CN116586441A - 一种金属轧机的智能控制方法及系统 - Google Patents

Abstract

本发明公开了一种金属轧机的智能控制方法及系统，应用于数据处理技术领域，该方法包括：通过读取金属轧机的控制数据，获取金属轧机的历史控制数据构建状态‑参数匹配模型。将控制数据输入状态‑参数匹配模型，输出第一状态评价结果。通过图像采集单元获得与控制数据对应的产品图像集合。对产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果。采集获得待轧制产品信息和产品轧制需求信息并匹配轧制控制参数。通过第一状态评价结果和第二状态评价结果对轧制控制参数进行参数优化并进行智能控制。解决了现有技术中金属轧机热轧过程中，轧机的控制参数无法根据产品质量进行智能调整，导致大量轧制产品存在质量缺陷的技术问题。

Description

一种金属轧机的智能控制方法及系统

技术领域

本发明涉及数据处理领域，尤其涉及一种金属轧机的智能控制方法及系统。

背景技术

轧机是实现金属轧制过程的设备，在现有技术中金属轧制过程又分为冷轧与热轧，相较于冷轧过程，热轧时金属塑性高，金属的变形能量消耗低，极大的降低了制成本。然而，在现有技术中金属轧机在热轧过程中，轧机的控制参数为固定不变的，当生产产品存在缺陷时，无法及时对金属轧机的控制参数进行智能调整，进而导致大量轧制产品存在质量缺陷。

因此，在现有技术中金属轧机热轧过程中，轧机的控制参数无法根据产品质量进行智能调整，导致大量轧制产品存在质量缺陷造成生产资源浪费的技术问题。

发明内容

本申请通过提供一种金属轧机的智能控制方法及系统，解决了在现有技术中金属轧机热轧过程中，轧机的控制参数无法根据产品质量进行智能调整，导致大量轧制产品存在质量缺陷造成生产资源浪费的技术问题。

本申请提供一种金属轧机的智能控制方法，所述方法应用于智能控制系统，所述智能控制系统与图像采集单元通信连接，所述方法包括：连接金属轧机的控制单元，读取所述金属轧机的控制数据；获取所述金属轧机的历史控制数据，并基于所述历史控制数据构建状态-参数匹配模型；将所述控制数据输入所述状态-参数匹配模型，输出第一状态评价结果；通过所述图像采集单元对已生产产品执行轧制图像采集，获得与所述控制数据对应的产品图像集合；对所述产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果；采集获得待轧制产品信息和产品轧制需求信息，通过所述产品轧制需求信息和所述待轧制产品信息匹配轧制控制参数；通过所述第一状态评价结果和所述第二状态评价结果对所述轧制控制参数进行参数优化，通过优化后的轧制控制参数进行所述金属轧机的智能控制。

本申请还提供了一种金属轧机的智能控制系统，所述系统与图像采集单元通信连接，所述系统包括：控制数据获取模块，用于连接金属轧机的控制单元，读取所述金属轧机的控制数据；状态-参数匹配模型构建模块，用于获取所述金属轧机的历史控制数据，并基于所述历史控制数据构建状态-参数匹配模型；第一状态评价结果获取模块，用于将所述控制数据输入所述状态-参数匹配模型，输出第一状态评价结果；产品图像采集模块，用于通过所述图像采集单元对已生产产品执行轧制图像采集，获得与所述控制数据对应的产品图像集合；第二状态评价结果获取模块，用于对所述产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果；轧制控制参数获取模块，用于采集获得待轧制产品信息和产品轧制需求信息，通过所述产品轧制需求信息和所述待轧制产品信息匹配轧制控制参数；参数优化模块，用于通过所述第一状态评价结果和所述第二状态评价结果对所述轧制控制参数进行参数优化，通过优化后的轧制控制参数进行所述金属轧机的智能控制。

本申请还提供了一种电子设备，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的一种金属轧机的智能控制方法。

