CN115139440B - 一种压延机参数优化控制方法 - Google Patents

一种压延机参数优化控制方法 Download PDF

Info

Publication number
CN115139440B
CN115139440B CN202211081158.7A CN202211081158A CN115139440B CN 115139440 B CN115139440 B CN 115139440B CN 202211081158 A CN202211081158 A CN 202211081158A CN 115139440 B CN115139440 B CN 115139440B
Authority
CN
China
Prior art keywords
calender
target
workpiece
produced
outlier
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
Application number
CN202211081158.7A
Other languages
English (en)
Other versions
CN115139440A (zh
Inventor
赵伟杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qidong Kaishun Machinery Manufacturing Co ltd
Original Assignee
Qidong Kaishun Machinery Manufacturing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qidong Kaishun Machinery Manufacturing Co ltd filed Critical Qidong Kaishun Machinery Manufacturing Co ltd
Priority to CN202211081158.7A priority Critical patent/CN115139440B/zh
Publication of CN115139440A publication Critical patent/CN115139440A/zh
Application granted granted Critical
Publication of CN115139440B publication Critical patent/CN115139440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C43/00—Compression moulding, i.e. applying external pressure to flow the moulding material; Apparatus therefor
    • B29C43/32—Component parts, details or accessories; Auxiliary operations
    • B29C43/58—Measuring, controlling or regulating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C43/00—Compression moulding, i.e. applying external pressure to flow the moulding material; Apparatus therefor
    • B29C43/22—Compression moulding, i.e. applying external pressure to flow the moulding material; Apparatus therefor of articles of indefinite length
    • B29C43/24—Calendering
    • B29C43/245—Adjusting calender parameters, e.g. bank quantity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C43/00—Compression moulding, i.e. applying external pressure to flow the moulding material; Apparatus therefor
    • B29C43/32—Component parts, details or accessories; Auxiliary operations
    • B29C43/58—Measuring, controlling or regulating
    • B29C2043/5816—Measuring, controlling or regulating temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Casting Or Compression Moulding Of Plastics Or The Like (AREA)

Abstract

本发明涉及塑料的成型领域，具体涉及一种压延机参数优化控制方法。该方法适用于靠压力成型，即施加外部压力使造型材料流动的压延机。该方法包括以下步骤：根据各目标压延机在第一目标时间段内的压延机辊筒温度和压延机辊筒线速度判定各目标压延机对应的离群工件，并计算各目标压延机对应的工件离群率，根据各目标压延机对应的工件离群率将目标压延机分成两类，对于任一类别，根据该类目标压延机中各目标压延机在第二目标时间段内的适配次数均值和适配次数方差判定该类中控制参数最优的目标压延机，将该控制参数最优的目标压延机的控制参数作为该类中所有目标压延机的目标控制参数。本实施例优化了各目标压延机的生产过程。

