CN114367545A - 一种轧制力的修正方法和装置 - Google Patents
一种轧制力的修正方法和装置 Download PDFInfo
- Publication number
- CN114367545A CN114367545A CN202111499755.7A CN202111499755A CN114367545A CN 114367545 A CN114367545 A CN 114367545A CN 202111499755 A CN202111499755 A CN 202111499755A CN 114367545 A CN114367545 A CN 114367545A
- Authority
- CN
- China
- Prior art keywords
- current
- correction coefficient
- deviation
- rolling force
- term
- 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.)
- Granted
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 241
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012937 correction Methods 0.000 claims abstract description 319
- 239000010959 steel Substances 0.000 claims abstract description 130
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 128
- 238000004364 calculation method Methods 0.000 claims abstract description 87
- 238000004519 manufacturing process Methods 0.000 claims abstract description 59
- 230000008859 change Effects 0.000 claims abstract description 38
- 230000007774 longterm Effects 0.000 claims description 79
- 238000005457 optimization Methods 0.000 claims description 19
- 239000002994 raw material Substances 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 14
- 239000002436 steel type Substances 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000031864 metaphase Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims 1
- 238000010923 batch production Methods 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 description 60
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 230000006978 adaptation Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005097 cold rolling Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004886 process control Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- B21B37/58—Roll-force control; Roll-gap control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B38/00—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product
- B21B38/08—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product for measuring roll-force
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明公开了一种轧制力的修正方法和装置，修正方法包括：获取当前带钢在当前周期的轧制力设定偏差；根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，其中，N为不小于2的整数；根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数；根据所述设定修正系数，修正所述待轧制钢卷的预设轧制力。本发明的修正方法兼顾了对轧制力不同变化规律的学习，在多品种小批量生产模式下，频繁变换规格生产的现场生产规律捕捉更完善，进而提高了轧制力的预设精度，为提高冷轧带钢的生产稳定性和实现高精度轧制创造了基础前提。
Description
技术领域
本申请涉及轧机轧制力控制的技术领域，尤其涉及一种轧制力的修正方法和装置。
背景技术
带钢的轧制过程是一个典型的多变量、时变、强耦合和非线性过程，多种因素相互影响最终作用在辊缝变形区域。高精度模型设定计算是稳定轧制和高效轧制的前提和基础，而轧制工艺数学模型又是高精度设定计算的核心。由于轧制过程的复杂性，决定了轧制工艺数学模型往往也具有很高的复杂性，每个模型需要包含和体现多个因素对设定结果的影响。如轧制力模型计算就是一个考虑变形抗力、摩擦系数、变形量、轧制速度、轧辊因素和乳化润滑等因素的复杂计算过程。
相同的轧制力模型计算，对于不同轧制产线，或者相同轧制产线处于不同的轧制状况时，往往表现出不同的计算精度。怎样才能保证轧制力模型计算精度，在各种轧制状况下，都能满足产品对设定计算的精度要求，是一个冷轧过程控制模型系统必须考虑的问题。为了解决轧制力模型设定精度的问题，工程技术人员进行了很多卓有成效的研究和探索。其中相当一部分工作围绕着影响轧制力设定精度的各种影响因素展开，例如对变形抗力模型和摩擦系数模型参数的优化。这些工作在一定程度上使得变形抗力模型和摩擦系数模型的设定精度得到了显著提高，进而提高了轧制力模型的设定精度。但是在实际应用时，轧机存在频繁变规格的生产状况，部分影响因素的精度提高并不能始终保持轧制力模型设定精度的提高，出现设定精度不稳定或者降低的情况。
因此，在带钢变规格生产时如何对轧制力进行精准控制，是现阶段亟待解决的技术问题。
发明内容
