198B CN202011022589.7A CN202011022589A CN112329198B CN 112329198 B CN112329198 B CN 112329198B CN 202011022589 A CN202011022589 A CN 202011022589A CN 112329198 B CN112329198 B CN 112329198B
- Authority
- CN
- China
- Prior art keywords
- length
- scale
- data
- regression
- equation
- 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 16
- 238000005457 optimization Methods 0.000 title abstract description 12
- 238000005096 rolling process Methods 0.000 claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 229910000831 Steel Inorganic materials 0.000 abstract description 8
- 239000010959 steel Substances 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005098 hot rolling Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000002789 length control Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明公开了一种基于数据驱动的宽厚板放尺长度优化方法，涉及钢铁生产技术领域，主要应用于轧制长度放尺控制方面，通过建立统一、连续的放尺量计算模块，解决现有轧制长度放尺采用人工经验、分段式粗放的形式造成放尺标准难以细化以及坯料浪费的问题，提高钢板轧制的成材率，降低成本。
Description
技术领域
本发明涉及钢铁生产技术领域，特别是涉及一种基于数据驱动的宽厚板放尺长度优化方法。
背景技术
目前，厚板热轧厂品种规格不断扩充，尺寸控制精度不断优化，同时，钢铁形势对降低生产成本要求不断提高。对于厚板热轧厂不同规格产品放尺长度的控制仍然由人工根据经验进行编制，存在可继续优化的空间，由人工经验编排的放尺标准采用固定值分段式放尺量，维护难以细化，造成钢材大量浪费的现象，制约了轧制钢材成材率的提高。
发明内容
为了解决以上技术问题，本发明提供一种基于数据驱动的宽厚板放尺长度优化方法，包括以下步骤：
①提取放尺长度的影响因素即展宽比和轧制长度：厚度越厚，放尺长度越小，两者呈非线性关系；轧制长度越长，放尺长度越大，两者呈线性关系；轧制展宽比越大，放尺长度越大，两者呈线性关系；
②建立描述放尺长度的平滑曲面方程：从放尺长度层别表中提取数据，令x1代表区间内成品厚度上限，x2代表区间内成品长度下限，x3代表区间内展宽比上限，y代表放尺长度，则放尺长度回归公式采用以下平滑曲面方程形式表示：y＝A0+A1x1+A2x2+A3x3+A4x1 2+A5x2 2+A6x3 2+A7x1x2+A8x1x3+A9x2x3(1)，其中，A0～A9为回归方程系数；
③采用最小二乘方法对数据进行数据非线性回归：针对方程(1)的多元非线性回归方法，利用多元线性回归的方式处理将实际放尺数据代入，用矩阵形式表示为：Y＝XA(2)，A＝(XTX)-1XTY(3)，根据回归结果对数据进行剔除，在剔除残差较大的数据点之后再重新进行回归，将此时的结果作为最终回归方程的系数；
④根据回归方程计算不同规格产品的实际放尺量：假设生产规格对于放尺长度层别表中各影响因素的占比是平均的，由于放尺长度方程是以层别区间内成品厚度上限、成品长度下限、展宽比上限数据为基础进行回归的，假设方程计算结果为y2 i，对于层别区间内成品厚度下限、成品长度上限、展宽比下限的计算结果为y1 i，则能够近似提高的平均成材率可用下式计算：其中，m为数据组数，lavg为成品长度层别区间内平均值。
本发明的有益效果：本次发明主要通过连续化的数学模型计算，通过对不同坯料厚度、目标长度、展宽比，不同钢种延伸率对轧制放尺量的影响因素，通过数学模型模拟计算的方式，取得放尺系数的连续值。能够灵活调整放尺参数表，减少对放尺标准的维护、标定、核验等过程；建立连续式的放尺优化模型，减少钢材的浪费，提高轧制钢板成材率。
附图说明
图1为本发明中影响放尺长度的单因素分析图；
图2为本发明中放尺长度回归前后对比示意图；
图3为本发明中初始数据回归残差图；
图4为本发明中同一层别区间内放尺长度优化部分数据对比图；
图5为本发明中实施例实际轧制尺寸；
图6为本发明中实施例实际测量轧制头部(左)与尾部(右)圆弧长度。
具体实施方式
