TWI786580B - 精軋機出口溫度估算方法 - Google Patents

精軋機出口溫度估算方法 Download PDF

Info

Publication number
TWI786580B
TWI786580B TW110111225A TW110111225A TWI786580B TW I786580 B TWI786580 B TW I786580B TW 110111225 A TW110111225 A TW 110111225A TW 110111225 A TW110111225 A TW 110111225A TW I786580 B TWI786580 B TW I786580B
Authority
TW
Taiwan
Prior art keywords
temperature
data model
compensation value
outlet temperature
historical
Prior art date
Application number
TW110111225A
Other languages
English (en)
Other versions
TW202238298A (zh
Inventor
張至中
Original Assignee
中國鋼鐵股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 中國鋼鐵股份有限公司 filed Critical 中國鋼鐵股份有限公司
Priority to TW110111225A priority Critical patent/TWI786580B/zh
Publication of TW202238298A publication Critical patent/TW202238298A/zh
Application granted granted Critical
Publication of TWI786580B publication Critical patent/TWI786580B/zh

Links

Images

Landscapes

  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Disintegrating Or Milling (AREA)
  • Automatic Control Of Machine Tools (AREA)
  • Feedback Control In General (AREA)

Abstract

本發明提供了一種精軋機出口溫度估算方法，其包含下列步驟：對歷史工作參數與歷史出口溫度進行回歸，以獲得一大數據模型；利用該大數據模型來計算出一大數據模型計算溫度；將一實際出口溫度減去一理論出口溫度，以獲得一學習後補償值；將該實際出口溫度減去該大數據模型計算溫度，以獲得一大數據模型補償值；計算出該學習後補償值與該大數據模型補償值的一絕對比值，將該絕對比值乘以該學習後補償值，以獲得一補償修正值；加總該理論出口溫度、一鋼捲溫度補償值、一批次溫度補償值及該補償修正值，以獲得一精軋機出口溫度估算值。