本发明的一种轧制力的修正方法和装置，以在带钢变规格生产时对轧制力进行精准控制。
本发明实施例提供了以下方案：
第一方面，本发明实施例提供了一种轧制力的修正方法，包括：
获取当前带钢在当前周期的轧制力设定偏差；
根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，其中，N为不小于2的整数；
根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数；
根据所述设定修正系数，修正所述待轧制钢卷的预设轧制力。
在一种可选的实施例中，所述获取当前带钢在当前周期的轧制力设定偏差，包括：
获取当前轧制数据，所述当前轧制数据包括产线各机架的轧制力设定值和轧制力测量值；
若所述轧制力测量值在极限检查区间和秒流量检查阈值内，确定所述轧制力测量值为轧制力实际值；
根据所述轧制力设定值和所述轧制力实际值，获得设定计算偏差；
若所述设定计算偏差在极限偏差区间内，确定所述设定计算偏差为所述轧制力设定偏差。
在一种可选的实施例中，所述根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，包括：
获取所述当前带钢的当前带钢卷号和当前规格；
若所述当前带钢卷号和所述当前规格均发生变化，则根据所述轧制力设定偏差持续累计的迭代计算结果，获得当前长期修正系数；
若所述当前带钢卷号和所述当前规格均发生变化，且确认历史修正系数的偏差量满足预设偏差条件，则根据所述轧制力设定偏差在第一阈值内的迭代计算结果，获得当前中期修正系数；
若所述当前规格未发生变化，则根据所述轧制力设定偏差当次的迭代计算结果，获得当前短期修正系数。
在一种可选的实施例中，确认所述当前规格是否发生变化，包括：
获取所述当前规格的当前原料带钢厚度、当前产品带钢厚度、当前带钢宽度和当前钢种；
若所述当前原料带钢厚度较上一周期的原料带钢厚度变化大于第二阈值，则确认所述当前规格发生变化；
若所述当前产品带钢厚度较上一周期的产品带钢厚度变化大于第三阈值，则确认所述当前规格发生变化；
若所述当前带钢宽度较上一周期的带钢宽度变化大于第四阈值，则确认所述当前规格发生变化；
若所述当前钢种较上一周期的钢种发生变化，则确认所述当前规格发生变化。
在一种可选的实施例中，所述确认历史修正系数的偏差量满足预设偏差条件，包括：
获取所述历史修正系数、所述当前中期修正系数累计的中期修正次数、所述预设偏差条件的第一偏差阈值和第二偏差阈值，其中，所述历史修正系数包括历史短期修正系数、历史中期修正系数和历史长期修正系数；
若在所述中期修正次数小于第五阈值，所述历史长期修正系数和所述历史短期修正系数的差值大小小于所述第一偏差阈值，则确认所述历史修正系数的偏差量满足预设偏差条件；
若在所述中期修正次数不小于第五阈值时，所述历史中期修正系数和所述历史短期修正系数的差值大小小于所述第二偏差阈值，则确认所述历史修正系数的偏差量满足预设偏差条件。
在一种可选的实施例中，所述第一偏差阈值通过如下公式计算获取：
其中，DifAdp1为所述第一偏差阈值，SigmaLTi为所述当前长期修正系数的当前长期方差，SigmaLTi-1为历史长期方差，NumbLTi-1为所述历史长期修正系数累计的长期修正次数，RfCoeLT′为所述历史长期修正系数，RfCoeST′为所述历史短期修正系数；
所述第二偏差阈值通过如下公式计算获取：
其中，DifAdp2为所述第二偏差阈值，SigmaMTi为所述当前中期修正系数的当前中期方差，SigmaMTi-1为历史中期方差，NumbMTi-1为所述中期修正次数，RfCoeMT′为所述历史中期修正系数。
在一种可选的实施例中，所述确认历史修正系数的偏差量满足预设偏差条件之前，还包括：
若所述中期修正次数大于第六阈值时，对所述中期修正次数清零，其中，所述第六阈值大于第五阈值。
在一种可选的实施例中，所述根据所述轧制力设定偏差当次的迭代计算结果，获得当前短期修正系数，包括：
获取历史短期修正系数和增益系数；
根据所述轧制力设定偏差，获得当前短期优化系数；
根据RfCoeSTi＝RfCoeOldi+DmpCoe×(RfCoeNewi-RfCoeOldi)，获得所述当前短期修正系数RfCoeSTi，其中，RfCoeOldi为所述历史短期修正系数，DmpCoe为所述增益系数，RfCoeNewi为所述当前短期优化系数。
在一种可选的实施例中，所述N个当前修正系数包括至少一组在同一规格层级的长期修正系数、中期修正系数和短期修正系数，其中，所述长期修正系数为所述轧制力设定偏差持续累计的迭代计算结果，所述中期修正系数为所述轧制力设定偏差在第七阈值内的迭代计算结果，所述短期修正系数为所述轧制力设定偏差当次的迭代计算结果；
所述根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数，包括：
获取所述中期修正系数与所述长期修正系数的第三偏差阈值和偏差绝对值；
若所述规格信息较所述当前周期的上一周期未发生变化，则确定所述短期修正系数为所述设定修正系数；
若所述规格信息较所述当前周期的上一周期发生变化，且所述偏差绝对值不小于所述第三偏差阈值、或所述中期修正系数未完成在所述第七阈值内的迭代计算，则确定所述长期修正系数为所述设定修正系数；
若所述规格信息较所述当前周期的上一周期发生变化，且所述偏差绝对值小于所述第三偏差阈值，则确定所述中期修正系数为所述设定修正系数。
第二方面，本发明实施例还提供了一种轧制力的修正装置，包括：
获取模块，用于获取当前带钢在当前周期的轧制力设定偏差；
获得模块，用于根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，其中，N为不小于2的整数；
确定模块，用于根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数；
修正模块，用于根据所述设定修正系数，修正所述待轧制钢卷的预设轧制力。
本发明提供的一种轧制力的修正方法和装置与现有技术相比，具有以下优点：
本发明通过获取轧制力设定偏差，根据轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，兼顾了对轧制力不同变化规律的学习，在多品种小批量生产模式下，频繁变换规格生产的现场生产规律捕捉更完善，再根据待轧制钢卷的规格信息，在N个当前修正系数中确定出设定修正系数，根据设定修正系数，修正所述待轧制钢卷的预设轧制力，设定修正系数用于优化轧制力设定结果，进而提高了轧制力的预设精度，为提高冷轧带钢的生产稳定性和实现高精度轧制创造了基础前提。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，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的附图。
图1为本发明实施例提供的一种轧制力的修正方法的流程图；
图2为本发明实施例提供的在五机架串列式冷连轧机组中轧制力的修正流程；
图3为本发明实施例提供的各修正系数的获取流程图；
图4为本发明实施例提供的各修正系数的应用流程图；
