CN114749493B - 一种冷轧带钢生产参数自适应调整方法及系统 - Google Patents
一种冷轧带钢生产参数自适应调整方法及系统 Download PDFInfo
- Publication number
- CN114749493B CN114749493B CN202210661562.5A CN202210661562A CN114749493B CN 114749493 B CN114749493 B CN 114749493B CN 202210661562 A CN202210661562 A CN 202210661562A CN 114749493 B CN114749493 B CN 114749493B
- Authority
- CN
- China
- Prior art keywords
- thickness
- parameter
- cold
- obtaining
- analysis result
- 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
-
- 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
- B21B38/04—Methods or devices for measuring, detecting or monitoring specially adapted for metal-rolling mills, e.g. position detection, inspection of the product for measuring thickness, width, diameter or other transverse dimensions of the product
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明公开了一种冷轧带钢生产参数自适应调整方法及系统,涉及控制和调节相关领域,进行冷轧带钢的厚度信息采集,获得第一厚度信息采集结果;获得第一厚度测定装置的测定点位集合,根据测定点位集合和第一厚度信息采集结果获得第一厚度影响分析结果;进行冷轧带钢冷轧工序的第一时间节点图像采集,获得第一图像;对第一图像进行冷轧带钢位置分析,获得第一位置分析结果;将第一位置分析结果和第一厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数;通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的参数自适应调整。解决了现有技术在缺少进行带钢跑偏的准确分析处理,进而导致带钢生产参数控制不够智能准确的技术问题。
Description
技术领域
本发明涉及控制和调节系统相关领域,尤其涉及一种冷轧带钢生产参数自适应调整方法及系统。
背景技术
由于冷轧带钢的优越的尺寸精度表现、表面质量表现、机械性能和工艺性能参数,因而被广泛应用于机械制造、汽车制造、机车车辆、建筑结构、航空火箭、轻工食品、电子仪表及家用电器等方向。在进行带钢冷轧的过程中,由于带钢本身质量因素、设备因素等,带钢往往会因横向扰动而偏离轧制中心线,影响设备的安全稳定运行。
现有技术在缺少进行带钢跑偏的准确分析处理,进而导致带钢生产参数控制不够智能准确的技术问题。
发明内容
本申请通过提供一种冷轧带钢生产参数自适应调整方法及系统,解决了现有技术在缺少进行带钢跑偏的准确分析处理,进而导致带钢生产参数控制不够智能准确的技术问题,通过进行带钢冷轧过程中的参数分析,提高带钢偏离控制的准确性,进而实现智能化、自适应带钢生产的参数调整的技术效果。
鉴于上述问题,提出了本申请提供一种冷轧带钢生产参数自适应调整方法及系统。
第一方面,本申请提供了一种冷轧带钢生产参数自适应调整方法,所述方法应用于冷轧带钢智能监测调整系统,所述冷轧带钢智能监测调整系统与第一图像采集装置、第一厚度测定装置通信连接,所述方法包括:通过所述第一厚度测定装置进行冷轧带钢的厚度信息采集,获得第一厚度信息采集结果;获得所述第一厚度测定装置的测定点位集合,根据所述测定点位集合和所述第一厚度信息采集结果获得第一厚度影响分析结果;通过所述第一图像采集装置进行所述冷轧带钢冷轧工序的第一时间节点图像采集,获得第一图像;对所述第一图像进行冷轧带钢位置分析,获得第一位置分析结果;将所述第一位置分析结果和所述第一厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数;通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的参数自适应调整。
另一方面,本申请还提供了一种冷轧带钢生产参数自适应调整系统,所述系统包括:第一获得单元,所述第一获得单元用于通过第一厚度测定装置进行冷轧带钢的厚度信息采集,获得第一厚度信息采集结果;第二获得单元,所述第二获得单元用于获得所述第一厚度测定装置的测定点位集合,根据所述测定点位集合和所述第一厚度信息采集结果获得第一厚度影响分析结果;第三获得单元,所述第三获得单元用于通过第一图像采集装置进行所述冷轧带钢冷轧工序的第一时间节点图像采集,获得第一图像;第四获得单元,所述第四获得单元用于对所述第一图像进行冷轧带钢位置分析,获得第一位置分析结果;第五获得单元,所述第五获得单元用于将所述第一位置分析结果和所述第一厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数;第一调整单元,所述第一调整单元用于通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的参数自适应调整。