本申请实施例提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时,实现本申请实施例提供的一种金属轧机的智能控制方法。

拟通过本申请提出的一种金属轧机的智能控制方法及系统，通过读取金属轧机的控制数据，获取金属轧机的历史控制数据构建状态-参数匹配模型。将控制数据输入状态-参数匹配模型，输出第一状态评价结果。通过图像采集单元获得与控制数据对应的产品图像集合。对产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果。采集获得待轧制产品信息和产品轧制需求信息并匹配轧制控制参数。通过第一状态评价结果和第二状态评价结果对轧制控制参数进行参数优化并进行智能控制。由于获取了第一状态评价结果和第二状态评价结果，完成对当前轧制产品质量的评价，并根据评价结果进行智能参数优化，实现了根据轧制产品质量对金属轧机控制参数进行智能调整，保障了轧制产品的生产质量，提高了生产资源的利用率。解决了现有技术中金属轧机热轧过程中，轧机的控制参数无法根据产品质量进行智能调整，导致大量轧制产品存在质量缺陷造成生产资源浪费的技术问题。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。

图1为本申请实施例提供的一种金属轧机的智能控制方法的流程示意图；

图2为本申请实施例提供的一种金属轧机的智能控制方法对轧制控制参数进行参数补偿的流程示意图；

图3为本申请实施例提供的一种金属轧机的智能控制方法获取优化后的轧制控制参数的流程示意图；

图4为本申请实施例提供的一种金属轧机的智能控制方法的系统的结构示意图；

图5为本发明实施例提供的一种金属轧机的智能控制方法的系统电子设备的结构示意图。

附图标记说明：控制数据获取模块11，状态-参数匹配模型构建模块12，第一状态评价结果获取模块13，产品图像采集模块14，第二状态评价结果获取模块15，轧制控制参数获取模块16，参数优化模块17，处理器31，存储器32，输入装置33，输出装置34。

实施方式

实施例

为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。

在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。

虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用,然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。

本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,根据需要,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。

如图1所示，本申请实施例提供了一种金属轧机的智能控制方法，所述方法应用于智能控制系统，所述智能控制系统与图像采集单元通信连接，所述方法包括：

S10：连接金属轧机的控制单元，读取所述金属轧机的控制数据；

S20：获取所述金属轧机的历史控制数据，并基于所述历史控制数据构建状态-参数匹配模型；

S30：将所述控制数据输入所述状态-参数匹配模型，输出第一状态评价结果；

具体的，连接金属轧机的控制单元，其中，金属轧机控制单元用于向金属轧机输出控制参数，读取金属轧机的控制数据，该控制数据为当前正在运行的金属轧机控制数据。其中金属轧机的控制数据包括具体的轧制速度数据、轧制压力控制数据等。随后，获取金属轧机的历史控制数据，并对获取的历史控制数据通过人工的方式进行状态标识，标识各历史控制数据的优劣等级，等级越高对应的金属轧机生产的产品质量越高。进一步，将获取的金属轧机的历史控制数据以及对应标识的历史控制数据的优劣等级作为训练数据，对神经网络模型进行监督训练，直至模型的优劣等级输出结果可以满足一定的准确度时，完成对状态-参数匹配模型的构建。随后，将获取的控制数据输入所述状态-参数匹配模型，输出第一状态评价结果。