Description

精軋機出口溫度估算方法
本發明係關於溫度估算方法，特別是一種精軋機出口溫度估算方法。
在煉鋼產業中的精軋製程中，精軋機出口溫度會直接影響軋延後鋼材的品質。在現有的技術中，多會利用精軋的理論模型/物理模型搭配工作參數預先估測精軋機出口溫度。接著在與製程中的實際出口溫度進行比對學習並且產生補償值，再透過補償值來調整工作參數使估測出口溫度能夠貼近實際出口溫度，藉此來維持估測出口溫度的精度。
然而，現有技術需要多個鋼捲或多個批次來進行比對學習，以獲得精確的補償值，進而降低估測精軋機出口溫度與實際出口溫度的誤差。也就是說， 當鋼材材質/規格(例如寬度、厚度)改變或是製程改變時，前幾批的產品因為精軋機還處於比對學習階段，實際出口溫度與估測精軋機出口溫度會有較大的誤差，因此前幾批的產品的軋延品質/規格多會不符合需求而需要剔退。如此一來，比對學習階段中所消耗的能源及剔退的產品都直接導致生產成本的增加。
故，有必要提供一種精軋機出口溫度估算方法，以解决習用技術所存在的問題。
本發明的目的在於提供一種精軋機出口溫度估算方法，其可以加快比對學習，使得在同一批次中實際出口溫度與估測精軋機出口溫度之間的誤差可以快速收斂，進而維持軋延品質及減少剔退的鋼捲數量。
為了達成上述目的，本發明提供了一種精軋機出口溫度估算方法，其包含下列步驟：對至少一歷史工作參數與至少一歷史出口溫度進行回歸，以獲得一大數據模型；利用該大數據模型來計算出一大數據模型計算溫度；將一實際出口溫度減去一理論出口溫度，以獲得一學習後補償值；將該實際出口溫度減去該大數據模型計算溫度，以獲得一大數據模型補償值；計算出該學習後補償值與該大數據模型補償值的一絕對比值，將該絕對比值乘以該學習後補償值，以獲得一補償修正值；加總該理論出口溫度、一鋼捲溫度補償值、一批次溫度補償值及該補償修正值，以獲得一精軋機出口溫度估算值。
在本發明的一實施例中，該學習後補償值的一絕對值大於該大數據模型補償值的一絕對值。
在本發明的一實施例中，該絕對比值在1至5之間。
在本發明的一實施例中，該絕對比值小於或等於2。
在本發明的一實施例中，利用該大數據模型來計算出該大數據模型計算溫度包含：將至少一工作參數輸入至該大數據模型。
在本發明的一實施例中，該歷史工作參數包含一歷史入口溫度、一歷史鋼材寬度、一歷史鋼材精軋前厚度、一歷史鋼材精軋後厚度、一歷史精軋速度及一歷史噴水量。
在本發明的一實施例中，該精軋機出口溫度估算方法還包含：收集該歷史工作參數及該歷史出口溫度。
在本發明的一實施例中，該鋼捲溫度補償值用以補償為一第一鋼捲與接續的一第二鋼捲之間的溫度誤差。
在本發明的一實施例中，該批次溫度補償值用以補償一第一工作批次與接續的一第二工作批次之間的溫度誤差，且該第一工作批次包含精軋至少一鋼捲，該第二工作批次包含精軋至少另一鋼捲。
在本發明的一實施例中，該精軋機出口溫度估算方法還包含：使用一溫度物理模型搭配至少一工作參數來計算出該理論出口溫度。
如上所述，本發明實施例所提供的精軋機出口溫度估算方法對歷史工作參數與一歷史出口溫度進行回歸並獲得大數據模型，利用大數據模型來計算出大數據模型計算溫度，並且接著通過學習後補償值與大數據模型補償值的一絕對比值來獲得補償修正值，藉此可以快速地獲得精軋機出口溫度估算值。利用本發明所提供的精軋機出口溫度估算方法，精軋機出口溫度估算值與實際出口溫度之間的誤差可以維持在20度內，標準差在10度內。如此一來，可以讓精軋機出口溫度估算值與實際出口溫度的誤差快速收斂，進而維持軋延品質及減少剔退的鋼捲數量。
爲了讓本發明之上述及其他目的、特徵、優點能更明顯易懂，下文將特舉本發明較佳實施例，並配合所附圖式，作詳細說明如下。
請參照第1圖，第1圖是現行技術精軋機在比對學習過程的流程示意圖。現行技術利會利用以下數學式1來估算精軋機出口溫度： [數學式1]
Figure 02_image001
其中
Figure 02_image003
是精軋機出口溫度估算值、
Figure 02_image005
是理論出口溫度、
Figure 02_image007
是鋼捲溫度補償值、
Figure 02_image009
是批次溫度補償值。其中鋼捲溫度補償值
Figure 02_image007
及批次溫度補償值
Figure 02_image009
分別會通過下列數學式2來比對學習來提高補償值的精度： [數學式2]
Figure 02_image011
其中是
Figure 02_image013
是學習後補償值、
Figure 02_image015
是實際出口溫度、
Figure 02_image005
是理論出口溫度。
因為需要實際出口溫度來進行比對學習，再加上需要對鋼捲溫度補償值
Figure 02_image007
及批次溫度補償值
Figure 02_image009
分別進行比對學習。現行技術就需要經過較多的鋼捲及批次的學習來降低精軋機出口溫度估算值與實際出口溫度之間的誤差，這樣也使得在比對學習階段中的產品的軋延品質/規格多會不符合需求而遭到剔退。過多的剔退產品再加上學習階段中所消耗的能源都會直接導致生產成本的增加。
因此，為了讓精軋機出口溫度估算值與實際出口溫度之間的誤差快速收斂，進而減少剔退產品與維持軋延品質。本發明提供一種精軋機出口溫度估算方法。
請參照第2圖，第2圖是本發明一實施例的一種精軋機出口溫度估算方法的一步驟流程圖。本實施例所提供的精軋機出口溫度估算方法，其包含下列步驟。
步驟S110，對至少一歷史工作參數與至少一歷史出口溫度進行回歸，以獲得一大數據模型。步驟S110還可以包含：收集該歷史工作參數及該歷史出口溫度。例如，收集最近一個月內操作過的歷史工作參數及對應歷史工作參數的歷史出口溫度。應當理解的是，所要收集的該歷史工作參數與該歷史出口溫度的時間長短及時間區段可以依使用需求調整。該歷史工作參數可以包含一歷史入口溫度、一歷史鋼材寬度、一歷史鋼材精軋前厚度、一歷史鋼材精軋後厚度、一歷史精軋速度、一歷史噴水量及其組合。
