CN115018246B - 一种热轧工作辊上机选择方法及轧辊上机专家系统 - Google Patents

Abstract

本发明提供了一种热轧工作辊上机选择方法及上机选择专家系统，属于轧制控制领域。所述上机选择方法得到现场轧制产品的五种品规属性的类别；预设参考轧制计划及对应的轧辊需求，并分析参考轧制计划中五个品规属性类别相对于全部品规属性类别的存在状态；根据自适应系数计算各类别对参考轧制计划特性的贡献度，再计算目标轧制计划与参考轧制计划之间的特性差异度，确定目标轧辊需求，选出所有符合目标轧制计划的轧辊，并进行优先级排序；对优先级最低的轧辊状态进行评价，计算目标轧制计划与轧辊的匹配度并与阈值比较；若不匹配，则修正自适应系数，重新计算贡献度；否则获得上机选择结果。本发明实现了轧辊资源的合理分配及自动推送，省去了人工挑选轧辊的过程，减小了轧辊消耗。

Description

一种热轧工作辊上机选择方法及轧辊上机专家系统

技术领域

本发明属于轧制控制领域，具体涉及一种热轧工作辊上机选择方法及轧辊上机专家系统。

背景技术

在轧制工艺中，为了确定生产的安全，需要对在役工作辊进行及时更换，一般从在役轧辊中选择一对热轧工作辊进行更换。传统的选辊方式是现场操作人员根据工作经验随机选择轧辊。但是，这种轧辊更换方式依赖于操作人员的工作经验，不具备数据上的准确性，无法从轧辊具备上机条件这一弹性范围中精准挑选出合适的轧辊，这样会造成生产资源的分配不合理，难以满足钢铁企业增效、降耗与转型升级的需求；另外，这种方式需要人工参与，在增加人力资源消耗的同时还会增加人工误操作的几率，影响生产节奏，降低生产效率。

公开号为CN110665974A的中国专利公开了一种用于轧线精轧工作辊因材备辊的实施方法，利用不同轧制品种对精轧工作辊的需求，编制精轧工作辊因材备辊规则，但其在判定轧辊需求时，总是以最高要求的钢种备辊需求作为轧制计划的备辊需求，不利于整个轧制计划中其他钢种品规的定性分析，容易忽视掉大量有参考价值的信息，尚不能为轧线提供足够准确的备辊结论。

发明内容

有鉴于此，本发明实施例提供一种热轧工作辊上机选择方法及轧辊上机专家系统，以实现轧辊资源的合理分配及自动推送，提高轧制效率。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明实施例提供了一种热轧工作辊上机选择方法，包括如下步骤：

步骤S1，对待轧制钢材所有产品的品规进行分析，得到当前所能生产的钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别，其中，设定钢种、用途、强度根据自身标签单独成类，目标宽度和目标厚度通过判别式分为三类；

步骤S2，预设v个参考轧制计划及对应的轧辊需求，并分析每一个参考轧制计划中钢种、用途、强度、目标宽度、目标厚度五个品规属性类别分别相对于全部品规属性类别的存在状态；

步骤S3，根据自适应系数计算钢种、用途、强度、目标宽度、目标厚度五种品规属性各类别对参考轧制计划特性的贡献度；

步骤S4，从轧制生产线制造执行系统MES中获取目标轧制计划的品规属性类别，依据步骤S3中已计算出的品规属性类别的贡献度计算目标轧制计划特性；

步骤S5，计算目标轧制计划与每一个参考轧制计划之间的特性差异度，确定与目标轧制计划特性差异最小的参考轧制计划，将该参考轧制计划的轧辊需求设定为目标轧制计划的轧辊需求；所述轧辊需求包括上机次数、氧化膜评价、硬度评价、磨削精度评价、轧辊综合评价五个指标；

步骤S6，获取所有待上机轧辊的状态评价信息，根据五个指标设计轧辊状态评价特征向量，选出所有符合目标轧制计划的轧辊需求的轧辊，并通过轧辊状态评价特征向量计算所选出的轧辊的上机优先度，根据上机优先度进行上机轧辊优先级排序；

步骤S7，对上机轧辊优先级排序中上机优先级最低的轧辊状态进行评价，计算目标轧制计划与最低优先级轧辊的匹配度并将匹配度与匹配度阈值进行比较，根据阈值比较结果判定选出的所有轧辊的合理性；若判定选出的轧辊合理，则将上机轧辊优先级排序作为轧辊上机选择结果，若判定选出的轧辊不合理，则根据最低优先级轧辊的匹配度修正自适应系数，返回步骤S3。

作为本发明的一个优选实施例，步骤S1中目标宽度和目标厚度的分类判别式为：

式(1)中，d代表钢卷的目标宽度，d₁代表窄幅类别，d₂代表中间宽度类别，d₃代表宽幅类别，h代表钢卷的目标厚度，e₁代表薄料类别，e₂代表中间厚度类别，e₃代表厚料类别，单位均为mm。

作为本发明的一个优选实施例，步骤S2包括：

步骤S21，将钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别分别用数学符号表示为：

式(2)中，β₁,β₂,β₃分别代表将钢种、用途、强度的属性类别参数化后形成的向量，x为钢种类型的总数量，y为用途类型的总数量，z为强度类型的总数量，β₄代表三种宽度类别组成的向量，β₅代表三种厚度类别组成的向量；

