CN114178322B - 一种影响潜在板形的关键工艺参数区间整定方法 - Google Patents

Abstract

本发明提供一种影响潜在板形的关键工艺参数区间整定方法，属于冶金自动化技术领域。该方法首先通过数据采集获得批量带钢样本及影响带钢潜在板形的生产工艺参数；然后将样本进行区别标注，并对无潜在板形缺陷的优秀样本数据进行预处理，剔除异常坏值；再对优秀样本工艺参数进行区间估计，得到工艺参数的推荐区间；最后计算有潜在板形缺陷样本的工艺参数在推荐区间的比例，通过比例对比获得关键工艺参数，进而获得其推荐区间。通过本方法，可以快速定位影响潜在板形的关键工艺参数，并能获得其推荐区间，可以为改进工艺提供参考，减少板形质量异议，提高产品合格率。

Description

一种影响潜在板形的关键工艺参数区间整定方法

技术领域

本发明涉及冶金自动化技术领域，特别是指一种影响潜在板形的关键工艺参数区间整定方法。

背景技术

长期以来，热轧板形研究的重点在轧制时轧机变形与轧件变形的理论研究方面，板形控制更多地关注轧后板形缺陷，常见缺陷如图2所示，而对于开卷后的板形状况即潜在板形的研究相对较少。潜在板形是轧后的轧件内部存在残余应力，但在轧制完成后并没有显现出板形问题，在后续的工序中如开卷过程会显示出板形缺陷，如图3、图4所示，所以不得不通过平整机来解决潜在板形问题，但平整机的平整工作量有限，与产线的产量相比相差甚远，不能将产线产出的大量带钢都通过平整工序，因此生产中需要减少潜在板形问题的发生，减少平整工作量，才能提高效率。找到影响潜在板形缺陷的关键工艺参数，推荐合理的参数区间，根据推荐区间调整工艺参数从而减少潜在板形缺陷的发生具有重要意义。

目前对于板形工艺参数的研究主要集中在对轧制板形和板形演变机理的研究，如现有技术热轧带钢轧后板形演变规律研究、热连轧带钢温度对轧后板形影响的研究、热连轧机板形控制系统研究、热轧钢卷冷却工艺温度演变的模拟和分析等。

从以上分析可以看出，理论研究聚焦于对轧后板形的控制研究和单一因素对板形的影响，对于从机理层面分析潜在板形缺陷产生的原因具有一定的指导意义，但实际上目前轧后板形的状况较为良好，而开卷后却出现板形问题即存在潜在板形缺陷。由于从轧制完成到开卷的过程中，带钢还受到温度场、相变场、应力场等多场耦合的复杂影响，因此从理论层面研究整个过程各个环节对潜在板形的影响进而避免缺陷产生难度较大，但基于样本的生产过程工艺参数，利用数据和实验的方法对工艺进行改进从而减少潜在板形缺陷的发生相对容易实现，也更为符合现场生产实际，找到生产过程中影响潜在板形的关键工艺参数将它们调整在最优区间是改善潜在板形缺陷问题最简单快捷的方式。为此，本发明提出一种影响潜在板形的关键工艺参数区间整定方法，通过对潜在板形样本生产过程工艺参数的分析处理找到关键工艺参数并获得其推荐区间。

发明内容

本发明为获得潜在板形关键工艺参数的推荐区间，提供一种影响潜在板形的关键工艺参数区间整定方法。该方法首先通过数据采集获得批量带钢样本及影响带钢潜在板形的生产工艺参数；然后将样本进行区别标注，并对无潜在板形缺陷的优秀样本数据进行预处理，剔除异常坏值；在此基础上对优秀样本工艺参数进行区间估计，得到工艺参数的推荐区间；最后计算有潜在板形缺陷样本的工艺参数在推荐区间的比例，通过比例对比获得关键工艺参数，进而获得其推荐区间。

该方法具体包括步骤如下：

(1)通过数据采集获得批量带钢样本及影响带钢潜在板形的生产工艺参数；

(2)将样本进行区别标注，将有潜在板形缺陷问题(包括单边浪、双边浪、中浪、双肋浪)的样本标注为缺陷样本，将无潜在板形缺陷问题的样本标注为优秀样本，对优秀样本数据进行预处理，根据拉伊达准则剔除异常坏值；

(3)对优秀样本工艺参数进行区间估计，得到工艺参数的推荐区间；

(4)计算有潜在板形缺陷样本的工艺参数在推荐区间的比例，通过比例对比获得关键工艺参数，进而获得关键工艺参数区间。

其中，步骤(1)中采集获得的生产工艺参数包括各机架窜辊量、中间坯厚度、层流冷却开阀总数、对称平直度、非对称平直度、板坯在炉时间、卷取温度、粗轧出口温度、精轧出口温度和穿带速度等。