Description

一种压延机参数优化控制方法
技术领域
本发明涉及塑料的成型领域，具体涉及一种压延机参数优化控制方法。
背景技术
压延是高分子材料加工中重要的基本工艺过程之一，也是某些高分子材料（如橡胶、热塑性塑料）半成品及成品的重要加工成型方法之一。压延机包括两个或两个以上的辊筒，按加热方式可分为冷压和热压两种，无论是冷压还是热压，压延机都可在一定温度下，将橡胶或塑料等材料压制展延成一定厚度和表面形状的胶片。压延机生产出的产品的质量与生产过程中压延机相关控制参数的设置息息相关，而有些相对规模较大的压延产品生产厂家用于生产的压延机较多，它们之间的性能可能存在差异，有的性能相对较好，有的性能相对较差，性能不同的压延机在同一控制参数下生产的压延产品在质量上有所差异，如何实现对压延机相关控制参数的优化是现有压延产品生产厂家需要解决的问题。
发明内容
为了解决上述问题，本发明的目的在于提供一种压延机参数优化控制方法。
本发明的一种压延机参数优化控制方法，包括以下步骤：
获取各目标压延机在第一目标时间段内的压延机辊筒温度和压延机辊筒线速度；所述第一目标时间段包括多个工件生产周期，不同目标压延机对应的控制参数不同；
根据各目标压延机在各工件生产周期内的压延机辊筒温度和压延机辊筒线速度计算各目标压延机在各工件生产周期内生产的工件的质量优秀程度；
对于任一目标压延机，根据该目标压延机在各工件生产周期内生产的工件的质量优秀程度和对应的压延机辊筒线速度计算该目标压延机在各工件生产周期内生产的工件之间的差异指标，根据该目标压延机在各工件生产周期内生产的工件之间的差异指标判定该目标压延机对应的离群工件；
根据各目标压延机对应的离群工件的数量计算各目标压延机对应的工件离群率，根据各目标压延机对应的工件离群率将目标压延机分成两类，对于任一类别，根据该类目标压延机中各目标压延机在第二目标时间段内的适配次数均值和适配次数方差判定该类中控制参数最优的目标压延机，将该控制参数最优的目标压延机的控制参数作为该类中所有目标压延机的目标控制参数；所述适配的判断方法包括：若某目标压延机生产的某工件的质量优秀程度大于等于该工件对应的质量优秀程度预测值，则判定该目标压延机生产的该工件适配。
进一步的，所述质量优秀程度预测值通过LSTM网络神经网络得到。
进一步的，利用LOF算法判定各目标压延机对应的离群工件。
进一步的，利用如下公式计算各目标压延机在各工件生产周期内生产的工件的质量优秀程度：
Figure 100002_DEST_PATH_IMAGE001
其中，U为某工件的质量优秀程度，
Figure 275058DEST_PATH_IMAGE002
为求均值，
Figure 40102DEST_PATH_IMAGE003
为求绝对值，
Figure 638311DEST_PATH_IMAGE004
为求最大值，
Figure 44016DEST_PATH_IMAGE005
为求最小值，
Figure 908460DEST_PATH_IMAGE006
为双曲正切函数，
Figure 117725DEST_PATH_IMAGE007
为反正切函数，
Figure 676882DEST_PATH_IMAGE008
为规定温度，
Figure 405935DEST_PATH_IMAGE009
为该工件对应的上辊筒的温度指标序列，
Figure 657925DEST_PATH_IMAGE010
为该工件对应的下辊筒的温度指标序列，
Figure 869332DEST_PATH_IMAGE011
为该工件生产周期中第i个采集时刻对应的上辊筒的温度指标值，
Figure 169863DEST_PATH_IMAGE012
为该工件生产周期中第i个采集时刻对应的下辊筒的温度指标值，V为该工件生产周期对应的辊筒线速度序列。
进一步的，所述根据该目标压延机在各工件生产周期内生产的工件的质量优秀程度和对应的压延机辊筒线速度计算该目标压延机在各工件生产周期内生产的工件之间的差异指标，包括：
对于任一目标压延机，采用如下公式计算该目标压延机在各工件生产周期内生产的工件之间的相似性指标：
Figure 616673DEST_PATH_IMAGE013
其中，A,B分别表示某目标压延机对应的两个不同的工件，
Figure 305143DEST_PATH_IMAGE014
为该目标压延机对应于工件A的工件生产周期对应的辊筒线速度序列，
Figure 800585DEST_PATH_IMAGE015
为该目标压延机对应于工件B的工件生产周期对应的辊筒线速度序列，
Figure 967124DEST_PATH_IMAGE016
为该压延机生产出的工件A的质量优秀程度，
Figure 405189DEST_PATH_IMAGE017
为该压延机生产出的工件B的质量优秀程度，
Figure 733403DEST_PATH_IMAGE018
为该目标压延机生产出的工件A和工件B之间的相似性指标；
计算各目标压延机在各工件生产周期内生产的工件之间的差异指标，公式如下：
Figure 250228DEST_PATH_IMAGE019
其中，