步骤S22，统计所有参考轧制计划包含的钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别至集合Q^v中，判断参考轧制计划k中是否存在β₁至β₅向量中每一个元素所代表的品规属性，根据判断结果对β₁至β₅向量中的元素赋值，具体赋值方式如下：

式(3)中，β_ij代表钢卷的第i个品规属性的第j个类别，

是赋值后的β_i，表示第k个参考轧制计划中各个品规的存在状态向量。

作为本发明的一个优选实施例，步骤S3贡献度α_i表示方法与计算公式为：

式(4)中，S＝[S₁,S₂,…,S_k…,S_v]，v代表专家系统中参考轧制计划的数量，S_k代表第k个参考轧制计划的特性值，α_i向量中的元素α_ij代表品规属性类别β_ij对参考轧制计划特性的贡献度，ω_i为品规属性i的自适应系数。

作为本发明的一个优选实施例，步骤S4具体包括：

获取目标轧制计划信息，统计目标轧制计划中的品规属性类别，更新β_i,i＝1,2,…,5向量，更新完毕后赋值为

使其表示目标轧制计划中每一种品规属性类别的存在状态，基于品规属性各类别对参考轧制计划特性的贡献度，计算目标轧制计划特性S′，计算公式如下：

式(5)中，

代表目标轧制计划中各个品规属性类别的存在状态向量。

作为本发明的一个优选实施例，步骤S5差异度计算公式如下：

D_k＝|S′-S_k|_{k＝1,2,…,v} (6)

式(6)中，S′为目标轧制计划的特性值，S_k代表第k个参考轧制计划的特性值，D_k代表目标轧制计划与第k个参考轧制计划的特性差异度。

作为本发明的一个优选实施例，步骤S6中将五个指标分别由好至差分为0，1，2，3，4五个等级，设计轧辊状态评价特征向量γ＝(γ₁,γ₂,…,γ₅)，向量中的五个元素依次对应五个指标，元素的数值等于评价值；差异度最小的第T个参考轧制计划的轧辊需求对应的轧辊状态评价特征向量为

所述轧辊需求为符合目标轧制计划的轧辊，根据轧辊需求对所有待上机轧辊进行筛选，得到符合需求的可上机轧辊为M个，并基于切比雪夫距离计算可上机轧辊的上机优先度，对选出的轧辊进行优先级排序，第m支轧辊的上机优先度K_m计算公式如下：

γ_m＝(γ_m1,γ_m2,…,γ_m5)

式(7)中，γ_m为选出的第m支轧辊状态评价特征向量，其中的五个元素分别代表上机次数、氧化膜评价、硬度评价、磨削精度评价、轧辊综合评价的评价数值，γ_mn为第m支轧辊的轧辊状态特征向量中的第n个元素，M为筛选出的总轧辊支数，K_m代表第m支轧辊的优先度。

作为本发明的一个优选实施例，步骤S7计算目标轧制计划与最低优先级轧辊的匹配度，计算公式为：

式(8)中，P为匹配度，S′为目标轧制计划特性，S_R为轧辊状态的百分制评价值，γ_min5为最低优先级轧辊的轧辊综合评价值。

作为本发明的一个优选实施例，所述将匹配度与匹配度阈值进行比较，根据比较结果判定选出的轧辊的合理性，若判定选出的轧辊不合理，则根据匹配度修正自适应系数向量ω＝[ω₁,ω₂,…,ω₅]，修正公式为：

式(9)中，

为自适应系数第c轮的计算结果。

第二方面，本发明实施例还提供了一种热轧工作辊上机专家系统，所述专家系统包括：品规分析模块、参考轧制计划存储模块、贡献度计算模块、目标特性计算模块、轧辊需求确定模块、轧辊信息储存模块、轧辊排序模块、匹配合理性判断模块和上机选择结果输出模块；

所述品规分析模块用于对待轧制钢材所有产品的品规进行分析，得到当前所能生产的钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别；

所述参考轧制计划存储模块用于预先储若干参考轧制计划及对应的轧辊需求；

所述贡献度计算模块用于分析每一个参考轧制计划中钢种、用途、强度、目标宽度、目标厚度五个品规属性类别分别相对于全部品规属性类别的存在状态，并根据自适应系数计算钢种、用途、强度、目标宽度、目标厚度五种品规属性各类别对参考轧制计划特性的贡献度；

所述目标特性计算模块用于从轧制生产线MES中获取目标轧制计划的品规属性类别，依据已计算出品规属性类别的贡献度计算目标轧制计划特性；

所述轧辊需求确定模块用于计算目标轧制计划与每一个参考轧制计划之间的特性差异度，确定与目标轧制计划特性差异最小的参考轧制计划，将该参考轧制计划的轧辊需求设定为目标轧制计划的轧辊需求；所述轧辊需求包括上机次数、氧化膜评价、硬度评价、磨削精度评价、轧辊综合评价五个指标；