第三方面,本发明提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过进行冷轧带钢的厚度信息实时采集,并分析获得冷轧带钢的厚度影响分析结果,对带钢当前位置进行图像采集,获得第一图像,通过对所述第一图像进行特征分析识别,获得所述冷轧带钢的当前位置分析信息,基于当前的位置分析信息和获得的厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数,通过所述第一调整修正参数进行所述冷轧带钢的参数自适应调整,进而通过对当前状态和关联节点下的厚度影响分析结果进行参数的自适应优化调整,达到提高带钢偏离控制的准确性,进而实现智能化、自适应带钢生产的参数调整的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请一种冷轧带钢生产参数自适应调整方法的流程示意图;
图2为本申请一种冷轧带钢生产参数自适应调整方法的基于平均值差值获得第一厚度影响分析结果的流程示意图;
图3为本申请一种冷轧带钢生产参数自适应调整方法的进一步细化获得第一厚度影响分析结果的流程示意图;
图4为本申请一种冷轧带钢生产参数自适应调整方法的趋势分布分析的流程示意图;
图5为本申请一种冷轧带钢生产参数自适应调整系统的结构示意图;
图6为本申请一种电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第一调整单元16,电子设备50,处理器51,存储器52,输入装置53,输出装置54。
具体实施方式
本申请通过提供一种冷轧带钢生产参数自适应调整方法及系统,解决了现有技术在缺少进行带钢跑偏的准确分析处理,进而导致带钢生产参数控制不够智能准确的技术问题,通过进行带钢冷轧过程中的参数分析,提高带钢偏离控制的准确性,进而实现智能化、自适应带钢生产的参数调整的技术效果。下面结合附图,对本申请的实施例进行描述。本领域普通技术人员可知,随着技术的发展和新场景的出现,本申请提供的技术方案对于类似的技术问题,同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
本申请提供了一种冷轧带钢生产参数自适应调整方法,所述方法包括:通过进行冷轧带钢的厚度信息实时采集,并分析获得冷轧带钢的厚度影响分析结果,对带钢当前位置进行图像采集,获得第一图像,通过对所述第一图像进行特征分析识别,获得所述冷轧带钢的当前位置分析信息,基于当前的位置分析信息和获得的厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数,通过所述第一调整修正参数进行所述冷轧带钢的参数自适应调整,进而通过对当前状态和关联节点下的厚度影响分析结果进行参数的自适应优化调整。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请提供了一种冷轧带钢生产参数自适应调整方法,所述方法应用于冷轧带钢智能监测调整系统,所述冷轧带钢智能监测调整系统与第一图像采集装置、第一厚度测定装置通信连接,所述方法包括:
步骤S100:通过所述第一厚度测定装置进行冷轧带钢的厚度信息采集,获得第一厚度信息采集结果;
步骤S200:获得所述第一厚度测定装置的测定点位集合,根据所述测定点位集合和所述第一厚度信息采集结果获得第一厚度影响分析结果;
具体而言,所述冷轧带钢智能监测调整系统为进行冷轧工艺监督,并基于采集参数和历史参数进行设备控制优化的系统,所述第一图像采集装置为设置在冷轧辊子部位的,进行冷轧带钢的实时图像采集的设备,所述第一厚度测定装置为进行待冷轧部位冷轧带钢的厚度实时采集的设备,可以包括射线源测厚仪,当被测钢板从射线源和电离室通过时,通过静电计输出的电压信号经过A/D转换器进行模拟量/数字量转换,获得厚度测定结果。且所述冷轧带钢智能监测调整系统与所述第一图像采集装置和所述第一厚度测定装置通信连接,可以进行相互的信息交互。
进一步来说,所述第一厚度测定装置可以进行所述冷轧带钢的同时间节点进行冷轧的全位置的厚度测定。为了进行准确的关联关系的构建,可以进行所述测定点位集合的均匀且多个设置。示例性的,通过带钢中心线将带钢分为两个区域,即第一区域和第二区域,且所述第一区域和第二区域相对于所述带钢中心线对称,将带钢中心线设置第一测定点,在第一区域设定三个测定点,相对于所述带钢中心线位置对称性的,在所述第二区域同样设定三个测定点,且所述第二区域的三个测定点与所述第一区域的三个测定点关于所述带钢中心线位置对称。即在同一截面上,同时设置有七个厚度测定分析点。通过所述七个厚度测定分析点的位置坐标和各个厚度测定参数,进行带钢厚度对于设备的偏差影响分析,根据影响分析结果获得所述第一厚度影响分析结果。通过进行待冷轧位置的带钢厚度信息采集,为后续进行及时的偏差控制参数调整提供了数据支持,进而可以使得偏差调整数据与厚度更加的适配和准确,为进行准确的生产控制夯实了基础。
步骤S300:通过所述第一图像采集装置进行所述冷轧带钢冷轧工序的第一时间节点图像采集,获得第一图像;
步骤S400:对所述第一图像进行冷轧带钢位置分析,获得第一位置分析结果;
具体而言,通过所述第一图像采集装置进行所述冷轧带钢的图像采集,基于采集结果获得第一图像。对所述第一图像进行图像的特征识别,将所述第一图像分割为两个区域,即与上述同步的第一区域和第二区域,通过第一区域和第二区域内的冷轧带钢的位置信息和加工控制的位置参数的匹配程度,进行所述冷轧带钢的位置分析,获得所述第一位置分析结果。
进一步来说,所述第一位置分析结果反映了当前正在进行冷轧位置的带钢的实时位置偏差信息,通过进行当前实时冷轧位置的带钢偏差数据的采集,为后续结合当前偏差参数和待加工部位的厚度影响进行准确的参数调整提供了数据支持。