步驟S120，利用該大數據模型來計算出一大數據模型計算溫度。步驟S120還可以包含：將至少一工作參數輸入至該大數據模型。如此一來，就可通過該大數據模型計算出該大數據模型計算溫度。此外，該工作參數可以包含一入口溫度、一鋼材寬度、一鋼材精軋前厚度、一鋼材精軋後厚度、一精軋速度、一噴水量及其組合。也就是說，所算出的該大數據模型計算溫度是基於所收集該歷史工作參數。
步驟S130，將一實際出口溫度減去一理論出口溫度，以獲得一學習後補償值。應當理解的是，可以基於理論公式來計算出該理論出口溫度，更可以通過經驗證的物理模型來計算出該理論出口溫度。因此，步驟S130還可以包含：使用一溫度物理模型搭配至少一工作參數來計算出該理論出口溫度。此外，可以利用設置在精軋機出口的溫度感測器來獲得該實際出口溫度。此外，步驟S130可以呈現如下列數學式3： [數學式3]
Figure 02_image011
其中是
Figure 02_image013
是該學習後補償值、
Figure 02_image015
是該實際出口溫度、
Figure 02_image005
是該理論出口溫度。
步驟S140，將該實際出口溫度減去該大數據模型計算溫度，以獲得一大數據模型補償值。而步驟S140可以呈現如下列數學式4： [數學式4]
Figure 02_image017
其中是
Figure 02_image019
是該大數據模型補償值、
Figure 02_image015
是該實際出口溫度、
Figure 02_image021
是該大數據模型計算溫度。
步驟S150，計算出該學習後補償值與該大數據模型補償值的一絕對比值，將該絕對比值乘以該學習後補償值，以獲得一補償修正值。此外，該學習後補償值的一絕對值大於該大數據模型補償值的一絕對值，而且該絕對比值可以在1至5之間。例如該絕對比值小於或等於2。而步驟S150可以呈現如下列數學式5： [數學式5]
Figure 02_image023
其中
Figure 02_image025
，
Figure 02_image027
，
Figure 02_image029
。而且
Figure 02_image031
是該補償修正值、
Figure 02_image033
是該絕對比值、
Figure 02_image013
是該學習後補償值、
Figure 02_image019
是該大數據模型補償值。
步驟S160，加總該理論出口溫度、一鋼捲溫度補償值、一批次溫度補償值及該補償修正值，以獲得一精軋機出口溫度估算值。該鋼捲溫度補償值用以補償為一第一鋼捲與接續的一第二鋼捲之間的溫度誤差。該批次溫度補償值用以補償一第一工作批次與接續的一第二工作批次之間的溫度誤差，且該第一工作批次包含精軋至少一鋼捲，該第二工作批次包含精軋至少另一鋼捲。而在該第一工作批次中，精軋機會依照同樣的工作參數(例如第一工作參數)來精軋一個或數個鋼捲，同理在該第二工作批次中，精軋機會依照同樣的工作參數(例如第二工作參數)來精軋一個或數個鋼捲。應當理解的是，第二工作參數可以與第一工作參數完全相同或是依需求來調整。此外，步驟S160可以呈現如下列數學式6： [數學式6]
Figure 02_image035
其中
Figure 02_image003
是精軋機出口溫度估算值、
Figure 02_image005
是該理論出口溫度、
Figure 02_image007
是該鋼捲溫度補償值、
Figure 02_image009
是該批次溫度補償值、
Figure 02_image031
是該補償修正值。
現在請參照第3圖，第3圖是利用第2圖實施例、現有技術及實際出口溫度的比較圖。其中空心三角形△代表現有技術的精軋機出口溫度估算值、空心圓形○代表實際出口溫度、實心圓形●代表本發明的精軋機出口溫度估算值。可以發現現有技術在前5次的學習中，精軋機出口溫度估算值與實際出口溫度的誤差至少在12度以上，並且需要在第13次學習之後才能將誤差收斂至5度。而使用本發明的精軋機出口溫度估算值在第5次學習時，精軋機出口溫度估算值與實際口溫度的誤差就可以降低至5度，而且在整個學習次數中，誤差都可以維持在正負20度以內，特別是在第5次學習多可以維持在正負5度。此外，使用本發明的精軋機出口溫度估算值與實際出口溫度的誤差可以快速收斂(第5次學習後即穩定在正負5度之間)。如此一來，在第5次學習與之後的鋼捲就可以維持一定的品質，進而減少剔退的鋼捲數量。舉例說明，若當溫度的誤差超過10度就會使精軋鋼捲的品質/規格不符合品保規範而被剔退，可以發現使用現有技術會9個鋼捲需要被剔退(第1、2、3、4、5、6、7、9、12次)，而使用本發明僅有4個鋼捲需要被剔退(第1、3、4、12次)。
如上所述，本發明實施例所提供的精軋機出口溫度估算方法對歷史工作參數與一歷史出口溫度進行回歸並獲得大數據模型，利用大數據模型來計算出大數據模型計算溫度，並且接著通過學習後補償值與大數據模型補償值的一絕對比值來獲得補償修正值，藉此可以快速地獲得精軋機出口溫度估算值。利用本發明所提供的精軋機出口溫度估算方法，精軋機出口溫度估算值與實際出口溫度之間的誤差可以維持在20度內，標準差在10度內。如此一來，可以讓精軋機出口溫度估算值與實際出口溫度的誤差快速收斂，進而維持軋延品質及減少剔退的鋼捲數量。
雖然本發明已以較佳實施例揭露，然其並非用以限制本發明，任何熟習此項技藝之人士，在不脫離本發明之精神和範圍內，當可作各種更動與修飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者爲準。
S110～S160:步驟
第1圖是現行技術精軋機在比對學習過程的流程示意圖。 第2圖是本發明一實施例的一種精軋機出口溫度估算方法的一步驟流程圖。 第3圖是利用第2圖實施例、現有技術及實際出口溫度的比較圖。
S110~S160:步驟

