CN112845617B - 一种热轧带钢的板型控制方法及装置 - Google Patents
一种热轧带钢的板型控制方法及装置 Download PDFInfo
- Publication number
- CN112845617B CN112845617B CN202110009557.1A CN202110009557A CN112845617B CN 112845617 B CN112845617 B CN 112845617B CN 202110009557 A CN202110009557 A CN 202110009557A CN 112845617 B CN112845617 B CN 112845617B
- Authority
- CN
- China
- Prior art keywords
- self
- learning
- current
- learning coefficient
- weight
- 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
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
-
- 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)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明提供一种热轧带钢的板型控制方法及装置,包括:针对目标产品,基于各化学元素的含量对目标产品进行分类,获得各产品族;基于宽度对目标产品进行分组,获得各宽度组;基于厚度为目标产品进行分组,获得各厚度组;分别为各产品族、各宽度组及各厚度组分配对应的自学习系数及自学习系数对应的权重;轧制当前块钢板时,确定当前块钢板的自学习系数及权重;根据自学习系数及对应的权重确定板型自学习值;基于板型自学习值对当前块钢板的板型进行修正;如此,从带钢的成分,宽度,厚度等三个维度上,分配了相应的自学习系数及权重,生成当前块钢板对应的板型自学习值,提高板型模型的自学习控制能力,确保板型反馈精度及带钢板型的良率。
Description
技术领域
本发明属于冶金技术领域,尤其涉及一种热轧带钢的板型控制方法及装置。
背景技术
板型是热轧产品的重要质量指标,良好的板型一直是用户永恒的要求。目前改善板型质量主要通过两个方面:一是设备上的升级和改进,提高设备能力和精度;二是在板型自动控制技术上的研究和应用,提高板型的控制能力。
板型自动控制技术依赖于板型数学模型的发展,数学模型为自动控制技术提供坚实基础。虽然板型数学模型具有强大构建复杂系统和求解复杂问题的能力,但是因影响模型精度的因素包括很多,比如:测量误差及系统误差;所以只依靠板型数学模型来实现计算机控制,其控制精度是极其有限的。而板型模型自学习控制方法是根据系统轧制状态的变化,不断的利用即时轧制信息对板型模型进行的修正,以保证板型模型控制的精度,能够从一定程度上弥补上述不足。
现有技术中的板型模型自学习控制方法基本上是采用“上一块或者几块钢的自学习系数来修正当前块钢的轧制参数”这种方式来实现,这种板型模型自学习的控制方法对于同种或者相近规格的带钢来说,板型质量还可以得到保证,但是在当带钢的规格(成分、宽度、厚度等)变化波动较大时,板型模型很难适应,导致板型模型的控制能力及反馈精度下降,最终会导致板型不良,甚至出现废钢的现象。
发明内容
针对现有技术存在的问题,本发明实施例提供了一种热轧带钢的板型控制方法及装置,用于解决现有技术中当带钢的规格(成分、宽度、厚度等)变化波动较大时,热轧带钢的板型模型难以适应规格波动,导致板型模型的控制精度降低,最终会导致板型不良,甚至出现废钢的技术问题。
本发明提供一种热轧带钢的板型控制方法,所述方法包括:
针对目标产品,获取所述目标产品各化学元素的含量,基于各所述化学元素的含量对所述目标产品进行分类,获得各产品族;
基于所述目标产品的宽度对所述目标产品进行分组,获得各宽度组;
基于所述目标产品的厚度为所述目标产品进行分组,获得各厚度组;
分别为所述各产品族、所述各宽度组及所述各厚度组分配对应的自学习系数及所述自学习系数对应的权重;
当轧制当前块钢板时,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组;
确定所述当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重;
根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;
基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正。