步骤S500:将所述第一位置分析结果和所述第一厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数;
步骤S600:通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的参数自适应调整。
具体而言,对于所述厚度信息采集的位置标识,通过历史采集的厚度信息数据构建厚度影响参数集合,根据历史位置数据信息获得位置分析集合;并基于历史控制调整参数进行调控的最优参数电脑端和人工端的分析评价,获得标识调整结果的优化控制信息。以所述厚度影响参数集合、所述位置分析集合作为训练的基础数据,将优化控制信息作为调整控制的标识数据,进行所述自适应调控模型的训练和学习,当所述参数自适应调整模型输出结果的稳定性满足预期阈值时,则认为所述参数自适应调整模型已完成构建。
进一步的,将所述第一位置分析结果和所述第一厚度影响分析结果输入构建完成的所述参数自适应调整模型,通过所述模型获得所述第一调整修正参数,通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的自适应优化控制,达到充分考量当前带钢位置信息和关联位置带钢厚度参数,根据历史影响关系获得自适应调控参数,进而达到参数控制更加准确的技术效果。
进一步而言,如图2所示,本申请步骤S200还包括:
步骤S210:获得所述测定点位集合的位置坐标参数信息;
步骤S220:根据所述位置坐标参数信息和所述第一厚度信息采集结果进行第一区域和第二区域的厚度平均值计算,获得第一厚度平均值和第二厚度平均值,其中,所述第一厚度平均值为所述第一区域的厚度平均值,所述第二厚度平均值为所述第二区域的厚度平均值;
步骤S230:根据所述第一厚度平均值和所述第二厚度平均值获得第一平均值差值,其中,所述第一平均值差值包括正差值和负差值;
步骤S240:根据所述第一平均值差值获得所述第一厚度影响分析结果。
具体而言,为了使构建的模型对于厚度信息的关联影响处理更加的准确,在进行厚度信息影响分析的过程中,一般采用多个位置点的分析结果进行厚度影响分析。
进一步的,首先第一个维度分析的位置点数据为厚度平均值差值的数据。所述平均值差值反映了第一区域和第二区域的整体区域间的厚度差值。依据测定获得的所述测定点位集合各个测定参数,依据上述举例,将所述7个测定点分为两部分,即第一区域中包括所述中心线点的4个点,和第二区域中包括所述中心线的4个点,依据第一区域中4个点进行第一区域的厚度平均值计算,依据第二区域中的4个点进行第二区域的厚度平均值计算,所述第一平均值差值为所述第一厚度平均值与第二厚度平均值的差值,且所述第一平均值包括正负值。即当所述第一平均值为正差值时,表明此时第一区域的平均厚度高于第二区域的平均厚度,当所述第一平均值为负差值时,则所述第一区域的平均厚度低于所述第二区域的平均厚度。将所述第一平均值作为所述厚度影响分析结果的一个参数,进而使得后续的关联影响分析对应参数更加具体,实现准确分析调控参数与冷轧带钢的厚度关联性,提高控制效果的技术效果。
进一步而言,如图3所示,本申请步骤S240还包括:
步骤S241:根据所述第一厚度信息采集结果获得所述第一区域和所述第二区域内的第一厚度最大差值;
步骤S242:获得所述第一厚度最大差值的位置坐标参数,将所述第一厚度最大差值和所述位置坐标参数作为第一修正约束参数;
步骤S243:将所述第一平均值差值作为第二修正约束参数,根据所述第一修正约束参数和所述第二修正约束参数进行冷轧带钢的冷轧工艺偏差影响分析,根据分析结果获得所述第一厚度影响分析结果。
具体而言,对所述第一厚度信息采集集合进行所述冷轧带钢的厚度信息由大到小进行顺序排序,获得第一顺序排序结果。通过第一区域内点和第二区域内点进行所述第一顺序排序结果进行标识。
进一步来说,所述中心线点位置的厚度点不参与排序,根据所述第一顺序排序结果中的第一区域和第二区域的标识,获得所述第一区域和所述第二区域中厚度差值的最大值参数,即所述第一厚度最大差值。
当获得所述第一厚度最大差值后,首先判断所述第一厚度最大差值与所述第一平均值差值的方向是否一致,即判断是否差值最大值和平均值差值为同方向参数,当所述差值最大值和平均值差值为同方向参数时,表明此时的带钢厚度变化均匀,厚度变化均匀,则依据均匀变化的历史参数进行修正参数的调整匹配;当所述差值最大值和平均值差值为不同方向的参数时,表明此时的带钢厚度分布不均匀,厚度变化较大,此时依据厚度分布不均匀的带钢历史调整参数进行映射构建。获得产生厚度最大差值的两点位置坐标信息,根据位置坐标参数获得两个点的距离参数。将所述第一厚度最大差值和距离参数作为第一修正约束参数,将所述第一平均值差值作为第二修正约束参数,通过所述第一修正约束参数和所述第二修正约束参数进行历史冷轧带钢的厚度偏差影响分析参数,根据分析结果获得所述第一厚度影响分析结果。通过进行厚度最大差值维度特征和平均值差值维度特征进行厚度影响分析,使得厚度与影响分评价更加准确,进而为获得更加准确的自适应调整参数夯实了基础。
进一步的,如图4所示,本申请步骤S243还包括:
步骤S2431:根据所述第一厚度信息采集结果进行所述冷轧带钢的厚度分布趋势分析,获得第一趋势分布约束参数;
步骤S2432:根据所述第一趋势分布约束参数进行厚度参数影响分析模型的模型参数约束,获得第一修正厚度参数影响分析模型;
步骤S2433:将所述第一修正约束参数和所述第二修正约束参数输入所述第一修正厚度参数影响分析模型,获得所述第一厚度影响分析结果。