图5为本发明实施例提供的一种轧制力的修正装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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，基于本发明实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明实施例保护的范围。
本发明实施例的修正方法应用于带钢的轧制产线上，轧制产线为五机架串列式冷连轧机组，轧制产线配备了先进的检测仪表，包括测厚仪、激光测速仪、压力传感器、位置传感器等检测仪表，为本发明的实施提供了可靠的现场数据来源。该产线的生产组织特点是品种多、规格多、批量小，因而在生产过程中面临着频繁变规格的状况，导致轧制力设定精度不稳定甚至降低。
请参阅图1，图1为本发明实施例提供的一种轧制力的修正方法的流程图，包括：
S11、获取当前带钢在当前周期的轧制力设定偏差。
具体的，轧制产线在冷连轧过程中，各种工艺参数的测量值发送到现场L1级控制系统，采集的测量数据与存储模块采用TCP/IP协议与现场冷连轧L1级板形控制系统通信，当前周期以200ms的频率实时连续采集生产过程的现场数据。具体的现场数据采集项如下表1所示。
表1：
| 编号 | 采集项目 |
| 1 | 原料厚度 |
| 2 | 原料宽度 |
| 3 | 钢种 |
| 4 | 产品厚度 |
| 5 | 产品宽度 |
| 6 | 各机架的轧制力设定值 |
| 7 | 各机架的轧制力测量值 |
| 8 | 各机架的带钢速度测量值 |
| 9 | 各机架的出口厚度测量值 |
现场数据的获取是基于冷轧过程控制系统，分别获取产线5个机架带钢的轧制力设定值
和带钢全长上的轧制力测量值
以及轧制速度测量值
和机架出口带钢厚度实际值
同时获取当前带钢卷号CoilIdj(或称钢卷号)，原料带钢厚度HEj，产品带钢厚度HXj和带钢宽度Wj。上述中，i＝1，2，...，5；j＝1，2，…，n；n是测量值以当前周期的频率采集的测量个数，。
轧制力设定偏差的计算是基于所获得轧制力设定值Rfsi和轧制力测量值
求差，以计算轧制力设定偏差
在具体实施时，由于现场存在一定的干扰源，现场数据采集的频率较高，造成可能在现场数据中出现部分的数据存在错误，导致获取的轧制力设定偏差可靠性不高。
为解决上述问题，在一种具体的实施方式中，所述获取当前带钢在当前周期的轧制力设定偏差，包括：
获取当前轧制数据，当前轧制数据包括产线各机架的轧制力设定值和轧制力测量值；若轧制力测量值在极限检查区间和秒流量检查阈值内，确定轧制力测量值为轧制力实际值；根据轧制力设定值和轧制力实际值，获得设定计算偏差；若设定计算偏差在极限偏差区间内，确定设定计算偏差为轧制力设定偏差。
具体的，极限检查区间主要是针对轧制力的极限检查，可以将极限检查区间的上限RfUL设定为3000吨，极限检查区间的下限RfLL设定为300吨，采集的轧制力测量值若在次极限检查区间内，说明压力传感器采集的数据较为可靠。因此，所获得的轧制力测量值必需在极限检查区间内，即：
秒流量检查主要是确定所获取的轧制力测量值满足连轧过程各机架秒流量MFi j相等的原则。在认为轧制过程中带钢宽度不变的前提下，针对第j组轧制力测量值，各机架秒流量为机架出口带钢厚度实际值与轧制速度测量值的乘积,即:
秒流量检查阈值可以设定为10％，例如在五机架串列式冷连轧机组中，第一机架秒流量和第五机架秒流量之间的偏差不能大于MFD＝10％，即：
其中，
为第一机架秒流量，
为第五机架秒流量，所获取的第j组轧制力测量值，只有同时满足了极限检查和秒流量检查，可确定轧制力测量值
为轧制力实际值
才能用于后续的各模块功能计算，以保障获取数据的可靠性。
每个机架设定计算偏差的评价方法采用绝对偏差的方式，设定计算偏差
具体通过如下公式计算：
其中，
为轧制力实际值，
为轧制力设定值，所计算得到的轧制力测量点偏差需要满足极限偏差区间的检查，具体如下：
其中，RfdUL是极限偏差区间上限，RfdLL是极限偏差区间下限，本发明实施中设定极限偏差区间的上限RfdUL为1.15，极限偏差区间的下限RfdLL为0.85，在此区间内可以保证获得设定计算偏差的可靠性。可以理解，极限偏差区间的上下限还可以设定为其他值，进一步提高最终获得的轧制力设定偏差的可靠性，设定计算偏差
在极限偏差区间内，确定设定计算偏差
为轧制力设定偏差
获取轧制力设定偏差后进入步骤S12。
S12、根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，其中，N为不小于2的整数。
具体的，轧制产线在生产过程中频繁变规格轧制带钢，不同次数的迭代计算结果对应了轧制力设定偏差不同期限的变化规律，迭代计算的次数越多，所获得的当前修正系数表征了轧制力偏差长期的变化规律；反之，迭代计算的次数越少，所获得的当前修正系数表征了轧制力偏差短期的变化规律。所以，N个当前修正系数是对应轧制力设定偏差在不同期限变化规律的学习，N的数值越大，变化规律学习的期限越细分。
在一种具体的实施方式中，根据轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，包括：
获取当前带钢的当前带钢卷号和当前规格；若当前带钢卷号和当前规格均发生变化，则根据轧制力设定偏差持续累计的迭代计算结果，获得当前长期修正系数；若当前带钢卷号和当前规格均发生变化，且确认历史修正系数的偏差量满足预设偏差条件，则根据轧制力设定偏差在第一阈值内的迭代计算结果，获得当前中期修正系数；若当前规格未发生变化，则根据轧制力设定偏差当次的迭代计算结果，获得当前短期修正系数。
具体的，可参阅图2，原料经酸洗后，通过轧制产线的5个机架进行轧制，现场数据获取，计算轧制力设定偏差，带钢卷号为钢卷的唯一编号，设置唯一编号便于带钢生产的数字化管理。当前带钢卷号发生变化，说明当前带钢卷号对应的钢卷已完成轧制，并进入了下一钢卷的轧制。当前规格发生变化，说明带钢变化了规格，需要对轧制力进行调整。当前带钢卷号和当前规格均发生变化，说明轧制产线已进入了下一不同规格钢卷的轧制，此时可以通过轧制力设定偏差持续累计的迭代计算结果进行长期自适应学习，以获得当前长期修正系数；当前带钢卷号和当前规格均发生变化，且确认历史修正系数的偏差量满足预设偏差条件，说明轧制产线的轧制力设定偏差波动变化不大，此时可以通过轧制力设定偏差第一阈值内的迭代计算结果进行中期自适应学习，以获得当前中期修正系数；当前规格未发生变化，说明轧制产线持续轧制一种规格的带钢，此时可以通过轧制力设定偏差当次的迭代计算结果进行短期自适应学习，以获得当前短期修正系数。
在具体实施时，为便于表征带钢卷号和规格的变化信息，可以建立卷号标识CF和规格标识FGC，如果当前带钢卷号CoilIdj与历史带钢卷号CoilIdj-1相等，则认为所获取的第j-1组实际数据与第j组实际数据来自于同一卷带钢，令卷号标识CF＝0；否则认为第j组实际数据以后发生了带钢变化，令CF＝1。若发生了变规格，令标识FGC＝1，认为没有发生变规格，令标识FGC＝0。
需要说明的是，由于轧制产线轧制带钢的规格有多种，获得的各修正系数按不同的规格划分对应存储，可以建立短期自适应数据文件CoeS.dat，存储对象包括短期修正系数RfCoeSTi，系统初次运行时创建该文件，RfCoeSTi初始化为1，完成一次短期修正系数的计算后，历史短期修正系数会被新的当前短期修正系数覆盖。