步骤(2)中对优秀样本数据进行预处理具体为：根据拉伊达准则对优秀样本的工艺参数数据进行预处理，剔除坏值，计算公式如下：

其中：x_i为第i个优秀样本的工艺参数数据；n为优秀样本总数；

为工艺参数平均值；M为偏差平方和；f为自由度；V为方差；s为标准偏差；Δx_i为第i个样本数据的偏差；

如果|Δx_i|＞3s,则认为第i个数据为坏值，剔除，余下的样本数据再次进行数据预处理，直到没有坏值为止。

步骤(3)中区间估计计算过程如下：

P(θ₁≤μ≤θ₂)＝1-α

其中：Z为正态分布统计量；

为工艺参数平均值；μ为总体均值；s为标准偏差；n为优秀样本总数；α为显著水平，反映估计的可靠性；P为概率；1-α为置信度；(θ₁、θ₂)为置信区间，即工艺参数的推荐区间，θ₁为置信下限；θ₂为置信上限；

为正态分布上

分位点，表示

步骤(4)将有潜在板形缺陷样本的工艺参数数据与推荐区间对比，计算缺陷样本数据在推荐区间里的比例，同时计算优秀样本与缺陷样本的比例，具体计算过程如下：

其中：k为缺陷样本数据在推荐区间内的数量；m为缺陷样本总数；n为优秀样本总数；P₁为缺陷样本在推荐区间内的比例；P₂为优秀样本占缺陷样本的比例；

如果P₁＜P₂，说明优秀样本与缺陷样本差异性明显，即认为是关键工艺参数，并将关键工艺参数的置信区间作为最终的关键工艺参数区间。

本发明的上述技术方案的有益效果如下：

上述方案中，通过对潜在板形样本生产过程工艺参数的分析处理找到关键工艺参数并获得其推荐区间，可以快速定位影响潜在板形的关键工艺参数，并能获得其推荐区间，可以为改进工艺提供参考，减少板形质量异议，提高产品合格率。

附图说明

图1为本发明的影响潜在板形的关键工艺参数区间整定方法工艺流程图；

图2为常见的典型板形缺陷，其中，(a)为双边缺陷，(b)为两肋浪缺陷，(c)为中浪缺陷，(d)为单边浪缺陷；

图3为常见的卷取前板形和开卷后板形对比一；

图4为常见的卷取前板形和开卷后板形对比二；

图5为本发明实施例中非对称平直度头部标准差样本数据分布对比，其中，(a)为优秀样本数据分布，(b)为缺陷样本数据分布。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明提供一种影响潜在板形的关键工艺参数区间整定方法。

如图1所示，该方法包括步骤如下：

(1)通过数据采集获得批量带钢样本及影响带钢潜在板形的生产工艺参数；

(2)将样本进行区别标注，将有潜在板形缺陷问题如单边浪、双边浪、中浪、双肋浪的样本标注为缺陷样本，将无潜在板形缺陷问题的样本标注为优秀样本，对优秀样本数据进行预处理，根据拉伊达准则剔除异常坏值；

(3)对优秀样本工艺参数进行区间估计，得到工艺参数的推荐区间；

(4)计算有潜在板形缺陷样本的工艺参数在推荐区间的比例，通过比例对比获得关键工艺参数，进而获得关键工艺参数区间。

下面结合具体实施例予以说明。

以某钢铁企业2250热轧生产线生产的Q235B规格为3mm*1500mm的钢卷为例，具体包括以下步骤：

步骤1：首先在现场平整机作业处布置摄像头，记录收集规格为3mm*1500mm的Q235B钢种的开卷板形情况，再通过数据采集系统获得样本的生产工艺参数，包括各机架窜辊量，中间坯厚度，层流冷却开阀总数，对称平直度，非对称平直度，板坯在炉时间，卷取温度，粗轧出口温度，精轧出口温度，穿带速度等，如表1所示，共119条。

表1样本数据

(接上表最后一列)

(接上表最后一列)

步骤2：根据现场台账记录样本的板形情况，将无潜在板形缺陷问题的样本标注为优秀样本，共27条，将有板形缺陷问题的样本标注缺陷样本，共92条，根据拉伊达准则对优秀样本的工艺参数数据进行预处理，剔除坏值，具体计算公式如下：

其中：x_i为第i个优秀样本的工艺参数数据；n为优秀样本总数；

为工艺参数平均值；M为偏差平方和；f为自由度；V为方差；s为标准偏差；Δx_i为第i个样本数据的偏差。

以优秀样本非对称平直度头部标准差的数据为例，x₁＝6.11，x₂＝5.62，x₃＝6.41，x₄＝3.07，x₅＝3.45，x₆＝7.31，x₇＝7.15，x₈＝10.08，x₉＝4.51，x₁₀＝90.05，x₁₁＝7.77，x₁₂＝6.26，x₁₃＝5.66，x₁₄＝6.64，x₁₅＝5.08，x₁₆＝7.22，x₁₇＝5.98，x₁₈＝6.32，x₁₉＝4.24，x₂₀＝8.06，x₂₁＝5.07，x₂₂＝7.26，x₂₃＝9.07，x₂₄＝3.23，x₂₅＝6.89，x₂₆＝5.41，x₂₇＝6.04，原始均值