所述轧辊信息储存模块用于储存所有轧辊的状态评价信息；

所述轧辊排序模块用于获取所有待上机轧辊的状态评价信息，并根据五个指标设计轧辊状态评价特征向量，选出所有符合目标轧制计划的轧辊需求的轧辊，通过轧辊状态评价特征向量计算可上机轧辊的上机优先度，根据上机优先度进行上机轧辊优先级排序；

所述匹配合理性判断模块用于对上机轧辊优先级排序中上机优先级最低的轧辊状态进行评价，计算目标轧制计划与最低优先级轧辊的匹配度并将匹配度与匹配度阈值进行比较，根据阈值比较结果判定选出的所有轧辊的合理性；若判定选出的轧辊合理，则将上机轧辊优先级排序发送给上机选择结果输出模块；若判定选出的轧辊不合理，则根据最低优先级匹配度修正自适应系数，并将自适应系数返回给贡献度计算模块；

所述上机选择结果输出模块用于根据上机轧辊优先级排序确定轧辊上机选择结果并输出。

本发明实施例所提供的技术方案具有如下有益效果：

本发明实施例所提供的热轧工作辊上机选择方法及上机选择专家系统，自动实现每一生产周期上机轧辊的合理选择，充分考虑目标轧制计划中的各个品规特性，实现了轧辊资源的合理分配，降低了轧辊成本并提高了钢铁产品效益；省去了人工挑选轧辊的过程，实现热轧工作辊上机选择结果的自动推送，给现场不同部门间操作人员的相互协作带来了便利，为钢铁行业自动化生产的进一步发展奠定了一定的基础；同时，针对每一个轧制计划，本申请提出的技术方案充分考虑了钢卷每一种品规生产需求的特性，降低了人为错选轧辊、特定轧辊资源过剩和特定轧辊资源不足事件的发生概率，实现了轧辊资源的合理分配，提高了所有在役轧辊的上机率和利用率，减小了轧辊消耗，降低了轧辊固有成本和维护成本并且提高了钢铁企业的产品效益。

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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发明的一些实施例，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它的附图。

图1为本发明实施例所提供的热轧工作辊上机选择方法流程示意图。

具体实施方式

下面结合附图对本发明实施例进行详细描述。

应当明确，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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例提供了一种热轧工作辊上机选择方法及上机专家系统，针对轧线选择上机轧辊的合理性及效率性，基于当前轧制计划进行参数化，根据生产参数生成对应的轧辊需求，再根据对生产进程的预判及跟踪进行合理的轧辊上机安排，结合轧制生产的产品品规进行合理的工作辊上机自动化选择，提高轧制生产的效率及资源分配的合理性。

参见图1，本发明实施例所提供的热轧工作辊上机选择方法，包括如下步骤：

步骤S1，对待轧制钢材所有产品的品规进行分析，得到当前所能生产的钢种、用途、强度、目标宽度、目标厚度五种品规属性，其中，设定钢种、用途、强度根据自身标签单独成类，目标宽度和目标厚度通过判别式分为三类。

本步骤中，所述目标宽度和目标厚度的分类判别式为：

式(1)中，d代表钢卷的目标宽度，d₁代表窄幅类别，d₂代表中间宽度类别，d₃代表宽幅类别，h代表钢卷的目标厚度，e₁代表薄料类别，e₂代表中间厚度类别，e₃代表厚料类别，单位均为mm。

通过式(1)判断当前轧制产品的目标宽度类别和目标厚度类别，通过自身标签判断钢种、用途、强度所属类别。

步骤S2，预设v个参考轧制计划及对应的轧辊需求，并分析每一个参考轧制计划中各个钢种、用途、强度、目标宽度、目标厚度五个品规属性类别分别相对于全部品规属性类别的存在状态。

本步骤中，所述预设的v个参考轧制计划，根据领域专家提出的轧辊上机经验进行设置，也可以来自于上机历史数据的统计结果，以轧辊上机经验信息数据库的形式进行存储。

具体地，本步骤包括：

步骤S21，将钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别分别用数学符号表示为：

式(2)中，β₁,β₂,β₃分别代表将钢种、用途、强度的属性类别参数化后形成的向量，x为钢种类型的总数量，y为用途类型的总数量，z为强度类型的总数量，β₄代表三种宽度类别组成的向量，β₅代表三种厚度类别组成的向量。

步骤S22，统计所有参考轧制计划包含的钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别至集合Q^v中，判断参考轧制计划k中是否存在β₁至β₅向量中每一个元素所代表的品规属性，根据判断结果对β₁至β₅向量中的元素赋值，具体赋值方式如下：

式(3)中，β_ij代表钢卷的第i个品规属性的第j个类别，

是赋值后的β_i，表示第k个参考轧制计划中各个品规的存在状态向量，赋值后的β_i向量中的元素具有两层含义，一是元素位置代表了具体品规，二是元素数值代表该品规是否存在于第k个参考轧制计划中。