Figure 971190DEST_PATH_IMAGE020
为某目标压延机生产出的工件A和工件B之间的差异指标。
进一步的，所述根据该类目标压延机中各目标压延机在第二目标时间段内的适配次数均值和适配次数方差判定该类中控制参数最优的目标压延机，包括：
将第一目标时间段后的设定数量的工作流程对应的时间段记为第二目标时间段，对于任一目标压延机，当该目标压延机生产的某工件的实际质量优秀程度小于对应的质量优秀程度预测值时，判定该目标压延机需要停机休息，将该判定需要停机休息的时间点与本次开始生产时对应的时间点之间的时间段记为1个工作流程；统计该目标压延机在第二目标时间段内的生产过程中各工作流程对应的生产的工件的实际质量优秀程度大于等于对应的质量优秀程度预测值的次数，将该次数记为对应工作流程对应的适配次数；
对于任一目标压延机类别，比较该目标压延机类别内各目标压延机对应的工作流程对应的适配次数的均值，将均值最大的目标压延机判定为该类别控制参数最优的目标压延机；若存在两目标压延机对应的适配次数的均值相同的情况，则比较这两目标压延机对应的工作流程对应的适配次数的方差，将方差较小的目标压延机判定为该类别控制参数最优的目标压延机。
有益效果：本发明根据各目标压延机在各工件生产过程中的辊筒温度和辊筒线速度实现了对不同目标压延机的分类，分类后为不同类别的目标压延机分配不同的目标控制参数，本发明实现了对不同类别的目标压延机控制参数的针对性调节，优化了各目标压延机的生产过程。
附图说明
图1是本发明的一种压延机参数优化控制方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更清楚，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介绍。
为了实现对压延机相关控制参数的优化，如图1所示，本实施例的压延机参数优化控制方法包括以下步骤：
（1）获取各目标压延机在第一目标时间段内的压延机辊筒温度和压延机辊筒线速度；所述第一目标时间段包括多个工件生产周期，不同目标压延机对应的控制参数不同；
本实施例的研究对象包括多个压延机，将这些压延机称为目标压延机，这些目标压延机的性能存在差异，有的性能相对较好，有的性能相对较差，若使用同一控制参数进行控制，那么会存在控制参数不能较好地适用所有压延机的情况。为了实现对这些目标压延机相关控制参数的优化，本实施例中给不同目标压延机设置不同的控制参数（如辊筒速比），以通过分析各目标压延机在对应的生产参数下生产出来的工件质量来选出最优的生产参数，进而在后期利用最优的生产参数控制各目标压延机进行生产。
为了实现对各目标压延机在对应的生产参数下生产出来的工件质量的分析，本实施例采集了各目标压延机在第一目标时间段内的压延机辊筒温度和压延机辊筒线速度，上述第一目标时间段包括多个工件生产周期，一个工件生产周期对应一个工件被生产出来的时间。接下来对压延机辊筒温度和压延机辊筒线速度的采集过程进行说明：
①压延机辊筒温度
适宜的辊筒温度是保障压延工艺正常顺利进行的基本条件之一，过高的辊温会引起物料温度不适当的上升，从而导致粘辊；而过低的辊温则会使制品表面毛糙，有气泡，甚至出现空洞。压延机辊筒规定温度为220℃左右。在规定温度范围内辊筒的加工温度越高，材料的粘度越低、流动性越好，产生的横压力也越小。反之，产生的横压力则越大。
在上辊筒的两端及中间位置设置共三个温度采集点，将上辊筒一端的温度记为
Figure DEST_PATH_IMAGE021
，将上辊筒的中间位置的温度记为
Figure 886932DEST_PATH_IMAGE022
，将上辊筒的另一端的温度记为
Figure 917204DEST_PATH_IMAGE023
。同样在下辊筒设置三个温度采集点，将下辊筒一端的温度记为
Figure 295227DEST_PATH_IMAGE024
，将下辊筒的中间位置的温度记为
Figure 537990DEST_PATH_IMAGE025
，将下辊筒的另一端的温度记为
Figure 465495DEST_PATH_IMAGE026
。这六个采集点中两两采集点的位置对应，即上辊筒一端设置的采样点位置与下辊筒一端设置的采样点位置在空间上为上下垂直关系，上辊筒中间设置的采样点位置与下辊筒中间设置的采样点位置在空间上为上下关系，下辊筒另一端设置的采样点位置与下辊筒另一端设置的采样点位置在空间上为上下关系。本实施例利用工业用测温枪测量并记录对应位置的瞬时温度情况。测温枪的使用方法为公知技术，此处不再赘述。
本实施例按照预设采集周期
Figure 381848DEST_PATH_IMAGE027
采集上述各采集点的温度，一个工件的生产周期内包括多个采集时刻。对于同一辊筒，一般是中间温度会低于两侧温度，因为滚轴中部发生热传递的行为较多，所以本实施例将辊筒中部位置温度作为一个对当前辊筒温度的约束，利用如下公式计算上下辊筒各采集时刻对应的温度指标值：
Figure 762014DEST_PATH_IMAGE028
Figure 542888DEST_PATH_IMAGE029