同理，可以建立中期自适应数据文件CoeM.dat，中期自适应数据文件基于规格存储数据对象。规格的依据是：钢种、原料厚度、产品厚度和宽度；中期自适应数据文件中每一个规格对应的数据包括：中期修正系数RfCoeMTi、已经完成的中期修正次数NumbMTi和中期方差SigmaMTi；系统初次运行时，根据规格创建该文件，并且每个规格所对应的RfCoeMTi、NumbMTi和SigmaMTi分别初始化为1、0和0。完成一次中期自适应修正系数计算后，对应规格的RfCoeMTi、NumbMTi和SigmaMTi会被新的当前中期修正系数、当前中期修正次数和当前中期方差覆盖。
同样的，可以建立长期自适应数据文件CoeL.dat，长期自适应数据文件基于规格存储数据对象。规格的依据是钢种、原料厚度、产品厚度和宽度；长期自适应数据文件中每一个规格对应的数据包括长期修正系数RfCoeLTi、已经完成的长期修正次数NumbLTi和长期方差SigmaLTi；系统初次运行时，根据规格创建该文件，并且每个规格所对应的RfCoeLTi、NumbLTi和SigmaLTi分别初始化为1、0和0。完成一次长期修正系数计算后，对应规格的RfCoeLTi、NumbLTi和SigmaLTi会被新的当前长期修正系数、当前长期修正次数和当前长期方差覆盖。
当前长期修正系数RfCoeLTi计算可以通过以下公式计算更新：
当前中期修正系数RfCoeMTi的计算可以通过以下公式计算更新：
在对各修正系数进行存储前，为进一步确认各系数的准确性，可以进行可靠性检查，
RfCoeLL≤RfCoeSTi≤RfCoeUL，RfCoeSTi为短期修正系数；
RfCoeLL≤RfCoeMTi≤RfCoeUL，RfCoeMTi为中期修正系数；
RfCoeLL≤RfCoeLTi≤RfCoeUL，RfCoeLTi为长期修正系数；
此处的RfCoeUL和RfCoeLL分别是轧制力模型优化的各修正系数的上限和下限，本发明取为1.15和0.85。
在一种具体的实施方式中，确认当前规格是否发生变化，包括：
获取当前规格的当前原料带钢厚度、当前产品带钢厚度、当前带钢宽度和当前钢种；若当前原料带钢厚度较上一周期的原料带钢厚度变化大于第二阈值，则确认当前规格发生变化；若当前产品带钢厚度较上一周期的产品带钢厚度变化大于第三阈值，则确认当前规格发生变化；若当前带钢宽度较上一周期的带钢宽度变化大于第四阈值，则确认当前规格发生变化；若当前钢种较上一周期的钢种发生变化，则确认当前规格发生变化。
具体的，对应钢卷规格而言，为便于生产和工业应用，通常划分为固定的规格，可以设定第二阈值为0.1mm，第三阈值为0.1mm，第四阈值为5mm，当前产品带钢的规格超过上述任一阈值，即确认为当前规格发生变化。本发明实施例中设定的各阈值是综合多方面因素确定的，阈值设定过大，各修正系数的学习精度较低；阈值设定过小，造成计算量过大，易造成冗余计算。
在一种具体的实施方式中，确认历史修正系数的偏差量满足预设偏差条件，包括：
获取历史修正系数、当前中期修正系数累计的中期修正次数、预设偏差条件的第一偏差阈值和第二偏差阈值，其中，历史修正系数包括历史短期修正系数、历史中期修正系数和历史长期修正系数；若在中期修正次数小于第五阈值，历史长期修正系数和历史短期修正系数的差值大小小于第一偏差阈值，则确认历史修正系数的偏差量满足预设偏差条件；若在中期修正次数不小于第五阈值时，历史中期修正系数和历史短期修正系数的差值大小小于第二偏差阈值，则确认历史修正系数的偏差量满足预设偏差条件。
具体的，中期修正系数的自适应计算，需要先确认历史修正系数的偏差量满足预设偏差条件，轧制产线的现场检测环境和通讯环境都比较差，为提高中期修正系数的可靠性，通过预设偏差条件将可能存在错误的数据剔除掉。第五阈值可以设定为5，中期修正次数小于第五阈值，历史长期修正系数和历史短期修正系数的差值大小小于第一偏差阈值，即：
NumbMTi<5时，|RfCoeLTi-RfCoeSTi|＜DifAdp1，DifAdp1为第一偏差阈值，
确认历史修正系数的偏差量满足预设偏差条件，进行自适应计算，以获得当前中期修正系数。
中期修正次数不小于第五阈值时，历史中期修正系数和历史短期修正系数的差值大小小于第二偏差阈值，即：
NumbMTi≥5，|RfCoeMTi-RfCoeSTi|＜DifAdp2，DifAdp2为第二偏差阈值，
确认历史修正系数的偏差量满足预设偏差条件，进行自适应计算，以获得当前中期修正系数。
在一种具体的实施方式中，第一偏差阈值通过如下公式计算获取：
其中，DifAdp1为第一偏差阈值，SigmaLTi为当前长期修正系数的当前长期方差，SigmaLTi-1为历史长期方差，NumbLTi-1为历史长期修正系数累计的长期修正次数，RfCoeLT′为历史长期修正系数，RfCoeST′为历史短期修正系数；
第二偏差阈值通过如下公式计算获取：
其中，DifAdp2为第二偏差阈值，SigmaMTi为当前中期修正系数的当前中期方差，SigmaMTi-1为历史中期方差，NumbMTi-1为中期修正次数，RfCoeMT′为历史中期修正系数。
具体的，通过上述方式即可准确计算出第一偏差阈值和第二偏差阈值。
在一种具体的实施方式中，确认历史修正系数的偏差量满足预设偏差条件之前，还包括：
若中期修正次数大于第六阈值时，对中期修正次数清零，其中，第六阈值大于第五阈值。
具体的，可以设定第五阈值为5，第六阈值为20。请参阅图3，中期修正次数若大于20，将中期修正系数置零，通过中期修正次数在大于第六阈值时对中期修正次数清零，可以保证中期修正系数的及时更新，更准确反应在第六阈值内，轧制力设定偏差对中期修正系数的影响。
在一种具体的实施方式中，根据轧制力设定偏差当次的迭代计算结果，获得当前短期修正系数，包括：
获取历史短期修正系数和增益系数；
根据所述轧制力设定偏差，获得当前短期优化系数；
根据RfCoeSTi＝RfCoeOldi+DmpCoe×(RfCoeNewi-RfCoeOldi)，获得所述当前短期修正系数RfCoeSTi，其中，RfCoeOldi为所述历史短期修正系数，DmpCoe为所述增益系数，RfCoeNewi为所述当前短期优化系数。
具体的，请继续参阅图3，本发明实施例的轧制力修正方法采用乘法自适应修正，对应于第j组实际值的轧制力设定偏差
就是对应于第j组实际值的轧制力模型修正系数
即令
当前短期优化系数RfCoeNewi即为当前的轧制力模型优化系数，此处等于
RfCoeOldi是前一周期计算的短期修正系数，DmpCoe为指数平滑方法的增益系数，本发明实施例取为0.5。前一个轧制力模型优化系数RfCoeOldi的来源存在三种可能：
1.来自于短期自适应数据文件。如果生产状况判断第j组实际数据和第j-1组实际数据来自于同一卷带钢，即CF＝0；或者第j组实际数据和第j-1组实际数据来自于不同的带钢，但是没有发生变规格，即CF＝1，且FGC＝0，则RfCoeOldi来自于短期自适应文件；RfCoeOldi＝RfCoeSTi。
2.来自于长期自适应数据文件。如果生产状况判断模块认为第j组实际数据和第j-1组实际数据来自于不同的带钢，且发生了变规格，即CF＝1，且FGC＝1，则在满足如下条件之一的时候，RfOldCoei来源于长期自适应数据文件中的对应层别的RfCoeLTi。
