CN116187830B - 基于熵权-理想解法的带钢冷连轧自动化率综合评价方法 - Google Patents
基于熵权-理想解法的带钢冷连轧自动化率综合评价方法 Download PDFInfo
- Publication number
- CN116187830B CN116187830B CN202310016403.4A CN202310016403A CN116187830B CN 116187830 B CN116187830 B CN 116187830B CN 202310016403 A CN202310016403 A CN 202310016403A CN 116187830 B CN116187830 B CN 116187830B
- Authority
- CN
- China
- Prior art keywords
- manual operation
- ideal solution
- strip steel
- continuous rolling
- cold continuous
- 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
- 238000005096 rolling process Methods 0.000 title claims abstract description 130
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 119
- 239000010959 steel Substances 0.000 title claims abstract description 119
- 238000011156 evaluation Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005097 cold rolling Methods 0.000 claims description 5
- 238000003466 welding Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010327 methods by industry Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Control Of Metal Rolling (AREA)
- Metal Rolling (AREA)
Abstract
本发明公开了一种基于熵权‑理想解法的带钢冷连轧自动化率综合评价方法,包括:监控带钢冷连轧过程的各人工操作项,记录每卷带钢轧制过程中各机架操作项的人工操作频次;基于熵权法赋值规则计算各操作项的权重;确定带钢冷连轧自动化率综合评价的正理想解和负理想解,并分别计算各评价样本到正理想解和负理想解的欧式距离;计算带钢与理想解的贴近度,根据计算出的贴近度对带钢冷连轧自动化率进行综合评价和分级判定。本发明充分利用了现场的轧制生产数据,建立了轧钢自动化率评估模型,可对带钢冷连轧自动化程度进行综合评价和分级判定,从而为减少人工干预提供评价指标和数据支撑。
Description
技术领域
本发明涉及轧钢自动化评价技术领域,特别涉及一种基于熵权-理想解法的带钢冷连轧自动化率综合评价方法。
背景技术
自动轧钢控制功能作为现代化酸洗-冷连轧联合组自动化控制的发展方向,实现全自动轧钢,可以规范和优化生产过程,严格执行工艺制度,避免操作人员在手动操作中出现人为失误,严格控制工艺工程参数,提高产品的尺寸精度和组织性能,提高生产过程的利用率以及满足特殊控制的需要,对全面提高冷轧产品的质量具有重要意义。由于冷连轧的生产过程相对复杂,针对复杂的工况及操作人员的频繁控制,目前尚无一套成熟的方法能够实现对现场工作人员对冷轧操作项的人工干预频次的统计和自动判定,也无法对每卷带钢轧制过程的自动化程度进行评价,限制了冷轧过程中自动轧钢的优化方向。
发明内容
本发明提供了一种基于熵权-理想解法的带钢冷连轧自动化率综合评价方法,通过前期建立带钢冷连轧自动化率综合评价模型,依据基础自动化实际控制信号判断当前的轧线自动化状况,对人工操作干预的影响因素提供分析依据,为实现全自动轧钢功能提供坚实的统计分析基础。
为解决上述技术问题,本发明提供了如下技术方案:
一方面,本发明提供了一种基于熵权-理想解法的带钢冷连轧自动化率综合评价方法,所述基于熵权-理想解法的带钢冷连轧自动化率综合评价方法包括:
监控带钢冷连轧过程的各人工操作项,记录每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次;