S40：通过所述图像采集单元对已生产产品执行轧制图像采集，获得与所述控制数据对应的产品图像集合；

S50：对所述产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果；

S60：采集获得待轧制产品信息和产品轧制需求信息，通过所述产品轧制需求信息和所述待轧制产品信息匹配轧制控制参数；

S70：通过所述第一状态评价结果和所述第二状态评价结果对所述轧制控制参数进行参数优化，通过优化后的轧制控制参数进行所述金属轧机的智能控制。

具体的，通过图像采集单元对已生产产品执行轧制图像采集，即获取金属轧机的控制数据对应生产产品的图像，得到与控制数据对应的产品图像集合。随后，根据获取的产品图像集合进行轧制缺陷识别，在进行缺陷识别时利用现有技术中的热轧金属缺陷检测方法进行轧制缺陷识别，并输出缺陷类别数据以及缺陷数量数据得到缺陷识别结果，并根据缺陷识别结果获得第二状态评价结果。进一步，采集获得待轧制产品信息和产品轧制需求信息，其中待轧制产品信息包括产品的具体类别、产品的板材各部位厚度等数据。产品轧制需求信息为轧制后的需求数据，如宽度、厚度等数据。通过所述产品轧制需求信息和所述待轧制产品信息通过历史生产记录数据匹配轧制控制参数，其中轧制控制参数包括具体的轧制温度数据、速度数据等满足轧制需求信息的轧机控制数据。通过所述第一状态评价结果和所述第二状态评价结果对所述轧制控制参数进行参数优化，通过优化后的轧制控制参数进行所述金属轧机的智能控制。实现了根据轧制产品质量对金属轧机控制参数进行智能调整，保障了轧制产品的生产质量，提高了生产资源的利用率。

如图2所示，本申请实施例提供的方法S70还包括：

S71：通过所述温度采集单元对待轧制产品进行温度分布采集，获得温度分布采集结果，其中，所述温度分布采集结果具有位置分布标识；

S72：基于优化后的所述轧制控制参数调用获得轧制速度控制数据；

S73：通过轧制速度控制数据、所述温度分布采集结果和所述产品轧制需求信息生成温度控制数据；

S74：基于所述温度控制数据对优化后的所述轧制控制参数进行参数补偿。

具体的，通过所述温度采集单元对待轧制产品进行温度分布采集，采集待轧制产品在轧制前的温度分布，即采集处于不同位置的热卷温度，如处于靠近轧机一端的温度数据、处于热卷箱和轧机中间段的热卷温度数据以及远离轧机靠近热卷箱处的温度数据。对应的温度数据采集结果均包含具体的位置分布标识。随后，基于优化后的所述轧制控制参数调用获得轧制速度控制数据。由于在轧制过程中为了实现对热卷温度的控制，需要根据热卷的温度数据来控制热卷的散热时间，进而实现对热卷进入轧机时的温度控制。进一步，通过轧制速度控制数据、所述温度分布采集结果和所述产品轧制需求信息生成温度控制数据。最后，基于温度控制数据对优化后的所述轧制控制参数进行参数补偿。进而实现对热卷进入轧机时的温度控制，保证热卷进入轧机时温度处于合适的区间范围。

本申请实施例提供的方法S74还包括：

S741：采集获得环境温度信息，根据所述环境温度信息和所述温度分布采集结果生成各位置的温度衰减影响因子，其中，所述温度衰减影响因子为随时间变化的衰减影响因子；

S742：基于所述轧制速度控制数据进行各位置的轧制控制节点确定，基于轧制控制节点确定结果和所述温度衰减影响因子进行轧制温度拟合，获得轧制温度拟合结果；

S743：基于所述产品轧制需求信息和所述轧制温度拟合结果进行冷却液的喷洒量和喷洒温度确定；

S744：将冷却液的喷洒量和喷洒温度作为所述温度控制数据。

具体的，采集获取轧机所处的环境温度信息，随后根据所述环境温度信息和所述温度分布采集结果生成各位置的温度衰减影响因子，其中，所述温度衰减影响因子为随时间变化的衰减影响因子，即不同热卷温度下单位时间的温度下降参数，具体的温度下降参数可以根据热卷与环境温度差值以及换热系数进行计算后获取。进一步，基于所述轧制速度控制数据进行各位置的轧制控制节点确定，其中轧制控制节点为各位置到达轧制点的时间，根据轧制控制节点即可获取具体的热卷冷却时长。基于轧制控制节点确定结果和温度衰减影响因子进行轧制温度拟合，进而得到各区域到达轧制点的具体温度数据。最后，基于述产品轧制需求信息所获取的轧制温度数据和所述轧制温度拟合结果进行冷却液的喷洒量和喷洒温度确定。在确定冷却液的喷洒量和喷洒温度时通过大数据获取下降单位温度所需的喷洒量和喷洒温度，根据轧制需求信息获取的轧制温度数据和所述轧制温度拟合结果的差值获取实际冷却液的喷洒量和喷洒温度。最后将获取的冷却液的喷洒量和喷洒温度作为所述温度控制数据。进而完成对热卷轧制时温度的控制，保证轧制产品的生产质量。

