CN117696635A - 一种减定径机轧制的控制方法及系统 - Google Patents
一种减定径机轧制的控制方法及系统 Download PDFInfo
- Publication number
- CN117696635A CN117696635A CN202311454062.5A CN202311454062A CN117696635A CN 117696635 A CN117696635 A CN 117696635A CN 202311454062 A CN202311454062 A CN 202311454062A CN 117696635 A CN117696635 A CN 117696635A
- Authority
- CN
- China
- Prior art keywords
- wall thickness
- rolling
- steel pipe
- preset
- difference value
- 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.)
- Pending
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 283
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004513 sizing Methods 0.000 title claims abstract description 17
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 189
- 239000010959 steel Substances 0.000 claims abstract description 189
- 230000009467 reduction Effects 0.000 claims description 78
- 238000011156 evaluation Methods 0.000 claims description 43
- 238000004088 simulation Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 235000017166 Bambusa arundinacea Nutrition 0.000 abstract description 7
- 235000017491 Bambusa tulda Nutrition 0.000 abstract description 7
- 241001330002 Bambuseae Species 0.000 abstract description 7
- 235000015334 Phyllostachys viridis Nutrition 0.000 abstract description 7
- 239000011425 bamboo Substances 0.000 abstract description 7
- 238000003825 pressing Methods 0.000 description 5
- 238000005452 bending Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
本申请涉及轧制技术领域，特别是涉及一种减定径机轧制的控制方法及系统，该方法包括：获取减定径机历史轧制过程的历史轧制数据，根据历史轧制数据得到影响钢管壁厚的因素以及对应的若干影响因子；计算多个影响因子与钢管壁厚的关联度，根据所述关联度确定特征影响因子集，根据所述特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型；获取当前轧制参数，将所述轧制参数输入至钢管壁厚预测模型中，得到当前钢管壁厚，计算当前钢管壁厚与预设点壁厚的壁厚差值，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数。本发明解决了钢管产生“竹节”引起壁厚超差大大降低轧制成品质量和成材率的技术问题。
Description
技术领域
本申请涉及轧制技术领域，特别是涉及一种减定径机轧制的控制方法及系统。
背景技术
通常在连轧机后面配置一组定径或张减机作为成型机组即可满足连轧管机的产量要求又可解决产品规格的需求实现用一种或几种连轧荒管生产多种不同规格成品光管的目的。减定径机实际上是轧辊转动带动轧件前进，在轧件与芯棒之间摩擦力的作用下轧件又带动芯棒前进，钢管的外径、壁厚均在这一工序经过一组连续布置的三辊机架组成的孔型加工达到最终热尺寸要求。
现有技术中，钢管在经过减定径机轧制工序时轧辊转速、轧制参数和轧制状态变化等每个因素都有可能影响到钢管管型，产生“竹节”引起壁厚超差不但影响钢管的质量严重时还会影响丝扣的车削，大大大降低轧制成品质量和成材率，因此，降低钢管壁厚偏差，是目前有待解决的技术问题。