可选的,所述第一权重、所述第二权重、所述第三权重及所述第四权重的和为1。
可选的,所述分别为所述各产品族、所述各宽度组及所述各厚度组分配所述自学习系数对应的权重,包括:
对所述目标产品进行轧制时,获取所述各产品族、所述各宽度组及所述各厚度组对所述目标产品板型的影响程度值;
根据所述影响程度值确定所述权重。
可选的,所述根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值,包括:
根据公式Su=a1×W+a2×Lm1+a3×Mm2+a4×Nm3确定所述当前块钢板对应的板型自学习值Su;其中,
所述a1为所述第四权重,所述W为所述常规自学习系数,所述a2为所述第一权重,所述Lm1为所述第一自学习系数,所述a3为所述第二权重,所述Mm2为所述第二自学习系数,所述a4为所述第三权重,所述Nm3为所述第三自学习系数。
可选的,所述基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正,包括:
根据公式Pu′=Su+Pu确定所述自学习后的板型预报值Pu′;
基于所述自学习后的板型预报值Pu′对所述当前块钢板的板型进行修正;其中,所述Su为所述当前块钢板对应的板型自学习值,所述Pu为自学习前的板型预报值。
可选的,所述基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正后,还包括:
在对所述当前块钢板轧制完成后,获取所述当前块钢板板型的实测值;
基于所述实测值、辊力预报值,弯辊力实际值、窜辊位置、轧制力预报值、轧制力实际值及工作辊辊型计算当前第一自学习系数、当前第二自学习系数、当前第三自学习系数及当前第四自学习系数;
基于所述当前第一自学习系数更新所述第一自学习系数,基于所述当前第二自学习系数更新所述第二自学习系数,基于所述当前第三自学习系数更新所述第三自学习系数,基于所述当前第四自学习系数更新所述第四自学习系数。
本发明还提供一种热轧带钢的板型控制装置,所述装置包括:
分类单元,针对目标产品,获取所述目标产品各化学元素的含量,基于各所述化学元素的含量对所述目标产品进行分类,获得各产品族;基于所述目标产品的宽度对所述目标产品进行分组,获得各宽度组;基于所述目标产品的厚度为所述目标产品进行分组,获得各厚度组;
分配单元,用于分别为所述各产品族、所述各宽度组及所述各厚度组分配对应的自学习系数及所述自学习系数对应的权重;
获取单元,当轧制当前块钢板时,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组;
确定单元,用于确定所述当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重;根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;
修正单元,用于基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正。
可选的,所述确定单元具体用于:
根据公式Su=a1×W+a2×Lm1+a3×Mm2+a4×Nm3确定所述当前块钢板对应的板型自学习值Su;其中,
所述a1为所述第四权重,所述W为所述常规自学习系数,所述a2为所述第一权重,所述Lm1为所述第一自学习系数,所述a3为所述第二权重,所述Mm2为所述第二自学习系数,所述a4为所述第三权重,所述Nm3为所述第三自学习系数。
可选的,所述修正单元具体用于:
根据公式Pu′=Su+Pu确定所述自学习后的板型预报值Pu′;
基于所述自学习后的板型预报值Pu′对所述当前块钢板的板型进行修正;其中,所述Su为所述当前块钢板对应的板型自学习值,所述Pu为自学习前的板型预报值。
可选的,所述装置还包括:更新单元,所述更新单元具体用于:
在对所述当前块钢板轧制完成后,获取所述当前块钢板板型的实测值;
基于所述实测值、辊力预报值,弯辊力实际值、窜辊的位置、轧制力的预报值、轧制力的实际值及工作辊辊型计算当前第一自学习系数、当前第二自学习系数、当前第三自学习系数及当前第四自学习系数;
基于所述当前第一自学习系数更新所述第一自学习系数,基于所述当前第二自学习系数更新所述第二自学习系数,基于所述当前第三自学习系数更新所述第三自学习系数,基于所述当前第四自学习系数更新所述第四自学习系数。