基于熵权法赋值规则,根据所记录的每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次,计算各人工操作项的权重;
基于各人工操作项的权重,确定带钢冷连轧自动化率综合评价的正理想解和负理想解,并分别计算各评价样本到正理想解和负理想解的欧式距离;
基于各评价样本到正理想解和负理想解的欧式距离,计算带钢与理想解的贴近度,根据计算出的贴近度对带钢冷连轧自动化率进行综合评价和分级判定。
进一步地,所述监控带钢冷连轧过程的各人工操作项,记录每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次,包括:
计算各卷带钢经冷连轧各机架的轧制时间;
根据工业现场的实际状况,监控各机架的人工操作项,以时间坐标记录各机架的各人工操作项的人工干预状态;其中,当对应的人工操作项存在人工干预时,相应的时刻记为1,否则为0;并依据计算得到的各卷带钢经冷连轧各机架的轧制时间,确定相应时间段内各机架人工操作项的人工干预频次y:
y=1×a
其中,a为当前时间段范围内数值1的个数。
进一步地,所述基于熵权法赋值规则,根据所记录的每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次,计算各人工操作项的权重,包括:
构建n卷冷连轧带钢的人工操作项干预频次矩阵X,如下:
其中,xst表示第s个评价样本,也即第s卷冷连轧带钢所对应的第t个人工操作项的人工干预频次,s=1,2,…,n,n为评价样本的个数,t=1,2,…,m,m为人工操作项的个数;
对人工操作项干预频次矩阵X进行标准化,得到标准化后的矩阵Z;其中,标准化计算公式如下:
其中,zst表示xst所对应的标准化后的数据;
计算各人工操作项的信息熵,如下:
其中,et表示第t个人工操作项的信息熵,pst的计算公式如下:
当pst的计算值为0时,使用0.00001代替计算结果中的0;
计算各人工操作项的权重,如下:
其中,βt表示第t个人工操作项的权重;
进一步地,所述基于各人工操作项的权重,确定带钢冷连轧自动化率综合评价的正理想解和负理想解,并分别计算各评价样本到正理想解和负理想解的欧式距离,包括:
基于标准化后的矩阵Z和各人工操作项的权重,计算加权规范阵C,如下:
其中cnm为第m个操作项下的第n个评价样本所对应的加权规范计算值,具体计算公式如下:
cnm=βm·znm
其中βm为第m个操作项的权重值;znm为第m个操作项下的第n个评价样本所对应的人工干预频次标准化后的值;
加权规范阵C中各列的最小值构成的向量作为带钢冷连轧自动化率综合评价的正理想解C+;各列的最大值构成的向量为负理想解C-,如下:
其中,表示加权规范阵C中第t列的最小值,/>表示加权规范阵C中第t列的最大值,t=1,2,…,m;
分别计算各评价样本到正理想解的欧式距离,以及各评价样本到负理想解的欧式距离,分别如下所示:
其中,表示第s个评价样本到正理想解的欧式距离,/>表示第s个评价样本到负理想解的欧式距离。
进一步地,所述贴近度的计算公式为:
其中,fs表示第s个评价样本与理想解的贴近度,fs越大,代表带钢冷连轧自动化率越高。
进一步地,所述根据计算出的贴近度对带钢冷连轧自动化率进行综合评价和分级判定,包括:
依据工业现场的实际需求,对轧钢全自动化程度进行分级判定,规则如下:
S=fs×100%
当S>a时,判定轧钢全自动化程度为第一级,当b≤S≤a时,判定轧钢全自动化程度为第二级,当S<b时,判定轧钢全自动化程度为第三级;其中,a、b、c具体数值根据生产现场的实际要求并结合其轧钢全自动化评价要求制定。
再一方面,本发明还提供了一种电子设备,其包括处理器和存储器;其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行以实现上述方法。
又一方面,本发明还提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述方法。
本发明提供的技术方案带来的有益效果至少包括:
在酸洗-冷连轧机组智能化发展方向的大背景下,本发明的冷连轧自动化率综合评价方法通过监控带钢冷连轧过程的各人工操作项,记录每卷带钢轧制过程中各机架操作项的人工操作频次;基于熵权法赋值规则计算各操作项的权重;确定带钢冷连轧自动化率综合评价的正、负理想解,并分别计算各评价样本到正理想解和负理想解的欧式距离;计算带钢与理想解的贴近度,根据计算出的贴近度对带钢冷连轧自动化率进行综合评价和分级判定。从而充分利用了现场的轧制生产数据,建立了轧钢自动化率评估模型,可对带钢冷连轧自动化程度进行综合评价和分级判定,进而为减少人工干预提供评价指标和数据支撑。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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他的附图。