发明内容
为解决上述技术问题，本申请提供了一种减定径机轧制的控制方法及系统，旨在解决钢管产生“竹节”引起壁厚超差不但影响钢管的质量严重时还会影响丝扣的车削，大大降低轧制成品质量和成材率的技术问题。
本申请的一些实施例中，根据历史轧制数据确定影响钢管壁厚的因素以及对应的影响因子，计算多个影响因子与钢管壁厚的关联度，得到关联度高的特征影响因子集，根据特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型，根据钢管壁厚预测模型得到当前轧制参数对应的钢管壁厚，若钢管壁厚差值不处于预设壁厚差值区间，利用最优轧制仿真模型得到当前最优轧制参数，根据最优轧制参数调整当前轧制参数，提高了轧制过程中钢管壁厚的均匀性以及钢管质量，提高轧制成品质量和成材率。
本申请的一些实施例中，在获取历史轧制数据前，调整机架孔型，改变机架孔型均匀下压的状况，使上下端大于左右端的压下量，消除了孔型内各点的线速度不同造成红条内部受力不均，从而形成竹节弯引起壁厚超差的问题。
本申请的一些实施例中，提供了一种减定径机轧制的控制方法及系统，包括：
获取减定径机历史轧制过程的历史轧制数据，根据历史轧制数据得到影响钢管壁厚的因素以及对应的若干影响因子；
计算多个影响因子与钢管壁厚的关联度，根据所述关联度确定特征影响因子集，根据所述特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型；
获取当前轧制参数，将所述轧制参数输入至钢管壁厚预测模型中，得到当前钢管壁厚，计算当前钢管壁厚与预设点壁厚的壁厚差值，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数。
在本申请的一些实施例中，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数，包括：
对获取的历史轧制数据进行划分得到目标轧制工况，基于所述目标轧制工况对应的目标轧制参数，得到最优轧制仿真模型；
当所述壁厚差值处于预设壁厚差值区间时，不对当前轧制参数进行调整，当所述壁厚差值不处于预设壁厚差值区间时，将当前钢管壁厚输入至最优轧制仿真模型中，得到最优轧制参数；
基于所述最优轧制参数，对当前轧制参数进行调整，将调整后的轧制参数输入至钢管壁厚预测模型中得到调整后的钢管壁厚，计算调整后的钢管壁厚与预设点壁厚的壁厚差值，若壁厚差值处于预设壁厚差值区间，按照调整后的轧制参数进行轧制，若壁厚差值不处于预设壁厚差值区间，对所述最优轧制仿真模型进行修正。
在本申请的一些实施例中，计算多个影响因子与钢管壁厚的关联度，包括：
将多个影响因子与钢管壁厚进行无量纲处理，得到影响因子数列和钢管壁厚数列，根据影响因子数列和钢管壁厚数列计算每个影响因子与钢管壁厚的关联度；
其中，Ki为第i个影响因子与钢管壁厚的关联度，i＝1，2，…q，Fi，s＝Xi(s)-Yi(s)，其中，Xi(s)为钢管壁厚数列中第s个壁厚取值，Yi(s)为影响因子数列中第s个影响因子，a1、a2为第一影响系数和第二影响系数，m为分辨系数，一般取0.5；
将关联度与预设关联度阈值进行对比，将关联度大于预设关联度阈值作为特征关联度；
将所述特征关联度对应的影响因子作为特征影响因子，根据特征影响因子构建特征影响因子集。
在本申请的一些实施例中，得到钢管壁厚预测模型，包括：
将所述特征影响因子集以及对应的钢管壁厚按比例划分为训练集和测试集，将特征影响因子集作为输入，所述钢管壁厚作为输出，构建第一预测模型；
根据粒子群算法对所述第一预测模型的各个参数进行优化，所述参数包括神经网络隐藏层数、时间窗步长和训练次数；
输入优化后的参数，对所述第一预测模型进行迭代优化，将所述测试集输入至优化后的第一预测模型中，得到第一预测模型的模型评价值，若模型评价值大于预设模型评价值阈值，将优化后的第一预测模型设定为钢管壁厚预测模型，若模型评价值小于预设模型评价值阈值，增加迭代次数，对第一预测模型进行迭代优化，直至模型评价值大于预设模型评价值阈值。
在本申请的一些实施例中，在提取减定径机历史轧制过程的历史轧制数据之前，还包括：
对机架孔型进行测量分析，根据相邻孔型的尺寸差值修正对应机架孔型，计算修正后的机架孔型对应的第一方向压下量和第二方向压下量，根据第一方向压下量和第二方向压下量的关系，调整机架孔型尺寸；
其中，对第一机架、第二机架…，第n机架的孔型进行依次测量分析，依次计算相邻机架孔型的尺寸差值，所述尺寸差值包括多个，依次为第一尺寸差值、第二尺寸差值…，第n－1尺寸差值；
根据第一尺寸差值、第二尺寸差值…，第n－1尺寸差值，依次修正第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸；
根据修正后的第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸计算每个机架孔型对应的第一方向压下量和第二方向压下量；
