CN116237359A - 棒线材轧机转速控制方法及装置、计算机可读介质 - Google Patents

Abstract

本发明提供了一种棒线材轧机转速控制方法及装置、计算机可读介质，该方法可以包括：针对一条棒线材轧制生产线，获取预设指标的给定值；所述预设指标包括表征所述棒线材轧制生产线性能的指标；获取所述棒线材轧制生产线当前的生产条件；将所述预设指标的给定值和所述生产条件输入至预设机器学习模型中，得到所述棒线材轧制生产线中各个轧机的转速值；其中，所述预设机器学习模型用于输出在所述生产条件下为满足所述预设指标的给定值各个轧机所需的转速值；根据所述各个轧机所需的转速值对所述各个轧机进行速度控制。本发明减少了拉钢或堆钢的发生，提高了产品质量，减少了非计划停机的次数，提高了生产效率，降低了人工成本。

Description

棒线材轧机转速控制方法及装置、计算机可读介质

技术领域

本发明涉及棒线材生产控制技术领域，特别涉及一种棒线材轧机转速控制方法及装置、计算机可读介质。

背景技术

典型钢铁行业中一条棒线材生产线一般会有多台(例如，18台)粗中精轧机。在方坯的轧制过程中，轧机的转速即机架电机的转速通常是以这条生产线的出口速度设定值为基准，根据减速机的减速比、轧辊的辊径等参数进行计算，得到这多台轧机各自的速度给定值，有的生产线将这些速度给定值通过手动或自动地输入到生产线的控制系统中，有的生产线会通过二级过程控制系统将这些速度给定值下发给一级过程控制系统，进而通过一级控制系统对轧机进行速度控制。

但是钢铁的生产有很多不确定性，例如，钢坯的尺寸在加热过程中的变化、通过飞剪剪切后的变化、辊槽的磨损、辊缝压下量的误差、减速机的误差等，这些会使得两个机架之间的金属秒流量并不是理论上的完全相等，所以生产线经常会出现机架的电机转速不匹配的情况发生，进而造成拉钢或堆钢。为了避免后一个机架相对前一个机架转速过快而造成拉钢或过慢而造成堆钢的事故发生，操作人员会经常根据经验对机架的电机转速进行人工干预，以提高或降低相应机架的电机转速，这就大大的增加了人工成本。而且频繁的速度调节也使得产品的质量不稳定，而且仍有堆钢事故的风险，如果一旦堆钢事故发生，整个产线将不得不进行紧急停机处理，会影响到生产任务的及时完成，降低了生产效率。

发明内容

本发明提供了一种棒线材轧机转速控制方法及装置、计算机可读介质，能够减少人工成本，提高生产效率和产品质量。

一方面，本发明提供一种棒线材轧机转速控制方法，包括：

针对一条棒线材轧制生产线，获取预设指标的给定值；所述预设指标包括表征所述棒线材轧制生产线性能的指标；

获取所述棒线材轧制生产线当前的生产条件；

将所述预设指标的给定值和所述生产条件输入至预设机器学习模型中，得到所述棒线材轧制生产线中各个轧机的转速值；其中，所述预设机器学习模型用于输出在所述生产条件下为满足所述预设指标的给定值各个轧机所需的转速值；

根据所述各个轧机所需的转速值对所述各个轧机进行速度控制。

另一方面，本发明提供一种棒线材轧机转速控制装置，包括：

一个指标获取模块，用于针对一条棒线材轧制生产线，获取预设指标的给定值；所述预设指标包括表征所述棒线材轧制生产线性能的指标；

一个条件获取模块，用于获取所述棒线材轧制生产线当前的生产条件；

一个转速确定模块，用于将所述预设指标的给定值和所述生产条件输入至预设机器学习模型中，得到所述棒线材轧制生产线中各个轧机的转速值；其中，所述预设机器学习模型用于输出在所述生产条件下为满足所述预设指标的给定值各个轧机所需的转速值；

一个转速控制模块，用于根据所述各个轧机所需的转速值对所述各个轧机进行速度控制。

又一方面，本发明提供一种棒线材轧机转速控制装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行棒线材轧机转速控制方法。