基于上述过程，可以得到各目标压延机各工件生产周期对应的上下辊筒的温度指标序列
Figure 75632DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE031
，n为各工件生产周期包含的采集时刻的数量，
Figure 978866DEST_PATH_IMAGE011
为各工件生产周期中第i个采集时刻对应的上辊筒的温度指标值，
Figure 95595DEST_PATH_IMAGE012
为各工件生产周期中第i个采集时刻对应的下辊筒的温度指标值。
②压延机辊筒线速度
压延机辊筒线速度系指辊筒的圆周速度。辊筒的线速度是可调的，为了测量各目标压延机在第一目标时间段内的线速度，本实施例在上辊筒一侧的圆周上均匀放置8个遮光片，遮光片之间的距离与压延机辊筒圆周长度有关，将光电门固定在上述8个遮光片所在平面上，遮光片的具体设置位置，以及光电门与辊筒之间的距离以遮光片和光电门的放置不影响辊筒正常工作为准。
本实施例采集辊筒线速度的时间间隔也为
Figure 680160DEST_PATH_IMAGE027
，统计
Figure 582257DEST_PATH_IMAGE027
内遮光片遮挡光电门的次数，将该次数乘以两遮光片之间的弧长，得到辊筒在这
Figure 610387DEST_PATH_IMAGE027
内转过的总弧长S，那么辊筒的线速度为：
Figure 433987DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE033
为各工件生产周期中第i个采集时刻对应的辊筒的线速度，
Figure 136757DEST_PATH_IMAGE027
为采集周期，
Figure 627781DEST_PATH_IMAGE034
为
Figure 826812DEST_PATH_IMAGE027
时间内辊筒转过的总弧长。
至此，可以得到各目标压延机各工件生产周期对应的辊筒线速度序列
Figure 403287DEST_PATH_IMAGE035
。
（2）根据各目标压延机在各工件生产周期内的压延机辊筒温度和压延机辊筒线速度计算各目标压延机在各工件生产周期内生产的工件的质量优秀程度；
在得到了各目标压延机各工件生产周期对应的上下辊筒的温度指标序列和辊筒线速度序列后，对于任一目标压延机在任一工件生产周期内生产的工件，利用如下公式计算该工件的质量优秀程度：
Figure 860813DEST_PATH_IMAGE036
其中，U为某工件的质量优秀程度，
Figure 190032DEST_PATH_IMAGE002
为求均值，
Figure 74812DEST_PATH_IMAGE003
为求绝对值，
Figure 138583DEST_PATH_IMAGE004
为求最大值，
Figure 619374DEST_PATH_IMAGE005
为求最小值，
Figure 350569DEST_PATH_IMAGE006
为双曲正切函数，
Figure 652588DEST_PATH_IMAGE007
为反正切函数，
Figure 203655DEST_PATH_IMAGE008
为规定温度。
Figure DEST_PATH_IMAGE037
为该工件在对应的工件生产周期内的压延机上辊筒温度指标均值，
Figure 284875DEST_PATH_IMAGE038
为该工件在对应的工件生产周期内的压延机下辊筒温度指标均值。将这两个指标做平均处理，能够表征压延机两根辊筒温度的一个平均水平，能够反映当前压延机的工作性能。本实施例中压延机规定温度
Figure 604998DEST_PATH_IMAGE008
为220℃，压延机距离规定温度越近越好。
Figure 300421DEST_PATH_IMAGE039
为该工件在对应的工件生产周期内的各采样时刻对应的上辊筒与下辊筒温度指标差的绝对值求和。该指标能够体现在该工件在工件生产周期内的上下两辊筒之间温度均一性情况。对于压延来说，一般上下辊筒的温度要接近，工作状态好的时刻对应于两辊筒温度相同的时刻。
Figure 119210DEST_PATH_IMAGE040
为所测量的时间段内压延机辊筒线速度的相对变化情况。相对变化情况越大说明压延机辊筒线速度变化越剧烈，会影响工件的平整度，导致工件质量下降。
双曲正切函数和反正切函数起到归一化的作用，为公知技术手段，不过多赘述。
基于上述过程，能够得到各目标压延机在各工件生产周期内生产的工件的质量优秀程度。
（3）对于任一目标压延机，根据该目标压延机在各工件生产周期内生产的工件的质量优秀程度和对应的压延机辊筒线速度计算该目标压延机在各工件生产周期内生产的工件之间的差异指标，根据该目标压延机在各工件生产周期内生产的工件之间的差异指标判定该目标压延机对应的离群工件；
对于任一目标压延机，在得到了其在各工件生产周期内生产的工件的质量优秀程度之后，采用如下公式计算该目标压延机在各工件生产周期内生产的工件之间的相似性指标：
Figure 738542DEST_PATH_IMAGE013