本实施例提供的一种基于数据驱动的宽厚板放尺长度优化方法，以某单机架宽厚板轧机作为研究对象，对其生产过程的放尺长度进行优化，轧制设备和产品的工艺参数如下：轧机型式：单机架四辊轧机；工作辊长度：5000mm；工作辊直径范围：900～1150mm；坯料厚度：300mm；平面形状控制：控制系统具备平面形状控制功能。
①提取数据，确定影响放尺长度的关键因素及其上下限范围
在目前生产应用的中，按照成品厚度、成品长度与展宽比这三个关键因素提取对应的放尺长度数据，如图1所示。提取的初始数据一共449组，其中成品厚度范围从10～100mm，共划分为8个层别；成品长度范围从2～46.6m，最大划分了9个层别；展宽比范围1.0～2.0，最大划分了8个层别，如表1所示。
表1放尺长度层别表部分数据
从表1也能看出放尺长度与成品厚度、成品长度和展宽比这些影响因素之间的关系，即成品厚度越薄、成品长度越长、展宽比越小，所设定的放尺长度值越大。
②建立描述放尺长度的平滑曲面方程，并采用最小二乘方法求解在449组放尺长度层别数据中，提取区间内成品厚度上限作为x1，成品长度下限作为x2，展宽比上限作为x3，放尺长度作为y，采用最小二乘方法对描述放尺长度方程y＝A0+A1x1+A2x2+A3x3+A4x1 2+A5x2 2+A6x3 2+A7x1x2+A8x1x3+A9x2x3(1)进行回归求解，得到方程的回归系数：
A0＝3.7170，A1＝-0.0512，A2＝0.0272，A3＝-2.3565，A4＝0.0003，A5＝-0.0001，A6＝0.5451，A7＝-0.0002，A8＝0.0097，A9＝-0.0085。
将以上系数带入方程(1)，即得到了放尺长度与影响因素之间的平滑描述关系，为了能够直观的观察回归前离散点与回归后平滑曲面的对比，取成品厚度层别区间13.0～20.0mm，利用放尺回归公式得到放尺长度与成品长度、展宽比之间的曲面图，如图2所示。可以看出，回归后的放尺长度随着影响因素的变化随之平滑变化。
③根据回归结果剔除误差数据，并重新进行拟合，获得最终回归方程系数放尺长度层别表中数据来自于生产经验，数据中存在一定的误差，误差大的数据对回归的精度会造成一定影响，使得对放尺长度设定精度下降，影响了成材率，所以有必要对初始数据拟合后进行分析，将误差大的数据进行剔除，以保证放尺长度的优化效果。
对放尺方程回归结果的分析可以通过残差图来观察，数据的校验通过回归结果的残差与置信区间进行判断。利用初始449组初始数据回归残差图，如图3所示，回归结果较好的数据的残差离零点均较近，且残差的置信区间均包含零点。图3中的黑色标识数据代表残差值离零点较远，需要根据其实际误差大小情况进行适当剔除。
在剔除残差较大的数据点后，重新对放尺方程进行回归，得到最终的放尺方程系数：
A0＝3.8812，A1＝-0.0523，A2＝0.0223，A3＝-2.4745，A4＝0.0003，A5＝0.0，A6＝0.5646，A7＝-0.0001，A8＝0.0102，A9＝-0.0068。
④利用回归方程优化放尺长度
参与放尺长度方程回归的数据为层别表中提取的成品厚度上限、成品长度下限、展宽比上限，随着厚度变厚、成品长度变短、展宽比变大，利用回归方程计算的放尺长度值会减小，这个减小量即为优化放尺长度所得到成材率的提高值。图4为影响放尺长度的关键因素在同一层别区间计算结果的对比，其中黑色曲线为回归数据设定，灰色曲线为同一层别区间内取成品厚度下限、成品长度上限、展宽比下限得到的放尺长度设定值，它们之间的差值即为在同一层别区间内最大的优化量。
⑤实际轧制应用
现有轧制坯料规格260*2570*3800，轧制规格28mm*4105mm*21600mm，展宽比1.60，两张子板，实际需求目标长度10260*2+200＝20720mm，坯实际轧制长度21000mm，选取放尺量表2，固定放尺量为880mm，坯料计划成材率91.3％。
表2现用放尺量部分数据
实际轧制尺寸如图5所示，同时通过以上数学模型进行的放尺量优化计算可得出放尺量为710mm，优化放尺量后成材率为92％，实际提高成材率约0.7％，同时实际测量头尾圆弧长度150-200mm，如图6所示，满足实际生产要求。
采用以上方法对放尺长度优化后的成材率平均提高值约0.3％。以年产140万吨宽厚板厂计算，直接年效益约为200万元；同时基于对传统放尺层别数据的分析，建立宽厚板轧机放尺参数优化控制模型，对不同规格宽厚板的放尺量进行平滑处理，解决放尺参数表的优化和维护问题，满足宽厚板轧线对于产品成材率进一步提升、减少尺寸非计划以及提高合同兑现能力的需求。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
Claims (1)
1.一种基于数据驱动的宽厚板放尺长度优化方法，其特征在于：包括以下步骤：
①提取放尺长度的影响因素即展宽比和轧制长度：厚度越厚，放尺长度越小，两者呈非线性关系；轧制长度越长，放尺长度越大，两者呈线性关系；轧制展宽比越大，放尺长度越大，两者呈线性关系；
