CN115647038A - 带钢生产时翘头控制方法、装置、设备及介质 - Google Patents

Abstract

本申请提供的带钢生产时翘头控制方法、装置、设备及介质，其方法包括：获取钢坯的生产相关信息；将所述钢坯的生产相关信息输入至预设的神经网络模型，所述神经网络模型输出窄带钢热轧线的工艺调整参数；根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制，本申请通过结合神经网络模型来进行带钢生产时翘头控制，当带钢开始生产时系统数据库中有基础数据，系统会根据一系列的基础数据和实际工艺数据进行对比和智能计算，得出相应的调整方案，可以实现自动调整和自学习。

Description

带钢生产时翘头控制方法、装置、设备及介质

技术领域

本申请涉及自动控制，具体涉及带钢生产时翘头控制方法、装置、电子设备及存储介质。

背景技术

随着冶金行业的市场竞争愈发激烈，钢铁企业要实现快速发展，首先就要做到稳定、低成本、高质量的生产，采取有效措施降低冶金生产用原料的生产成本，防止生产过程中的常见质量问题发生，持续提高带钢质量。热轧带钢的边缘形状更适合连接成形，因此多用于冶金、金属构件等原料制成中，具有金属消耗低、易于改变规格的特点。但在热轧窄带钢生产过程中，其容易出现轧件翘头等质量问题。

热轧带钢产品多以成条、卷状呈现，是一种宽度不超过650mm的热轧带材产品，被轧制后的带钢与纵剪后的带钢相比，其边缘形状更容易连接成形，因此其在冶金、日用金属品等原料制作中被经常使用。热轧带钢是通过多台立辊轧机制成，其具备良好的边部形状、无飞边和毛刺等问题，焊接性能良好，相比较纵剪后的带钢无疑节省了庞杂的设备，降低了较多成本，在设备简易的中小型企业中更为适用。热轧带钢用途广泛，具有众多优点，在钢铁行业中具有一定的生产地位。相较中宽带钢而言，热轧窄带钢具有生产机动灵活，投资少、收效快，有效控制带钢边部形状等生产优点。热轧带钢适用于小批量、多规格组织生产，更有利于生产优质的合金带钢。相比较纵剪的带钢，经立辊轧机制造的带钢可以将其宽度、边部形状等有效控制，使其边部呈弧形自然边，无需切边，即可直接使用，有效降低了金属消耗，且通过调节成品宽度，生产复杂需求的较薄的产品。

发明内容

针对现有技术中的问题，本申请提供一种带钢生产时翘头控制方法、装置、电子设备及存储介质，旨在解决现有技术中的缺陷。

为解决上述技术问题，本申请提供以下技术方案：

本申请第一方面实施例提供一种带钢生产时翘头控制方法，包括：

获取钢坯的生产相关信息；

将所述钢坯的生产相关信息输入至预设的神经网络模型，所述神经网络模型输出窄带钢热轧线的工艺调整参数；

根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制。

在可选的实施例中，所述钢坯的生产相关信息包括：钢坯信息、生产产品信息、设备及生产线工艺参数。

在可选的实施例中，所述生产产品信息包括：钢种、规格、各个点的出钢温度、粗轧开轧温度、中间坯厚度、各轧制道次的温度、厚度和凸度。

在可选的实施例中，还包括：

建立初始的神经网络模型；

将钢坯的历史生产相关信息作为训练数据，训练所述初始的神经网络模型。

在可选的实施例中，钢坯的生产相关信息还包括：下压力配置参数、冷却水和除磷水的控制参数、在轧制线停留时间、压下量配置参数、轧制线配置参数、带钢上表面的氧化铁皮含量以及轧辊磨损严重重度。

在可选的实施例中，所述根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制，包括：

根据本道次带钢的板形翘头程度即时调整下道次轧辊的下压力；

根据本道次的实际数据对下道次对应的工艺参数进行调整；

按生产系统的压下量对钢坯、轧件进行轧制，即时检测轧件头部的变化，并把检测得到的实时信息传输给下一道次，以使下一道次进行调整；

若钢坯、轧件在轧制过程中轧制线不合适，则调整对应的设备；

若检测出轧辊磨损严重重度或两端磨损不均匀超出了标准范围，更换轧辊；

在轧件上表面增加表面氧化铁皮蒸汽装置。

在可选的实施例中，还包括：

检测在根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制之后，是否出现窄带钢热轧线轧件翘头的现象，若存在，调整所述神经网络模型中的模型参数，直至不再出现窄带钢热轧线轧件翘头的现象。