若所述第一方向压下量小于所述第二方向压下量，确定当前孔型作为对应机架孔型，若所述第一方向压下量大于所述第二方向压下量，增大对应机架孔型两侧角度，直至第一方向压下量小于所述第二方向压下量。
在本申请的一些实施例中，还包括一种减定径机轧制的控制系统：
获取模块，用于获取减定径机历史轧制过程的历史轧制数据，根据历史轧制数据得到影响钢管壁厚的因素以及对应的若干影响因子；
构建模块，用于计算多个影响因子与钢管壁厚的关联度，根据所述关联度确定特征影响因子集，根据所述特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型；
控制模块，用于获取当前轧制参数，将所述轧制参数输入至钢管壁厚预测模型中，得到当前钢管壁厚，计算当前钢管壁厚与预设点壁厚的壁厚差值，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数。
在本申请的一些实施例中，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数，包括：
所述控制模块用于对获取的历史轧制数据进行划分得到目标轧制工况，基于所述目标轧制工况对应的目标轧制参数，得到最优轧制仿真模型；
当所述壁厚差值处于预设壁厚差值区间时，不对当前轧制参数进行调整，当所述壁厚差值不处于预设壁厚差值区间时，将当前钢管壁厚输入至最优轧制仿真模型中，得到最优轧制参数；
基于所述最优轧制参数，对当前轧制参数进行调整，将调整后的轧制参数输入至钢管壁厚预测模型中得到调整后的钢管壁厚，计算调整后的钢管壁厚与预设点壁厚的壁厚差值，若壁厚差值处于预设壁厚差值区间，按照调整后的轧制参数进行轧制，若壁厚差值不处于预设壁厚差值区间，对所述最优轧制仿真模型进行修正。
在本申请的一些实施例中，计算多个影响因子与钢管壁厚的关联度，包括：
所述构建模块用于将多个影响因子与钢管壁厚进行无量纲处理，得到影响因子数列和钢管壁厚数列，根据影响因子数列和钢管壁厚数列计算每个影响因子与钢管壁厚的关联度；
其中，Ki为第i个影响因子与钢管壁厚的关联度，i＝1，2，…q，Fi，s＝Xi(s)-Yi(s)，其中，Xi(s)为钢管壁厚数列中第s个壁厚取值，Yi(s)为影响因子数列中第s个影响因子，a1、a2为第一影响系数和第二影响系数，m为分辨系数，一般取0.5；
将关联度与预设关联度阈值进行对比，将关联度大于预设关联度阈值作为特征关联度；
将所述特征关联度对应的影响因子作为特征影响因子，根据特征影响因子构建特征影响因子集。
在本申请的一些实施例中，得到钢管壁厚预测模型，包括：
所述构建模块用于将所述特征影响因子集以及对应的钢管壁厚按比例划分为训练集和测试集，将特征影响因子集作为输入，所述钢管壁厚作为输出，构建第一预测模型；
根据粒子群算法对所述第一预测模型的各个参数进行优化，所述参数包括神经网络隐藏层数、时间窗步长和训练次数；
输入优化后的参数，对所述第一预测模型进行迭代优化，将所述测试集输入至优化后的第一预测模型中，得到第一预测模型的模型评价值，若模型评价值大于预设模型评价值阈值，将优化后的第一预测模型设定为钢管壁厚预测模型，若模型评价值小于预设模型评价值阈值，增加迭代次数，对第一预测模型进行迭代优化，直至模型评价值大于预设模型评价值阈值。
在本申请的一些实施例中，获取模块之前，还包括：
调整模块，用于对机架孔型进行测量分析，根据相邻孔型的尺寸差值修正对应机架孔型，计算修正后的机架孔型对应的第一方向压下量和第二方向压下量，根据第一方向压下量和第二方向压下量的关系，调整机架孔型尺寸；
其中，对第一机架、第二机架…，第n机架的孔型进行依次测量分析，依次计算相邻机架孔型的尺寸差值，所述尺寸差值包括多个，依次为第一尺寸差值、第二尺寸差值…，第n－1尺寸差值；
根据第一尺寸差值、第二尺寸差值…，第n－1尺寸差值，依次修正第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸；
根据修正后的第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸计算每个机架孔型对应的第一方向压下量和第二方向压下量；
若所述第一方向压下量小于所述第二方向压下量，确定当前孔型作为对应机架孔型，若所述第一方向压下量大于所述第二方向压下量，增大对应机架孔型两侧角度，直至第一方向压下量小于所述第二方向压下量。
本申请实施例的一种减定径机轧制的控制方法及系统，与现有技术相比，其有益效果在于：
根据历史轧制数据确定影响钢管壁厚的因素以及对应的影响因子，计算多个影响因子与钢管壁厚的关联度，得到关联度高的特征影响因子集，根据特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型，根据钢管壁厚预测模型得到当前轧制参数对应的钢管壁厚，若钢管壁厚差值不处于预设壁厚差值区间，利用最优轧制仿真模型得到当前最优轧制参数，根据最优轧制参数调整当前轧制参数，提高了轧制过程中钢管壁厚的均匀性以及钢管质量，提高轧制成品质量和成材率。