具体而言,所述第一趋势分布约束参数为进行趋势分布约束的评价参数。一般而言,所述冷轧带钢的厚度规律包括一下几个分类,第一分类为楔形带钢,即从一端最厚,向另一端逐渐越来越薄;第二分类为中心线位置最厚,两端越来越薄;第三分类为中心线位置最薄,两端越来越厚;第四分类为无规律的薄厚分布变化。通过对测定点位的厚度分布参数分析,获得第一趋势分布约束参数。
进一步的,通过获得所述第一趋势分布约束参数,可以对不同厚度变化趋势下的带钢进行准确的分类处理,避免不同厚度变化趋势下的带钢具有相同的第一修正约束参数和第二修正约束参数,进而导致对于厚度影响的分析结果出现偏差。通过对于历史厚度影响分析数据作为基础数据,通过所述第一趋势分布约束参数进行历史基础数据的分类,通过分类结果构建不同分类下的所述第一修正厚度参数影响分析模型,将所述第一修正约束参数和所述第二修正约束参数输入所述第一修正厚度参数影响分析模型,获得所述第一厚度影响分析结果。通过进行趋势分布的约束,使得对于厚度影响关系的约束参数与影响效果的构建结果更加准确,进而为实现准确的影响评估奠定了基础。
进一步的,本申请还包括步骤S700,具体包括:
步骤S710:通过所述第一图像采集装置进行所述冷轧带钢冷轧工序的第二时间节点图像采集,获得第二图像;
步骤S720:根据所述第二图像进行所述冷轧带钢的纠偏效果分析,获得第一纠偏效果分析结果;
步骤S730:根据所述第一纠偏效果分析结果和第一预期效果的偏差值获得第一设备影响调整因子;
步骤S740:根据所述第一设备影响调整因子进行所述参数自适应调整模型设备参数适应性优化。
具体而言,所述第二时间节点为进行厚度采集位置的冷轧带钢通过辊子的时间节点。将所述第一时间节点到所述第二时间节点作为一个处理周期,通过所述第一图像采集装置进行所述第二时间节点下的辊子位置的冷轧带钢图像采集,获得第二图像。
对所述第二图像进行图像分析,根据图像的分析结果进行当前状态的纠偏效果分析,获得第一纠偏效果分析结果。所述第一纠偏效果分析结果为对第一处理周期下的纠偏整体评价的结果,根据当前处理参数和厚度偏差影响结果、位置偏差信息,确定预期处理效果,即所述第一预期效果。当所述第一纠偏效果和所述第一预期效果出现偏差值时,此时认为偏差值为设备影响导致的控制偏差。根据偏差值获得所述第一设备影响因子,通过所述第一设备影响因子进行所述参数自适应调整模型的考量设备影响的参数的优化处理,以使得所述参数自适应调整模型处理后续数据更加的准确。
进一步的,本申请步骤S500还包括:
步骤S510:判断所述第一厚度影响分析结果是否满足第一预设影响阈值;
步骤S520:当所述第一厚度影响分析结果满足所述第一预设影响阈值时,获得第一约束匹配参数;
步骤S530:根据所述第一约束匹配参数进行所述参数自适应调整模型匹配约束,获得第一拉紧力参数控制结果和第一速度参数控制结果;
步骤S540:根据所述第一拉紧力参数控制结果和所述第一速度参数控制结果获得所述第一调整修正参数。
具体而言,为了保证生产进度,设定一厚度影响约束阈值,即所述第一预设影响阈值,当所述第一厚度影响分析结果不满足所述第一预设影响阈值时,表明此时的厚度影响在预期接受范围内,仅对冷轧带钢进行拉紧力进行分析调整即可。通过所述参数自适应调整模型输出仅进行拉紧力调控的参数调控结果。
当所述第一厚度影响分析结果不满足所述第一预设影响阈值时,表明此时的厚度影响较大,仅进行拉紧力调整不能准确纠偏,可能存在断带风险,此时获得第一约束匹配参数。所述第一匹配约束参数的作用为控制所述参数自适应调整模型进行多参数选择的约束参数。通过所述第一约束匹配参数约束后,则所述参数自适应调整模型的输出结果至少包括拉紧力参数和速度控制参数的两个维度的参数。根据所述第一拉紧力参数控制结果和所述第一速度参数控制结果获得所述第一调整修正参数。
更进一步来说,需要进行速度控制参数和拉紧力控制参数的平衡处理,一般而言,在保持相同处理效果的前提下,则速度控制参数的速度降低值越低优先级越高。在处理效果不同的情况下,根据预设的平衡阈值进行拉紧力和速度的控制选择。通过进行厚度影响的评价分析,进而使得获得的处理结果与预期效果值更加的契合,进而实现智能准确的生产参数自适应调控的技术效果。
进一步的,本申请步骤S700还包括:
步骤S750:通过所述第一设备影响调整因子进行设备状态评估,获得第一设备状态评估结果;
步骤S760:当所述第一设备状态评估结果满足第一设备状态评价阈值时,获得第一设备检修指令;
步骤S770:根据所述第一设备检修指令进行设备的检修处理。
具体而言,为了保持设备的运行稳定性,需要进行设备的维护处理,维护处理的判断依据即所述第一设备影响调整因子。当所述第一设备影响调整因子偏差较大,则表明此时的进行冷轧带钢处理的冷轧工艺设备可能出现辊子较大磨损。
当基于所述第一设备影响调整因子获得的设备状态评估结果满足第一设备状态评价阈值时,此时进行所述第一设备的运行检修。通过所述第一设备检修指令进行所述冷轧带钢冷轧工艺的设备的检修处理,以保证设备的控制精度,提高冷轧过程的纠偏控制效果,避免因为纠偏控制的不及时和不准确导致的质量影响和设备损坏,提高设备的检修及时性,提高冷轧带钢的参数控制效果。
综上所述,本申请所提供的一种冷轧带钢生产参数自适应调整方法及系统具有如下技术效果:
1、由于采用了通过进行冷轧带钢的厚度信息实时采集,并分析获得冷轧带钢的厚度影响分析结果,对带钢当前位置进行图像采集,获得第一图像,通过对所述第一图像进行特征分析识别,获得所述冷轧带钢的当前位置分析信息,基于当前的位置分析信息和获得的厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数,通过所述第一调整修正参数进行所述冷轧带钢的参数自适应调整,进而通过对当前状态和关联节点下的厚度影响分析结果进行参数的自适应优化调整,达到提高带钢偏离控制的准确性,进而实现智能化、自适应带钢生产的参数调整的技术效果。