本申请实施例提供的方法S70还包括：

S75：通过所述待轧制产品信息进行待轧制产品的产品版型分析，生成产品版型分布分析结果；

S76：基于所述产品版型分布分析结果确定同一时间节点接触面的各位置点特征值；

S77：将同一时间节点接触面的中心点作为对称评价原点，基于所述特征值进行对称差异评价；

S78：根据对称差异评价结果匹配响应窗口，并生成控制补偿参数；

S79：将所述响应窗口和所述控制补偿参数添加至优化后的所述轧制控制参数。

具体的，通过待轧制产品信息进行待轧制产品的产品版型分析，获取待轧制产品信息中各位置的厚度数据，得到产品版型分布分析结果。随后，基于所述产品版型分布分析结果确定同一时间节点接触面的各位置点特征值，其中各位置点特征值为具体接触点的厚度数据。将同一时间节点接触面的中心点作为对称评价原点，基于所述特征值进行对称差异评价，评价对称评价原点两端的特征值差异数据，获取对称差异评价结果。随后，根据对称差异评价结果匹配响应窗口，并生成控制补偿参数，即根据具体的对称差异评价结果，实现对压辊的压力控制，并生成具体的补偿参数，具体的补偿参数可以通过大数据获取单位差异数据的压力值，根据获取对称差异评价结果获取实际的补偿参数。将所述响应窗口和所述控制补偿参数添加至优化后的所述轧制控制参数。

本申请实施例提供的方法S77还包括：

S771：通过所述历史控制数据设置对称补偿极值；

S772：判断所述对称差异评价结果中的差异极大值是否满足所述对称补偿极值；

S773：当所述差异极大值满足所述对称补偿极值时，则根据所述对称评价原点的对称距离和差异值获得所述差异评价结果。

具体的，通过历史控制数据设置对称补偿极值，即根据历史控制数据设置对称补偿的最大值调节值，当超出对称补偿的最大值调节值时，压辊对于板材存在的厚度差异已经无法处理。其次，由于对称补偿的差异数据越小，则对应的板材均匀程度越好，因此不需要设置对称补偿的最最小值调节值。进一步，判断所述对称差异评价结果中的差异极大值是否满足所述对称补偿极值，即判断对称差异评价结果中的差异极大值是否处于对称补偿的最大值调节值的范围内。当差异极大值满足所述对称补偿极值时，则根据所述对称评价原点的对称距离和差异值获得所述差异评价结果。

S773：当所述差异极大值不能满足所述对称补偿极值时，则生成预警分析指令；

S773：通过所述预警分析指令对所述差异极大值的对称距离和关联差异点进行预警分析评价；

S773：当预警分析评价结果为不能执行差异补偿时，则生成预警信息，通过所述预警信息对待轧制产品进行处理预警管理。

具体的，判断所述对称差异评价结果中的差异极大值是否满足所述对称补偿极值，即判断对称差异评价结果中的差异极大值是否处于对称补偿的最大值调节值的范围内。当差异极大值不满足所述对称补偿极值时，即差异极大值超出对称补偿极值的最大值调节值的范围内时，此时压辊可能已经无法处理板材均匀度产生的差异。则通过所述预警分析指令对所述差异极大值的对称距离和关联差异点进行预警分析评价。在进行预警分析评价时通过预设差异极大值和对称距离比值的预警极值进行预警分析评价，当预设差异极大值和对称距离比值超出预设的预警极值时则压辊对该对称差异评价结果无法进行处理，反之则压辊可以对该对称差异评价结果进行处理。当预警分析评价结果为不能执行差异补偿时即压辊对该对称差异评价结果无法进行处理时，则生成预警信息，通过所述预警信息对待轧制产品进行处理预警管理。实现了对板材对称差异评价结果的筛选，避免由于板材均匀程度不合格进而导致轧机无法处理，造成轧机的损坏。