本发明提供了一种热轧带钢的板型控制方法及装置,方法包括:针对目标产品,获取所述目标产品各化学元素的含量,基于各所述化学元素的含量对所述目标产品进行分类,获得各产品族;基于所述目标产品的宽度对所述目标产品进行分组,获得各宽度组;基于所述目标产品的厚度为所述目标产品进行分组,获得各厚度组;分别为所述各产品族、所述各宽度组及所述各厚度组分配对应的自学习系数及所述自学习系数对应的权重;当轧制当前块钢板时,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组;确定所述当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重;根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正;如此,在带钢的自学习轧制控制中,从带钢的成分,宽度,厚度等三个维度上,针对带钢轧制的实际情况,分配了相应的自学习系数;通过权重分配组合,新增的自学习系数与原有的常规自学习系数相结合,生成当前块钢板对应的板型自学习值,用于对板型模型的预报值进行重新修正,提高了板型模型的自学习控制能力,使板型模型能在带钢规格更复杂、波动变化更剧烈、带钢品种多样化的轧制环境下,确保高精度的预报控制,进而提高带钢板型的良率。
附图说明
图1为本发明实施例提供的热轧带钢的板型控制方法流程示意图;
图2为本发明实施例提供的热轧带钢的板型控制装置结构示意图。
具体实施方式
为了解决现有技术中当带钢的规格(成分、宽度、厚度等)变化波动较大时,热轧带钢的板型模型难以适应规格波动,导致板型模型的控制精度降低,最终会导致板型不良,甚至出现废钢的技术问题,本发明提供了一种热轧带钢的板型控制方法及装置。
下面通过附图及具体实施例对本发明的技术方案做进一步的详细说明。
实施例一
本实施例提供一种热轧带钢的板型控制方法,如图1所示,方法包括:
S110,针对目标产品,获取所述目标产品各化学元素的含量,基于各所述化学元素的含量对所述目标产品进行分类,获得各产品族;基于所述目标产品的宽度对所述目标产品进行分组,获得各宽度组;基于所述目标产品的厚度为所述目标产品进行分组,获得各厚度组;
这里,由于带钢的板型会受很多因素影响,比如成分、宽度和厚度等,在连续轧制中,提高板型模型的反馈精度。本实施例针对目标产品,获取目标产品各化学元素的含量,基于各化学元素的含量对所述目标产品进行分类,获得各产品族;基于目标产品的宽度对目标产品进行分组,获得各宽度组;基于目标产品的厚度为所述目标产品进行分组,获得各厚度组。
其中,目标产品可以包括历史轧制的所有带钢产品。具体的,可以利用分类函数f1(a1,a2,...,ai,n1),按照化学元素的含量将具有相似属性的目标产品进行归类,形成各产品族。其中,a1、a2、ai分别为各种化学元素的含量区间,n1为产品族的数量;i,n1为非零的正整数。
比如,按照Si含量,分为硅钢、冷轧钢;进一步细化Si含量,将硅钢分为有取向硅钢、无取向硅钢等;按照合金元素,将目标产品分为低碳钢、高强钢等等。这样即形成各类产品族。
利用宽度分组函数f2(b1,b2,...,bj,n2)对目标产品的宽度进行分组,获得各宽度组,其中,b1、b2、bj为产品的宽度区间,n2为宽度组数量,j,n2为非零的正整数。
利用厚度分组函数f3(c1,c2,...,ck,n3)对目标产品的厚度进行分组,获得各厚度组,其中,c1、c2、ck为产品的厚度区间,n3为厚度组数量,k,n3为非零的正整数。
S111,分别为所述各产品族、所述各宽度组及所述各厚度组分配对应的自学习系数及所述自学习系数对应的权重;
为了提高板型模型的自学习能力,分别为各产品族、各宽度组及各厚度组分配对应的自学习系数及自学习系数对应的权重。
举例来说,若产品族为硅钢,宽度为1100~1300mm,厚度为0.5~1.0mm,那么产品族对应的自学习系数为L1,宽度组对应的自学习系数为M1,厚度组对应的自学习系数为N1。而在轧制过程中,对于不同的产品来说,该产品所属的产品族、宽度组、厚度组对板型的影响程度是不同的,因此本实施例同时还为各自学习系数分配对应的权重。
作为一种可选的实施例,分别为所述各产品族、各宽度组及各厚度组分配自学习系数对应的权重,包括:
对目标产品进行轧制时,获取各产品族、各宽度组及各厚度组对所述目标产品板型的影响程度值;
根据影响程度值确定权重。
这样,各产品族、各宽度组、各厚度组都具有自身的自学习系数以及自学习系数对应的权重,为了便于后续在轧制钢板时快速确定自学习系数及权重,本实施例还可以将产品族、宽度组、厚度组、自学习系数以及自学习系数对应的权重生成一个映射表,该映射表中存储有产品族、宽度组、厚度组、自学习系数以及对应的权重之间的对应关系。
举例来说,对板型的影响程度值大(比如高于50%)的产品特征分配的权重会大一些,比如取值区间可以为0.5~1;对板型的影响程度值小(比如小于50%)的产品特征分配的权重会小一些,比如取值区间可以为0~0.5。
S112,当轧制当前块钢板时,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组;确定所述当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重;