本申请第二方面实施例提供一种带钢生产时翘头控制装置，包括：

获取模块，获取钢坯的生产相关信息；

模型输入模块，将所述钢坯的生产相关信息输入至预设的神经网络模型，所述神经网络模型输出窄带钢热轧线的工艺调整参数；

控制模块，根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制。

本申请的又一个方面，提供一种电子设备，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，所述处理器执行所述程序时实现所述的带钢生产时翘头控制方法。

本申请的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现带钢生产时翘头控制方法。

由上述技术方案可知，本申请提供的带钢生产时翘头控制方法、装置、电子设备及存储介质，通过结合神经网络模型来进行带钢生产时翘头控制，当带钢开始生产时系统数据库中有基础数据，系统会根据一系列的基础数据和实际工艺数据进行对比和智能计算，得出相应的调整方案，可以实现自动调整和自学习。

附图说明

为了更清楚地说明本申请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，下面描述中的附图是本申请的一些实施例，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为本申请实施例中一种带钢生产时翘头控制方法的流程示意图。

图2为本申请实施例中一种带钢生产时翘头控制方法中场景流程示意图之一。

图3为一种带钢生产时翘头控制装置的结构示意图。

图4为本申请实施例中的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

热轧带钢产品多以成条、卷状呈现，是一种宽度不超过650mm的热轧带材产品，被轧制后的带钢与纵剪后的带钢相比，其边缘形状更容易连接成形，因此其在冶金、日用金属品等原料制作中被经常使用。热轧带钢是通过多台立辊轧机制成，其具备良好的边部形状、无飞边和毛刺等问题，焊接性能良好，相比较纵剪后的带钢无疑节省了庞杂的设备，降低了较多成本，在设备简易的中小型企业中更为适用。热轧带钢用途广泛，具有众多优点，在钢铁行业中具有一定的生产地位。相较中宽带钢而言，热轧窄带钢具有生产机动灵活，投资少、收效快，有效控制带钢边部形状等生产优点。热轧带钢适用于小批量、多规格组织生产，更有利于生产优质的合金带钢。相比较纵剪的带钢，经立辊轧机制造的带钢可以将其宽度、边部形状等有效控制，使其边部呈弧形自然边，无需切边，即可直接使用，有效降低了金属消耗，且通过调节成品宽度，生产复杂需求的较薄的产品。

本申请发明人经过大量实验研究和论证发现，通过大量的试验生产归纳总结起来窄带钢生产过程中出现翘头主要由以下六个原因产生，如果控制了以下六个原因也就能控制轧件的翘头：

基本原理：热轧带钢翘头是因为在热连轧穿带钢过程中，立辊轧机给予轧件上下表面的摩擦力存在较大差异，从而使得带钢头部呈现上翘或者下弯。

(1)下压力配置不当。半连轧机组的下辊直径大于上辊直径，采用的是下压力轧制方式，保证轧件在变形过程中的所有变形均要为均匀变形。

(2)轧件温度不均。轧件温度不均也是导致带钢翘头的原因之一，受到冷却水、除磷水的影响，在轧制线停留等都可能导致轧件温度不均。都可以引起带钢翘头。

(3)压下量设置不合理，导致下辊圆周速度较大；上下辊磨损不均匀，导致带钢受力状态发生变化；

(4)轧制线过低导致辊缝中心与轧制线的高度不重复；

(5)带钢上表面残留大量的氧化铁皮；

(6)上下辊磨损不均匀，导致带钢受力状态发生变化。

基于本申请发明人发现的导致窄带钢热轧线轧件翘头的原因，本申请通过结合神经网络模型来进行带钢生产时翘头控制，当带钢开始生产时系统数据库中有基础数据，系统会根据一系列的基础数据和实际工艺数据进行对比和智能计算，得出相应的调整方案，可以实现自动调整和自学习，可以避免窄带钢热轧线轧件翘头现象的产生。

结合图1所示，本申请第一方面实施例提供一种带钢生产时翘头控制方法，包括：

S1：获取钢坯的生产相关信息；

S2：将所述钢坯的生产相关信息输入至预设的神经网络模型，所述神经网络模型输出窄带钢热轧线的工艺调整参数；

S3：根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制。

本申请提供的带钢生产时翘头控制方法，通过结合神经网络模型来进行带钢生产时翘头控制，当带钢开始生产时系统数据库中有基础数据，系统会根据一系列的基础数据和实际工艺数据进行对比和智能计算，得出相应的调整方案，可以实现自动调整和自学习。