步骤S3，根据自适应系数计算钢种、用途、强度、目标宽度、目标厚度五种品规属性各类别对参考轧制计划特性的贡献度。

本步骤中，基于参考轧制计划特性计算每一种钢种、用途、强度、目标宽度、目标厚度的类别对特性的贡献度，贡献度表示方法与计算公式为：

式(4)中，S＝[S₁,S₂,…,S_k…,S_v]，v代表专家系统中参考轧制计划的数量，S_k代表第k个参考轧制计划的特性值，α_i向量中的元素α_ij代表β_ij这种品规类型的贡献度，ω_i为自适应系数向量ω中的元素，其初值设为：

ω＝[ω₁,ω₂,…,ω₅]＝[0.2,0.2,0.2,0.2,0.2]。

步骤S4，从轧制生产线制造执行系统(Manufacturing Execution System，MES)中获取目标轧制计划的品规属性类别，依据步骤S3已计算出的品规属性类别的贡献度计算目标轧制计划特性。

本步骤具体包括：获取目标轧制计划信息，统计目标轧制计划中的品规属性类别，更新β_i,i＝1,2,…,5向量，更新完毕后赋值为

使其表示目标轧制计划中每一种品规类别的存在状态，基于品规属性各类别对参考轧制计划特性的贡献度，计算目标轧制计划特性S′，计算公式如下：

式(5)中，

代表目标轧制计划中各个品规的存在状态向量。

步骤S5，计算目标轧制计划与每一个参考轧制计划之间的特性差异度，确定与目标轧制计划特性差异最小的参考轧制计划，将该参考轧制计划的轧辊需求设定为目标轧制计划的轧辊需求。所述轧辊需求包括上机次数、氧化膜评价、硬度评价、磨削精度评价、轧辊综合评价五个指标。

本步骤中，差异度计算公式如下：

D_k＝|S′-S_k|_{k＝1,2,…,v} (6)

式(6)中，S′为目标轧制计划的特性值，S_k代表第k个参考轧制计划的特性值，D_k代表目标轧制计划与第k个参考轧制计划的的特性差异度。

选取最差异度最小的参考轧制计划：

D_T＝min{D_k,k＝1,2,…,v}

设定第T个参考轧制计划的轧辊需求为目标轧制计划的轧辊需求。

步骤S6，获取所有轧辊的状态评价信息，根据五个指标设计轧辊状态评价特征向量，选出所有符合目标轧制计划轧辊需求的轧辊，通过轧辊状态评价特征向量计算所选出的轧辊的上机优先度，根据上机优先度进行优先级排序。

本步骤中，所述轧辊五个指标的状态评价，分别由好至差分为0，1，2，3，4五个等级，设计轧辊状态评价特征向量γ＝(γ₁,γ₂,…,γ₅)，向量中的五个元素依次对应上述五种评价指标，元素的数值等于评价值。第T个参考轧制计划的轧辊需求对应的轧辊状态评价特征向量为

所述轧辊需求为符合目标轧制计划的轧辊，根据轧辊需求对所有轧辊进行筛选，得到符合需求的可上机轧辊为M个，并基于切比雪夫距离计算可上机轧辊的上机优先度，对选出的轧辊进行优先级排序，得出适用于目标轧制计划的上机选择结果，第m个轧辊的上机优先度K_m计算公式如下：

γ_m＝(γ_m1,γ_m2,…,γ_m5)

式(7)中，γ_m为选出的第m支轧辊状态评价特征向量，其中的五个元素分别代表上机次数、氧化膜评价、硬度评价、磨削精度评价、轧辊综合评价的评价数值，γ_mn为第m支轧辊的轧辊状态特征向量中的第n个元素，M为筛选出的总轧辊支数，K_m代表第m支轧辊的优先度，其值越小说明轧辊优先度越高。

步骤S7，对上机轧辊优先级排序中上机优先级最低的轧辊状态进行评价，计算目标轧制计划与轧辊的匹配度并将匹配度与匹配度阈值进行比较，根据阈值比较结果判定筛选出的轧辊的合理性；若判定选出的轧辊合理，则将上机轧辊优先级排序作为最终的轧辊上机选择结果，若判定选出的轧辊不合理，则根据匹配度修正自适应系数，返回步骤S3。

本步骤中，考虑到个别轧辊对目标轧制计划的不适应情况，计算目标轧制计划与最低优先级轧辊的匹配度，计算匹配度的公式为：

式(8)中，P为匹配度，S′为目标轧制计划特性，S_R为轧辊状态的百分制评价值，γ_min5为上机优先级最低轧辊的轧辊综合评价值。

所述将匹配度与匹配度阈值进行比较，根据比较结果判定选出的轧辊的合理性，若本轮筛选出的轧辊不合理，则根据匹配度修正自适应系数ω＝[ω₁,ω₂,…,ω₅]，修正公式为：

式(9)中，

为自适应系数第c轮的计算结果。

优选地，匹配度阈值根据实际情况进行设定，例如，设定匹配度阈值为0.4。

基于相同的思路，本发明实施例还提供了一种热轧工作辊上机专家系统，所述专家系统包括：品规分析模块、参考轧制计划存储模块、贡献度计算模块、目标特性计算模块、轧辊需求确定模块、轧辊信息储存模块、轧辊排序模块、匹配合理性判断模块和上机选择结果输出模块。