又一方面，本发明提供一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行上述棒线材轧机转速控制方法。

本发明实施例提供的棒线材轧机转速控制方法及装置、计算机可读介质，预先训练得到预设机器学习模型，在应用时获取当前的生产条件和操作人员对预设指标的给定值，将生产条件和预设指标的给定值输入到预设机器学习模型中，便可以得到此时各个轧机的转速值，从而根据这些转速值对各个轧机进行速度控制。可见在本发明实施例中不仅考虑了操作人员对棒线材轧制生产线性能的给定要求，也考虑了棒线材轧制生产线当前的生产条件，从而得到与当前生产环境和给定要求适配的各个轧机的转速。当然在生产条件改变时，也可以将改变后的生产条件和预设指标给定值输入到预设机器学习模型中，得到与此时生产条件和给定要求相匹配的轧机转速。可见，本发明考虑到了实际生产中的不确定性，不仅减少了因生产条件不同或改变而造成的前后轧机转速不匹配而造成的两个轧机之间的金属秒流量不相等的情况发生，使得生产过程比较平稳，从而减少了拉钢或堆钢的发生，提高了产品质量以及产品质量的稳定性，以及减少了非计划停机的次数，从而提高了生产效率。同时，大大减少了操作人员在现场的调节工作量，也减少了对人工经验的依赖程度，可以优化配置人员，降低人工成本。稳定的生产提高了产品的成材率。

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，还可以基于这些附图获得其他的附图。

图1是本发明一个实施例提供的棒线材轧机转速控制方法的流程示意图；

图2是本发明一个实施例中多个因素对预设指标的影响程度对比图；

图3是本发明一个实施例中三个轧机的最大钢材量和已轧制钢材量的对比示意图；

图4是本发明一个实施例提供的棒线材轧机转速控制装置的结构示意图。

附图标记：

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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清楚、完整地描述，显然，所描述的实施例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做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明一个实施例中提供了一种棒线材轧机转速控制方法。参见图1，本实施例提供的方法可以包括如下步骤S110～S140：

S110、针对一条棒线材轧制生产线，获取预设指标的给定值；所述预设指标包括表征所述棒线材轧制生产线性能的指标；

其中，预设指标用来表征棒线材轧制生产线的性能，所谓的性能可以有多种，例如，棒线材轧制生产线所生产产品的质量、棒线材轧制生产线的生产效率等。用来表示棒线材轧制生产线所生产产品的质量的指标可以包括出口产品的圆度、划痕数量等，圆度越高，说明生产出来的产品的质量越好，划痕数量越少说明生产出来的产品的质量越好。其中圆度最常用，生产出来的产品的圆度具体可以用测径仪或者轮廓仪等测量得到。用来表示棒线材轧制生产线的生产效率的指标可以包括棒线材轧制生产线的生产效率的出口速度，即产品被生产出来的速度，出口速度越高，生产效率越高，当然还可以采用其它的指标用来表示生产效率。

也就是说，所述预设指标可以包括出口产品的圆度和/或产品的出口速度，所述圆度用于表征所述棒线材轧制生产线所生产产品的质量，所述出口速度用于表征所述棒线材轧制生产线的生产效率。

在具体实施时，本实施例提供的方法可以由边缘计算设备执行，每一条棒线材轧制生产线可以配备一个边缘计算设备，这样操作人员可以在边缘计算设备上输入预设指标的给定值，或者通过某种方式将预设指标的给定值发送告给边缘计算设备，当边缘计算设备接收到预设指标的给定值后，便可以执行后续的步骤，实现对棒线材轧制生产线上的各个轧机的转速进行控制。

其中，边缘计算设备是指靠近生产线侧的设备，在边缘计算设备中集成有数据获取、计算甚至存储等核心能力的设备，通过边缘计算设备可以产生更快的网络服务响应，满足在实时业务、应用智能、安全与隐私保护等方面的基本需求。

其中，在一条棒线材轧制生产线上包含多台轧机，例如，18台，这些轧机对进入生产线的钢材进行从粗、中、细的轧制，得到产品。轧机包括机架、设置在机架上的轧辊以及控制轧辊工作的电机，本实施例中的转速控制实际上是对轧机的电机的转速进行控制。轧辊上可以设置多个辊槽，每一个辊槽都可以对钢材进行轧制，每一个轧制时段内，一个轧辊只使用其中一个辊槽。

S120、获取所述棒线材轧制生产线当前的生产条件；

可理解的是，棒线材轧制生产线的生产条件有多个，例如，轧机的个数、棒材的温度、棒材的直径、棒材的品种和提供商、辊缝、槽位、轧机的扭矩波动大小、速度振动大小等。再例如，齿轮箱转速比、辊径的误差、飞剪的剪切误差、速度精度误差、辊槽的非计划磨损量等。生产条件不同，生产的产品质量、生产效率是不同的，因此这些生产条件会影响到预设指标的情况，生产条件也可以称为影响因素，因此在对轧机进行速度控制时需要获取这些生产条件。