2、将所述第一平均值作为所述厚度影响分析结果的一个参数,进而使得后续的关联影响分析对应参数更加具体,实现准确分析调控参数与冷轧带钢的厚度关联性,提高控制效果的技术效果。
3、通过进行厚度最大差值维度特征和平均值差值维度特征进行厚度影响分析,使得厚度与影响分评价更加准确,进而为获得更加准确的自适应调整参数夯实了基础。
4、通过所述第一设备影响因子进行所述参数自适应调整模型的考量设备影响的参数的优化处理,以使得所述参数自适应调整模型处理后续数据更加的准确。
5、通过进行厚度影响的评价分析,进而使得获得的处理结果与预期效果值更加的契合,进而实现智能准确的生产参数自适应调控的技术效果。
实施例二
基于与前述实施例中一种冷轧带钢生产参数自适应调整方法同样发明构思,本发明还提供了一种冷轧带钢生产参数自适应调整系统,如图5所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于通过第一厚度测定装置进行冷轧带钢的厚度信息采集,获得第一厚度信息采集结果;
第二获得单元12,所述第二获得单元12用于获得所述第一厚度测定装置的测定点位集合,根据所述测定点位集合和所述第一厚度信息采集结果获得第一厚度影响分析结果;
第三获得单元13,所述第三获得单元13用于通过第一图像采集装置进行所述冷轧带钢冷轧工序的第一时间节点图像采集,获得第一图像;
第四获得单元14,所述第四获得单元14用于对所述第一图像进行冷轧带钢位置分析,获得第一位置分析结果;
第五获得单元15,所述第五获得单元15用于将所述第一位置分析结果和所述第一厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数;
第一调整单元16,所述第一调整单元16用于通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的参数自适应调整。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于获得所述测定点位集合的位置坐标参数信息;
第七获得单元,所述第七获得单元用于根据所述位置坐标参数信息和所述第一厚度信息采集结果进行第一区域和第二区域的厚度平均值计算,获得第一厚度平均值和第二厚度平均值,其中,所述第一厚度平均值为所述第一区域的厚度平均值,所述第二厚度平均值为所述第二区域的厚度平均值;
第八获得单元,所述第八获得单元用于根据所述第一厚度平均值和所述第二厚度平均值获得第一平均值差值,其中,所述第一平均值差值包括正差值和负差值;
第九获得单元,所述第九获得单元用于根据所述第一平均值差值获得所述第一厚度影响分析结果。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于根据所述第一厚度信息采集结果获得所述第一区域和所述第二区域内的第一厚度最大差值;
第十一获得单元,所述第十一获得单元用于获得所述第一厚度最大差值的位置坐标参数,将所述第一厚度最大差值和所述位置坐标参数作为第一修正约束参数;
第十二获得单元,所述第十二获得单元用于将所述第一平均值差值作为第二修正约束参数,根据所述第一修正约束参数和所述第二修正约束参数进行冷轧带钢的冷轧工艺偏差影响分析,根据分析结果获得所述第一厚度影响分析结果。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于根据所述第一厚度信息采集结果进行所述冷轧带钢的厚度分布趋势分析,获得第一趋势分布约束参数;
第十四获得单元,所述第十四获得单元用于根据所述第一趋势分布约束参数进行厚度参数影响分析模型的模型参数约束,获得第一修正厚度参数影响分析模型;
第十五获得单元,所述第十五获得单元用于将所述第一修正约束参数和所述第二修正约束参数输入所述第一修正厚度参数影响分析模型,获得所述第一厚度影响分析结果。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于通过所述第一图像采集装置进行所述冷轧带钢冷轧工序的第二时间节点图像采集,获得第二图像;
第十七获得单元,所述第十七获得单元用于根据所述第二图像进行所述冷轧带钢的纠偏效果分析,获得第一纠偏效果分析结果;
第十八获得单元,所述第十八获得单元用于根据所述第一纠偏效果分析结果和第一预期效果的偏差值获得第一设备影响调整因子;
第一优化单元,所述第一优化单元用于根据所述第一设备影响调整因子进行所述参数自适应调整模型设备参数适应性优化。
进一步的,所述系统还包括:
第一判断单元,所述第一判断单元用于判断所述第一厚度影响分析结果是否满足第一预设影响阈值;
第十九获得单元,所述第十九获得单元用于当所述第一厚度影响分析结果满足所述第一预设影响阈值时,获得第一约束匹配参数;
第二十获得单元,所述第二十获得单元用于根据所述第一约束匹配参数进行所述参数自适应调整模型匹配约束,获得第一拉紧力参数控制结果和第一速度参数控制结果;
第二十一获得单元,所述第二十一获得单元用于根据所述第一拉紧力参数控制结果和所述第一速度参数控制结果获得所述第一调整修正参数。
进一步的,所述系统还包括:
第二十二获得单元,所述第二十二获得单元用于通过所述第一设备影响调整因子进行设备状态评估,获得第一设备状态评估结果;
第二十二获得单元,所述第二十二获得单元用于当所述第一设备状态评估结果满足第一设备状态评价阈值时,获得第一设备检修指令;
第一检修单元,所述第一检修单元用于根据所述第一设备检修指令进行设备的检修处理。