其中，所述品规分析模块用于对待轧制钢材所有产品的品规进行分析，得到当前所能生产的钢种、用途、强度、目标宽度、目标厚度等至少五种品规属性的类别；

所述参考轧制计划存储模块用于预先储若干参考轧制计划及对应的轧辊需求；

所述贡献度计算模块用于分析每一个参考轧制计划中钢种、用途、强度、目标宽度、目标厚度五个品规属性类别分别相对于全部品规属性类别的存在状态，并根据自适应系数计算钢种、用途、强度、目标宽度、目标厚度五种品规属性各类别对参考轧制计划特性的贡献度；

所述目标特性计算模块用于从轧制生产线MES中获取目标轧制计划的品规属性类别，依据已计算出的品规属性类别的贡献度计算目标轧制计划特性；

所述轧辊需求确定模块用于计算目标轧制计划与每一个参考轧制计划之间的特性差异度，确定与目标轧制计划特性差异最小的参考轧制计划，将该参考轧制计划的轧辊需求设定为目标轧制计划的轧辊需求；所述轧辊需求包括上机次数、氧化膜评价、硬度评价、磨削精度评价、轧辊综合评价五个指标；

所述轧辊信息储存模块用于储存所有轧辊的状态评价信息；

所述轧辊排序模块用于获取所有待上机轧辊的状态评价信息，并根据五个指标设计轧辊状态评价特征向量，选出所有符合目标轧制计划轧辊需求的轧辊，通过轧辊状态评价特征向量计算可上机轧辊的上机优先度，根据上机优先度进行上机轧辊优先级排序；

所述匹配合理性判断模块用于对上机轧辊优先级排序中上机优先级最低的轧辊状态进行评价，计算目标轧制计划与最低优先级轧辊的匹配度并将匹配度与匹配度阈值进行比较，根据阈值比较结果判定筛选出的轧辊的合理性；若判定选出的轧辊合理，则将优先级排序发送给上机选择结果输出模块；若判定选出的轧辊不合理，则根据匹配度修正自适应系数，并将自适应系数返回给贡献度计算模块；

所述上机选择结果输出模块用于根据轧辊的优先级排序得出上机选择顺序并输出。

需要说明的是，本实施例所述热轧工作辊上机选择专家系统与所述上机选择方法是对应的，对于所述上机选择方法的描述同样适用于所述上机选择专家系统，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，所述模块可以通过计算机程序来指令相关的硬件来完成或实现，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

下面以一个具体的实例，进一步详细说明本发明的技术方案。

将本发明实施例的热轧工作辊上机选择专家系统应用于某热轧厂的2250轧线，为精轧机组的每个机架提供轧辊上机选择结果。以F1机架为例，先将领域专家提出的轧辊上机经验存入参考轧制计划存储模块的轧辊上机经验信息数据库中，包括参考轧制计划及对应轧辊需求的指导性结论；领域专家基于生产所制定的参考轧制计划包含品规时的工艺复杂程度赋予参考轧制计划特性值，轧辊需求的内容为人工记录的上机次数和人工打分得到的轧辊评价值或范围，部分轧辊上机经验内容如表1所示：

表1

列出某热轧厂2250产线所能生产产品品规及代表符号，如表2所示：

表2

将参考轧制计划含有的品规与全部品规进行对比，判断每一个参考轧制计划中各个品规的存在状态，依据公式(2)和(3)对代表品规的符号进行赋值，得出基于全部品规框架下的每一个参考轧制计划的品规存在状态向量

结果为：

根据表1中各参考轧制计划的特性值，得出表1中三个参考轧制计划的特性值组成向量S，结果为：

S＝[90,80,60]

根据前文所述的β_ij符号所代表的品规贡献度以α_ij原则，得出钢种、用途、强度、目标宽度类别、目标厚度类别贡献度向量分别为：

α₁＝[α₁₁,α₁₂,α₁₂],α₂＝[α₂₁,α₂₂,…,α₂₆],α₃＝[α₃₁,α₃₂,…,α₃₅]

α₄＝[α₄₁,α₄₂,α₄₃],α₅＝[α₅₁,α₅₂,α₅₃]

根据贡献度计算公式(4)且自适应系数初值设为ω＝[ω₁,ω₂,…,ω₅]＝[0.2,0.2,0.2,0.2,0.2]，得出各品规贡献度结果，如表3所示：

表3

从轧线MES系统中获得下一个轧制周期将要轧制的轧制计划号为HSM1202882的目标轧制计划，其中包含的品规属性如表4所示：

表4

钢种	用途	强度	目标宽度类别	目标厚度类别
					酸洗板	汽车用钢	IF钢	宽幅	薄料
冷轧基料	桥壳钢	低合金	中间宽度	中间厚度

依据为各β向量赋值的数学模型即公式(2)和(3)，得出基于全部品规框架下的目标轧制计划的品规存在状态向量β^g，结果为：

依据表3中贡献度第一轮计算结果，得出品规贡献度所组成的数值向量，结果为：

α₁＝[11,7,5],α₂＝[7.2,6.8,5,6.9,4.1,4],α₃＝[8,5,8.5,7.8,7],α₄＝[14,12,9],α₅＝[14,12,9]