具体而言，所述钢坯的生产相关信息包括：钢坯信息、生产产品信息、设备及生产线工艺参数。

所述生产产品信息包括：钢种、规格、各个点的出钢温度、粗轧开轧温度、中间坯厚度、各轧制道次的温度、厚度和凸度。

由于本申请的发明人发现窄带钢生产过程中出现翘头主要由下压力配置不当，即半连轧机组的下辊直径大于上辊直径，采用的是下压力轧制方式，保证轧件在变形过程中的所有变形均要为均匀变形；轧件温度不均，即轧件温度不均也是导致带钢翘头的原因之一，受到冷却水、除磷水的影响，在轧制线停留等都可能导致轧件温度不均。都可以引起带钢翘头；压下量设置不合理，导致下辊圆周速度较大；上下辊磨损不均匀，导致带钢受力状态发生变化；轧制线过低导致辊缝中心与轧制线的高度不重复；带钢上表面残留大量的氧化铁皮；上下辊磨损不均匀，导致带钢受力状态发生变化导致，因此本申请可以将上述原因的构成工艺作为模型的特征点，从而在优选的实施例中，钢坯的生产相关信息还包括：下压力配置参数、冷却水和除磷水的控制参数、在轧制线停留时间、压下量配置参数、轧制线配置参数、带钢上表面的氧化铁皮含量以及轧辊磨损严重重度。

进一步的，本申请实施例中，基于上述原因，如图2所示，所述根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制，包括：

根据本道次带钢的板形翘头程度即时调整下道次轧辊的下压力；

根据本道次的实际数据对下道次对应的工艺参数进行调整；

按生产系统的压下量对钢坯、轧件进行轧制，即时检测轧件头部的变化，并把检测得到的实时信息传输给下一道次，以使下一道次进行调整；

若钢坯、轧件在轧制过程中轧制线不合适，则调整对应的设备；

若检测出轧辊磨损严重重度或两端磨损不均匀超出了标准范围，更换轧辊；

在轧件上表面增加表面氧化铁皮蒸汽装置。

下面结合具体的控制场景对本申请进行详细说明。

1)自动检测钢坯、轧件在本道次下压力配置后对轧件的实际影响情况，根据本道次带钢的板形翘头程度即时调整下道次轧辊的下压力。同时反馈给第二次本道次轧辊下压力调整提供依据并及时采取纠正或改善措施。如果轧件与下辊接触面积越大，相应摩擦力也越大，带钢有贴近下导卫的运动趋势，最后顺利穿带。因此，要保证轧辊压力设置合理，如第1次至2次平轧机压力去6mm-8mm、3次至6次压力取4mm-6mm。

2)自动检测对钢坯、轧件横向、纵向头部温度差等数据，根据本道次的实际数据对下道次对应的工艺参数(主要是轧制力)作出适当的调理，对本道温度差异常情况进行自动报警。

3)按生产系统(基础数据库相同)的压下量对钢坯、轧件进行轧制，即时检测轧件头部的变化，并把实时信息传输给下一道次，以便下道次及时采取调整措施。同时对本道进行即时优化。

4)自动检测钢坯、轧件在轧制过程中轧制线是否合适，并即时反馈给控制系统，由控制系统指挥对应的设备作相应的调整，保证轧件在实际轧制过程中轧制线合适。

5)间接(过钢量和轧制轧件的厚度、形状等)自动检测轧辊磨损严重重度或两端磨损不均匀超出了标准范围等。判断是否需要更换轧辊。

6)增加轧件上表面氧化铁皮蒸汽装置。

此外，本申请实施例中，还包括：

建立初始的神经网络模型；

将钢坯的历史生产相关信息作为训练数据，训练所述初始的神经网络模型。

下面给出具体案例对本申请进行详细说明。

如图2所示，第一步：系统数据库(含基础数据库)中有生产钢坯的信息：钢种、规格；生产产品信息：钢种、规格、各个点的设计工艺参数(出钢温度；粗轧开轧温度；中间坯厚度；各轧制道次的温度、厚度、凸度等)；设备及设备工艺参数；压下制度；轧辊材质和磨损参数、过钢量；生产线上冷却水的压力和水量等。

第二步：开始生产时，当钢坯出炉，各个实际生产参数就通过与生产系统联网传输到系统的控制中心。

第三步：系统检测钢坯、轧件在轧线不同点的横向温度差、厚度、轧制力、实际轧制线与各道次轧辊辊缝的高度差、各道次压下量等与基础数据库中的对应值相比较，如果有偏差指挥对应设备作适时调整，并根据即时的参数对后面的工艺参数作适时的调整。

第五步：根据钢坯或轧件在粗轧过程中的实际情况对系统参数进行反复调整(自学习)。

需要注意的是，当带钢开始生产时系统数据库中有基础数据，系统会根据一系列的基础数据和实际工艺数据进行对比和智能计算，得出相应的调整方案；当钢坯、轧件在生产过程中出现异常，系统会根据其情况进行指定区域分类报警；先按基础数据进行控制，观察效果，再调整参数，观察效果，不停反复优化。本方案采用短期自学习系统与长期自学习系统相结合。