图1是本发明实施例提供的基于熵权-理想解法的带钢冷连轧自动化率综合评价方法的执行流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
第一实施例
本实施例提供了一种基于熵权-理想解法的带钢冷连轧自动化率综合评价方法,通过前期建立带钢冷连轧自动化率综合评价模型,依据基础自动化实际控制信号判断当前的轧线自动化状况,对人工操作干预的影响因素提供分析依据,为实现全自动轧钢功能提供坚实的统计分析基础。下面结合实际应用场景对本实施例方法进行详细说明。将本实施例的方法应用于某UCM冷连轧机组,该机组形式为五机架六辊连轧机;该方法的执行流程如图1所示,包括以下步骤:
S1,监控带钢冷连轧过程的各人工操作项,记录每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次;
其中,需要说明的是,为实现本方法,冷连轧设备中,需配备有所涉及统计操作项的过程监控数据的相关基础数据采集设备和过程质量数据输出接口。
具体地,在本实施例中,上述S1的实现过程如下:
S11,根据冷轧生产计划,读取上线第1、2、…、i、(i+1)卷带钢的焊缝到达冷连轧第一机架前的设备WPD6(焊缝检测点)的时间t1、t2、…、ti、ti+1;
S12,读取带钢经过设备WPD6时的速度vj及设备WPD6到冷连轧第一机架间的距离d0,计算第i卷带钢焊缝到达第一机架的时间如下:
其中,ti为第i卷带钢的焊缝到达WPD6(焊缝检测点)的时刻;δ为速度采样频率;为第i卷带钢焊缝到达第一机架的时间;
据此,可计算第(i+1)卷带钢焊缝到达第1机架的时间并可计算出第i卷带钢经过第一机架轧制的时间,如下:
其中,为第i卷带钢经冷连轧第1机架的实际轧制时间区间。
与上述原理相同,即可计算第i卷带钢经冷连轧第2、3、4、…、m机架的轧制时间
S13,根据工业现场的实际状况,监控各机架的人工操作项,以时间坐标记录各机架的各操作项人工干预状态(存在人工干预,该时刻记为1,否则为0),并依据S12计算得到的第i卷带钢经冷连轧各机架的轧制时间,确定该时间段内各机架操作项的人工干预频次y,计算公式如下:
y=1×a
其中,a为当前时间段范围数值1的个数。
至此,得到了每卷带钢轧制过程中各机架操作项的人工操作频次。
具体地,本实施例根据冷轧生产计划,读取上线第1、2、…、6579、6580卷带钢的焊缝到达冷连轧第一机架前的设备WPD6(焊缝检测点)的时间t1、t2、…、t6579、t6580;并计算第i卷带钢经冷连轧第2、3、4、5机架的轧制时间 由此得到人工操作项的权重计算结果如下表所示。
表1人工操作项的权重
S2,基于熵权法赋值规则,根据所记录的每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次,计算各人工操作项的权重;
具体地,在本实施例中,上述S2的实现过程如下:
S21,构建n卷冷连轧带钢的人工操作项干预频次矩阵X,如下:
其中,xst表示第s个评价样本,也即第s卷冷连轧带钢所对应的第t个人工操作项的人工干预频次,s=1,2,…,n,n为评价样本的个数,t=1,2,…,m,m为人工操作项的个数;
S22,对人工操作项干预频次矩阵X进行标准化,得到标准化后的矩阵Z;其中,Z中元素为zst,标准化计算公式如下:
其中,zst表示xst所对应的标准化后的数据;
S23,计算各人工操作项的信息熵,如下:
其中,et表示第t个人工操作项的信息熵,pst的计算公式如下:
当其中pst的计算值为0时,为避免ln0的计算错误,可使用0.00001代替计算结果中的0;
S24,计算各人工操作项的权重,如下:
其中,βt表示第t个人工操作项的权重;
各属性的客观赋权权重向量为β:β=[β1,β2,…,βm],其中,
S3,基于各人工操作项的权重,确定带钢冷连轧自动化率综合评价的正理想解和负理想解,并分别计算各评价样本到正理想解和负理想解的欧式距离;
具体地,在本实施例中,上述S3的实现过程如下:
S31,基于S2中所得的标准化后的矩阵Z和各操作项的权重向量β,计算加权规范阵C,如下:
其中cnm为第m个操作项下的第n个评价样本所对应的加权规范计算值,具体计算公式如下:
cnm=βm·znm
其中βm为第m个操作项的权重值;znm为第m个操作项下的第n个评价样本所对应的人工干预频次标准化后的值。
S32,加权规范阵C中各列的最小值构成的向量作为带钢冷连轧自动化率综合评价的正理想解C+;各列的最大值构成的向量为负理想解C-,如下:
其中,表示加权规范阵C中第t列的最小值,/>表示加权规范阵C中第t列的最大值,t=1,2,…,m;