在获取历史轧制数据前，调整机架孔型，改变机架孔型均匀下压的状况，使上下端大于左右端的压下量，消除了孔型内各点的线速度不同造成红条内部受力不均，从而形成竹节弯引起壁厚超差的问题。
附图说明
图1是本申请实施例优选实施例中一种减定径机轧制的控制方法的流程示意图；
图2是本申请实施例优选实施例中一种减定径机轧制的控制系统的示意图。
具体实施方式
下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
如图1所示，本申请实施例优选实施例的一种减定径机轧制的控制方法，包括：
步骤S101：获取减定径机历史轧制过程的历史轧制数据，根据历史轧制数据得到影响钢管壁厚的因素以及对应的若干影响因子；
步骤S102：计算多个影响因子与钢管壁厚的关联度，根据所述关联度确定特征影响因子集，根据所述特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型；
步骤S103：获取当前轧制参数，将所述轧制参数输入至钢管壁厚预测模型中，得到当前钢管壁厚，计算当前钢管壁厚与预设点壁厚的壁厚差值，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数。
在本实施例中，影响钢管壁厚的因素包括润滑状态、轧辊磨损状态、外张力和连轧调整参数等，比如，润滑状态对应的若干影响因子包括涂抹方式、涂抹温度和涂抹剂等。
在本实施例中，钢管壁厚预测模型是根据特征影响因子集以及对应的钢管壁厚优化训练得到的，保证了钢管壁厚预测模型和当前钢管壁厚的精准度。
在本申请的一些实施例中，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数，包括：
对获取的历史轧制数据进行划分得到目标轧制工况，基于所述目标轧制工况对应的目标轧制参数，得到最优轧制仿真模型；
当所述壁厚差值处于预设壁厚差值区间时，不对当前轧制参数进行调整，当所述壁厚差值不处于预设壁厚差值区间时，将当前钢管壁厚输入至最优轧制仿真模型中，得到最优轧制参数；
基于所述最优轧制参数，对当前轧制参数进行调整，将调整后的轧制参数输入至钢管壁厚预测模型中得到调整后的钢管壁厚，计算调整后的钢管壁厚与预设点壁厚的壁厚差值，若壁厚差值处于预设壁厚差值区间，按照调整后的轧制参数进行轧制，若壁厚差值不处于预设壁厚差值区间，对所述最优轧制仿真模型进行修正。
在本实施例中，目标轧制参数为减定径机轧制稳态运行过程下且钢管满足规定钢管质量对应的轧制数据，比如芯棒速度、轧辊转速、前后鼓肚控制等，并得到目标轧制数据与钢管壁厚的映射列表，根据目标轧制数据与钢管壁厚的映射列表构建最优轧制仿真模型，根据当前钢管壁厚差值与预设壁厚差值区间之间的关系，对当前轧制参数进行修正，根据最优轧制仿真模型得到最优轧制参数调整当前轧制参数，从而解决钢管壁厚差值的问题，保证了轧制成品质量和成材率。
在本申请的一些实施例中，计算多个影响因子与钢管壁厚的关联度，包括：
将多个影响因子与钢管壁厚进行无量纲处理，得到影响因子数列和钢管壁厚数列，根据影响因子数列和钢管壁厚数列计算每个影响因子与钢管壁厚的关联度；
其中，Ki为第i个影响因子与钢管壁厚的关联度，i＝1，2，…q，Fi，s＝Xi(s)-Yi(s)，其中，Xi(s)为钢管壁厚数列中第s个壁厚取值，Yi(s)为影响因子数列中第s个影响因子，a1、a2为第一影响系数和第二影响系数，m为分辨系数，一般取0.5；
将关联度与预设关联度阈值进行对比，将关联度大于预设关联度阈值作为特征关联度；
将所述特征关联度对应的影响因子作为特征影响因子，根据特征影响因子构建特征影响因子集。
在本实施例中，无量纲处理是为了消除不同量纲对后续数据处理的影响，关联度是多个影响因子与钢管壁厚的关联程度，预设关联阈值设定为0.8，将关联度大于0.8的关联度设定为特征关联度，特征关联度对应的影响因子设定为特征影响因子，从而构建特征影响因子集，特征影响因子集为后续构建钢管壁厚预测模型提供数据支持。
在本申请的一些实施例中，得到钢管壁厚预测模型，包括：
将所述特征影响因子集以及对应的钢管壁厚按比例划分为训练集和测试集，将特征影响因子集作为输入，所述钢管壁厚作为输出，构建第一预测模型；
根据粒子群算法对所述第一预测模型的各个参数进行优化，所述参数包括神经网络隐藏层数、时间窗步长和训练次数；
输入优化后的参数，对所述第一预测模型进行迭代优化，将所述测试集输入至优化后的第一预测模型中，得到第一预测模型的模型评价值，若模型评价值大于预设模型评价值阈值，将优化后的第一预测模型设定为钢管壁厚预测模型，若模型评价值小于预设模型评价值阈值，增加迭代次数，对第一预测模型进行迭代优化，直至模型评价值大于预设模型评价值阈值。