如图3所示，本申请实施例提供的方法S70还包括：

S701：通过大数据构建轧制控制参数优化模型，并通过所述历史控制数据进行所述轧制控制参数优化模型的模型补偿；

S702：将所述第一状态评价结果和所述第二状态评价结果输入补偿后的所述轧制控制参数优化模型；

S703：输出获得优化后的所述轧制控制参数。

具体的，在对轧制控制参数进行优化时，首先通过大数据构建轧制控制参数优化模型，即通过大数据获取不同缺陷对应的优化控制参数，并通过历史控制数据进行所述轧制控制参数优化模型的模型补偿，即通过历史控制数据中生产效果较好的控制数据对轧制控制参数优化模型进行模型控制参数的补偿。随后，将所述第一状态评价结果和所述第二状态评价结果输入补偿后的所述轧制控制参数优化模型，此时模型已经获取的当前控制参数的第一状态评价结果和第二状态评价结果，根据第一状态评价结果对轧制控制参数进行优化，随后根据优化结果判断产生第二状态评价结果中产生缺陷对应的优化控制参数是否均得到了补偿，若产生缺陷对应的优化控制参数均得到了补偿则输出根据第一状态评价结果对轧制控制参数进行优化后的轧制控制参数。若产生缺陷对应的优化控制参数未进行补偿，则在根据第一状态评价结果对轧制控制参数进行优化后的控制参数的基础上继续进行未补偿控制参数的优化，进而输出优化后的所述轧制控制参数。

本发明实施例所提供的技术方案，通过连接金属轧机的控制单元，读取所述金属轧机的控制数据。获取所述金属轧机的历史控制数据，并基于所述历史控制数据构建状态-参数匹配模型。将所述控制数据输入所述状态-参数匹配模型，输出第一状态评价结果。通过所述图像采集单元对已生产产品执行轧制图像采集，获得与所述控制数据对应的产品图像集合。对所述产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果。采集获得待轧制产品信息和产品轧制需求信息，通过所述产品轧制需求信息和所述待轧制产品信息匹配轧制控制参数。通过所述第一状态评价结果和所述第二状态评价结果对所述轧制控制参数进行参数优化，通过优化后的轧制控制参数进行所述金属轧机的智能控制。解决了现有技术中金属轧机热轧过程中，轧机的控制参数无法根据产品质量进行智能调整，导致大量轧制产品存在质量缺陷造成生产资源浪费的技术问题。实现了根据轧制产品质量对金属轧机控制参数进行智能调整，保障了轧制产品的生产质量，提高了生产资源的利用率。

实施例

基于与前述实施例中一种金属轧机的智能控制方法同样发明构思，本发明还提供了一种金属轧机的智能控制方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中,用于执行本发明任意实施例所提供的方法。如图4所示，所述系统与图像采集单元通信连接，所述系统包括：