前述图1实施例一中的一种冷轧带钢生产参数自适应调整方法的各种变化方式和具体实例同样适用于本实施例的一种冷轧带钢生产参数自适应调整系统,通过前述对一种冷轧带钢生产参数自适应调整方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种冷轧带钢生产参数自适应调整系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图6来描述本申请的电子设备。
图6图示了根据本申请的电子设备的结构示意图。
基于与前述实施例中一种冷轧带钢生产参数自适应调整方法的发明构思,本发明还提供一种电子设备,下面,参考图6来描述根据本申请的电子设备。该电子设备可以是可移动设备本身,或与其独立的单机设备,其上存储有计算机程序,该程序被处理器执行时实现前文所述方法的任一方法的步骤。
如图6所示,电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备50中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器51可以运行所述程序指令,以实现上文所述的本申请的各个实施例的方法以及/或者其他期望的功能。
在一个示例中,电子设备50还可以包括:输入装置53和输出装置54,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
本发明实施例提供的一种冷轧带钢生产参数自适应调整方法,所述方法应用于冷轧带钢智能监测调整系统,所述冷轧带钢智能监测调整系统与第一图像采集装置、第一厚度测定装置通信连接,所述方法包括:通过所述第一厚度测定装置进行冷轧带钢的厚度信息采集,获得第一厚度信息采集结果;获得所述第一厚度测定装置的测定点位集合,根据所述测定点位集合和所述第一厚度信息采集结果获得第一厚度影响分析结果;通过所述第一图像采集装置进行所述冷轧带钢冷轧工序的第一时间节点图像采集,获得第一图像;对所述第一图像进行冷轧带钢位置分析,获得第一位置分析结果;将所述第一位置分析结果和所述第一厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数;通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的参数自适应调整。解决了现有技术在缺少进行带钢跑偏的准确分析处理,进而导致带钢生产参数控制不够智能准确的技术问题,通过进行带钢冷轧过程中的参数分析,提高带钢偏离控制的准确性,进而实现智能化、自适应带钢生产的参数调整的技术效果。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从计算机可读存储介质向另计算机可读存储介质传输,所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid St ate Disk,SSD))等。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请的实施过程构成任何限定。
另外,本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应理解,在本申请中,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
总之,以上所述仅为本申请技术方案的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种冷轧带钢生产参数自适应调整方法,其特征在于,所述方法应用于冷轧带钢智能监测调整系统,所述冷轧带钢智能监测调整系统与第一图像采集装置、第一厚度测定装置通信连接,所述方法包括:
步骤S100:通过所述第一厚度测定装置进行冷轧带钢的厚度信息采集,获得第一厚度信息采集结果;
步骤S200:获得所述第一厚度测定装置的测定点位集合,根据所述测定点位集合和所述第一厚度信息采集结果获得第一厚度影响分析结果;
步骤S300:通过所述第一图像采集装置进行所述冷轧带钢冷轧工序的第一时间节点图像采集,获得第一图像;
步骤S400:对所述第一图像进行冷轧带钢位置分析,获得第一位置分析结果;
步骤S500:将所述第一位置分析结果和所述第一厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数;
步骤S600:通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的参数自适应调整。
2.如权利要求1所述的方法,其特征在于,所述步骤S200具体包括:
步骤S210:获得所述测定点位集合的位置坐标参数信息;
步骤S220:根据所述位置坐标参数信息和所述第一厚度信息采集结果进行第一区域和第二区域的厚度平均值计算,获得第一厚度平均值和第二厚度平均值,其中,所述第一厚度平均值为所述第一区域的厚度平均值,所述第二厚度平均值为所述第二区域的厚度平均值;
步骤S230:根据所述第一厚度平均值和所述第二厚度平均值获得第一平均值差值,其中,所述第一平均值差值包括正差值和负差值;
步骤S240:根据所述第一平均值差值获得所述第一厚度影响分析结果。
3.如权利要求2所述的方法,其特征在于,所述步骤S240具体包括:
步骤S241:根据所述第一厚度信息采集结果获得所述第一区域和所述第二区域内的第一厚度最大差值;
步骤S242:获得所述第一厚度最大差值的位置坐标参数,将所述第一厚度最大差值和所述位置坐标参数作为第一修正约束参数;
步骤S243:将所述第一平均值差值作为第二修正约束参数,根据所述第一修正约束参数和所述第二修正约束参数进行冷轧带钢的冷轧工艺偏差影响分析,根据分析结果获得所述第一厚度影响分析结果。
4.如权利要求3所述的方法,其特征在于,所述步骤S243具体包括:
步骤S2431:根据所述第一厚度信息采集结果进行所述冷轧带钢的厚度分布趋势分析,获得第一趋势分布约束参数;
步骤S2432:根据所述第一趋势分布约束参数进行厚度参数影响分析模型的模型参数约束,获得第一修正厚度参数影响分析模型;
步骤S2433:将所述第一修正约束参数和所述第二修正约束参数输入所述第一修正厚度参数影响分析模型,获得所述第一厚度影响分析结果。
5.如权利要求1所述的方法,其特征在于,所述方法还包括步骤S700,所述步骤S700具体包括:
步骤S710:通过所述第一图像采集装置进行所述冷轧带钢冷轧工序的第二时间节点图像采集,获得第二图像;
步骤S720:根据所述第二图像进行所述冷轧带钢的纠偏效果分析,获得第一纠偏效果分析结果;
步骤S730:根据所述第一纠偏效果分析结果和第一预期效果的偏差值获得第一设备影响调整因子;
步骤S740:根据所述第一设备影响调整因子进行所述参数自适应调整模型设备参数适应性优化。
6.如权利要求1所述的方法,其特征在于,所述步骤S500具体包括:
步骤S510:判断所述第一厚度影响分析结果是否满足第一预设影响阈值;
步骤S520:当所述第一厚度影响分析结果满足所述第一预设影响阈值时,获得第一约束匹配参数;
步骤S530:根据所述第一约束匹配参数进行所述参数自适应调整模型匹配约束,获得第一拉紧力参数控制结果和第一速度参数控制结果;
步骤S540:根据所述第一拉紧力参数控制结果和所述第一速度参数控制结果获得所述第一调整修正参数。
7.如权利要求5所述的方法,其特征在于,所述步骤S700还包括:
步骤S750:通过所述第一设备影响调整因子进行设备状态评估,获得第一设备状态评估结果;
步骤S760:当所述第一设备状态评估结果满足第一设备状态评价阈值时,获得第一设备检修指令;
步骤S770:根据所述第一设备检修指令进行设备的检修处理。
8.一种冷轧带钢生产参数自适应调整系统,其特征在于,所述系统应用如权利要求1-7中任一项所述的方法,所述系统包括:
第一获得单元,所述第一获得单元用于通过第一厚度测定装置进行冷轧带钢的厚度信息采集,获得第一厚度信息采集结果;
第二获得单元,所述第二获得单元用于获得所述第一厚度测定装置的测定点位集合,根据所述测定点位集合和所述第一厚度信息采集结果获得第一厚度影响分析结果;
第三获得单元,所述第三获得单元用于通过第一图像采集装置进行所述冷轧带钢冷轧工序的第一时间节点图像采集,获得第一图像;
第四获得单元,所述第四获得单元用于对所述第一图像进行冷轧带钢位置分析,获得第一位置分析结果;
第五获得单元,所述第五获得单元用于将所述第一位置分析结果和所述第一厚度影响分析结果输入参数自适应调整模型,获得第一调整修正参数;
第一调整单元,所述第一调整单元用于通过所述第一调整修正参数进行所述冷轧带钢的冷轧工序的参数自适应调整。
9.一种电子设备,其特征在于,包括处理器和存储器;所述存储器,用于存储;所述处理器,用于通过调用,执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210661562.5A CN114749493B (zh) | 2022-06-13 | 2022-06-13 | 一种冷轧带钢生产参数自适应调整方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210661562.5A CN114749493B (zh) | 2022-06-13 | 2022-06-13 | 一种冷轧带钢生产参数自适应调整方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114749493A CN114749493A (zh) | 2022-07-15 |
CN114749493B true CN114749493B (zh) | 2022-10-18 |
Family
ID=82336359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210661562.5A Active CN114749493B (zh) | 2022-06-13 | 2022-06-13 | 一种冷轧带钢生产参数自适应调整方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114749493B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115228928A (zh) * | 2022-07-26 | 2022-10-25 | 广西广盛新材料科技有限公司 | 带钢对中方法、装置、终端设备及存储介质 |
CN115600548B (zh) * | 2022-10-31 | 2023-05-30 | 广东盈华电子材料有限公司 | 一种高密度覆铜板的低损耗高频高速技术方法及系统 |
CN117259447B (zh) * | 2023-11-23 | 2024-02-02 | 常州润来科技有限公司 | 一种铜管旋轧生产参数自适应调整方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08164409A (ja) * | 1994-10-14 | 1996-06-25 | Furukawa Electric Co Ltd:The | 熱間圧延における板厚精度予測方法 |
CN101780480A (zh) * | 2009-01-16 | 2010-07-21 | 宝山钢铁股份有限公司 | 一种焊缝过机架时带钢头部厚度控制补偿方法 |