当轧制当前块钢板时,在带钢进入精轧区域前,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组。
然后在上述映射表中查找当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重。
S113,根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;
根据第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;其中,常规自学习系数为板形模型之前已具备的自学习系数。
具体的,可根据公式Su=a1×W+a2×Lm1+a3×Mm2+a4×Nm3确定当前块钢板对应的板型自学习值Su;其中,
a1为第四权重,W为常规自学习系数,a2为第一权重,Lm1为第一自学习系数,a3为第二权重,Mm2为第二自学习系数,a4为第三权重,Nm3为第三自学习系数。其中,m1、m2、m3为非正零整数,且0<m1≤n1,0<m2≤n2,0<m3≤n3。
值得注意的是,第一权重、第二权重、第三权重及第四权重的和为1。
S114,基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正。
确定出板型自学习值后,基于当前块钢板对应的板型自学习值对当前块钢板的板型进行修正。
具体的,可根据公式Pu′=Su+Pu确定自学习后的板型预报值Pu′;基于自学习后的板型预报值Pu′述当前块钢板的板型进行修正;其中,Su为当前块钢板对应的板型自学习值,Pu为自学习前的板型预报值。
为了能对当前块钢板的下一块钢板的板型进行精确修正,基于当前块钢板对应的板型自学习值对当前块钢板的板型进行修正后,还包括:
在对当前块钢板轧制完成后,获取当前块钢板板型的实测值;
基于实测值、辊力预报值、弯辊力实际值、窜辊位置、轧制力预报值、轧制力实际值及工作辊辊型计算当前第一自学习系数、当前第二自学习系数、当前第三自学习系数及当前第四自学习系数;
基于当前第一自学习系数更新第一自学习系数,基于当前第二自学习系数更新第二自学习系数,基于当前第三自学习系数更新第三自学习系数,基于当前第四自学习系数更新第四自学习系数。
这样在对当前块钢板的下一块钢板进行轧制时,是利用当前第一自学习系数、当前第二自学习系数、当前第三自学习系数及当前第四自学习系数对下一块钢板的板型进行修正的。这样在连续轧制过程中,实时通过当前块钢板的参数调整下一块钢板对应的自学习系数,提高了板型的反馈精度,进而提高了板型的良率。
基于同样的发明构思,本发明还提供一种热轧带钢的板型控制装置,详见实施例二。
实施例二
本实施例提供一种热轧带钢的板型控制装置,如图2所示,装置包括:分类单元21、分配单元22、获取单元23、确定单元24及修正单元25;其中,
分类单元21,针对目标产品,获取所述目标产品各化学元素的含量,基于各所述化学元素的含量对所述目标产品进行分类,获得各产品族;基于所述目标产品的宽度对所述目标产品进行分组,获得各宽度组;基于所述目标产品的厚度为所述目标产品进行分组,获得各厚度组;
分配单元22,用于分别为所述各产品族、所述各宽度组及所述各厚度组分配对应的自学习系数及所述自学习系数对应的权重;
获取单元23,当轧制当前块钢板时,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组;
确定单元24,用于确定所述当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重;根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;
修正单元25,用于基于当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正。
具体的,由于带钢的板型会受很多因素影响,比如成分、宽度和厚度等,在连续轧制中,提高板型模型的反馈精度。本实施例的分类单元21针对目标产品,获取目标产品各化学元素的含量,基于各化学元素的含量对所述目标产品进行分类,获得各产品族;基于目标产品的宽度对目标产品进行分组,获得各宽度组;基于目标产品的厚度为所述目标产品进行分组,获得各厚度组。
其中,目标产品可以包括历史轧制的所有带钢产品。具体的,可以利用分类函数f1(a1,a2,...,ai,n1),按照化学元素的含量将具有相似属性的目标产品进行归类,形成各产品族。其中,a1、a2、ai分别为各种化学元素的含量区间,n1为产品族的数量;i,n1为非零的正整数。