在本实施例中，粒子群算法优化第一预测模型进行全局寻优，评价每个粒子，计算每个粒子的个体极值和适应度值，若适应度值大于该粒子当前的个体极值，根据适应度值更新个体极值中的粒子位置，若当前的迭代次数达到了预先设定的最大次数，停止迭代，输出最优解，根据最优解优化第一预测模型，并计算优化后第一预测模型的模型评价值，大大提高了钢管壁厚预测模型的精准度，从而获取当前轧制参数对应的钢管壁厚，有利于调整轧制参数，提升钢管质量。
在本申请的一些实施例中，在提取减定径机历史轧制过程的历史轧制数据之前，还包括：
对机架孔型进行测量分析，根据相邻孔型的尺寸差值修正对应机架孔型，计算修正后的机架孔型对应的第一方向压下量和第二方向压下量，根据第一方向压下量和第二方向压下量的关系，调整机架孔型尺寸；
其中，对第一机架、第二机架…，第n机架的孔型进行依次测量分析，依次计算相邻机架孔型的尺寸差值，所述尺寸差值包括多个，依次为第一尺寸差值、第二尺寸差值…，第n－1尺寸差值；
根据第一尺寸差值、第二尺寸差值…，第n－1尺寸差值，依次修正第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸；
根据修正后的第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸计算每个机架孔型对应的第一方向压下量和第二方向压下量；
若所述第一方向压下量小于所述第二方向压下量，确定当前孔型作为对应机架孔型，若所述第一方向压下量大于所述第二方向压下量，增大对应机架孔型两侧角度，直至第一方向压下量小于所述第二方向压下量。
在本实施例中，根据实际轧制机架数量设定机架孔型，第一尺寸差值为第二机架孔型尺寸与第一机架孔型尺寸差值，根据孔型尺寸差值修正第一机架之后的机架孔型，使两个相邻孔型间的尺寸差值不再相同，第一方向压下量为孔型左右端压下量，第二方向压下量为孔型上下端压下量，使孔型上下端大于左右端的压下量，达到由于线速度不同造成内应力以达到消缺竹节弯引起壁厚超差的目的。
在本申请的一些实施例中，如图2所示，还包括一种减定径机轧制的控制系统：
获取模块，用于获取减定径机历史轧制过程的历史轧制数据，根据历史轧制数据得到影响钢管壁厚的因素以及对应的若干影响因子；
构建模块，用于计算多个影响因子与钢管壁厚的关联度，根据所述关联度确定特征影响因子集，根据所述特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型；
控制模块，用于获取当前轧制参数，将所述轧制参数输入至钢管壁厚预测模型中，得到当前钢管壁厚，计算当前钢管壁厚与预设点壁厚的壁厚差值，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数。
在本申请的一些实施例中，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数，包括：
所述控制模块用于对获取的历史轧制数据进行划分得到目标轧制工况，基于所述目标轧制工况对应的目标轧制参数，得到最优轧制仿真模型；
当所述壁厚差值处于预设壁厚差值区间时，不对当前轧制参数进行调整，当所述壁厚差值不处于预设壁厚差值区间时，将当前钢管壁厚输入至最优轧制仿真模型中，得到最优轧制参数；
基于所述最优轧制参数，对当前轧制参数进行调整，将调整后的轧制参数输入至钢管壁厚预测模型中得到调整后的钢管壁厚，计算调整后的钢管壁厚与预设点壁厚的壁厚差值，若壁厚差值处于预设壁厚差值区间，按照调整后的轧制参数进行轧制，若壁厚差值不处于预设壁厚差值区间，对所述最优轧制仿真模型进行修正。
在本申请的一些实施例中，计算多个影响因子与钢管壁厚的关联度，包括：
所述构建模块用于将多个影响因子与钢管壁厚进行无量纲处理，得到影响因子数列和钢管壁厚数列，根据影响因子数列和钢管壁厚数列计算每个影响因子与钢管壁厚的关联度；
其中，Ki为第i个影响因子与钢管壁厚的关联度，i＝1，2，…q，Fi，s＝Xi(s)-Yi(s)，其中，Xi(s)为钢管壁厚数列中第s个壁厚取值，Yi(s)为影响因子数列中第s个影响因子，a1、a2为第一影响系数和第二影响系数，m为分辨系数，一般取0.5；
将关联度与预设关联度阈值进行对比，将关联度大于预设关联度阈值作为特征关联度；
将所述特征关联度对应的影响因子作为特征影响因子，根据特征影响因子构建特征影响因子集。
在本申请的一些实施例中，得到钢管壁厚预测模型，包括：
所述构建模块用于将所述特征影响因子集以及对应的钢管壁厚按比例划分为训练集和测试集，将特征影响因子集作为输入，所述钢管壁厚作为输出，构建第一预测模型；
根据粒子群算法对所述第一预测模型的各个参数进行优化，所述参数包括神经网络隐藏层数、时间窗步长和训练次数；
输入优化后的参数，对所述第一预测模型进行迭代优化，将所述测试集输入至优化后的第一预测模型中，得到第一预测模型的模型评价值，若模型评价值大于预设模型评价值阈值，将优化后的第一预测模型设定为钢管壁厚预测模型，若模型评价值小于预设模型评价值阈值，增加迭代次数，对第一预测模型进行迭代优化，直至模型评价值大于预设模型评价值阈值。