②建立描述放尺长度的平滑曲面方程：从放尺长度层别表中提取数据，令x1代表区间内成品厚度上限，x2代表区间内成品长度下限，x3代表区间内展宽比上限，y代表放尺长度，则放尺长度回归公式采用以下平滑曲面方程形式表示：y＝A0+A1x1+A2x2+A3x3+A4x1 2+A5x2 2+A6x3 2+A7x1x2+A8x1x3+A9x2x3(1)，其中，A0～A9为回归方程系数；
③采用最小二乘方法对数据进行数据非线性回归：针对方程(1)的多元非线性回归方法，利用多元线性回归的方式处理将实际放尺数据代入，用矩阵形式表示为：Y＝XA(2)，A＝(XTX)-1XTY(3)，根据回归结果对数据进行剔除，在剔除残差较大的数据点之后再重新进行回归，将此时的结果作为最终回归方程的系数：A0＝3.8812，A1＝-0.0523，A2＝0.0223，A3＝-2.4745，A4＝0.0003，A5＝0.0，A6＝0.5646，A7＝-0.0001，A8＝0.0102，A9＝-0.0068；
④根据回归方程计算不同规格产品的实际放尺量：假设生产规格对于放尺长度层别表中各影响因素的占比是平均的，由于放尺长度方程是以层别区间内成品厚度上限、成品长度下限、展宽比上限数据为基础进行回归的，假设方程计算结果为y2 i，对于层别区间内成品厚度下限、成品长度上限、展宽比下限的计算结果为y1 i，则能够近似提高的平均成材率可用下式计算：其中，m为数据组数，lavg为成品长度层别区间内平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011022589.7A CN112329198B (zh) | 2020-09-25 | 2020-09-25 | 一种基于数据驱动的宽厚板放尺长度优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011022589.7A CN112329198B (zh) | 2020-09-25 | 2020-09-25 | 一种基于数据驱动的宽厚板放尺长度优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112329198A CN112329198A (zh) | 2021-02-05 |
| CN112329198B true CN112329198B (zh) | 2023-12-15 |
Family
ID=74304185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011022589.7A Active CN112329198B (zh) | 2020-09-25 | 2020-09-25 | 一种基于数据驱动的宽厚板放尺长度优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112329198B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112845620A (zh) * | 2021-03-12 | 2021-05-28 | 南京钢铁股份有限公司 | 一种基于不同压缩比的头尾放尺量简易确定方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0623416A (ja) * | 1992-07-06 | 1994-02-01 | Nippon Steel Corp | 熱間粗圧延における板幅セットアップ装置 |
| JPH11104717A (ja) * | 1997-09-29 | 1999-04-20 | Sumitomo Metal Ind Ltd | 鋼板の四周疵防止熱間圧延方法 |
| JP2000117315A (ja) * | 1998-10-14 | 2000-04-25 | Toshiba Corp | エッジャ開度制御装置 |
| JP2001205302A (ja) * | 2000-01-26 | 2001-07-31 | Sumitomo Metal Ind Ltd | 鋼板の四周疵防止熱間圧延方法 |
| CN101653786A (zh) * | 2008-08-21 | 2010-02-24 | 宝山钢铁股份有限公司 | 一种提高热轧宽度控制精度的方法 |
| CN103252353A (zh) * | 2013-04-26 | 2013-08-21 | 江苏省沙钢钢铁研究院有限公司 | 一种宽厚板轧机头尾厚度超差的控制方法 |
| CN103302109A (zh) * | 2013-06-13 | 2013-09-18 | 南京钢铁股份有限公司 | 一种基于不同展宽比动态控制头尾放尺率的方法 |
| CN106599519A (zh) * | 2016-12-30 | 2017-04-26 | 重庆大学 | 面向生产订单组合优化的中厚板母板与板坯协同设计方法及系统 |
-
2020