比如,按照Si含量,分为硅钢、冷轧钢;进一步细化Si含量,将硅钢分为有取向硅钢、无取向硅钢等;按照合金元素,将目标产品分为低碳钢、高强钢等等。这样即形成各类产品族。
利用宽度分组函数f2(b1,b2,...,bj,n2)对目标产品的宽度进行分组,获得各宽度组,其中,b1、b2、bj为产品的宽度区间,n2为宽度组数量,j,n2为非零的正整数。
利用厚度分组函数f3(c1,c2,...,ck,n3)对目标产品的厚度进行分组,获得各厚度组,其中,c1、c2、ck为产品的厚度区间,n3为厚度组数量,k,n3为非零的正整数。
为了提高板型模型的自学习能力,分配单元22分别为各产品族、各宽度组及各厚度组分配对应的自学习系数及自学习系数对应的权重。
举例来说,若产品族为硅钢,宽度为1100~1300mm,厚度为0.5~1.0mm,那么产品族对应的自学习系数为L1,宽度组对应的自学习系数为M1,厚度组对应的自学习系数为N1。而在轧制过程中,对于不同的产品来说,该产品所属的产品族、宽度组、厚度组对板型的影响程度是不同的,因此本实施例同时还为各自学习系数分配对应的权重。
作为一种可选的实施例,分配单元22分别为所述各产品族、各宽度组及各厚度组分配自学习系数对应的权重,包括:
对目标产品进行轧制时,获取各产品族、各宽度组及各厚度组对所述目标产品板型的影响程度值;
根据影响程度值确定权重。
这样,各产品族、各宽度组、各厚度组都具有自身的自学习系数以及自学习系数对应的权重,为了便于后续在轧制钢板时快速确定自学习系数及权重,本实施例还可以将产品族、宽度组、厚度组、自学习系数以及自学习系数对应的权重生成一个映射表,该映射表中存储有产品族、宽度组、厚度组、自学习系数以及对应的权重之间的对应关系。
举例来说,对板型的影响程度值大(比如高于50%)的产品特征分配的权重会大一些,比如取值区间可以为0.5~1;对板型的影响程度值小(比如小于50%)的产品特征分配的权重会小一些,比如取值区间可以为0~0.5。
当轧制当前块钢板时,在带钢进入精轧区域前,确定单元23用于确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组。
然后在上述映射表中查找当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重。
确定单元23根据第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;其中,常规自学习系数为板形模型之前已具备的自学习系数。
具体的,确定单元23可根据公式Su=a1×W+a2×Lm1+a3×Mm2+a4×Nm3确定当前块钢板对应的板型自学习值Su;其中,
a1为第四权重,W为常规自学习系数,a2为第一权重,Lm1为第一自学习系数,a3为第二权重,Mm2为第二自学习系数,a4为第三权重,Nm3为第三自学习系数。其中,m1、m2、m3为非正零整数,且0<m1≤n1,0<m2≤n2,0<m3≤n3。
值得注意的是,第一权重、第二权重、第三权重及第四权重的和为1。
确定出板型自学习值后,修正单元24用于基于当前块钢板对应的板型自学习值对当前块钢板的板型进行修正。
具体的,修正单元24可根据公式Pu′=Su+Pu确定自学习后的板型预报值Pu′;基于自学习后的板型预报值Pu′述当前块钢板的板型进行修正;其中,Su为当前块钢板对应的板型自学习值,Pu为自学习前的板型预报值。
为了能对当前块钢板的下一块钢板的板型进行精确修正,基于当前块钢板对应的板型自学习值对当前块钢板的板型进行修正后,更新单元25用于:
在对当前块钢板轧制完成后,获取当前块钢板板型的实测值;
基于实测值、辊力预报值、弯辊力实际值、窜辊位置、轧制力预报值、轧制力实际值及工作辊辊型计算当前第一自学习系数、当前第二自学习系数、当前第三自学习系数及当前第四自学习系数;
基于当前第一自学习系数更新第一自学习系数,基于当前第二自学习系数更新第二自学习系数,基于当前第三自学习系数更新第三自学习系数,基于当前第四自学习系数更新第四自学习系数。
这样在对当前块钢板的下一块钢板进行轧制时,是利用当前第一自学习系数、当前第二自学习系数、当前第三自学习系数及当前第四自学习系数对下一块钢板的板型进行修正的。这样在连续轧制过程中,实时通过当前块钢板的参数调整下一块钢板对应的自学习系数,提高了板型的反馈精度,进而提高了板型的良率。
本发明实施例提供的热轧带钢的板型控制方法及装置能带来的有益效果至少是:
本发明提供了一种热轧带钢的板型控制方法及装置,方法包括:针对目标产品,获取所述目标产品各化学元素的含量,基于各所述化学元素的含量对所述目标产品进行分类,获得各产品族;基于所述目标产品的宽度对所述目标产品进行分组,获得各宽度组;基于所述目标产品的厚度为所述目标产品进行分组,获得各厚度组;分别为所述各产品族、所述各宽度组及所述各厚度组分配对应的自学习系数及所述自学习系数对应的权重;当轧制当前块钢板时,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组;确定所述当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重;根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正;如此,在带钢的自学习轧制控制中,从带钢的成分,宽度,厚度等三个维度上,针对带钢轧制的实际情况,分配了相应的自学习系数;通过权重分配组合,新增的自学习系数与原有的常规自学习系数相结合,生成当前块钢板对应的板型自学习值,用于对板型模型的预报值进行重新修正,提高了板型模型的自学习控制能力,使板型模型能在带钢规格更复杂、波动变化更剧烈、带钢品种多样化的轧制环境下,确保高精度的预报控制,进而提高带钢板型的良率。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种热轧带钢的板型控制方法,其特征在于,所述方法包括:
针对目标产品,获取所述目标产品各化学元素的含量,基于各所述化学元素的含量对所述目标产品进行分类,获得各产品族;
基于所述目标产品的宽度对所述目标产品进行分组,获得各宽度组;
基于所述目标产品的厚度为所述目标产品进行分组,获得各厚度组;
分别为所述各产品族、所述各宽度组及所述各厚度组分配对应的自学习系数及所述自学习系数对应的权重;
当轧制当前块钢板时,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组;
确定所述当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重;
根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;
基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正。
2.如权利要求1所述的方法,其特征在于,所述第一权重、所述第二权重、所述第三权重及所述第四权重的和为1。
3.如权利要求1所述的方法,其特征在于,所述分别为所述各产品族、所述各宽度组及所述各厚度组分配所述自学习系数对应的权重,包括:
对所述目标产品进行轧制时,获取所述各产品族、所述各宽度组及所述各厚度组对所述目标产品板型的影响程度值;
根据所述影响程度值确定所述权重。
4.如权利要求1所述的方法,其特征在于,所述根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值,包括:
根据公式Su=a1×W+a2×Lm1+a3×Mm2+a4×Nm3确定所述当前块钢板对应的板型自学习值Su;其中,
所述a1为所述第四权重,所述W为所述常规自学习系数,所述a2为所述第一权重,所述Lm1为所述第一自学习系数,所述a3为所述第二权重,所述Mm2为所述第二自学习系数,所述a4为所述第三权重,所述Nm3为所述第三自学习系数。
5.如权利要求1所述的方法,其特征在于,所述基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正,包括:
根据公式Pu′=Su+Pu确定所述自学习后的板型预报值Pu′;
基于所述自学习后的板型预报值Pu′对所述当前块钢板的板型进行修正;其中,所述Su为所述当前块钢板对应的板型自学习值,所述Pu为自学习前的板型预报值。
6.如权利要求1所述的方法,其特征在于,所述基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正后,还包括:
在对所述当前块钢板轧制完成后,获取所述当前块钢板板型的实测值;
基于所述实测值、辊力预报值、弯辊力实际值、窜辊位置、轧制力预报值、轧制力实际值及工作辊辊型计算当前第一自学习系数、当前第二自学习系数、当前第三自学习系数及当前第四自学习系数;
基于所述当前第一自学习系数更新所述第一自学习系数,基于所述当前第二自学习系数更新所述第二自学习系数,基于所述当前第三自学习系数更新所述第三自学习系数,基于所述当前第四自学习系数更新所述第四自学习系数。
7.一种热轧带钢的板型控制装置,其特征在于,所述装置包括:
分类单元,针对目标产品,获取所述目标产品各化学元素的含量,基于各所述化学元素的含量对所述目标产品进行分类,获得各产品族;基于所述目标产品的宽度对所述目标产品进行分组,获得各宽度组;基于所述目标产品的厚度为所述目标产品进行分组,获得各厚度组;
分配单元,用于分别为所述各产品族、所述各宽度组及所述各厚度组分配对应的自学习系数及所述自学习系数对应的权重;