在本申请的一些实施例中，获取模块之前，还包括：
调整模块，用于对机架孔型进行测量分析，根据相邻孔型的尺寸差值修正对应机架孔型，计算修正后的机架孔型对应的第一方向压下量和第二方向压下量，根据第一方向压下量和第二方向压下量的关系，调整机架孔型尺寸；
其中，对第一机架、第二机架…，第n机架的孔型进行依次测量分析，依次计算相邻机架孔型的尺寸差值，所述尺寸差值包括多个，依次为第一尺寸差值、第二尺寸差值…，第n－1尺寸差值；
根据第一尺寸差值、第二尺寸差值…，第n－1尺寸差值，依次修正第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸；
根据修正后的第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸计算每个机架孔型对应的第一方向压下量和第二方向压下量；
若所述第一方向压下量小于所述第二方向压下量，确定当前孔型作为对应机架孔型，若所述第一方向压下量大于所述第二方向压下量，增大对应机架孔型两侧角度，直至第一方向压下量小于所述第二方向压下量。
根据本申请的第一构思，根据历史轧制数据确定影响钢管壁厚的因素以及对应的影响因子，计算多个影响因子与钢管壁厚的关联度，得到关联度高的特征影响因子集，根据特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型，根据钢管壁厚预测模型得到当前轧制参数对应的钢管壁厚，若钢管壁厚差值不处于预设壁厚差值区间，利用最优轧制仿真模型得到当前最优轧制参数，根据最优轧制参数调整当前轧制参数，提高了轧制过程中钢管壁厚的均匀性以及钢管质量，提高轧制成品质量和成材率。
根据本申请的第二构思，在获取历史轧制数据前，调整机架孔型，改变机架孔型均匀下压的状况，使上下端大于左右端的压下量，消除了孔型内各点的线速度不同造成红条内部受力不均，从而形成竹节弯引起壁厚超差的问题。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。
Claims (10)
1.一种减定径机轧制的控制方法，其特征在于，包括：
获取减定径机历史轧制过程的历史轧制数据，根据历史轧制数据得到影响钢管壁厚的因素以及对应的若干影响因子；
计算多个影响因子与钢管壁厚的关联度，根据所述关联度确定特征影响因子集，根据所述特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型；
获取当前轧制参数，将所述轧制参数输入至钢管壁厚预测模型中，得到当前钢管壁厚，计算当前钢管壁厚与预设点壁厚的壁厚差值，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数。
2.如权利要求1所述的减定径机轧制的控制方法，其特征在于，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数，包括：
对获取的历史轧制数据进行划分得到目标轧制工况，基于所述目标轧制工况对应的目标轧制参数，得到最优轧制仿真模型；
当所述壁厚差值处于预设壁厚差值区间时，不对当前轧制参数进行调整，当所述壁厚差值不处于预设壁厚差值区间时，将当前钢管壁厚输入至最优轧制仿真模型中，得到最优轧制参数；
基于所述最优轧制参数，对当前轧制参数进行调整，将调整后的轧制参数输入至钢管壁厚预测模型中得到调整后的钢管壁厚，计算调整后的钢管壁厚与预设点壁厚的壁厚差值，若壁厚差值处于预设壁厚差值区间，按照调整后的轧制参数进行轧制，若壁厚差值不处于预设壁厚差值区间，对所述最优轧制仿真模型进行修正。
3.如权利要求1所述的减定径机轧制的控制方法，其特征在于，计算多个影响因子与钢管壁厚的关联度，包括：
将多个影响因子与钢管壁厚进行无量纲处理，得到影响因子数列和钢管壁厚数列，根据影响因子数列和钢管壁厚数列计算每个影响因子与钢管壁厚的关联度；
其中，Ki为第i个影响因子与钢管壁厚的关联度，i＝1，2，…q，Fi，s＝Xi(s)-Yi(s)，其中，Xi(s)为钢管壁厚数列中第s个壁厚取值，Yi(s)为影响因子数列中第s个影响因子，a1、a2为第一影响系数和第二影响系数，m为分辨系数，一般取0.5；
将关联度与预设关联度阈值进行对比，将关联度大于预设关联度阈值作为特征关联度；
将所述特征关联度对应的影响因子作为特征影响因子，根据特征影响因子构建特征影响因子集。
4.如权利要求1所述的减定径机轧制的控制方法，其特征在于，得到钢管壁厚预测模型，包括：
将所述特征影响因子集以及对应的钢管壁厚按比例划分为训练集和测试集，将特征影响因子集作为输入，所述钢管壁厚作为输出，构建第一预测模型；
根据粒子群算法对所述第一预测模型的各个参数进行优化，所述参数包括神经网络隐藏层数、时间窗步长和训练次数；
输入优化后的参数，对所述第一预测模型进行迭代优化，将所述测试集输入至优化后的第一预测模型中，得到第一预测模型的模型评价值，若模型评价值大于预设模型评价值阈值，将优化后的第一预测模型设定为钢管壁厚预测模型，若模型评价值小于预设模型评价值阈值，增加迭代次数，对第一预测模型进行迭代优化，直至模型评价值大于预设模型评价值阈值。