其中，A,B分别表示某目标压延机对应的两个不同的工件，
Figure 913171DEST_PATH_IMAGE014
为该目标压延机对应于工件A的工件生产周期对应的辊筒线速度序列，
Figure 94010DEST_PATH_IMAGE015
为该目标压延机对应于工件B的工件生产周期对应的辊筒线速度序列，
Figure 150828DEST_PATH_IMAGE016
为该压延机生产出的工件A的质量优秀程度，
Figure 308271DEST_PATH_IMAGE017
为该压延机生产出的工件B的质量优秀程度，
Figure 868565DEST_PATH_IMAGE018
为该目标压延机生产出的工件A和工件B之间的相似性指标，
Figure 155059DEST_PATH_IMAGE018
的值域为[0,1]，
Figure 902435DEST_PATH_IMAGE018
越大，工件A和工件B的质量越相似。
Figure 316099DEST_PATH_IMAGE041
代表压延机生产出的工件A和工件B之间的质量优秀程度差值。
Figure 199741DEST_PATH_IMAGE042
代表工件A和工件B在生产时压延机辊筒线速度序列的余弦相似度，基于余弦相似度可以更准确的评价出两两工件在生产时压延机辊筒之间的线速度相似程度。考虑到单一的余弦相似度复杂程度不足，本实施例引入向量的模，进行做差比较。
在得到了各目标压延机在各工件生产周期内生产的工件之间的相似性指标之后，接下来根据该相似性指标计算各目标压延机在各工件生产周期内生产的工件之间的差异指标，公式如下：
Figure 158601DEST_PATH_IMAGE019
其中，
Figure 127694DEST_PATH_IMAGE020
为某目标压延机生产出的工件A和工件B之间的差异指标，
Figure 345049DEST_PATH_IMAGE020
越大，说明该目标压延机生产出的工件A和工件B之间的差异越大。
在得到了各目标压延机在各工件生产周期内生产的工件之间的差异指标之后，对于任一目标压延机，将其在各工件生产周期内生产的工件作为一个工件样本，将工件之间的差异指标作为工件之间的距离，基于此距离本实施例利用一种局部离群因子算法(LOF)计算各工件对应的离群因子，LOF的基本思想是：首先计算每个工件样本的一个局部可达密度，然后通过局部可达密度进一步计算得到每个工件样本的一个离群因子，该离群因子即标识了一个工件样本的离群程度，因子值越大，标识离群程度越高，因子值越小，表示离群程度越低；最后输出离群程度最大的top(n)个点，n为预设值。
LOF算法的输入层进入的是所有工件样本的集合，输出层产生的是离群工件样本的集合。计算每个工件样本的局部可达密度，进而计算得到每个工件样本的局部离群因子，选取局部离群因子大于阈值的工件样本作为离群工件。本实施例计算每个工件样本的第k可达距离的过程如下：
选取工件样本集合中任意两个工件样本，以
Figure 83198DEST_PATH_IMAGE043
为例，定义
Figure 974143DEST_PATH_IMAGE044
，
Figure 430533DEST_PATH_IMAGE045
，满足如下条件：在集合中至少存在不包括
Figure 451578DEST_PATH_IMAGE046
，使得
Figure 44234DEST_PATH_IMAGE047
；在集合中至多存在不包括
Figure 610475DEST_PATH_IMAGE048
，使得
Figure 288581DEST_PATH_IMAGE049
；简而言之，工件样本I是距离工件样本J最近的第k个工件样本。定义
Figure 113318DEST_PATH_IMAGE050
此处的邻域可以看成一个集合，包含了所有到工件样本J的距离小于工件样本J第k距离的样本，可知
Figure 826059DEST_PATH_IMAGE051
。
以工件样本J为中心，
Figure 61737DEST_PATH_IMAGE052
中任一工件样本（此处记为Q）到工件样本J的第k可达距离定义为：
Figure 492718DEST_PATH_IMAGE053
工件样本Q到工件样本J的第k可达距离定义为工件样本Q的第k距离和工件样本Q到工件样本J的距离中的较大者。利用如下公式计算每个工件样本的第k局部可达密度(local reachability density)：
Figure 589987DEST_PATH_IMAGE054
Figure 157235DEST_PATH_IMAGE055
为工件样本J的第k局部可达密度，即工件样本J的第k距离邻域内的所有工件样本到工件样本J的平均第k可达距离的倒数。它表征了工件样本J的密度情况，当工件样本J与周围工件样本密集度越高，各工件样本的可达距离越可能是较小的各自的第k距离，此时lrd值越大；当工件样本J与周围工件样本的密集度越低，各工件样本的可达距离越可能是较大的两工件样本之间的实际距离，此时lrd值越小。
接下来计算每个工件样本的第k局部离群因子：
Figure 330858DEST_PATH_IMAGE056