标准偏差s＝16.23，|Δx₁₀|＝80.79＞3s，故x₁₀为坏值，剔除，其余数据均值

标准偏差s＝1.68，无坏值，完成数据预处理，处理后的优秀样本数据分布如图5(a)所示。

步骤3：获得预处理后的样本数据后，对工艺参数进行区间估计，从而获得优秀样本工艺参数的推荐区间，α取1％即置信度取99％，各工艺参数推荐区间计算结果如表2所示，具体计算公式如下：

P(θ₁≤μ≤θ₂)＝1-α

其中：Z为正态分布统计量；μ为总体均值；α为显著水平，反映估计的可靠性；P为概率；1-α为置信度；θ₁为置信下限；θ₂为置信上限；

为正态分布上

分位点，表示

表2推荐区间

(接上表最后一列)

(接上表最后一列)

步骤4：将有潜在板形缺陷样本的工艺参数数据与推荐区间对比，计算缺陷样本数据在推荐区间里的比例，结果如表3所示，具体计算公式如下：

其中：k为缺陷样本数据在推荐区间内的数量；m为缺陷样本总数。

表3缺陷样本占比

(接上表最后一列)

(接上表最后一列)

计算优秀样本与缺陷样本的比例，具体计算公式如下：

其中：n为优秀样本总数。

穿带速度、非对称平直度头部标准差、板坯在炉时间的缺陷样本数据在推荐区间的比例P₁＜P₂，说明该工艺参数优秀样本和缺陷样本差异性明显，从图5优秀样本与缺陷样本的数据分布图也可以直观地看出差异性明显，故此三项为关键工艺参数，并将其置信区间作为其推荐区间。

通过数据对比可以发现缺陷样本的穿带速度偏快，非对称平直度头部标准差偏大，板坯在炉时间偏长，从而导致了潜在板形缺陷的产生。结合推荐区间，在生产过程中调整工艺参数，减慢穿带速度，控制好非对称平直度，监测好板坯在炉时间，将其控制在推荐区间后，对于新生产的规格为3mm*1500mm的Q235B钢种,产生潜在板形缺陷的概率下降了40％，证明通过本发明，得到了生产过程中影响潜在板形的关键工艺参数，可以为改进工艺提供参考，从而提高了产品合格率。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种影响潜在板形的关键工艺参数区间整定方法，其特征在于：包括步骤如下：

(1)通过数据采集获得批量带钢样本及影响带钢潜在板形的生产工艺参数；

(2)将样本进行区别标注，将有潜在板形缺陷问题的样本标注为缺陷样本，将无潜在板形缺陷问题的样本标注为优秀样本，对优秀样本数据进行预处理，根据拉伊达准则剔除异常坏值；

(3)对优秀样本工艺参数进行区间估计，得到工艺参数的推荐区间；

(4)计算有潜在板形缺陷样本的工艺参数在推荐区间的比例，通过比例对比获得关键工艺参数，进而获得关键工艺参数区间；

所述步骤(2)中板形缺陷包括单边浪、双边浪、中浪、双肋浪；

所述步骤(2)中对优秀样本数据进行预处理具体为：根据拉伊达准则对优秀样本的工艺参数数据进行预处理，剔除坏值，计算公式如下：

其中：x_i为第i个优秀样本的工艺参数数据；n为优秀样本总数；

为工艺参数平均值；M为偏差平方和；f为自由度；V为方差；s为标准偏差；Δx_i为第i个样本数据的偏差；

如果|Δx_i|＞3s,则认为第i个数据为坏值，剔除，余下的样本数据再次进行数据预处理，直到没有坏值为止；

所述步骤(1)中采集获得的生产工艺参数包括各机架窜辊量、中间坯厚度、层流冷却开阀总数、对称平直度、非对称平直度、板坯在炉时间、卷取温度、粗轧出口温度、精轧出口温度和穿带速度；

所述步骤(4)具体计算过程如下：

其中：k为缺陷样本数据在推荐区间内的数量；m为缺陷样本总数；n为优秀样本总数；P₁为缺陷样本在推荐区间内的比例；P₂为优秀样本占缺陷样本的比例；

如果P₁＜P₂，说明优秀样本与缺陷样本差异性明显，即认为是关键工艺参数，并将关键工艺参数的置信区间作为最终的关键工艺参数区间。

2.根据权利要求1所述的影响潜在板形的关键工艺参数区间整定方法，其特征在于：所述步骤(3)中区间估计计算过程如下：

P(θ₁≤μ≤θ₂)＝1-α

其中：Z为正态分布统计量；

为工艺参数平均值；μ为总体均值；s为标准偏差；n为优秀样本总数；α为显著水平，反映估计的可靠性；P为概率；1-α为置信度；(θ₁、θ₂)为置信区间，即工艺参数的推荐区间，θ₁为置信下限；θ₂为置信上限；

为正态分布上

分位点，表示

Images