CN107243511A (zh) * | 2017-06-15 | 2017-10-13 | 宁波宝新不锈钢有限公司 | 冷轧带钢表面粗糙度在线检测设备及其回归平滑自适应滤波方法 |
CN107999545A (zh) * | 2017-11-30 | 2018-05-08 | 中冶南方工程技术有限公司 | 基于系统辨识与参数自适应的冷轧机秒流量厚度控制方法及系统 |
CN108421830A (zh) * | 2018-02-27 | 2018-08-21 | 首钢京唐钢铁联合有限责任公司 | 一种自适应控制方法及装置 |
CN108655176A (zh) * | 2017-03-31 | 2018-10-16 | 上海梅山钢铁股份有限公司 | 用于稳定轧制的冷轧前滑模型自适应计算方法 |
-
2022
- 2022-06-13 CN CN202210661562.5A patent/CN114749493B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08164409A (ja) * | 1994-10-14 | 1996-06-25 | Furukawa Electric Co Ltd:The | 熱間圧延における板厚精度予測方法 |
CN101780480A (zh) * | 2009-01-16 | 2010-07-21 | 宝山钢铁股份有限公司 | 一种焊缝过机架时带钢头部厚度控制补偿方法 |
CN108655176A (zh) * | 2017-03-31 | 2018-10-16 | 上海梅山钢铁股份有限公司 | 用于稳定轧制的冷轧前滑模型自适应计算方法 |
CN107243511A (zh) * | 2017-06-15 | 2017-10-13 | 宁波宝新不锈钢有限公司 | 冷轧带钢表面粗糙度在线检测设备及其回归平滑自适应滤波方法 |
CN107999545A (zh) * | 2017-11-30 | 2018-05-08 | 中冶南方工程技术有限公司 | 基于系统辨识与参数自适应的冷轧机秒流量厚度控制方法及系统 |
CN108421830A (zh) * | 2018-02-27 | 2018-08-21 | 首钢京唐钢铁联合有限责任公司 | 一种自适应控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114749493A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114749493B (zh) | 一种冷轧带钢生产参数自适应调整方法及系统 | |
CN114202248B (zh) | 一种基于mes智能制造的生产管理方法及系统 | |
JP5604945B2 (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
CN114563992B (zh) | 一种提高注塑模具的冲裁精度的方法及系统 | |
CN116823826A (zh) | 一种数控机床刀具崩刃异常检测方法 | |
CN114355274B (zh) | 一种用电信息数据的定期校准方法及系统 | |
CN114820551A (zh) | 基于激光微织构技术的工件加工方法、系统、设备和介质 | |
US20180161900A1 (en) | Method for predicting precision of electrical discharge machine | |
JP5962290B2 (ja) | 鋼材の熱伝達係数予測装置及び冷却制御方法 | |
CN112819354A (zh) | 海外矿业项目竞争力评价的方法及装置 | |
CN109978250B (zh) | 一种电池极片涂布生产面密度的质量预测方法 | |
CN111091243A (zh) | 基于pca-gm的电力负荷预测方法、系统、计算机可读存储介质和计算设备 | |
CN108229541B (zh) | 一种基于k最近邻算法的岸桥中拉杆应力数据分类方法 | |
US11989014B2 (en) | State estimation apparatus, method, and non-transitory computer readable medium | |
JP2011221645A (ja) | 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体 | |
CN110020000A (zh) | 判定异常风速数据的方法和装置 | |
CN114331195A (zh) | 一种影响热轧带钢全长质量的过程曲线风险评价方法 | |
CN114646373A (zh) | 一种水表机电示值一致性检定方法、系统、存储介质及智能终端 | |
CN110227725B (zh) | 一种辊缝自学习纠偏的方法及装置 | |
Cuznar et al. | Optimization of cold rolling process recipes based on historical data | |
JP3311298B2 (ja) | エッジャ開度制御装置 | |
CN113074642A (zh) | 直缝埋弧焊管预弯后成型质量检测方法、系统、设备 | |
JP5857759B2 (ja) | 変形抵抗予測装置及び圧延機の制御方法 | |
JP3441381B2 (ja) | 圧延機制御装置 | |
CN106651945A (zh) | 一种硅钢断面厚差质量图形化区域分析方法 |
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 |