Claims (7)

  1. 一種精軋機出口溫度估算方法，其包含下列步驟：對至少一歷史工作參數與至少一歷史出口溫度進行回歸，以獲得一大數據模型；利用該大數據模型來計算出一大數據模型計算溫度；使用一溫度物理模型搭配至少一工作參數來計算出一理論出口溫度；將一實際出口溫度減去該理論出口溫度，以獲得一學習後補償值；將該實際出口溫度減去該大數據模型計算溫度，以獲得一大數據模型補償值；計算出該學習後補償值與該大數據模型補償值的一絕對比值，將該絕對比值乘以該學習後補償值，以獲得一補償修正值；加總該理論出口溫度、一鋼捲溫度補償值、一批次溫度補償值及該補償修正值，以獲得一精軋機出口溫度估算值；其中該鋼捲溫度補償值用以補償為一第一鋼捲與接續的一第二鋼捲之間的溫度誤差；其中該批次溫度補償值用以補償一第一工作批次與接續的一第二工作批次之間的溫度誤差，且該第一工作批次包含精軋至少一鋼捲，該第二工作批次包含精軋至少另一鋼捲，其中該第一工作批次根據一第一工作參數運作，且該第二工作批次根據一第二工作參數運作。
  2. 如請求項1所述之精軋機出口溫度估算方法，其中該學習後補償值的一絕對值大於該大數據模型補償值的一絕對值。
  3. 如請求項2所述之精軋機出口溫度估算方法，其中該絕對比值在1至5之間。
  4. 如請求項3所述之精軋機出口溫度估算方法，其中該絕對比值小於或等於2。
  5. 如請求項1所述之精軋機出口溫度估算方法，其中利用該大數據模型來計算出該大數據模型計算溫度包含：將至少一工作參數輸入至該大數據模型。
  6. 如請求項1所述之精軋機出口溫度估算方法，其中該歷史工作參數包含一歷史入口溫度、一歷史鋼材寬度、一歷史鋼材精軋前厚度、一歷史鋼材精軋後厚度、一歷史精軋速度及一歷史噴水量。
  7. 如請求項1所述之精軋機出口溫度估算方法，還包含：收集該歷史工作參數及該歷史出口溫度。
TW110111225A 2021-03-26 2021-03-26 精軋機出口溫度估算方法 TWI786580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW110111225A TWI786580B (zh) 2021-03-26 2021-03-26 精軋機出口溫度估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110111225A TWI786580B (zh) 2021-03-26 2021-03-26 精軋機出口溫度估算方法