条件一：中期自适应数据文件中的对应层别的NumbMTi≤NoL，此处NoL是中期自适应修正系数的自适应次数可靠性判断阈值，本发明取为NoL＝5。
条件二：中期自适应数据文件中的对应层别的修正系数RfCoeMTi与长期自适应数据文件中的对应层别的修正系数RfCoeLTi的差的绝对值DifCoei＝|RfCoeLTi-RfCoeMTi|≥DifCoeL，此处DifCoeL是中期自适应修正系数和长期自适应修正系数差的阈值，本发明取为
3.来自于中期自适应数据文件。如果生产状况判断第j组实际数据和第j-1组实际数据来自于不同的带钢，且发生了变规格，即CF＝1，且FGC＝1，则在满足如下条件的时候，RfOldCoei来源于中期自适应数据文件中的对应层别的RfCoeMTi。
条件：中期自适应数据文件中的对应层别的NumbMTi>NoL，且DifCoei＝|RfCoeLTi-RfCoeMTi|<DifCoeL。
获取N个当前修正系数后，进入步骤S13。
S13、根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数。
具体的，通过规格信息可以判定待轧制钢卷是否变换规格，若变换规格，则确定出对应的设定修正系数。
在一种具体的实施方式中，N个当前修正系数包括至少一组在同一规格层级的长期修正系数、中期修正系数和短期修正系数，其中，长期修正系数为轧制力设定偏差持续累计的迭代计算结果，中期修正系数为轧制力设定偏差在第七阈值内的迭代计算结果，短期修正系数为轧制力设定偏差当次的迭代计算结果；根据待轧制钢卷的规格信息，在N个当前修正系数中确定出设定修正系数，包括：
获取中期修正系数与长期修正系数的第三偏差阈值和偏差绝对值；若规格信息较当前周期的上一周期未发生变化，则确定短期修正系数为设定修正系数；若规格信息较当前周期的上一周期发生变化，且偏差绝对值不小于第三偏差阈值、或中期修正系数未完成在第七阈值内的迭代计算，则确定长期修正系数为设定修正系数；若规格信息较当前周期的上一周期发生变化，且偏差绝对值小于第三偏差阈值，则确定中期修正系数为设定修正系数。
具体的，请参阅图4，规格信息较当前周期的上一周期未发生变化，即FGC＝0，则从短期自适应文件中读取短期修正系数，确定短期修正系数为设定修正系数，令RfCoei＝RfCoeSTi；规格信息较当前周期的上一周期发生变化，即FGC＝1，中期自适应数据文件中的对应层别的修正系数RfCoeMTi与长期自适应数据文件中的对应层别的修正系数RfCoeLTi的差的绝对值DifCoei＝|RfCoeLTi-RfCoeMTi|≥DifCoeL，DifCoeL为偏差绝对值，本发明取为
第七阈值为5，中期修正系数未完成在第七阈值内的迭代计算，说明中期修正系数可能不够准确，确定长期修正系数为设定修正系数RfCoei。规格信息较当前周期的上一周期发生变化，即FGC＝1，中期修正系数完成在第七阈值内的迭代计算，且DifCoei＝|RfCoeLTi-RfCoeMTi|<DifCoeL，确定中期修正系数为设定修正系数RfCoei。确定设定修正系数后进入步骤S14。
S14、根据所述设定修正系数，修正所述待轧制钢卷的预设轧制力。
具体的，修正方法采用乘法自适应，因此最终的轧制力设定结果为：
Rfsi＝Rfmsi×RfCoei，其中，Rfmsi为预设轧制力。
下面将以五机架串列式冷连轧机组的具体实施过程为例，具体阐述如何通过本发明实施例的方法对预设轧制力进行修正。
(1)现场过程数据获取
将冷连轧过程中各种工艺参数实际值发送到现场L1级控制系统，本方法的实际数据采集与存储模块采用TCP/IP协议与现场冷连轧L1级板形控制系统通信，以200ms的频率实时连续采集实际生产过程数据。具体的数据采集项如上表1中所示。
每一数据采集项都需要经过极限检查。各机架的数据需要经过整体秒流量检查，其中第一机架和第五机架的秒流量偏差不能大于10％。
(2)轧制力设定偏差计算
基于冷轧产线数据采集，每个轧制力测量点偏差的评价方法采用绝对偏差的方式，其中某次的轧制力设定偏差计算结果如下表2所示。
表2轧制力设定偏差
| 机架 | 1 | 2 | 3 | 4 | 5 |
| 轧制力设定偏差Rfd/％ | 0.9947 | 0.9907 | 1.04 | 1.0165 | 0.9247 |
上表所述轧制力偏差均需满足(0.85,1.15)的极限范围。
(3)生产状况判断
生产状况判断主要用来确定是否发生了换卷，对变量CF赋值；以及在换卷的情况下判断是否发生了变规格，对变量FGC赋值。判读依据及结果如下表3所示：
表3生产状况判断
如上表所述，前后两组实际值中，钢卷号发生了变化，因此CF＝1。原料带钢厚度、产品带钢厚度和带钢宽度的差值分别大于了本发明规定的HEL＝0.1mm，HXL＝0.1mm，WL＝5mm的变规格判断条件，同时钢种也发生了变化，因此FGC＝1。
(4)长期修正系数的自适应计算
根据生产状况的判断结果，如图3所示的自适应过程示意图，可以知道CF＝1，发生了带钢变化，因而触发了对长期修正系数的自适应计算。获取上一卷带钢的短期修正系数RfCoeSTi如下表4所示，对应层别的轧制力模型长期自适应计算前后的优化数据对比如下表5所示。
表4上一卷带钢的短期修正系数
表5长期修正系数的计算数据对比
(5)中期修正系数的自适应计算
根据生产状况的判断结果，如图3所示的自适应过程示意图，可以知道CF＝1，发生了带钢变化，并且中期自适应数据文件中对应层别的NumbMTi＝17，偏差状况满足条件
因而触发了对中期修正系数的自适应计算。获取上一卷带钢的短期修正系数RfCoeSTi如上表4所示，对应层别的轧制力模型中期自适应计算前后的优化数据对比如下表6所示。
表6中期修正系数的计算数据对比
(6)短期修正系数的自适应计算
短期自适应计算采用指数平滑法，如图3所示的自适应过程示意图，根据生产状况的判断结果，可以知道CF＝1，FGC＝1，并且中期自适应数据文件中对应层别的NumbMTi＝17，偏差状况满足条件
因而前一组轧制力模型短期自适应系数RfCoeOldi来自于中期自适应文件对应层别的模型优化系数RfCoeMTi。按照指数平滑法，平滑系数取0.5，短期自适应优化结果如下表7所示。
表7短期修正系数的计算数据对比
| 机架 | S1 | S2 | S3 | S4 | S5 |
| 前一组短期修正系数 | 1.0203 | 1.0289 | 1.0174 | 1.0047 | 0.9677 |
| 新的短期修正系数 | 0.9947 | 0.9907 | 1.04 | 1.0165 | 0.9247 |
| 优化后的短期修正系数 | 1.0075 | 1.0098 | 1.0288 | 1.0106 | 0.9462 |
(5)优化结果检查
根据对生产状况的判断，本组数据同时触发了长期自适应计算、中期自适应计算和短期自适应计算。在轧制工艺知识的指导下，对优化得到的轧制力模型参数进行判断，确认是否可靠和可信。本发明为了防止出现模型设定的较大波动，要求优化结果满足RfCoeUL＝1.15和RfCoeLL＝0.85的上下限要求。