5.如权利要求1所述的减定径机轧制的控制方法，其特征在于，在提取减定径机历史轧制过程的历史轧制数据之前，还包括：
对机架孔型进行测量分析，根据相邻孔型的尺寸差值修正对应机架孔型，计算修正后的机架孔型对应的第一方向压下量和第二方向压下量，根据第一方向压下量和第二方向压下量的关系，调整机架孔型尺寸；
其中，对第一机架、第二机架…，第n机架的孔型进行依次测量分析，依次计算相邻机架孔型的尺寸差值，所述尺寸差值包括多个，依次为第一尺寸差值、第二尺寸差值…，第n－1尺寸差值；
根据第一尺寸差值、第二尺寸差值…，第n－1尺寸差值，依次修正第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸；
根据修正后的第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸计算每个机架孔型对应的第一方向压下量和第二方向压下量；
若所述第一方向压下量小于所述第二方向压下量，确定当前孔型作为对应机架孔型，若所述第一方向压下量大于所述第二方向压下量，增大对应机架孔型两侧角度，直至第一方向压下量小于所述第二方向压下量。
6.一种减定径机轧制的控制系统，其特征在于，还包括：
获取模块，用于获取减定径机历史轧制过程的历史轧制数据，根据历史轧制数据得到影响钢管壁厚的因素以及对应的若干影响因子；
构建模块，用于计算多个影响因子与钢管壁厚的关联度，根据所述关联度确定特征影响因子集，根据所述特征影响因子集以及对应的钢管壁厚构建钢管壁厚预测模型；
控制模块，用于获取当前轧制参数，将所述轧制参数输入至钢管壁厚预测模型中，得到当前钢管壁厚，计算当前钢管壁厚与预设点壁厚的壁厚差值，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数。
7.如权利要求6所述的减定径机轧制的控制系统，其特征在于，根据壁厚差值与预设壁厚差值区间之间的关系，调整所述轧制参数，包括：
所述控制模块用于对获取的历史轧制数据进行划分得到目标轧制工况，基于所述目标轧制工况对应的目标轧制参数，得到最优轧制仿真模型；
当所述壁厚差值处于预设壁厚差值区间时，不对当前轧制参数进行调整，当所述壁厚差值不处于预设壁厚差值区间时，将当前钢管壁厚输入至最优轧制仿真模型中，得到最优轧制参数；
基于所述最优轧制参数，对当前轧制参数进行调整，将调整后的轧制参数输入至钢管壁厚预测模型中得到调整后的钢管壁厚，计算调整后的钢管壁厚与预设点壁厚的壁厚差值，若壁厚差值处于预设壁厚差值区间，按照调整后的轧制参数进行轧制，若壁厚差值不处于预设壁厚差值区间，对所述最优轧制仿真模型进行修正。
8.如权利要求6所述的减定径机轧制的控制系统，其特征在于，计算多个影响因子与钢管壁厚的关联度，包括：
所述构建模块用于将多个影响因子与钢管壁厚进行无量纲处理，得到影响因子数列和钢管壁厚数列，根据影响因子数列和钢管壁厚数列计算每个影响因子与钢管壁厚的关联度；
其中，Ki为第i个影响因子与钢管壁厚的关联度，i＝1，2，…q，Fi，s＝Xi(s)-Yi(s)，其中，Xi(s)为钢管壁厚数列中第s个壁厚取值，Yi(s)为影响因子数列中第s个影响因子，a1、a2为第一影响系数和第二影响系数，m为分辨系数，一般取0.5；
将关联度与预设关联度阈值进行对比，将关联度大于预设关联度阈值作为特征关联度；
将所述特征关联度对应的影响因子作为特征影响因子，根据特征影响因子构建特征影响因子集。
9.如权利要求6所述的减定径机轧制的控制系统，其特征在于，得到钢管壁厚预测模型，包括：
所述构建模块用于将所述特征影响因子集以及对应的钢管壁厚按比例划分为训练集和测试集，将特征影响因子集作为输入，所述钢管壁厚作为输出，构建第一预测模型；
根据粒子群算法对所述第一预测模型的各个参数进行优化，所述参数包括神经网络隐藏层数、时间窗步长和训练次数；
输入优化后的参数，对所述第一预测模型进行迭代优化，将所述测试集输入至优化后的第一预测模型中，得到第一预测模型的模型评价值，若模型评价值大于预设模型评价值阈值，将优化后的第一预测模型设定为钢管壁厚预测模型，若模型评价值小于预设模型评价值阈值，增加迭代次数，对第一预测模型进行迭代优化，直至模型评价值大于预设模型评价值阈值。
10.如权利要求6所述的减定径机轧制的控制系统，其特征在于，获取模块之前，还包括：
调整模块，用于对机架孔型进行测量分析，根据相邻孔型的尺寸差值修正对应机架孔型，计算修正后的机架孔型对应的第一方向压下量和第二方向压下量，根据第一方向压下量和第二方向压下量的关系，调整机架孔型尺寸；
其中，对第一机架、第二机架…，第n机架的孔型进行依次测量分析，依次计算相邻机架孔型的尺寸差值，所述尺寸差值包括多个，依次为第一尺寸差值、第二尺寸差值…，第n－1尺寸差值；