根据目标轧制计划特性计算公式(5)得出目标轧制计划特性：S′＝97.1。

根据表1中结果，得出参考轧制计划i的特性值S_i，结果如表5所示：

表5

参考轧制计划特性	特性值
		S<sub>1</sub>	90
S<sub>2</sub>	80
		S<sub>3</sub>	60

根据公式(6)计算目标轧制计划特性值S′与表5中三组参考轧制计划特性值之间的差异度D_k，得出差异度第一轮计算结果，如表6所示：

表6

差异度	计算结果
		D<sub>1</sub>	7.1
D<sub>2</sub>	17.1
		D<sub>3</sub>	37.1

可知目标轧制计划与参考轧制计划1的差异度最小，认为目标轧制计划应该采用与表1中参考轧制计划1一致的轧辊需求。

对F1机架的轧辊库进行筛选，选出满足参考轧制计划1需求的轧辊，轧辊库及其筛选结果如表7所示：

表7

根据表7中的轧辊筛选结果和优先度计算公式(7)计算辊号为FW10142和FW10235轧辊的优先度，得出轧辊上机选择结果第一轮计算结果。

根据在对应轧辊需求的弹性范围内，轧辊各个评价值越小，说明对于特定轧制计划该轧辊越理想的原则，确定表1中参考轧制计划1的最理想的轧辊状态特征向量：γ^T＝(0,0,0,0,0)。

轧辊上机选择的选择结果第一轮计算结果如表8所示：

表8

考虑到个别轧辊对目标轧制计划的不适应情况，计算目标轧制计划与表8中上机优先级最低的轧辊的匹配度，确定出上机优先级最低的轧辊辊号为FW10142，该轧辊的轧辊综合评价值为1，整理得出第一轮计算匹配度的参数值，如表9所示：

表9

参数	数值
		γ<sub>min5</sub>	1
S′	97.1

根据匹配度计算公式(8)：

式中，P为匹配度，S′为目标轧制计划特性，S_R为轧辊状态的百分制评价值，γ_min5为上机优先级最低轧辊的轧辊综合评价值。

得出匹配度第一轮计算结果：P＝0.485。

匹配度公式含义为：匹配度代表了轧辊状态与轧制计划特性的偏离程度，当偏离程度较大时，说明此轧辊状态与轧制计划特性并不相符。基于领域专家对以上含义的解读建议和黄金分割定律，将匹配度阈值设定为：P^THR＝0.4。

将第一轮计算出的匹配度：P＝0.485与数值为0.4的匹配度阈值进行比较可知，匹配度超出了匹配度阈值，说明表8中轧辊上机选择结果不能作为最终的结果，需依据修正公式对自适应系数ω进行修正，进行第二轮轧辊上机选择结果，根据自适应系数修正公式(9)，自适应系数修正结果如下：

ω⁰＝[0.2,0.2,0.2,0.2,0.2]→ω¹＝[0.22425,0.22425,0.224525,0.22425,0.103]

依据贡献度计算公式重新计算各个品规的贡献度，计算结果如表10所示：

表10

将表10与表3对比可知各品规贡献度得到更新，新一轮品规贡献度所组成的数值向量结果为：

α₁＝[12,9,7],α₂＝[10.3,8,9,5,8.1,6.2],α₃＝[9,6,8.5,7.8,7],α₄＝[7,6.7,5.3],α₅＝[6,4.3,3]

依据更新后的贡献度代入目标轧制特性公式，得出目标轧制计划特性第二轮计算结果：S′＝75.3。

根据公式再次计算目标轧制计划与表5中三组参考轧制计划特性值之间的差异度D_k：

D_k＝|S′-S_k|_k＝1,2,3

得出差异度第二轮计算结果，如表11所示：

表11

差异度	计算结果
		D<sub>1</sub>	14.7
D<sub>2</sub>	4.7
		D<sub>3</sub>	15.3

通过对比表11与表6，说明经过自适应系数的修正后，差异度发生变化，根据表11中的差异度结果，可知目标轧制计划与表1中参考轧制计划2的差异度最小，认为目标轧制计划应该采用与表1中参考轧制计划2一致的轧辊需求。

对F1机架的轧辊库重新进行筛选，选出满足目标轧制计划需求的轧辊，轧辊库及其筛选结果如表12所示：

表12

确定表1中参考轧制计划2的最理想的轧辊状态特征向量；γ^T＝(1,0,0,0,0)。

根据表12中结果和优先度计算公式，计算辊号为FW10340和FW10238轧辊的优先度，得出轧辊上级选择的第二轮计算结果，其结果如表13所示：

表13

再次计算目标轧制计划与上机优先级最低的轧辊的匹配度，根据表13结果，确定出上机优先级最低的轧辊辊号为FW10238，该轧辊的轧辊综合评价值为1，整理得出第二轮计算匹配度的各参数，如表14所示：

表14

参数	数值
		γ<sub>min5</sub>	1
S′	75.3

根据表14中的参数，再次代入匹配度计算公式得出匹配度第二轮计算结果：P＝0.336，将其与数值为0.4的匹配度阈值进行比较可知最低优先级轧辊与目标轧制计划的匹配度未超出阈值，可将表13中结果作为最终的轧辊上机选择结果，即现场操作人员可以按照选择FW10340和FW10238均可行，但在无意外的情况下应首先选择第一优先级的FW10340轧辊的选择结果，为F1机架选择下一轧制周期的上机轧辊，精轧机组其余机架轧辊上机选择结果均按照以上步骤进行制定。