在实际应用中，这些生产条件可以由操作人员输入到边缘计算设备中，也可以由边缘计算设备从一些现场数据采集装置中获取。

S130、将所述预设指标的给定值和所述生产条件输入至预设机器学习模型中，得到所述棒线材轧制生产线中各个轧机的转速值；其中，所述预设机器学习模型用于输出在所述生产条件下为满足所述预设指标的给定值各个轧机所需的转速值；

可理解的是，在获取到预设指标的给定值和生产条件之后，将这些数据输入到预设机器学习模型中，便可以得到各个轧机的转速值。预设机器学习模型的输入数据为设指标的给定值和生产条件，输出数据为各个轧机的转速值。预设机器学习模型输出的转速值是在当前生产条件下能使棒线材轧制生产线的性能达到预设指标的给定值的。

S140、根据所述各个轧机所需的转速值对所述各个轧机进行速度控制。

在通过预设机器学习模型得到各个轧机的转速值后，利用这些转速值对轧机进行速度控制，可以大大减少操作人员根据现场的生产条件反复调节，减少了堆钢或拉钢的情况发生。

可理解的是，在实际生产过程中，由于生产条件的不同，甚至生产条件会发生变化，会导致前后轧机的转速不匹配，进而造成两个轧机之间的金属秒流量不相等，可能会造成堆钢或拉钢的情况，所以需要操作人员对轧机转速进行不断的调整，极大的依赖于人工经验，而且调整的效果并不总是很好，会造成产品质量不稳定，而且对转速频繁的调节会影响轧机转矩的波动，进一步影响产品质量。而且一旦发生堆钢就需要停机处理，极大的影响了生产效率。可见现有技术中通过人工反复调整转速的方式严重影响了整条生产线的性能。

与现有技术相比，在本发明中预先训练得到预设机器学习模型，在应用时获取当前的生产条件和操作人员对预设指标的给定值，将生产条件和预设指标的给定值输入到预设机器学习模型中，便可以得到此时各个轧机的转速值，从而根据这些转速值对各个轧机进行速度控制。可见在本实施例中不仅考虑了操作人员对棒线材轧制生产线性能的给定要求，也考虑了棒线材轧制生产线当前的生产条件，从而得到与当前生产环境和给定要求适配的各个轧机的转速。当然在生产条件改变时，也可以将改变后的生产条件和预设指标给定值输入到预设机器学习模型中，得到与此时生产条件和给定要求相匹配的轧机转速。可见，本发明考虑到了实际生产中的不确定性，不仅减少了因生产条件不同或改变而造成的前后轧机转速不匹配而造成的两个轧机之间的金属秒流量不相等的情况发生，从而减少了拉钢或堆钢的发生，提高了产品质量以及产品质量的稳定性，以及减少了非计划停机的次数，从而提高了生产效率。同时，大大减少了操作人员在现场的调节工作量，减少了人工成本，也减少了对人工经验的依赖程度。

在具体实施时，本实施例提供的方法还可以包括如下步骤：

在所述棒线材轧制生产线的生产过程中，获取各个生产条件的调节量以及在所述调节量下所述预设指标的变化量；根据各个生产条件的调节量以及在所述调节量下所述预设指标的变化量，确定各个生产条件分别对所述预设指标的影响程度，并将各个生产条件分别对所述预设指标的影响程度进行展示。

在一条棒线材轧制生产线的生产过程中，操作人员可能会根据实际生产情况对某一个或某几个生产条件进行调节。例如，在某个时段内，操作人员对辊缝进行了一定量的调节，然后确定调节辊缝后的一段时间内这条生产线的产品质量是否有变化以及变化程度有多少，从而得知辊缝对产品质量的影响程度。其中产品质量的变化情况可以采用测径仪或者轮廓仪的测量反馈数据得知。再例如，在某个时段，操作人员对轧机的扭矩振动大小进行了一定量的调节，然后确定在调节扭矩振动大小后的一段时间内这条生产线的生产效率是否有变化以及变化程度是多少，从而得知轧机的扭矩振动对生产效率的影响程度。