4)轧件经过轧机时蒸汽清理氧化铁皮装置自动运行。

本申请提供的带钢生产时翘头控制方法，通过结合神经网络模型来进行带钢生产时翘头控制，当带钢开始生产时系统数据库中有基础数据，系统会根据一系列的基础数据和实际工艺数据进行对比和智能计算，得出相应的调整方案，可以实现自动调整和自学习。

本申请第二方面实施例提供一种带钢生产时翘头控制装置，如图3所示，包括：

获取模块1，获取钢坯的生产相关信息；

模型输入模块2，将所述钢坯的生产相关信息输入至预设的神经网络模型，所述神经网络模型输出窄带钢热轧线的工艺调整参数；

控制模块3，根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制。

通过上述实施例可知，本申请提供的带钢生产时翘头控制装置，通过配置获取模块、模型输入模块以及控制模块，通过结合神经网络模型来进行带钢生产时翘头控制，当带钢开始生产时系统数据库中有基础数据，系统会根据一系列的基础数据和实际工艺数据进行对比和智能计算，得出相应的调整方案，可以实现自动调整和自学习。

从硬件层面来说，为了本申请提供一种用于实现所述带钢生产时翘头控制方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：

处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现服务器、装置、分布式消息中间件集群装置、各类数据库以及用户终端等相关设备之间的信息传输；该电子设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该电子设备可以参照实施例中的带钢生产时翘头控制方法的实施例，以及，带钢生产时翘头控制装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

图4为本申请实施例的电子设备9600的系统构成的示意框图。如图4所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图4是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，带钢生产时翘头控制功能可以被集成到中央处理器9100中。

在另一个实施方式中，带钢生产时翘头控制装置可以与中央处理器9100分开配置，例如可以将带钢生产时翘头控制配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现带钢生产时翘头控制功能。

如图4所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图4中所示的所有部件；此外，电子设备9600还可以包括图4中没有示出的部件，可以参考现有技术。

如图4所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

本申请的实施例还提供能够实现上述实施例中的执行主体可以为服务器的带钢生产时翘头控制方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的带钢生产时翘头控制方法的全部步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。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、嵌入式处理机或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。

本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种带钢生产时翘头控制方法，其特征在于，包括：

获取钢坯的生产相关信息；

将所述钢坯的生产相关信息输入至预设的神经网络模型，所述神经网络模型输出窄带钢热轧线的工艺调整参数；

根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制。

2.根据权利要求1所述的带钢生产时翘头控制方法，其特征在于，所述钢坯的生产相关信息包括：钢坯信息、生产产品信息、设备及生产线工艺参数。

3.根据权利要求2所述的带钢生产时翘头控制方法，其特征在于，所述生产产品信息包括：钢种、规格、各个点的出钢温度、粗轧开轧温度、中间坯厚度、各轧制道次的温度、厚度和凸度。

4.根据权利要求1所述的带钢生产时翘头控制方法，其特征在于，还包括：

建立初始的神经网络模型；

将钢坯的历史生产相关信息作为训练数据，训练所述初始的神经网络模型。

5.根据权利要求4所述的带钢生产时翘头控制方法，其特征在于，钢坯的生产相关信息还包括：下压力配置参数、冷却水和除磷水的控制参数、在轧制线停留时间、压下量配置参数、轧制线配置参数、带钢上表面的氧化铁皮含量以及轧辊磨损严重重度。

6.根据权利要求5所述的带钢生产时翘头控制方法，其特征在于，所述根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制，包括：

根据本道次带钢的板形翘头程度即时调整下道次轧辊的下压力；

根据本道次的实际数据对下道次对应的工艺参数进行调整；

按生产系统的压下量对钢坯、轧件进行轧制，即时检测轧件头部的变化，并把检测得到的实时信息传输给下一道次，以使下一道次进行调整；

若钢坯、轧件在轧制过程中轧制线不合适，则调整对应的设备；

若检测出轧辊磨损严重重度或两端磨损不均匀超出了标准范围，更换轧辊；

在轧件上表面增加表面氧化铁皮蒸汽装置。

7.根据权利要求1所述的带钢生产时翘头控制方法，其特征在于，还包括：

检测在根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制之后，是否出现窄带钢热轧线轧件翘头的现象，若存在，调整所述神经网络模型中的模型参数，直至不再出现窄带钢热轧线轧件翘头的现象。

8.一种带钢生产时翘头控制装置，其特征在于，包括：

获取模块，获取钢坯的生产相关信息；

模型输入模块，将所述钢坯的生产相关信息输入至预设的神经网络模型，所述神经网络模型输出窄带钢热轧线的工艺调整参数；

控制模块，根据所述窄带钢热轧线的工艺调整参数，对所述窄带钢热轧线进行工艺控制。

9.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的带钢生产时翘头控制方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的带钢生产时翘头控制方法。

Images