由以上技术方案可以看出，本发明实施例所提供的热轧工作辊上机选择方法及上机选择专家系统，自动实现每一生产周期上机轧辊的合理选择，充分考虑目标轧制计划中的各个品规特性，实现了轧辊资源的合理分配，降低了轧辊成本并提高了钢铁产品效益；省去了人工挑选轧辊的过程，实现热轧工作辊上机选择结果的自动推送，给现场不同部门间操作人员的相互协作带来了便利，为钢铁行业自动化生产的进一步发展奠定了一定的基础；同时，针对每一个轧制计划，本申请提出的技术方案充分考虑了钢卷每一种品规生产需求的特性，降低了人为错选轧辊、特定轧辊资源过剩和特定轧辊资源不足事件的发生概率，实现了轧辊资源的合理分配，提高了所有在役轧辊的上机率和利用率，减小了轧辊消耗，降低了轧辊固有成本和维护成本并且提高了钢铁企业的产品效益。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种热轧工作辊上机选择方法，其特征在于，包括如下步骤：

步骤S1，对待轧制钢材所有产品的品规进行分析，得到当前所能生产的钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别，其中，设定钢种、用途、强度根据自身标签单独成类，目标宽度和目标厚度通过判别式分为三类；

步骤S2，预设v个参考轧制计划及对应的轧辊需求，并分析每一个参考轧制计划中钢种、用途、强度、目标宽度、目标厚度五个品规属性类别分别相对于全部品规属性类别的存在状态；

步骤S3，根据自适应系数计算钢种、用途、强度、目标宽度、目标厚度五种品规属性各类别对参考轧制计划特性的贡献度；

步骤S4，从轧制生产线制造执行系统MES中获取目标轧制计划的品规属性类别，依据步骤S3已计算出的品规属性类别贡献度计算目标轧制计划特性；

步骤S5，计算目标轧制计划与每一个参考轧制计划之间的特性差异度，确定与目标轧制计划特性差异最小的参考轧制计划，将该参考轧制计划的轧辊需求设定为目标轧制计划的轧辊需求；

步骤S6，获取所有待上机轧辊的状态评价信息，设计轧辊状态评价特征向量，选出所有符合目标轧制计划的轧辊需求的轧辊，并通过轧辊状态评价特征向量计算所选出的轧辊的上机优先度，根据上机优先度进行上机轧辊优先级排序；

步骤S7，对上机轧辊优先级排序中上机优先级最低的轧辊状态进行评价，计算目标轧制计划与最低优先级轧辊的匹配度并将匹配度与匹配度阈值进行比较，根据阈值比较结果判定选出的所有轧辊的合理性；若判定选出的轧辊合理，则将上机轧辊优先级排序作为轧辊上机选择结果，若判定选出的轧辊不合理，则根据最低优先级轧辊的匹配度修正自适应系数，返回步骤S3。

2.根据权利要求1所述的热轧工作辊上机选择方法，其特征在于，步骤S1中目标宽度和目标厚度的分类判别式为：

式(1)中，d代表钢卷的目标宽度，d₁代表窄幅类别，d₂代表中间宽度类别，d₃代表宽幅类别，h代表钢卷的目标厚度，e₁代表薄料类别，e₂代表中间厚度类别，e₃代表厚料类别，单位均为mm。

3.根据权利要求1所述的热轧工作辊上机选择方法，其特征在于，步骤S2包括：

步骤S21，将钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别分别用数学符号表示为：

式(2)中，β₁,β₂,β₃分别代表将钢种、用途、强度的属性类别参数化后形成的向量，x为钢种类型的总数量，y为用途类型的总数量，z为强度类型的总数量，β₄代表三种宽度类别组成的向量，β₅代表三种厚度类别组成的向量；

步骤S22，统计所有参考轧制计划包含的钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别至集合Q^v中，判断参考轧制计划k中是否存在β₁至β₅向量中每一个元素所代表的品规属性，根据判断结果对β₁至β₅向量中的元素赋值，具体赋值方式如下：

式(3)中，β_ij代表钢卷的第i个品规属性的第j个类别，

是赋值后的β_i，表示第k个参考轧制计划中各个品规属性的存在状态向量。

4.根据权利要求3所述的热轧工作辊上机选择方法，其特征在于，步骤S3贡献度α_i表示方法与计算公式为：

式(4)中，S＝[S₁,S₂,…,S_k…,S_v]，v代表专家系统中参考轧制计划的数量，S_k代表第k个参考轧制计划的特性值，α_i向量中的元素α_ij代表这种品规属性类别β_ij对参考轧制计划特性的贡献度，ω_i为品规属性i的自适应系数。