类似的，通过棒线材轧制生产线在长时间工作后，通过对操作人员对各个生产条件的调节，分析出各个生产条件对生产效率或者产品质量的影响，便于操作人员可以根据各个生产条件的影响程度的大小优选选择影响程度较大的生产条件进行调节，从而起到事半功倍的效果，有利于操作人员的现场操作。这里不需要操作人员为了专门分析各生产条件的影响程度而进行调节，是在操作人员是在实际生产过程中为了达到一定的生产效率和产品质量根据经验所做出的实际调节，或为了保证前后机架的转速匹配而做出的调节。参见图2，在图2中展示了辊缝大小a1、棒材的品种a2、扭矩振动大小a3、飞剪的剪切误差a4、辊径的误差a5分别对预设指标的影响程度值分别为f1、f2、f3、f4、f5，可以看出轧机的扭矩振动大小a3对产品质量或生产效率的影响f3是最大的，因此在调节时可以优先调节扭矩振动大小。

例如，棒材截面的圆度受辊槽磨损程度的影响、辊缝大小的影响比较大，转矩波动的影响比较小。如果辊缝已经调到极限了，生产出来的产品的截面还是椭圆形，那当前影响产品质量最大的因子就是辊槽了，所以需要更换辊槽才能改变质量问题。

可理解的是，由于在实际生产过程中，操作人员有可能会根据实际情况对生产条件进行调节，即生产条件会发生变化。在生产条件在发生变化时，操作人员在边缘计算设备上输入变化后的生产条件，这样边缘计算设备会将变化后的生产条件和预设指标的给定值输入到预设机器学习模型中，从而得到相适应的轧机转速，进而对各个轧机的转速进行调节，可见通过边缘计算设备可以实现对轧机转速的调节。除此之外，操作人员还可以根据实际生产情况在边缘计算设备输出的转速的基础上对各个轧机的转速进行一定的调节。或者，如果在这条生产线上配备有微张力控制功能模块，微张力控制功能模块会根据实际情况在边缘计算设备输出的轧机转速的基础上进行转速调节，从而通过微张力控制功能模块来代替操作人员的手动调节。

在具体实施时，本实施例提供的方法还可以包括如下步骤：

确定所述棒线材轧制生产线中各个轧机上的轧辊针对当前钢材品种所能轧制的最大钢材量；获取所述棒线材轧制生产线中的各个轧辊针对当前钢材品种的已轧制钢材量；根据所述最大钢材量和所述已轧制钢材量，确定所述棒线材轧制生产线中的各个轧辊针对当前钢材品种所能轧制的最大剩余钢材量；将所述棒线材轧制生产线中的各个轧辊各自对应的所述最大剩余钢材量进行展示。

在实际中，可以对各个轧辊供应商所提供的轧辊针对各个钢材品种分别能够轧制的最大钢材量进行汇总，即，通过大数据的记录对各个轧辊供应商对各个钢材品种可以轧制多少吨的钢材进行总结。进而得知在这条棒线材轧制生产线中当前轧辊针对当前钢材品种所能轧制的最大钢材量。在棒线材轧制生产线的生产过程中，边缘计算设备可以对各个轧辊针对当前钢材品种的已轧制钢材量进行记录，从而针对每一个轧辊，根据其最大钢材量和已轧制钢材量计算出该轧辊还能轧制的钢材量的最大值，即最大剩余钢材量。然后将各个轧辊对应的最大剩余钢材量进行展示，从而方便操作人员了解各个轧辊的生命周期，进而方便进行换辊或换辊槽等操作。

当然，除了采用展示最大剩余钢材量的方式，也可以采用展示每一个轧机对应的最大钢材量和已轧制钢材量进行展示，以形成对比，可以更加直观的了解到当前轧机的工作情况。例如，参见图3，展示了三个轧机对应的最大钢材量和对应的已轧制钢材量，具体为：轧机b1对应的最大钢材量为MAX1和对应的已轧制钢材量为LEFT1，轧机b2对应的最大钢材量为MAX2和对应的已轧制钢材量为LEFT2，轧机b3对应的最大钢材量为MAX3和对应的已轧制钢材量为LEFT3。当已轧制钢材量达到对应的最大钢材量时，则需要进行换辊处理。

可理解的是，轧辊能够轧制的最大钢材量会根据一些条件的改变而变化，例如，轧制过程中转矩的波动、咬钢冲击大小、速降参数大小等，因此最大钢材量并不是定值，因此可以随着生产的进行，对轧辊的最大钢材量不断进行调整。

在具体实施时，所述轧辊中包括N个辊槽，所述轧辊的每一个辊槽所能轧制的最大钢材量为所述轧辊对应的所述最大钢材量的1/N；N为不小于1的正整数。此时，本实施例提供的方法还可以包括：