S33,分别计算各评价样本到正理想解的欧式距离,以及各评价样本到负理想解的欧式距离,分别如下所示:
其中,表示第s个评价样本到正理想解的欧式距离,/>表示第s个评价样本到负理想解的欧式距离。
具体地,本实施例得到的评价目标与正、负理想解间的欧氏距离计算结果如下表所示。
表2评价目标与正、负理想解间的欧氏距离计算结果
S4,基于各评价样本到正理想解和负理想解的欧式距离,计算带钢与理想解的贴近度,根据贴近度对带钢冷连轧自动化率进行综合评价和分级判定。
具体地,在本实施例中,上述S4的实现过程如下:
S41,计算带钢与理想解的贴近度,计算公式为:
其中,fs表示第s个评价样本与理想解的贴近度,fs越大,代表带钢冷连轧自动化率越高。
S42,依据工业现场实际需求对轧钢全自动化程度进行分级判定,规则如下:
S=fs×100%
也即,根据S的数值范围,评定为三种等级。当S>a时,判定轧钢全自动化程度为A级,当b≤S≤a时,判定轧钢全自动化程度为B级,当S<b时,判定轧钢全自动化程度为C级;其中,a、b、c的具体数值可根据生产现场的实际要求并结合其轧钢全自动化评价要求制定。
具体地,本实施例得到的带钢冷连轧自动化率综合评价和分级判定结果如下表所示。
表3带钢冷连轧自动化率综合评价和分级判定结果
综上,本实施例提供了一种带钢冷连轧自动化率综合评价方法,该方法充分利用了现场的轧制生产数据,建立轧钢自动化率评估模型,对带钢冷连轧自动化程度进行综合评价和分级判定,为减少人工干预提供评价指标和数据支撑。
第二实施例
本实施例提供一种电子设备,其包括处理器和存储器;其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行,以实现第一实施例的方法。
该电子设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)和一个或一个以上的存储器,其中,存储器中存储有至少一条指令,所述指令由处理器加载并执行上述方法。
第三实施例
本实施例提供一种计算机可读存储介质,该存储介质中存储有至少一条指令,所述指令由处理器加载并执行,以实现上述第一实施例的方法。其中,该计算机可读存储介质可以是ROM、随机存取存储器、CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
此外,需要说明的是,本发明可提供为方法、装置或计算机程序产品。因此,本发明实施例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,本发明实施例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上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、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、嵌入式处理机或其他可编程数据处理终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是,以上所述是本发明优选实施方式,应当指出,尽管已描述了本发明优选实施例,但对于本技术领域的技术人员来说,一旦得知了本发明的基本创造性概念,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。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实施例范围的所有变更和修改。
Claims (1)
1.一种基于熵权-理想解法的带钢冷连轧自动化率综合评价方法,应用于冷连轧机组,所述冷连轧机组形式为五机架六辊连轧机;其特征在于,所述基于熵权-理想解法的带钢冷连轧自动化率综合评价方法包括:
监控带钢冷连轧过程的各人工操作项,记录每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次;
基于熵权法赋值规则,根据所记录的每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次,计算各人工操作项的权重;
基于各人工操作项的权重,确定带钢冷连轧自动化率综合评价的正理想解和负理想解,并分别计算各评价样本到正理想解和负理想解的欧式距离;
基于各评价样本到正理想解和负理想解的欧式距离,计算带钢与理想解的贴近度,根据计算出的贴近度对带钢冷连轧自动化率进行综合评价和分级判定;
所述监控带钢冷连轧过程的各人工操作项,记录每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次,包括:
计算各卷带钢经冷连轧各机架的轧制时间;其包括:
根据冷轧生产计划,读取上线第1、2、…、i、(i+1)卷带钢的焊缝到达冷连轧第一机架前的焊缝检测点设备的时间t1、t2、…、ti、ti+1;
读取带钢经过焊缝检测点设备时的速度vj及焊缝检测点设备到冷连轧第一机架的距离d0,计算第i卷带钢焊缝到达第一机架的时间如下:
其中,ti为第i卷带钢的焊缝到达焊缝检测点设备的时间;δ为速度采样频率;ti1为第i卷带钢焊缝到达第一机架的时间;
计算第(i+1)卷带钢焊缝到达第一机架的时间并计算出第i卷带钢经过第一机架轧制的时间,如下:
其中,为第i卷带钢经冷连轧第一机架的实际轧制时间区间;
采用与上述相同的计算原理,计算第i卷带钢经冷连轧第2、3、4、…、m机架的轧制时间/>
根据工业现场的实际状况,监控各机架的人工操作项,以时间坐标记录各机架的各人工操作项的人工干预状态;其中,当对应的人工操作项存在人工干预时,相应的时刻记为1,否则为0;并依据计算得到的各卷带钢经冷连轧各机架的轧制时间,确定相应时间段内各机架人工操作项的人工干预频次y:
y=1×a
其中,a为当前时间段范围内数值1的个数;
所述基于熵权法赋值规则,根据所记录的每卷带钢轧制过程中各机架对应的人工操作项的人工操作频次,计算各人工操作项的权重,包括:
构建n卷冷连轧带钢的人工操作项干预频次矩阵X,如下:
其中,xst表示第s个评价样本,也即第s卷冷连轧带钢所对应的第t个人工操作项的人工干预频次,s=1,2,…,n,n为评价样本的个数,t=1,2,…,m,m为人工操作项的个数;
对人工操作项干预频次矩阵X进行标准化,得到标准化后的矩阵Z;其中,标准化计算公式如下:
其中,zst表示xst所对应的标准化后的数据;
计算各人工操作项的信息熵,如下:
其中,et表示第t个人工操作项的信息熵,pst的计算公式如下:
当pst的计算值为0时,使用0.00001代替计算结果中的0;
计算各人工操作项的权重,如下:
其中,βt表示第t个人工操作项的权重;
所述基于各人工操作项的权重,确定带钢冷连轧自动化率综合评价的正理想解和负理想解,并分别计算各评价样本到正理想解和负理想解的欧式距离,包括:
基于标准化后的矩阵Z和各人工操作项的权重,计算加权规范阵C,如下:
其中,cnm为第m个操作项下的第n个评价样本所对应的加权规范计算值,具体计算公式如下:
cnm=βm·znm
其中,βm为第m个操作项的权重值;znm为第m个操作项下的第n个评价样本所对应的人工干预频次标准化后的值;
加权规范阵C中各列的最小值构成的向量作为带钢冷连轧自动化率综合评价的正理想解C+;各列的最大值构成的向量为负理想解C-,如下:
其中,表示加权规范阵C中第t列的最小值,/>表示加权规范阵C中第t列的最大值,t=1,2,…,m;
分别计算各评价样本到正理想解的欧式距离,以及各评价样本到负理想解的欧式距离,分别如下所示:
其中,表示第s个评价样本到正理想解的欧式距离,/>表示第s个评价样本到负理想解的欧式距离;
所述贴近度的计算公式为:
其中,fs表示第s个评价样本与理想解的贴近度,fs越大,代表带钢冷连轧自动化率越高;
所述根据计算出的贴近度对带钢冷连轧自动化率进行综合评价和分级判定,包括:
依据工业现场的实际需求,对轧钢全自动化程度进行分级判定,规则如下:
S=fs×100%
当S>65.84时,判定轧钢全自动化程度为第一级,当51.40≤S≤65.84时,判定轧钢全自动化程度为第二级,当S<51.40时,判定轧钢全自动化程度为第三级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310016403.4A CN116187830B (zh) | 2023-01-06 | 2023-01-06 | 基于熵权-理想解法的带钢冷连轧自动化率综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310016403.4A CN116187830B (zh) | 2023-01-06 | 2023-01-06 | 基于熵权-理想解法的带钢冷连轧自动化率综合评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116187830A CN116187830A (zh) | 2023-05-30 |
CN116187830B true CN116187830B (zh) | 2024-04-16 |
Family