Figure 983557DEST_PATH_IMAGE057
为工件样本J的第k局部离群因子，是工件样本J的邻域
Figure 884516DEST_PATH_IMAGE052
内其它工件样本的局部可达密度与工件样本J的局部可达密度之比的平均值。
基于局部离群因子，使用如下准则判断离群工件样本：将各工件样本对应的离群因子与阈值进行比较，将离群因子大于阈值的工件样本判定为离群工件，反之，判定为正常工件。本实施例阈值设为1.8，作为其它实施方式，应用时可将阈值进行修改。
通过上述过程，可以得到各目标压延机对应的离群工件。对于同一目标压延机的各工件，它们对应的控制参数相同，离群工件样本产生的原因并不是由于控制参数不好，很可能是压延机的生产稳定性出现了问题，比如，有些压延机的性能相对较好，生产稳定性较好一些；有些压延机的性能相对较差，生产稳定性较差一些。因此，本实施例可以根据各目标压延机对应的工件离群率判定目标压延机的类别，即是属于性能相对较好的机器还是性能相对较差的机器。
（4）根据各目标压延机对应的离群工件的数量计算各目标压延机对应的工件离群率，根据各目标压延机对应的工件离群率将目标压延机分成两类，对于任一类别，根据该类目标压延机中各目标压延机在第二目标时间段内的适配次数均值和适配次数方差判定该类中控制参数最优的目标压延机，将该控制参数最优的目标压延机的控制参数作为该类中所有目标压延机的目标控制参数；所述适配的判断方法包括：若某目标压延机生产的某工件的质量优秀程度大于等于该工件对应的质量优秀程度预测值，则判定该目标压延机生产的该工件适配。
通过上述过程本实施例可以得到各目标压延机中属于离群工件的数量，对于任一目标压延机，将其对应的离群工件的数量除以其在第一目标时间段内生产的工件的总数量，将得到的比值作为该目标压延机对应的工件离群率。由于性能较好的目标压延机对应的工件离群率一般较小，而性能较差的目标压延机对应的工件离群率一般较大，因此，本实施例设置了离群率比较阈值，将离群率大于离群率比较阈值的目标压延机作为一类，对应性能相对较差的目标压延机类别；将离群率不大于离群率比较阈值的目标压延机作为一类，对应性能相对较好的目标压延机类别。离群率比较阈值可在应用时自行设定。
对于其中一类，本实施例以对应性能相对较好的目标压延机类别为例进行说明，对于该类别中的任一目标压延机，根据该目标压延机在第一目标时间段内的正常工件的质量优秀程度构建质量优秀程度序列，该序列中各元素为各正常工件的质量优秀程度，该序列中元素之间的先后位置关系与对应工件之间的生产时间先后顺序关系保持一致。将该序列作为LSTM模型的输入，通过该模型来预测未来生产工件对应的质量优秀程度。LSTM为长短时记忆网络，可依据其在时序上具有的记忆性，准确地提取时间序列特征，以进行未来工件优秀程度预测。LSTM采取单层结构进行特征时间序列预测，损失函数采用均方差损失函数。训练好LSTM神经网络模型后，将第一目标时间段对应的质量优秀程度序列作为训练好的LSTM神经网络模型的输入，即可预测第一目标时间段下一时刻的质量优秀程度；由此类推，基于训练好的LSTM可以得到各时刻对应的质量优秀程度预测值。本实施例对LSTM的具体训练过程于现有对LSTM的训练过程相同，此处不再赘述。
本实施例将第一目标时间段后的10个工作流程对应的时间段记为第二目标时间段，对于任一目标压延机，当其生产的某工件的实际质量优秀程度小于对应的质量优秀程度预测值时，视为压延机需要停机休息，将该判定需要停机休息的时间点与本次开始生产时对应的时间点之间的时间段视为1个工作流程；统计其在第二目标时间段内的生产过程中各工作流程对应的生产的工件的实际质量优秀程度大于等于对应的质量优秀程度预测值的次数，将该次数记为对应工作流程对应的适配次数，由此，第二目标时间段对应10个适配次数。作为其它实施方式，将第一目标时间段后的5个工作流程对应的时间段记为第二目标时间段，也就是说，第二目标时间段对应的工作流程的数量可变。
对于性能相对较好的目标压延机类别，比较其内各目标压延机对应的10个适配次数的均值，将均值最大的目标压延机的控制参数判定为该类别对应的最优控制参数，将该最优控制参数作为该类别中各目标压延机对应的目标控制参数；若存在两目标压延机对应的适配次数的均值相同的情况，则比较这两目标压延机对应的10个适配次数的方差，将方差较小的目标压延机对应的控制参数判定为该类别对应的最优控制参数，将该最优控制参数作为该类别中各目标压延机对应的目标控制参数。
按照上述方法，同理可以得到性能相对较差的目标压延机类别对应的目标控制参数。在得到了两类别对应的目标控制参数后，根据各自的目标控制参数对对应类别内的各目标压延机进行控制即可。
本实施例根据各目标压延机在各工件生产过程中的辊筒温度和辊筒线速度实现了对不同目标压延机的分类，分类后为不同类别的目标压延机分配不同的目标控制参数，本实施例实现了对不同类别的目标压延机控制参数的针对性调节，优化了各目标压延机的生产过程。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (4)