获取单元,当轧制当前块钢板时,确定所述当前块钢板所属的当前产品族、当前宽度组及当前厚度组;
确定单元,用于确定所述当前产品族对应的第一自学习系数及第一权重、所述当前宽度组对应的第二自学习系数及第二权重,以及所述当前厚度组对应的第三自学习系数及第三权重;根据所述第一自学习系数、所述第一权重、所述第二自学习系数、所述第二权重、所述第三自学习系数、所述第三权重、常规自学习系数及第四权重确定所述当前块钢板对应的板型自学习值;
修正单元,用于基于所述当前块钢板对应的板型自学习值对所述当前块钢板的板型进行修正。
8.如权利要求7所述的装置,其特征在于,所述确定单元具体用于:
根据公式Su=a1×W+a2×Lm1+a3×Mm2+a4×Nm3确定所述当前块钢板对应的板型自学习值Su;其中,
所述a1为所述第四权重,所述W为所述常规自学习系数,所述a2为所述第一权重,所述Lm1为所述第一自学习系数,所述a3为所述第二权重,所述Mm2为所述第二自学习系数,所述a4为所述第三权重,所述Nm3为所述第三自学习系数。
9.如权利要求7所述的装置,其特征在于,所述修正单元具体用于:
根据公式Pu′=Su+Pu确定所述自学习后的板型预报值Pu′;
基于所述自学习后的板型预报值Pu′对所述当前块钢板的板型进行修正;其中,所述Su为所述当前块钢板对应的板型自学习值,所述Pu为自学习前的板型预报值。
10.如权利要求7所述的装置,其特征在于,所述装置还包括:更新单元,所述更新单元具体用于:
在对所述当前块钢板轧制完成后,获取所述当前块钢板板型的实测值;
基于所述实测值、辊力预报值,弯辊力实际值、窜辊的位置、轧制力的预报值、轧制力的实际值及工作辊辊型计算当前第一自学习系数、当前第二自学习系数、当前第三自学习系数及当前第四自学习系数;
基于所述当前第一自学习系数更新所述第一自学习系数,基于所述当前第二自学习系数更新所述第二自学习系数,基于所述当前第三自学习系数更新所述第三自学习系数,基于所述当前第四自学习系数更新所述第四自学习系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110009557.1A CN112845617B (zh) | 2021-01-05 | 2021-01-05 | 一种热轧带钢的板型控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110009557.1A CN112845617B (zh) | 2021-01-05 | 2021-01-05 | 一种热轧带钢的板型控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112845617A CN112845617A (zh) | 2021-05-28 |
CN112845617B true CN112845617B (zh) | 2022-07-08 |
Family
ID=76003886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110009557.1A Active CN112845617B (zh) | 2021-01-05 | 2021-01-05 | 一种热轧带钢的板型控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112845617B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102658297A (zh) * | 2012-04-28 | 2012-09-12 | 北京科技大学 | 一种改善换规格首块带钢板形质量的自学习方法 |
CN107045585A (zh) * | 2017-05-17 | 2017-08-15 | 北京科技大学 | 一种轧制模型自学习系数确定方法 |
CN107931329A (zh) * | 2017-11-23 | 2018-04-20 | 北京科技大学设计研究院有限公司 | 一种改善csp双流换规格轧制力模型精度的控制方法 |
CN108311544A (zh) * | 2018-03-07 | 2018-07-24 | 首钢集团有限公司 | 一种轧制力参数自学习方法及装置 |
CN109675931A (zh) * | 2019-01-25 | 2019-04-26 | 燕山大学 | 一种板形调控功效系数自学习方法及系统 |
CN110773573A (zh) * | 2019-11-06 | 2020-02-11 | 燕山大学 | 一种板形调控功效系数实测数据处理方法 |
-
2021