ID=86445537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310016403.4A Active CN116187830B (zh) | 2023-01-06 | 2023-01-06 | 基于熵权-理想解法的带钢冷连轧自动化率综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116187830B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05293523A (ja) * | 1992-04-24 | 1993-11-09 | Kawasaki Steel Corp | タンデム圧延機及びタンデム圧延機の板厚異常原因推定方法 |
CN104392390A (zh) * | 2014-11-13 | 2015-03-04 | 国家电网公司 | 一种基于topsis模型的智能变电站二次设备评估方法 |
CN107067341A (zh) * | 2017-04-01 | 2017-08-18 | 重庆大学 | 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法 |
KR20170114575A (ko) * | 2016-04-05 | 2017-10-16 | 아주대학교산학협력단 | 이율배반 특성을 가지는 건설요소기술 및 제품에 대한 qfd-topsis 웹기반 품질평가 방법 |
CN108964272A (zh) * | 2018-07-12 | 2018-12-07 | 国网北京市电力公司 | 配电自动化应用指标在线监测方法 |
CN109599947A (zh) * | 2018-12-06 | 2019-04-09 | 国网北京市电力公司 | 配电自动化应用指标在线监测方法 |
CN111951906A (zh) * | 2020-08-12 | 2020-11-17 | 河北工业大学 | 一种对AgSnO2触头材料的性能评价方法 |
CN112598215A (zh) * | 2020-11-11 | 2021-04-02 | 国网电力科学研究院有限公司 | 发电权交易方案评估方法、装置及系统 |
DE112019006558T5 (de) * | 2019-02-06 | 2021-10-14 | Mitsubishi Electric Corporation | Vorrichtung zur Bewertung einer Informationstechnologienutzung, System zur Bewertung einer Informationstechnologienutzung und Verfahren zur Bewertung einer Informationstechnologienutzung |
EP3968683A1 (en) * | 2019-06-06 | 2022-03-16 | Huawei Technologies Co., Ltd. | Method and device for grading network system |
CN115471045A (zh) * | 2022-08-15 | 2022-12-13 | 东南大学 | 一种电网agc调频性能综合评价方法 |
-
2023
- 2023-01-06 CN CN202310016403.4A patent/CN116187830B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05293523A (ja) * | 1992-04-24 | 1993-11-09 | Kawasaki Steel Corp | タンデム圧延機及びタンデム圧延機の板厚異常原因推定方法 |
CN104392390A (zh) * | 2014-11-13 | 2015-03-04 | 国家电网公司 | 一种基于topsis模型的智能变电站二次设备评估方法 |
KR20170114575A (ko) * | 2016-04-05 | 2017-10-16 | 아주대학교산학협력단 | 이율배반 특성을 가지는 건설요소기술 및 제품에 대한 qfd-topsis 웹기반 품질평가 방법 |
CN107067341A (zh) * | 2017-04-01 | 2017-08-18 | 重庆大学 | 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法 |
CN108964272A (zh) * | 2018-07-12 | 2018-12-07 | 国网北京市电力公司 | 配电自动化应用指标在线监测方法 |
CN109599947A (zh) * | 2018-12-06 | 2019-04-09 | 国网北京市电力公司 | 配电自动化应用指标在线监测方法 |