1.一种压延机参数优化控制方法，其特征在于，包括以下步骤：
获取各目标压延机在第一目标时间段内的压延机辊筒温度和压延机辊筒线速度；所述第一目标时间段包括多个工件生产周期，不同目标压延机对应的控制参数不同；
根据各目标压延机在各工件生产周期内的压延机辊筒温度和压延机辊筒线速度计算各目标压延机在各工件生产周期内生产的工件的质量优秀程度；
所述质量优秀程度为：
Figure DEST_PATH_IMAGE001
其中，U为某工件的质量优秀程度，
Figure 459644DEST_PATH_IMAGE002
为求均值，
Figure 931077DEST_PATH_IMAGE003
为求绝对值，
Figure 923304DEST_PATH_IMAGE004
为求最大值，
Figure 821989DEST_PATH_IMAGE005
为求最小值，
Figure 984986DEST_PATH_IMAGE006
为双曲正切函数，
Figure 728951DEST_PATH_IMAGE007
为反正切函数，
Figure 841264DEST_PATH_IMAGE008
为规定温度，
Figure 894539DEST_PATH_IMAGE009
为该工件对应的上辊筒的温度指标序列，
Figure 856417DEST_PATH_IMAGE010
为该工件对应的下辊筒的温度指标序列，
Figure 607335DEST_PATH_IMAGE011
为该工件生产周期中第i个采集时刻对应的上辊筒的温度指标值，
Figure 823422DEST_PATH_IMAGE012
为该工件生产周期中第i个采集时刻对应的下辊筒的温度指标值，V为该工件生产周期对应的辊筒线速度序列；
对于任一目标压延机，根据该目标压延机在各工件生产周期内生产的工件的质量优秀程度和对应的压延机辊筒线速度计算该目标压延机在各工件生产周期内生产的工件之间的差异指标，根据该目标压延机在各工件生产周期内生产的工件之间的差异指标判定该目标压延机对应的离群工件；
其中，所述根据该目标压延机在各工件生产周期内生产的工件的质量优秀程度和对应的压延机辊筒线速度计算该目标压延机在各工件生产周期内生产的工件之间的差异指标，包括：
对于任一目标压延机，采用如下公式计算该目标压延机在各工件生产周期内生产的工件之间的相似性指标：
Figure 63910DEST_PATH_IMAGE013
其中，A,B分别表示某目标压延机对应的两个不同的工件，
Figure 748970DEST_PATH_IMAGE014
为该目标压延机对应于工件A的工件生产周期对应的辊筒线速度序列，
Figure 100317DEST_PATH_IMAGE015
为该目标压延机对应于工件B的工件生产周期对应的辊筒线速度序列，
Figure 170910DEST_PATH_IMAGE016
为该压延机生产出的工件A的质量优秀程度，
Figure 582299DEST_PATH_IMAGE017
为该压延机生产出的工件B的质量优秀程度，
Figure 692338DEST_PATH_IMAGE018
为该目标压延机生产出的工件A和工件B之间的相似性指标；
计算各目标压延机在各工件生产周期内生产的工件之间的差异指标，公式如下：
Figure 831064DEST_PATH_IMAGE019
其中，
Figure 772475DEST_PATH_IMAGE020
为某目标压延机生产出的工件A和工件B之间的差异指标；
根据各目标压延机对应的离群工件的数量计算各目标压延机对应的工件离群率，根据各目标压延机对应的工件离群率将目标压延机分成两类，对于任一类别，根据该类目标压延机中各目标压延机在第二目标时间段内的适配次数均值和适配次数方差判定该类中控制参数最优的目标压延机，将该控制参数最优的目标压延机的控制参数作为该类中所有目标压延机的目标控制参数；所述适配的判断方法包括：若某目标压延机生产的某工件的质量优秀程度大于等于该工件对应的质量优秀程度预测值，则判定该目标压延机生产的该工件适配；
所述工件离群率的获取方法为：对于任一目标压延机，将其对应的离群工件的数量除以其在第一目标时间段内生产的工件的总数量，将得到的比值作为该目标压延机对应的工件离群率。
2.根据权利要求1所述的压延机参数优化控制方法，其特征在于，所述质量优秀程度预测值通过LSTM网络神经网络得到。
3.根据权利要求1所述的压延机参数优化控制方法，其特征在于，利用LOF算法判定各目标压延机对应的离群工件。
4.根据权利要求1所述的压延机参数优化控制方法，其特征在于，所述根据该类目标压延机中各目标压延机在第二目标时间段内的适配次数均值和适配次数方差判定该类中控制参数最优的目标压延机，包括：
将第一目标时间段后的设定数量的工作流程对应的时间段记为第二目标时间段，对于任一目标压延机，当该目标压延机生产的某工件的实际质量优秀程度小于对应的质量优秀程度预测值时，判定该目标压延机需要停机休息，将该判定需要停机休息的时间点与本次开始生产时对应的时间点之间的时间段记为1个工作流程；统计该目标压延机在第二目标时间段内的生产过程中各工作流程对应的生产的工件的实际质量优秀程度大于等于对应的质量优秀程度预测值的次数，将该次数记为对应工作流程对应的适配次数；
对于任一目标压延机类别，比较该目标压延机类别内各目标压延机对应的工作流程对应的适配次数的均值，将均值最大的目标压延机判定为该类别控制参数最优的目标压延机；若存在两目标压延机对应的适配次数的均值相同的情况，则比较这两目标压延机对应的工作流程对应的适配次数的方差，将方差较小的目标压延机判定为该类别控制参数最优的目标压延机。
CN202211081158.7A 2022-09-06 2022-09-06 一种压延机参数优化控制方法 Active CN115139440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211081158.7A CN115139440B (zh) 2022-09-06 2022-09-06 一种压延机参数优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211081158.7A CN115139440B (zh) 2022-09-06 2022-09-06 一种压延机参数优化控制方法