- 2020-09-25 CN CN202011022589.7A patent/CN112329198B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0623416A (ja) * | 1992-07-06 | 1994-02-01 | Nippon Steel Corp | 熱間粗圧延における板幅セットアップ装置 |
| JPH11104717A (ja) * | 1997-09-29 | 1999-04-20 | Sumitomo Metal Ind Ltd | 鋼板の四周疵防止熱間圧延方法 |
| JP2000117315A (ja) * | 1998-10-14 | 2000-04-25 | Toshiba Corp | エッジャ開度制御装置 |
| JP2001205302A (ja) * | 2000-01-26 | 2001-07-31 | Sumitomo Metal Ind Ltd | 鋼板の四周疵防止熱間圧延方法 |
| CN101653786A (zh) * | 2008-08-21 | 2010-02-24 | 宝山钢铁股份有限公司 | 一种提高热轧宽度控制精度的方法 |
| CN103252353A (zh) * | 2013-04-26 | 2013-08-21 | 江苏省沙钢钢铁研究院有限公司 | 一种宽厚板轧机头尾厚度超差的控制方法 |
| CN103302109A (zh) * | 2013-06-13 | 2013-09-18 | 南京钢铁股份有限公司 | 一种基于不同展宽比动态控制头尾放尺率的方法 |
| CN106599519A (zh) * | 2016-12-30 | 2017-04-26 | 重庆大学 | 面向生产订单组合优化的中厚板母板与板坯协同设计方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李恺.中厚板轧制过程离线模拟系统开发.2012,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112329198A (zh) | 2021-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105203731B (zh) | 一种带钢横断面轮廓缺陷局部高点量化方法及装置 | |
| CN110929347A (zh) | 一种基于梯度提升树模型的热连轧带钢凸度预测方法 | |
| CN106540968B (zh) | 冷轧板形测量值的补偿方法及装置 | |
| CN103341503B (zh) | 一种自适应凸度变化热轧板形控制模型 | |
| CN101320031B (zh) | 一种奥氏体不锈钢精密钢带的终轧变形量预测方法 | |
| CN102500672A (zh) | 一种逐步逼近弯曲的板材成形方法与装置 | |
| CN105251778B (zh) | 单锥度工作辊窜辊轧机边部减薄反馈控制方法 | |
| CN110773573B (zh) | 一种板形调控功效系数实测数据处理方法 | |
| CN112329198B (zh) | 一种基于数据驱动的宽厚板放尺长度优化方法 | |
| CN101417292B (zh) | 依托常规轧制模型控制中低牌号电工钢轧制的方法 | |
| CN110802114A (zh) | 一种冷轧板带轧制力方法 | |
| CN104324949B (zh) | 一种粗轧立辊道次立辊开口度的获取方法 | |
| CN105855297B (zh) | 一种提高热轧首块无取向硅钢头部厚度精度的控制方法 | |
| CN106345818B (zh) | 一种特殊用钢的板形控制方法 | |
| CN106825068A (zh) | 一种轧制过程带钢表面粗糙度的预测方法 | |
| CN115007656B (zh) | 一种归一式板形目标曲线的设置方法 | |
| CN113290061A (zh) | 一种基于锆合金的多轧程多道次变形制度设计方法 | |
| CN105855298B (zh) | 一种高精度含硼钢热轧轧制力计算方法 | |
| CN104588417A (zh) | 一种基于机理的带钢厚度横向分布的特征参数识别方法 | |
| CN115106384B (zh) | 一种基于随机森林的厚板轧制辊缝校正方法 | |
| CN112246880B (zh) | 基于前馈一中间窜辊补偿的二十辊轧机板形优化控制方法 | |
| Chu et al. | Numerical model establishment and verification of cold pilgering on cycle feed rate | |
| CN109158429B (zh) | 一种用森基米尔轧机生产硅钢的边降控制方法 | |
| CN111842508A (zh) | 一种冷轧带材的轧后板形表示方法 | |
| CN103264078B (zh) | 一种考虑回弹补偿的数控闸压加工方法 |
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 |