在所述棒线材轧制生产线中任意一个轧辊对应的所述最大剩余钢材量为0时，获取所述最大剩余钢材量为0的轧辊之外的其余各个轧辊各自当前使用的辊槽对应的已轧制钢材量；将所述其余各个轧辊中的每一个轧辊作为第一轧辊，若所述第一轧辊当前使用的辊槽对应的已轧制钢材量达到第一预设值，则判断所述第一轧辊中其余辊槽中是否存在已轧制钢材量未达到第一预设值的辊槽；所述第一预设值小于且接近所述第一轧辊对应的所述最大钢材量的1/N；若是，则展示第一提示信息，所述第一提示信息为对所述第一轧辊更换当前使用的辊槽的提示信息；否则，根据所述第一轧辊的各个辊槽各自对应的已轧制钢材量，确定所述第一轧辊中各个辊槽的磨削量，并展示第二提示信息；所述第二提示信息中包括更换所述第一轧辊的提示信息以及所述第一轧辊中各个辊槽对应的磨削量；一个辊槽对应的已轧制钢材量越大，对应的磨削量越大。

可理解的是，当一个轧辊的最大剩余钢材量为0时，表明该轧辊已经不能再使用了，需要将该轧辊换下，进而对该轧辊进行磨削处理。因此当有一个轧辊的最大剩余钢材量为0时，就需要停机换辊。此时为了避免频繁停机，此时需要对其它轧辊的使用情况进行了解。为了方便描述，将最大剩余钢材量为0的轧辊之外的其余各个轧辊称之为第一轧辊。如果一个第一轧辊当前使用的辊槽对应的已轧制钢材量是否达到了第一预设值，如果大于或等于所述第一预设值，说明此时这个辊槽的已轧制钢材量已经接近了第一轧辊对应的所述最大钢材量的1/N，此时这个辊槽的磨损是比较大的，需要更换轧辊或者辊槽。如果不更换轧辊或者辊槽的话，这个轧辊继续工作的时间也会比较短，届时还要更换，频繁停机对生产效率影响很大。

在一个第一轧辊当前使用的辊槽对应的已轧制钢材量达到第一预设值时，需要判断换轧辊还是换辊槽，所以此时判断这个第一轧辊中其余辊槽中是否存在已轧制钢材量未达到第一预设值的辊槽，如果存在，更换辊槽即可，即将这个第一轧辊当前使用的辊槽更换为已轧制钢材量未达到第一预设值的辊槽。因此在这种情况下，边缘计算设备需要展示第一提示信息，第一提示信息为更换辊槽的提示信息。如果不存在已轧制钢材量未达到第一预设值的辊槽，说明此时这个第一轧辊的各个辊槽都已经磨损较大，因此此时需要更换轧辊。因此在这种情况下，边缘计算设备展示第二提示信息，第二展示信息为提醒操作人员更换轧辊的信息以及这个轧辊中的各个辊槽的磨削量的建议信息。可理解的是，一个辊槽的已轧制钢材量越大，说明这个辊槽的磨损越大，因此磨削量也越大。

可见，通过上述步骤，可以给出操作人员对各个第一轧辊进行何种操作的建议以及磨削量的建议，有利于操作人员的工作。

在具体实施时，棒线材生产企业中可以包括多条棒线材轧制生产线，所述棒线材生产企业可以配备有边缘管理平台，每一条棒线材轧制生产线配备有对应的边缘计算设备，所述多条棒线材轧制生产线各自对应的所述边缘计算设备与所述边缘管理平台连接。

即，由于一条棒线材轧制生产线配备一个边缘计算设备，多条棒线材轧制生产线对应的多个边缘计算设备均连接至边缘管理平台，通过边缘管理平台对多个边缘计算设备进行统筹管理。

进一步的，所述边缘管理平台可以用于：预先训练所述预设机器学习模型，根据训练得到的所述预设机器学习模型生成对应的预设应用程序，并将所述应用程序下发至各个所述边缘计算设备中进行安装和使用；所述棒线材轧机转速控制方法由所述边缘计算设备中的所述预设应用程序执行。

也就是说，预设机器学习模块可以由边缘管理平台训练得到，然后边缘管理平台根据训练得到的预设机器学习模型生成对应的预设应用程序，然后将预设应用程序的安装包下发到各个边缘计算设备上，各个边缘计算设备对安装包进行安装，进而可以使用。通过这种方式对于多条棒线材轧制生产线的速度控制非常有利。

可理解的是，本实施例提供的方案的核心是基于冶金棒线材轧制生产线而得到的机器学习算法，边缘计算设备是载体，实际上如果不采用边缘计算设备的话，也可以采用本地服务器部署预设机器学习模型。而本方案中通过边缘计算设备以及边缘管理平台的目的是可以对多条生产线进行管理，同时有助于加大样本数据的输入，加快模型迭代优化的过程。