DE112019006558T5 (de) * | 2019-02-06 | 2021-10-14 | Mitsubishi Electric Corporation | Vorrichtung zur Bewertung einer Informationstechnologienutzung, System zur Bewertung einer Informationstechnologienutzung und Verfahren zur Bewertung einer Informationstechnologienutzung |
EP3968683A1 (en) * | 2019-06-06 | 2022-03-16 | Huawei Technologies Co., Ltd. | Method and device for grading network system |
CN111951906A (zh) * | 2020-08-12 | 2020-11-17 | 河北工业大学 | 一种对AgSnO2触头材料的性能评价方法 |
CN112598215A (zh) * | 2020-11-11 | 2021-04-02 | 国网电力科学研究院有限公司 | 发电权交易方案评估方法、装置及系统 |
CN115471045A (zh) * | 2022-08-15 | 2022-12-13 | 东南大学 | 一种电网agc调频性能综合评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116187830A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101630376B (zh) | 多模型神经网络的生物发酵过程软测量建模方法及软仪表 | |
CN108241901B (zh) | 一种基于预测数据的变压器预警评估方法及装置 | |
CN109675935A (zh) | 一种变控制限的ipca轧制过程在线故障诊断方法 | |
RU2439648C1 (ru) | Способ поиска неисправного блока в динамической системе | |
CN106345823A (zh) | 基于热轧钢卷生产流程的在线实时预测机械性能的方法 | |
CN114997612A (zh) | 一种面向大型粮堆异常信息的聚类分析方法和装置 | |
CN104070083A (zh) | 一种基于集成pca-elm穿孔机导盘转速测量方法 | |
CN105868164A (zh) | 一种基于有监督的线性动态系统模型的软测量建模方法 | |
CN115824993B (zh) | 水体化学需氧量的确定方法、装置、计算机设备及介质 | |
CN115796002A (zh) | 一种基于深度学习的带钢卷形缺陷预测与诊断方法 | |
CN116307289A (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 | |
CN115793590A (zh) | 适用于系统安全运维的数据处理方法及平台 | |
CN115839763A (zh) | 一种变压器振动噪声监测系统 | |
CN116187830B (zh) | 基于熵权-理想解法的带钢冷连轧自动化率综合评价方法 | |
CN114330102A (zh) | 基于降雨相似与模型参数智能适配的快速洪水预报方法及装置 | |
CN110740193A (zh) | 一种平台活跃度的预测方法、装置、存储介质及电子设备 | |
CN107121490B (zh) | 一种湿法冶金过程中运行状态的评价方法 | |
CN106599391B (zh) | 基于三角形角度值动态加权的关联向量机软测量建模方法 | |
CN116213095B (zh) | 一种基于重介质分选的精煤产品灰分智能调节方法及系统 | |
CN112257893A (zh) | 一种考虑监测误差的复杂机电系统健康状态预测方法 | |
CN117593243A (zh) | 可靠伪标签引导的压缩机外观自适应检测方法 | |
CN116540523A (zh) | 一种基于关键指标的pid回路参数智能整定方法及系统 | |
CN114800049A (zh) | 一种光栅尺加工运行信号误差补偿系统 | |
CN109902830B (zh) | 基于混沌理论和集成学习的采煤机截割高度预测系统 | |
CN117807424B (zh) | 工业大数据驱动的宽厚钢板质量动态在线识别方法及装置 |
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 |