5.根据权利要求4所述的热轧工作辊上机选择方法，其特征在于，步骤S4具体包括：

获取目标轧制计划信息，统计目标轧制计划中的品规属性类别，更新β_i向量,i＝1,2,…,5，更新完毕后赋值为

使其表示目标轧制计划中每一种品规属性类别的存在状态，基于品规属性各类别对参考轧制计划特性的贡献度，计算目标轧制计划特性S′，计算公式如下：

式(5)中，

代表目标轧制计划中各个品规属性类别的存在状态向量。

6.根据权利要求5所述的热轧工作辊上机选择方法，其特征在于，步骤S5差异度计算公式如下：

D_k＝|S′-S_k|_{k＝1,2,…,v} (6)

式(6)中，S′为目标轧制计划的特性值，S_k代表第k个参考轧制计划的特性值，D_k代表目标轧制计划与第k个参考轧制计划的特性差异度。

7.根据权利要求6所述的热轧工作辊上机选择方法，其特征在于，

步骤S5所述轧辊需求包括上机次数、氧化膜评价、硬度评价、磨削精度评价、轧辊综合评价五个指标；

步骤S6中将五个指标分别由好至差分为0，1，2，3，4五个等级，设计轧辊状态评价特征向量γ＝(γ₁,γ₂,…,γ₅)，向量中的五个元素依次对应五个指标，元素的数值等于评价值；差异度最小的第T个参考轧制计划的轧辊需求对应的轧辊状态评价特征向量为

所述轧辊需求为符合目标轧制计划的轧辊，根据轧辊需求对所有待上机轧辊进行筛选，得到符合需求的可上机轧辊为M个，并基于切比雪夫距离计算可上机轧辊的上机优先度，对选出的轧辊进行优先级排序，第m支轧辊的上机优先度K_m计算公式如下：

γ_m＝(γ_m1,γ_m2,…,γ_m5)

式(7)中，γ_m为选出的第m支轧辊状态评价特征向量，其中的五个元素分别代表上机次数、氧化膜评价、硬度评价、磨削精度评价、轧辊综合评价的评价数值，γ_mn为第m支轧辊的轧辊状态特征向量中的第n个元素，M为筛选出的总轧辊支数，K_m代表第m支轧辊的优先度。

8.根据权利要求7所述的热轧工作辊上机选择方法，其特征在于，步骤S7计算目标轧制计划与最低优先级轧辊的匹配度，计算公式为：

式(8)中，P为匹配度，S′为目标轧制计划特性，S_R为轧辊状态的百分制评价值，γ_min5为最低优先级轧辊的轧辊综合评价值。

9.根据权利要求8所述的热轧工作辊上机选择方法，其特征在于，所述将匹配度与匹配度阈值进行比较，根据比较结果判定选出的轧辊的合理性，若判定选出的轧辊不合理，则根据匹配度修正自适应系数向量ω＝[ω₁,ω₂,…,ω₅]，修正公式为：

式(9)中，

为自适应系数第c轮的计算结果。

10.一种热轧工作辊上机专家系统，其特征在于，所述专家系统包括：品规分析模块、参考轧制计划存储模块、贡献度计算模块、目标特性计算模块、轧辊需求确定模块、轧辊信息储存模块、轧辊排序模块、匹配合理性判断模块和上机选择结果输出模块；

所述品规分析模块用于对待轧制钢材所有产品的品规进行分析，得到当前所能生产的钢种、用途、强度、目标宽度、目标厚度五种品规属性的类别；

所述参考轧制计划存储模块用于预先储若干参考轧制计划及对应的轧辊需求；

所述贡献度计算模块用于分析每一个参考轧制计划中钢种、用途、强度、目标宽度、目标厚度五个品规属性类别分别相对于全部品规属性类别的存在状态，并根据自适应系数计算钢种、用途、强度、目标宽度、目标厚度五种品规属性各类别对参考轧制计划特性的贡献度；

所述目标特性计算模块用于从轧制生产线MES中获取目标轧制计划的品规属性类别，依据已计算出的品规属性类别对参考轧制计划特性的贡献度计算目标轧制计划特性；

所述轧辊需求确定模块用于计算目标轧制计划与每一个参考轧制计划之间的特性差异度，确定与目标轧制计划特性差异最小的参考轧制计划，将该参考轧制计划的轧辊需求设定为目标轧制计划的轧辊需求；

所述轧辊信息储存模块用于储存所有轧辊的状态评价信息；

所述轧辊排序模块用于获取所有待上机轧辊的状态评价信息，设计轧辊状态评价特征向量，选出所有符合目标轧制计划的轧辊需求的轧辊，通过轧辊状态评价特征向量计算可上机轧辊的上机优先度，根据上机优先度进行上机轧辊优先级排序；

所述匹配合理性判断模块用于对上机轧辊优先级排序中上机优先级最低的轧辊状态进行评价，计算目标轧制计划与最低优先级轧辊的匹配度并将匹配度与匹配度阈值进行比较，根据阈值比较结果判定选出的所有轧辊的合理性；若判定选出的轧辊合理，则将上机轧辊优先级排序发送给上机选择结果输出模块；若判定选出的轧辊不合理，则根据最低优先级匹配度修正自适应系数，并将自适应系数返回给贡献度计算模块；

所述上机选择结果输出模块用于根据上机轧辊优先级排序确定上机选择结果并输出。

Images