在现有技术中，很多企业不止有一条生产线，各条生产线的控制是独立的，各条生产线的设备和电气来自不同的供应商，生产的表现也差距比较大，没有一套系统可以关联到各个生产线进行控制。而本发明中通过边缘管理平台可以采集不同生产线的历史生产数据，利用采集到的数据生成一个普适性的应用程序。在各个边缘计算设备在运行过程中，可以根据对应生产线的具体表现对预设机器学习模型进行调整，得到具有针对性的应用程序。

进一步的，本实施例中所述边缘管理平台训练所述预设机器学习模型的具体过程可以包括：获取多条历史生产数据，每一条所述历史生产数据中包括生产条件、所述各个轧机的转速以及所述预设指标的实际值；根据所述预设指标的实际值，从所述多条历史生产数据中筛选出符合预设指标要求的历史生产数据作为训练样本；根据所述训练样本进行模型训练，得到所述预设机器学习模型。

也就是说，边缘管理平台首先获取多条历史生产数据，每一条数据中包括生产条件、预设指标的实际值以及各个轧机的转速。然后从这些历史生产数据中挑选出表现比较好的数据作为训练样本，当然还可以挑选一些表现比较好的数据作为测试样本。所谓的表现好是指预设指标的实际值比较好，例如，生产效率比较高以及产品质量也比较高。通过训练样本的训练，得到预设机器学习模型，然后可以进一步通过测试样本的测试得知预设机器学习模型是否满足使用要求，如果不满足使用要求的话，可以对机器学习模型的内部参数进行调整，直到预设机器学习模型满足使用要求。满足使用要求即将测试样本输入到机器学习模型后输出的转速与该测试样本中的转速较为接近。

在具体实施时，在根据所述各个轧机所需的转速值对所述各个轧机进行速度控制之后，本实施例提供的方法还可以包括步骤：获取所述棒线材轧制生产线中所述各个轧机的转速调整值；根据所述各个轧机的转速调整值，对所述边缘计算设备上的所述预设机器学习模型进行算法修正，并利用修正后的所述预设机器学习模型输出在所述生产条件下为满足所述预设指标的给定值所述各个轧机所需的转速值。

也就是说，在通过边缘计算设备输出的转速对各个轧机的转速进行控制之后，操作人员可能在该转速的基础上进一步调整，即上述转速调整值，此时可以根据各个轧机的转速调整值对边缘计算设备中的预设应用程序中的预设机器学习模型进行参数调整，得到修正后的机器学习模型，然后利用修正后的机器学习模型输转速，在根据此时输出的转速进行轧机转速控制。在实际中，可以按照预设时间间隔对预设机器学习模型进行修正，使其满足所在棒线材轧制生产线的实际情况。

在具体实施时，每一条棒线材轧制生产线对应一个生产控制系统，所述生产控制系统包括二级生产控制系统以及与所述二级生产控制系统连接的一级生产控制系统；所述一级生产控制系统用于对所述棒线材轧制生产线中的所述各个轧机进行逻辑控制。

也就是说，每一条棒线材轧制生产线通过一个生产控制系统进行控制，具体的，二级生产控制系统对一级生产控制系统进行指令下发、管理和控制等，一级生产控制系统根据二级生产系统下发的指令对各个轧机进行控制。可理解的是，一级生产控制系统可以实现对各个轧机的多种逻辑控制，因此一级生产控制系统中可以包含多个PLC模块。

进一步的，S140中所述根据所述各个轧机所需的转速值对所述各个轧机进行速度控制，可以包括：将所述各个轧机的转速值发送至所述棒线材轧制生产线的所述二级生产控制系统，以使所述二级生产控制系统将所述各个轧机的转速值发送至所述一级生产控制系统，以使所述一级生产控制系统对所述各个轧机进行速度控制。

也就是说，边缘计算设备会将机器学习模型输出的各个轧机的转速发送至二级生产控制系统中，二级生产控制系统会将各个轧机的转速下发到一级生产控制系统中，具体为将各个轧机的转速的设定表格下发到一级生产控制系统中，以实现对各个轧机的转速控制，实现转速的级联调优。这样做可以将边缘计算设备和生产线的生产控制系统关联起来，便于指令的下发和操作的控制。