- 2021-01-05 CN CN202110009557.1A patent/CN112845617B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102658297A (zh) * | 2012-04-28 | 2012-09-12 | 北京科技大学 | 一种改善换规格首块带钢板形质量的自学习方法 |
CN107045585A (zh) * | 2017-05-17 | 2017-08-15 | 北京科技大学 | 一种轧制模型自学习系数确定方法 |
CN107931329A (zh) * | 2017-11-23 | 2018-04-20 | 北京科技大学设计研究院有限公司 | 一种改善csp双流换规格轧制力模型精度的控制方法 |
CN108311544A (zh) * | 2018-03-07 | 2018-07-24 | 首钢集团有限公司 | 一种轧制力参数自学习方法及装置 |
CN109675931A (zh) * | 2019-01-25 | 2019-04-26 | 燕山大学 | 一种板形调控功效系数自学习方法及系统 |
CN110773573A (zh) * | 2019-11-06 | 2020-02-11 | 燕山大学 | 一种板形调控功效系数实测数据处理方法 |
Non-Patent Citations (2)
Title |
---|
日照钢铁1580mm热轧板形控制系统;刘超伟;《自动化应用》;20120525(第05期);全文 * |
板形设定模型在安钢1780mm热连轧机的应用与改进;赵济秀等;《冶金自动化》;20110125(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112845617A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108311544B (zh) | 一种轧制力参数自学习方法及装置 | |
CN105203731B (zh) | 一种带钢横断面轮廓缺陷局部高点量化方法及装置 | |
CN101863088B (zh) | 一种橡胶混炼过程中门尼粘度的预报方法 | |
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 | |
CN106345823B (zh) | 基于热轧钢卷生产流程的在线实时预测机械性能的方法 | |
CN106770620B (zh) | 用溅射深度剖析技术确定薄膜中元素成分深度分布的方法 | |
CN104942017B (zh) | 冷轧带钢横向厚差的确定方法 | |
CN108985373B (zh) | 一种多传感器数据加权融合方法 | |
CN104785535B (zh) | 一种基于模糊算法的冷轧平坦度质量判定方法 | |
CN108817103A (zh) | 一种轧钢模型钢族层别分类优化方法 | |
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 | |
JPWO2008012881A1 (ja) | 圧延ラインの材質予測および材質制御装置 | |
CN105290117A (zh) | 大宽厚比超薄冷轧带钢高次板形缺陷的分级调控方法 | |
CN113011491A (zh) | 一种主成分分析协同随机森林的热连轧带钢宽度预测方法 | |
CN111008477A (zh) | 一种基于冷轧镀锌带钢力学性能调整工艺参数的方法 | |
CN102513372B (zh) | 基于最优化算法的冷轧板形控制自学习方法 | |
CN107464017A (zh) | 基于带时间差分贝叶斯网络的自适应软测量预测方法 | |
CN112845617B (zh) | 一种热轧带钢的板型控制方法及装置 | |
CN113649420A (zh) | 一种平整机轧制力获取方法及装置 | |
US11537105B2 (en) | Hot rolling line control system and hot rolling line control method | |
CN107665373A (zh) | 一种混合模型的电影票房预测方法 | |
CN106825068A (zh) | 一种轧制过程带钢表面粗糙度的预测方法 | |
CN103377318B (zh) | 冷轧带钢在线板形统计方法 | |
RU2470352C1 (ru) | Способ статистического регулирования технологического процесса (варианты) | |
CN112329198B (zh) | 一种基于数据驱动的宽厚板放尺长度优化方法 |
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 |