控制数据获取模块11，用于连接金属轧机的控制单元，读取所述金属轧机的控制数据；

状态-参数匹配模型构建模块12，用于获取所述金属轧机的历史控制数据，并基于所述历史控制数据构建状态-参数匹配模型；

第一状态评价结果获取模块13，用于将所述控制数据输入所述状态-参数匹配模型，输出第一状态评价结果；

产品图像采集模块14，用于通过所述图像采集单元对已生产产品执行轧制图像采集，获得与所述控制数据对应的产品图像集合；

第二状态评价结果获取模块15，用于对所述产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果；

轧制控制参数获取模块16，用于采集获得待轧制产品信息和产品轧制需求信息，通过所述产品轧制需求信息和所述待轧制产品信息匹配轧制控制参数；

参数优化模块17，用于通过所述第一状态评价结果和所述第二状态评价结果对所述轧制控制参数进行参数优化，通过优化后的轧制控制参数进行所述金属轧机的智能控制。

进一步地，所述参数优化模块17还用于：

通过所述温度采集单元对待轧制产品进行温度分布采集，获得温度分布采集结果，其中，所述温度分布采集结果具有位置分布标识；

基于优化后的所述轧制控制参数调用获得轧制速度控制数据；

通过轧制速度控制数据、所述温度分布采集结果和所述产品轧制需求信息生成温度控制数据；

基于所述温度控制数据对优化后的所述轧制控制参数进行参数补偿。

进一步地，所述参数优化模块17还用于：

采集获得环境温度信息，根据所述环境温度信息和所述温度分布采集结果生成各位置的温度衰减影响因子，其中，所述温度衰减影响因子为随时间变化的衰减影响因子；

基于所述轧制速度控制数据进行各位置的轧制控制节点确定，基于轧制控制节点确定结果和所述温度衰减影响因子进行轧制温度拟合，获得轧制温度拟合结果；

基于所述产品轧制需求信息和所述轧制温度拟合结果进行冷却液的喷洒量和喷洒温度确定；

将冷却液的喷洒量和喷洒温度作为所述温度控制数据。

进一步地，所述参数优化模块17还用于：

通过所述待轧制产品信息进行待轧制产品的产品版型分析，生成产品版型分布分析结果；

基于所述产品版型分布分析结果确定同一时间节点接触面的各位置点特征值；

将同一时间节点接触面的中心点作为对称评价原点，基于所述特征值进行对称差异评价；

根据对称差异评价结果匹配响应窗口，并生成控制补偿参数；

将所述响应窗口和所述控制补偿参数添加至优化后的所述轧制控制参数。

进一步地，所述参数优化模块17还用于：

通过所述历史控制数据设置对称补偿极值；

判断所述对称差异评价结果中的差异极大值是否满足所述对称补偿极值；

当所述差异极大值满足所述对称补偿极值时，则根据所述对称评价原点的对称距离和差异值获得所述差异评价结果。

进一步地，所述参数优化模块17还用于：

当所述差异极大值不能满足所述对称补偿极值时，则生成预警分析指令；

通过所述预警分析指令对所述差异极大值的对称距离和关联差异点进行预警分析评价；

当预警分析评价结果为不能执行差异补偿时，则生成预警信息，通过所述预警信息对待轧制产品进行处理预警管理。

进一步地，所述参数优化模块17还用于：

通过大数据构建轧制控制参数优化模型，并通过所述历史控制数据进行所述轧制控制参数优化模型的模型补偿；

将所述第一状态评价结果和所述第二状态评价结果输入补偿后的所述轧制控制参数优化模型；

输出获得优化后的所述轧制控制参数。

所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

实施例

图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。

存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种金属轧机的智能控制方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种金属轧机的智能控制方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种金属轧机的智能控制方法，其特征在于，所述方法应用于智能控制系统，所述智能控制系统与图像采集单元通信连接，所述方法包括：