在具体实施时，除了给出磨削量的建议，还可以给出辊缝调节量的建议。具体为采集操作人员在现场对辊缝调节的记录，结合各个生产条件(例如，槽位、当前辊缝大小和调节量的大小、机架转速、换辊周期、磨削量等)以及产品质量、生产效率等结果数据，进行机器学习，从而得到与上述预设机器学习模型(称为第一模型)类似的模型(称为第二模型)，进而利用第二模型给出在不同阶段的辊缝的调节量，通过二级生产控制系统和一级生产控制系统给轧机的液压缸发出指令进行辊缝调节，现场人员只需要对调节量进行确认。

可理解的是，本实施例利用边缘计算的形式，结合机器学习模型，实现对各个轧机的转速控制。在训练预设机器学习模型之前，需要记录在不同生产条件下，各个轧机的转速、操作人员对转速的调整量等过程数据。结合产品质量和生产效率等结果数据，进行模型训练，在训练之后利用得到的预设机器学习模型输出各个轧机的转速、展示一些提示信息、给出相关的建议等，以达到降低操作人员的劳动强度，提高产品质量，减少非计划停机时间的效果。

可理解的是，本实施例可以对预设机器学习模型进行不断的迭代优化，使得预设机器学习模型逐渐针对当前钢材品种给出优化的转速值，使得生产过程比较平稳，减少了由于堆钢或拉钢造成的停机频率，使生产连续进行。稳定的生产提高了产品的成材率，降低原料成本，降低了操作人员的劳动强度，可以优化配置人员，降低人工成本。

参见图4，本发明实施例提供了一种棒线材轧机转速控制装置，所述装置100包括：

一个指标获取模块110，用于针对一条棒线材轧制生产线，获取预设指标的给定值；所述预设指标包括表征所述棒线材轧制生产线性能的指标；

一个条件获取模块120，用于获取所述棒线材轧制生产线当前的生产条件；

一个转速确定模块130，用于将所述预设指标的给定值和所述生产条件输入至预设机器学习模型中，得到所述棒线材轧制生产线中各个轧机的转速值；其中，所述预设机器学习模型用于输出在所述生产条件下为满足所述预设指标的给定值各个轧机所需的转速值；

一个转速控制模块140，用于根据所述各个轧机所需的转速值对所述各个轧机进行速度控制。

本发明实施例提供了一种棒线材轧机转速控制装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行上述棒线材轧机转速控制方法。

本发明实施例提供了一种计算机可读介质，存储用于使一机器执行如本文所述的棒线材轧机转速控制方法的指令。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。

在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。

用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。

此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。

此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。

可理解的是，本发明实施例提供的棒线材轧机转速控制装置、计算机可读介质中有关内容的解释、具体实施方式、有益效果、举例等内容可以参见上述棒线材轧机转速控制方法中的相应部分，此处不再赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、挂件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (12)

1.一种棒线材轧机转速控制方法，其特征在于，所述方法包括：

针对一条棒线材轧制生产线，获取预设指标的给定值；所述预设指标包括表征所述棒线材轧制生产线性能的指标；

获取所述棒线材轧制生产线当前的生产条件；

将所述预设指标的给定值和所述生产条件输入至预设机器学习模型中，得到所述棒线材轧制生产线中各个轧机的转速值；其中，所述预设机器学习模型用于输出在所述生产条件下为满足所述预设指标的给定值各个轧机所需的转速值；

根据所述各个轧机所需的转速值对所述各个轧机进行速度控制。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述棒线材轧制生产线的生产过程中，获取各个生产条件的调节量以及在所述调节量下所述预设指标的变化量；

根据各个生产条件的调节量以及在所述调节量下所述预设指标的变化量，确定各个生产条件分别对所述预设指标的影响程度，并将各个生产条件分别对所述预设指标的影响程度进行展示。

3.根据权利要求1所述的方法，其特征在于，还包括：

确定所述棒线材轧制生产线中各个轧机上的轧辊针对当前钢材品种所能轧制的最大钢材量；

获取所述棒线材轧制生产线中的各个轧辊针对当前钢材品种的已轧制钢材量；

根据所述最大钢材量和所述已轧制钢材量，确定所述棒线材轧制生产线中的各个轧辊针对当前钢材品种所能轧制的最大剩余钢材量；

将所述棒线材轧制生产线中的各个轧辊各自对应的所述最大剩余钢材量进行展示。

4.根据权利要求3所述的方法，其特征在于，所述轧辊中包括N个辊槽，所述轧辊的每一个辊槽所能轧制的最大钢材量为所述轧辊对应的所述最大钢材量的1/N；N为不小于1的正整数；