根据第一尺寸差值、第二尺寸差值…，第n－1尺寸差值，依次修正第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸；
根据修正后的第二机架孔型尺寸、第三机架孔型尺寸…，第n机架孔型尺寸计算每个机架孔型对应的第一方向压下量和第二方向压下量；
若所述第一方向压下量小于所述第二方向压下量，确定当前孔型作为对应机架孔型，若所述第一方向压下量大于所述第二方向压下量，增大对应机架孔型两侧角度，直至第一方向压下量小于所述第二方向压下量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311454062.5A CN117696635A (zh) | 2023-11-03 | 2023-11-03 | 一种减定径机轧制的控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311454062.5A CN117696635A (zh) | 2023-11-03 | 2023-11-03 | 一种减定径机轧制的控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117696635A true CN117696635A (zh) | 2024-03-15 |
Family
ID=90163071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311454062.5A Pending CN117696635A (zh) | 2023-11-03 | 2023-11-03 | 一种减定径机轧制的控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117696635A (zh) |
-
2023
- 2023-11-03 CN CN202311454062.5A patent/CN117696635A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104324948B (zh) | 一种热连轧粗轧过程轧件宽度控制方法 | |
| CN112507573A (zh) | 一种基于数字孪生的热连轧轧制过程监控预警方法 | |
| CN100354053C (zh) | 无缝管的制造方法 | |
| CN109013717B (zh) | 一种热连轧中间坯心部温度计算方法 | |
| CN110116146B (zh) | 一种高频焊管智能穿带方法 | |
| CN117086117A (zh) | 一种钛带热轧过程温度控制方法及系统 | |
| CN117655118B (zh) | 多模融合的带钢板形控制方法和装置 | |
| CN114818456A (zh) | 一种冷连轧带钢全长变形抗力预测方法及优化方法 | |
| CN112845610B (zh) | 一种轧钢电耗参数推荐方法及系统 | |
| CN117696635A (zh) | 一种减定径机轧制的控制方法及系统 | |
| CN111159649B (zh) | 一种冷连轧机变规格风险预测方法 | |
| CN114634294B (zh) | 一种基板玻璃厚度自动调节方法及系统 | |
| JPH05154524A (ja) | 鋼線列および／または鋼棒列に圧延された圧延製品の形態安定性および寸法安定性に対する許容誤差を狭くする方法および装置 | |
| CN115106384B (zh) | 一种基于随机森林的厚板轧制辊缝校正方法 | |
| CN116108932A (zh) | 一种钢铁生产过程数据和机理融合模型建立方法 | |
| CN111633059B (zh) | 基于板型特征的辊式矫直机压下量控制方法 | |
| US20220143661A1 (en) | Method and system for monitoring the gap in rolling mills | |
| CN110293135B (zh) | 一种粗轧宽度动态前馈控制方法 | |
| CN112329198A (zh) | 一种基于数据驱动的宽厚板放尺长度优化方法 | |
| CN111618104A (zh) | 一种板坯热轧温降检测方法 | |
| CN117259447B (zh) | 一种铜管旋轧生产参数自适应调整方法及系统 | |
| CN113351652B (zh) | 冷轧硅钢的横向同板差控制方法及装置 | |
| CN117724433B (zh) | 基于多通道分布式深度集成预测的冷轧生产前馈控制方法 | |
| CN112792142B (zh) | 基于板形检测数据的带材跑偏量识别方法 | |
| CN117505551B (zh) | 用于异型钢连轧工艺的工件质量控制方法及系统 |
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 |