如上表5、表6和表7所示的长期自适应、中期自适应和短期自适应的优化结果，均满足上下限要求，因此认为此次优化结果是可靠的，不会造成模型设定过程的不稳定现象。
(6)优化结果存储
根据对生产状况的判断，本组数据同时触发了长期自适应计算、中期自适应计算和短期自适应计算。在轧制工艺知识的指导下，对优化得到的轧制力模型优化参数进行判断，确认是可靠和可信的之后，将短期修正系统存储在短期自适应文件CoeS.dat中，将长期修正系统和中期修正系统，分别根据钢种、原料厚度、产品厚度和宽度进行层别，并依据层别结果分别写入长期自适应文件CoeL.dat和中期自适应文件CoeM.dat文件中。
(8)优化结果应用
如图4所示的优化结果应用功能示意图。在某次过程控制系统轧制力模型设定完成以后，获取轧制力优化结果，对轧制力设定结果进行修正。如下表8所示，是当前带钢和上一带钢的钢种和规格数据，可以判断是出现了变规格的情况，即FGC＝1。因此轧制力优化结果会来自于长期自适应文件或者中期自适应文件，如下表9所示是根据钢种和规格信息进行层别之后，获得的长期自适应修正系数和中期自适应修正系数。根据本发明要求，中期自适应修正结果满足NumbMTi＞5，且
的条件，因此最终使用中期自适应修正系数作为本次计算的轧制力修正系数。
表8计算当前带钢和上一带钢的变规格判断
表9对应层别的长期修正系数和中期修正系数
| 机架 | S1 | S2 | S3 | S4 | S5 |
| 中期修正系数 | 1.0085 | 1.0184 | 0.9712 | 1.0143 | 0.9363 |
| 长期修正系数 | 1.0004 | 1.0112 | 0.9929 | 1.0132 | 0.0044 |
上述步骤自主触发、自主自适应计算和自主应用，循环执行，实现了在频繁变规格生产模式下对待轧制带钢的预设轧制力自主优化和应用。
基于与修正方法同样的发明构思，本发明实施例还提供了一种轧制力的修正装置，请参阅图5，包括：
获取模块501，用于获取当前带钢在当前周期的轧制力设定偏差；
获得模块502，用于根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，其中，N为不小于2的整数；
确定模块503，用于根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数；
修正模块504，用于根据所述设定修正系数，修正所述待轧制钢卷的预设轧制力。
本发明实施例中提供的技术方案，至少具有如下技术效果或优点：
1.通过获取轧制力设定偏差，根据轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，兼顾了对轧制力不同变化规律的学习，在多品种小批量生产模式下，频繁变换规格生产的现场生产规律捕捉更完善，再根据待轧制钢卷的规格信息，在N个当前修正系数中确定出设定修正系数，根据设定修正系数，修正所述待轧制钢卷的预设轧制力，设定修正系数用于优化轧制力设定结果，进而提高了轧制力的预设精度。
2.本发明基于轧制力设定值和轧制力测量之间的偏差和现场带钢生产情况，对轧制力设定结果进行短期自适应计算、中期自适应计算和长期自适应计算，兼顾了对轧制力长期变化规律和短期变化规律的学习；完成学习后，根据钢种和规格，以及现场带钢生产情况，确定从短期自适应、中期自适应或者长期自适应结果数据文件中读取设定修正系数，用于对待轧制钢卷的预设轧制力设定进行优化，以提高轧制力设定精度；
3.本发明在兼顾学习轧制力长期变化规律和短期变化规律的前提下，解决了在多品种小批量生产模式下的频繁变规格生产导致的现场生产规律不易捕捉，轧制力模型精度不高的问题，为提高冷轧带钢的生产稳定性和实现高精度轧制创造了基础前提。
4.本发明实施例的方法充分考虑现场生产状况，有效捕捉现场轧制力变化规律，兼顾了对轧制力长期变化规律和短期变化规律的学习，解决了在多品种小批量生产模式下的频繁变规格生产导致的现场生产规律不易捕捉，轧制力模型精度不高的问题，为提高冷轧带钢的生产稳定性和实现高精度轧制创造了基础前提。
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、装置(模块、系统)、和计算机程序产品的流程图和/或方框图来描述。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。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲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改动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，则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种轧制力的修正方法，其特征在于，包括：
获取当前带钢在当前周期的轧制力设定偏差；
根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，其中，N为不小于2的整数；
根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数；
根据所述设定修正系数，修正所述待轧制钢卷的预设轧制力。
2.根据权利要求1所述的轧制力的修正方法，其特征在于，所述获取当前带钢在当前周期的轧制力设定偏差，包括：
获取当前轧制数据，所述当前轧制数据包括产线各机架的轧制力设定值和轧制力测量值；
若所述轧制力测量值在极限检查区间和秒流量检查阈值内，确定所述轧制力测量值为轧制力实际值；
根据所述轧制力设定值和所述轧制力实际值，获得设定计算偏差；
若所述设定计算偏差在极限偏差区间内，确定所述设定计算偏差为所述轧制力设定偏差。
3.根据权利要求1所述的轧制力的修正方法，其特征在于，所述根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，包括：
获取所述当前带钢的当前带钢卷号和当前规格；
若所述当前带钢卷号和所述当前规格均发生变化，则根据所述轧制力设定偏差持续累计的迭代计算结果，获得当前长期修正系数；
若所述当前带钢卷号和所述当前规格均发生变化，且确认历史修正系数的偏差量满足预设偏差条件，则根据所述轧制力设定偏差在第一阈值内的迭代计算结果，获得当前中期修正系数；
若所述当前规格未发生变化，则根据所述轧制力设定偏差当次的迭代计算结果，获得当前短期修正系数。
4.根据权利要求3所述的轧制力的修正方法，其特征在于，确认所述当前规格是否发生变化，包括：
获取所述当前规格的当前原料带钢厚度、当前产品带钢厚度、当前带钢宽度和当前钢种；
若所述当前原料带钢厚度较上一周期的原料带钢厚度变化大于第二阈值，则确认所述当前规格发生变化；
若所述当前产品带钢厚度较上一周期的产品带钢厚度变化大于第三阈值，则确认所述当前规格发生变化；
若所述当前带钢宽度较上一周期的带钢宽度变化大于第四阈值，则确认所述当前规格发生变化；
若所述当前钢种较上一周期的钢种发生变化，则确认所述当前规格发生变化。
5.根据权利要求3所述的轧制力的修正方法，其特征在于，所述确认历史修正系数的偏差量满足预设偏差条件，包括：