连接金属轧机的控制单元，读取所述金属轧机的控制数据；

获取所述金属轧机的历史控制数据，并基于所述历史控制数据构建状态-参数匹配模型；

将所述控制数据输入所述状态-参数匹配模型，输出第一状态评价结果；

通过所述图像采集单元对已生产产品执行轧制图像采集，获得与所述控制数据对应的产品图像集合；

对所述产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果；

采集获得待轧制产品信息和产品轧制需求信息，通过所述产品轧制需求信息和所述待轧制产品信息匹配轧制控制参数；

通过所述第一状态评价结果和所述第二状态评价结果对所述轧制控制参数进行参数优化，通过优化后的轧制控制参数进行所述金属轧机的智能控制。

2.如权利要求1所述的方法，其特征在于，所述智能控制系统与温度采集单元通信连接，所述方法还包括：

通过所述温度采集单元对待轧制产品进行温度分布采集，获得温度分布采集结果，其中，所述温度分布采集结果具有位置分布标识；

基于优化后的所述轧制控制参数调用获得轧制速度控制数据；

通过轧制速度控制数据、所述温度分布采集结果和所述产品轧制需求信息生成温度控制数据；

基于所述温度控制数据对优化后的所述轧制控制参数进行参数补偿。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

采集获得环境温度信息，根据所述环境温度信息和所述温度分布采集结果生成各位置的温度衰减影响因子，其中，所述温度衰减影响因子为随时间变化的衰减影响因子；

基于所述轧制速度控制数据进行各位置的轧制控制节点确定，基于轧制控制节点确定结果和所述温度衰减影响因子进行轧制温度拟合，获得轧制温度拟合结果；

基于所述产品轧制需求信息和所述轧制温度拟合结果进行冷却液的喷洒量和喷洒温度确定；

将冷却液的喷洒量和喷洒温度作为所述温度控制数据。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述待轧制产品信息进行待轧制产品的产品版型分析，生成产品版型分布分析结果；

基于所述产品版型分布分析结果确定同一时间节点接触面的各位置点特征值；

将同一时间节点接触面的中心点作为对称评价原点，基于所述特征值进行对称差异评价；

根据对称差异评价结果匹配响应窗口，并生成控制补偿参数；

将所述响应窗口和所述控制补偿参数添加至优化后的所述轧制控制参数。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

通过所述历史控制数据设置对称补偿极值；

判断所述对称差异评价结果中的差异极大值是否满足所述对称补偿极值；

当所述差异极大值满足所述对称补偿极值时，则根据所述对称评价原点的对称距离和差异值获得所述差异评价结果。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

当所述差异极大值不能满足所述对称补偿极值时，则生成预警分析指令；

通过所述预警分析指令对所述差异极大值的对称距离和关联差异点进行预警分析评价；

当预警分析评价结果为不能执行差异补偿时，则生成预警信息，通过所述预警信息对待轧制产品进行处理预警管理。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

通过大数据构建轧制控制参数优化模型，并通过所述历史控制数据进行所述轧制控制参数优化模型的模型补偿；

将所述第一状态评价结果和所述第二状态评价结果输入补偿后的所述轧制控制参数优化模型；

输出获得优化后的所述轧制控制参数。

8.一种金属轧机的智能控制系统，其特征在于，所述系统与图像采集单元通信连接，所述系统包括：

控制数据获取模块，用于连接金属轧机的控制单元，读取所述金属轧机的控制数据；

状态-参数匹配模型构建模块，用于获取所述金属轧机的历史控制数据，并基于所述历史控制数据构建状态-参数匹配模型；

第一状态评价结果获取模块，用于将所述控制数据输入所述状态-参数匹配模型，输出第一状态评价结果；

产品图像采集模块，用于通过所述图像采集单元对已生产产品执行轧制图像采集，获得与所述控制数据对应的产品图像集合；

第二状态评价结果获取模块，用于对所述产品图像集合进行轧制缺陷识别，基于缺陷识别结果生成第二状态评价结果；

轧制控制参数获取模块，用于采集获得待轧制产品信息和产品轧制需求信息，通过所述产品轧制需求信息和所述待轧制产品信息匹配轧制控制参数；

参数优化模块，用于通过所述第一状态评价结果和所述第二状态评价结果对所述轧制控制参数进行参数优化，通过优化后的轧制控制参数进行所述金属轧机的智能控制。

9.一种电子设备，其特征在于，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的一种金属轧机的智能控制方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的一种金属轧机的智能控制方法。