所述方法还包括：

在所述棒线材轧制生产线中任意一个轧辊对应的所述最大剩余钢材量为0时，获取所述最大剩余钢材量为0的轧辊之外的其余各个轧辊各自当前使用的辊槽对应的已轧制钢材量；

将所述其余各个轧辊中的每一个轧辊作为第一轧辊，若所述第一轧辊当前使用的辊槽对应的已轧制钢材量达到第一预设值，则判断所述第一轧辊中其余辊槽中是否存在已轧制钢材量未达到第一预设值的辊槽；所述第一预设值小于且接近所述第一轧辊对应的所述最大钢材量的1/N；

若是，则展示第一提示信息，所述第一提示信息为对所述第一轧辊更换当前使用的辊槽的提示信息；

否则，根据所述第一轧辊的各个辊槽各自对应的已轧制钢材量，确定所述第一轧辊中各个辊槽的磨削量，并展示第二提示信息；所述第二提示信息中包括更换所述第一轧辊的提示信息以及所述第一轧辊中各个辊槽对应的磨削量；一个辊槽对应的已轧制钢材量越大，对应的磨削量越大。

5.根据权利要求1所述的方法，其特征在于，棒线材生产企业中包括多条棒线材轧制生产线，所述棒线材生产企业配备有边缘管理平台，每一条棒线材轧制生产线配备有对应的边缘计算设备，所述多条棒线材轧制生产线各自对应的所述边缘计算设备与所述边缘管理平台连接；

所述边缘管理平台用于：预先训练所述预设机器学习模型，根据训练得到的所述预设机器学习模型生成对应的预设应用程序，并将所述应用程序下发至各个所述边缘计算设备中进行安装和使用；

所述棒线材轧机转速控制方法由所述边缘计算设备中的所述预设应用程序执行。

6.根据权利要求5所述的方法，其特征在于，所述边缘管理平台训练所述预设机器学习模型的过程包括：

获取多条历史生产数据，每一条所述历史生产数据中包括生产条件、所述各个轧机的转速以及所述预设指标的实际值；

根据所述预设指标的实际值，从所述多条历史生产数据中筛选出符合预设指标要求的历史生产数据作为训练样本；

根据所述训练样本进行模型训练，得到所述预设机器学习模型。

7.根据权利要求5所述的方法，其特征在于，所述根据所述各个轧机所需的转速值对所述各个轧机进行速度控制之后，所述方法还包括：

获取所述棒线材轧制生产线中所述各个轧机的转速调整值；

根据所述各个轧机的转速调整值，对所述边缘计算设备上的所述预设机器学习模型进行算法修正，并利用修正后的所述预设机器学习模型输出在所述生产条件下为满足所述预设指标的给定值所述各个轧机所需的转速值。

8.根据权利要求1所述的方法，其特征在于，每一条棒线材轧制生产线对应一个生产控制系统，所述生产控制系统包括二级生产控制系统以及与所述二级生产控制系统连接的一级生产控制系统；所述一级生产控制系统用于对所述棒线材轧制生产线中的所述各个轧机进行逻辑控制；

对应的，所述根据所述各个轧机所需的转速值对所述各个轧机进行速度控制，包括：将所述各个轧机的转速值发送至所述棒线材轧制生产线的所述二级生产控制系统，以使所述二级生产控制系统将所述各个轧机的转速值发送至所述一级生产控制系统，以使所述一级生产控制系统对所述各个轧机进行速度控制。

9.根据权利要求1所述的方法，其特征在于，所述预设指标包括出口产品的圆度和/或产品的出口速度，所述圆度用于表征所述棒线材轧制生产线所生产产品的质量，所述出口速度用于表征所述棒线材轧制生产线的生产效率。

10.一种棒线材轧机转速控制装置(100)，其特征在于，所述装置(100)包括：

一个指标获取模块(110)，用于针对一条棒线材轧制生产线，获取预设指标的给定值；所述预设指标包括表征所述棒线材轧制生产线性能的指标；

一个条件获取模块(120)，用于获取所述棒线材轧制生产线当前的生产条件；

一个转速确定模块(130)，用于将所述预设指标的给定值和所述生产条件输入至预设机器学习模型中，得到所述棒线材轧制生产线中各个轧机的转速值；其中，所述预设机器学习模型用于输出在所述生产条件下为满足所述预设指标的给定值各个轧机所需的转速值；

一个转速控制模块(140)，用于根据所述各个轧机所需的转速值对所述各个轧机进行速度控制。

11.一种棒线材轧机转速控制装置，其特征在于，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行权利要求1至9中任一所述的方法。

12.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行权利要求1至9中任一所述的方法。

Images