获取所述历史修正系数、所述当前中期修正系数累计的中期修正次数、所述预设偏差条件的第一偏差阈值和第二偏差阈值，其中，所述历史修正系数包括历史短期修正系数、历史中期修正系数和历史长期修正系数；
若在所述中期修正次数小于第五阈值，所述历史长期修正系数和所述历史短期修正系数的差值大小小于所述第一偏差阈值，则确认所述历史修正系数的偏差量满足预设偏差条件；
若在所述中期修正次数不小于第五阈值时，所述历史中期修正系数和所述历史短期修正系数的差值大小小于所述第二偏差阈值，则确认所述历史修正系数的偏差量满足预设偏差条件。
6.根据权利要求5所述的轧制力的修正方法，其特征在于，所述第一偏差阈值通过如下公式计算获取：
其中，DifAdp1为所述第一偏差阈值，SigmaLTi为所述当前长期修正系数的当前长期方差，SigmaLTi-1为历史长期方差，NumbLTi-1为所述历史长期修正系数累计的长期修正次数，RfCoeLT′为所述历史长期修正系数，RfCoeST′为所述历史短期修正系数；
所述第二偏差阈值通过如下公式计算获取：
其中，DifAdp2为所述第二偏差阈值，SigmaMTi为所述当前中期修正系数的当前中期方差，SigmaMTi-1为历史中期方差，NumbMTi-1为所述中期修正次数，RfCoeMT′为所述历史中期修正系数。
7.根据权利要求5所述的轧制力的修正方法，其特征在于，所述确认历史修正系数的偏差量满足预设偏差条件之前，还包括：
若所述中期修正次数大于第六阈值时，对所述中期修正次数清零，其中，所述第六阈值大于第五阈值。
8.根据权利要求3所述的轧制力的修正方法，其特征在于，所述根据所述轧制力设定偏差当次的迭代计算结果，获得当前短期修正系数，包括：
获取历史短期修正系数和增益系数；
根据所述轧制力设定偏差，获得当前短期优化系数；
根据RfCoeSTi＝RfCoeOldi+DmpCoe×(RfCoeNewi-RfCoeOldi)，获得所述当前短期修正系数RfCoeSTi，其中，RfCoeOldi为所述历史短期修正系数，DmpCoe为所述增益系数，RfCoeNewi为所述当前短期优化系数。
9.根据权利要求1所述的轧制力的修正方法，其特征在于，所述N个当前修正系数包括至少一组在同一规格层级的长期修正系数、中期修正系数和短期修正系数，其中，所述长期修正系数为所述轧制力设定偏差持续累计的迭代计算结果，所述中期修正系数为所述轧制力设定偏差在第七阈值内的迭代计算结果，所述短期修正系数为所述轧制力设定偏差当次的迭代计算结果；
所述根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数，包括：
获取所述中期修正系数与所述长期修正系数的第三偏差阈值和偏差绝对值；
若所述规格信息较所述当前周期的上一周期未发生变化，则确定所述短期修正系数为所述设定修正系数；
若所述规格信息较所述当前周期的上一周期发生变化，且所述偏差绝对值不小于所述第三偏差阈值、或所述中期修正系数未完成在所述第七阈值内的迭代计算，则确定所述长期修正系数为所述设定修正系数；
若所述规格信息较所述当前周期的上一周期发生变化，且所述偏差绝对值小于所述第三偏差阈值，则确定所述中期修正系数为所述设定修正系数。
10.一种轧制力的修正装置，其特征在于，包括：
获取模块，用于获取当前带钢在当前周期的轧制力设定偏差；
获得模块，用于根据所述轧制力设定偏差在不同次数的迭代计算结果，获得N个当前修正系数，其中，N为不小于2的整数；
确定模块，用于根据待轧制钢卷的规格信息，在所述N个当前修正系数中确定出设定修正系数；
修正模块，用于根据所述设定修正系数，修正所述待轧制钢卷的预设轧制力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111499755.7A CN114367545B (zh) | 2021-12-09 | 2021-12-09 | 一种轧制力的修正方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111499755.7A CN114367545B (zh) | 2021-12-09 | 2021-12-09 | 一种轧制力的修正方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114367545A true CN114367545A (zh) | 2022-04-19 |
| CN114367545B CN114367545B (zh) | 2023-09-08 |
Family
ID=81141117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111499755.7A Active CN114367545B (zh) | 2021-12-09 | 2021-12-09 | 一种轧制力的修正方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114367545B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000263110A (ja) * | 1999-03-10 | 2000-09-26 | Toshiba Corp | 圧延制御モデル学習装置 |
| DE10301762A1 (de) * | 2003-01-18 | 2004-07-29 | Sms Demag Ag | Verfahren zum Walzen von Walzgut |
| JP2007245204A (ja) * | 2006-03-16 | 2007-09-27 | Jfe Steel Kk | 圧延荷重モデルの学習方法及びその装置 |
| CN103123483A (zh) * | 2012-12-20 | 2013-05-29 | 北京首钢自动化信息技术有限公司 | 一种基于聚类分析的新钢种轧制变形抗力预测系统 |
| CN103203372A (zh) * | 2012-01-11 | 2013-07-17 | 宝山钢铁股份有限公司 | 消除热连轧机静态偏差值的控制方法 |
| CN103464471A (zh) * | 2012-06-06 | 2013-12-25 | 上海梅山钢铁股份有限公司 | 一种热连轧精轧机组agc自适应控制方法 |
| CN104841700A (zh) * | 2015-04-28 | 2015-08-19 | 武汉科技大学 | 一种热轧带钢轧制力的优化设定方法 |
| CN104898430A (zh) * | 2015-06-03 | 2015-09-09 | 北京首钢自动化信息技术有限公司 | 基于数据挖掘的单机架冷轧轧制力模型参数优化方法 |
| EP3006126A1 (en) * | 2014-10-07 | 2016-04-13 | Hitachi, Ltd. | Control device of tandem rolling mill and control method |
| 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 |