Publications (2)

Publication Number Publication Date
CN115139440A CN115139440A (zh) 2022-10-04
CN115139440B true CN115139440B (zh) 2022-12-02

Family

ID=83415509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211081158.7A Active CN115139440B (zh) 2022-09-06 2022-09-06 一种压延机参数优化控制方法

Country Status (1)

Country Link
CN (1) CN115139440B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT410765B (de) * 2001-09-12 2003-07-25 Voest Alpine Ind Anlagen Walzgerüst zur herstellung von walzband
CN112140440A (zh) * 2019-06-27 2020-12-29 安徽省众望科希盟科技有限公司 一种压延膜厚度自动控制方法
CN114953306B (zh) * 2022-04-19 2023-01-20 舒氏集团有限公司 一种彩色复合橡胶带压延工艺质量控制系统

Also Published As

Publication number Publication date
CN115139440A (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
CN117086117B (zh) 一种钛带热轧过程温度控制方法及系统
CN108817103B (zh) 一种轧钢模型钢族层别分类优化方法
CN114021290B (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
CN115407739B (zh) 一种电缆制造的生产设备控制方法及系统
CN116307289B (zh) 一种纺织品加工工序参数检测预测方法、系统及存储介质
CN112287550B (zh) 基于主成分分析控制器的带钢头部厚差过程参数优化方法
CN115139440B (zh) 一种压延机参数优化控制方法
JP2698215B2 (ja) 平坦又は環状断面の押出成形品を製造する方法及び押出成形品製造装置
CN117066496B (zh) 一种铸造冷却控制方法及系统
CN116494493B (zh) 一种注塑集中供料系统智能监测方法
CN115302678B (zh) 用于塑料成型的包装材料流延工艺参数控制方法
CN116341770A (zh) 基于聚苯乙烯生产数据的生产能力预测方法及系统
CN111482466B (zh) 一种轧机加速度的设定方法
CN115169453A (zh) 基于密度聚类协同深度残差网络的热连轧宽度预测方法
CN115319974B (zh) 一种自适应平板硫化机温度控制方法
CN114897772A (zh) 一种基于机器视觉的橡胶正硫化调控的方法
CN109676865B (zh) 基于电容式传感器的注塑凝固过程的在线监测方法
CN117261287A (zh) 用于树脂渗入式热塑性预浸丝成形热控工艺曲线优化方法
CN116326654B (zh) 一种茶叶初制过程中各单元协同控制方法及系统
CN117505551B (zh) 用于异型钢连轧工艺的工件质量控制方法及系统
CN115034370B (zh) 基于bp网络模型预测高炉炉缸活性的方法
JP3994742B2 (ja) シートの製造方法
CN117021524B (zh) 多腔注塑模具的温度均衡控制方法及系统
CN113927854A (zh) 基于模腔压力的注塑成型制品重量表征方法
JP2002086539A (ja) シートの製造方法

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