| CN109248927A (zh) * | 2017-07-13 | 2019-01-22 | 鞍钢股份有限公司 | 一种轧制力系数限值分规格控制方法 |
| CN109261724A (zh) * | 2018-09-14 | 2019-01-25 | 北京科技大学设计研究院有限公司 | 一种在多品种轧制模式下提高预设定模型精度的方法 |
| 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 |
-
2021
- 2021-12-09 CN CN202111499755.7A patent/CN114367545B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000263110A (ja) * | 1999-03-10 | 2000-09-26 | Toshiba Corp | 圧延制御モデル学習装置 |
| DE10301762A1 (de) * | 2003-01-18 | 2004-07-29 | Sms Demag Ag | Verfahren zum Walzen von Walzgut |
| JP2007245204A (ja) * | 2006-03-16 | 2007-09-27 | Jfe Steel Kk | 圧延荷重モデルの学習方法及びその装置 |
| CN103203372A (zh) * | 2012-01-11 | 2013-07-17 | 宝山钢铁股份有限公司 | 消除热连轧机静态偏差值的控制方法 |
| CN103464471A (zh) * | 2012-06-06 | 2013-12-25 | 上海梅山钢铁股份有限公司 | 一种热连轧精轧机组agc自适应控制方法 |
| CN103123483A (zh) * | 2012-12-20 | 2013-05-29 | 北京首钢自动化信息技术有限公司 | 一种基于聚类分析的新钢种轧制变形抗力预测系统 |
| EP3006126A1 (en) * | 2014-10-07 | 2016-04-13 | Hitachi, Ltd. | Control device of tandem rolling mill and control method |
| CN104841700A (zh) * | 2015-04-28 | 2015-08-19 | 武汉科技大学 | 一种热轧带钢轧制力的优化设定方法 |
| CN104898430A (zh) * | 2015-06-03 | 2015-09-09 | 北京首钢自动化信息技术有限公司 | 基于数据挖掘的单机架冷轧轧制力模型参数优化方法 |
| CN109248927A (zh) * | 2017-07-13 | 2019-01-22 | 鞍钢股份有限公司 | 一种轧制力系数限值分规格控制方法 |
| 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 |
| CN109261724A (zh) * | 2018-09-14 | 2019-01-25 | 北京科技大学设计研究院有限公司 | 一种在多品种轧制模式下提高预设定模型精度的方法 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| 张俊明;刘军;俞晓峰;康永林;杨荃;: "轧制力预测中RBF神经网络的组合应用", 钢铁研究学报, no. 02, pages 33 - 36 * |
| 王昭东;田勇;赵忠;王国栋;: "中厚板厚度控制模型的自学习", 东北大学学报(自然科学版), no. 07, pages 771 - 774 * |
| 马更生;彭文;邸洪双;张殿华;: "带钢热连轧换规格轧制力自学习优化", 东北大学学报(自然科学版), no. 12, pages 1715 - 1718 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114367545B (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101889668B1 (ko) | 압연 시뮬레이션 장치 | |
| Box et al. | Statistical control by monitoring and adjustment | |
| US8145346B2 (en) | Method for monitoring a physical state of a hot-rolled sheet while controlling a rolling train for reverse rolling the hot-rolled sheet | |
| CN109351785B (zh) | 一种轧制力优化方法及装置 | |
| CN108311544B (zh) | 一种轧制力参数自学习方法及装置 | |
| TWI458572B (zh) | 控制裝置及控制方法 | |
| CN112041771A (zh) | 异常判定辅助装置 | |
| CN102189117B (zh) | 基于横向性能检测的冷轧带钢平直度前馈控制方法 | |
| CN103286142A (zh) | 一种冷连轧动态变规格时的动态辊缝补偿方法 | |
| CN103506404A (zh) | 一种带钢精轧过程辊缝的控制方法 | |
| JP3223856B2 (ja) | 圧延機の制御方法及び圧延機の制御装置 | |
| CN104998911A (zh) | 热连轧机精轧带钢的辊缝控制方法 | |
| CN115815342A (zh) | 一种基于机理和数据融合模型的冷轧轧制力预测方法 | |
| CN113649420A (zh) | 一种平整机轧制力获取方法及装置 | |
| KR101749018B1 (ko) | 평탄도 제어 장치 | |
| CN109719138B (zh) | 一种基于数据挖掘的变形抗力唯象模型计算方法 | |
| CN112474815B (zh) | 一种控制轧制过程的方法及装置 | |
| CN114367545A (zh) | 一种轧制力的修正方法和装置 | |
| CN112588836B (zh) | 一种基于热轧带钢轧制力的轧辊偏心自动识别方法及系统 | |
| CN105127214B (zh) | 一种四辊轧机轧制过程中的轧机弹性变形预测方法 | |
| CN112862284B (zh) | 一种热轧带钢轧机刚度的精度评价方法及系统 | |
| CN110227725B (zh) | 一种辊缝自学习纠偏的方法及装置 | |
| CN109146869B (zh) | 一种镀锌线带钢镀锌缺陷跟踪方法 | |
| CN117019882B (zh) | 考虑热轧来料信息的带钢冷连轧自动厚度前馈控制方法 | |
| KR20210154832A (ko) | 물리 모델 동정 시스템 |
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 |