Publications (2)

Publication Number Publication Date
TW202238298A TW202238298A (zh) 2022-10-01
TWI786580B true TWI786580B (zh) 2022-12-11

Family

ID=85460275

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110111225A TWI786580B (zh) 2021-03-26 2021-03-26 精軋機出口溫度估算方法

Country Status (1)

Country Link
TW (1) TWI786580B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102000703A (zh) * 2009-09-02 2011-04-06 株式会社日立制作所 热轧机出侧温度控制装置及控制方法
US8391998B2 (en) * 2006-10-09 2013-03-05 Siemens Aktiengesellschaft Method for controlling and/or regulating an industrial process
US20170002440A1 (en) * 2014-01-22 2017-01-05 Sms Group Gmbh Method for optimally producing metal steel and iron alloys in hot-rolled and thick plate factories using a microstructure simulator, monitor, and/or model
CN106363024A (zh) * 2016-08-26 2017-02-01 首钢京唐钢铁联合有限责任公司 沿带钢全长设定变目标卷取温度的方法
CN106493180A (zh) * 2015-09-08 2017-03-15 株式会社日立制作所 卷绕温度控制装置以及卷绕温度控制方法
US10040107B2 (en) * 2014-02-04 2018-08-07 Toshiba Mitsubishi-Electric Industrial Systems Corporation Temperature control apparatus of hot-rolling mill

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8391998B2 (en) * 2006-10-09 2013-03-05 Siemens Aktiengesellschaft Method for controlling and/or regulating an industrial process
CN102000703A (zh) * 2009-09-02 2011-04-06 株式会社日立制作所 热轧机出侧温度控制装置及控制方法
US20170002440A1 (en) * 2014-01-22 2017-01-05 Sms Group Gmbh Method for optimally producing metal steel and iron alloys in hot-rolled and thick plate factories using a microstructure simulator, monitor, and/or model
US10040107B2 (en) * 2014-02-04 2018-08-07 Toshiba Mitsubishi-Electric Industrial Systems Corporation Temperature control apparatus of hot-rolling mill
CN106493180A (zh) * 2015-09-08 2017-03-15 株式会社日立制作所 卷绕温度控制装置以及卷绕温度控制方法
CN106363024A (zh) * 2016-08-26 2017-02-01 首钢京唐钢铁联合有限责任公司 沿带钢全长设定变目标卷取温度的方法

Also Published As

Publication number Publication date
TW202238298A (zh) 2022-10-01

Similar Documents

Publication Publication Date Title
CN105834225B (zh) 冷连轧机动态变规格轧制的厚度控制方法及控制系统
JP2009113101A (ja) 圧延荷重の学習制御方法および装置、ならびに鋼板の製造方法
RU2008139906A (ru) Способ и установка для интегрированного мониторинга и контроля плоскостности полосы и профиля полосы
JP2003013268A (ja) 連続酸洗方法および連続酸洗装置
CN105251778A (zh) 单锥度工作辊窜辊轧机边部减薄反馈控制方法
Liu et al. Algorithm design and application of laminar cooling feedback control in hot strip mill
CN105344720A (zh) 一种精轧带钢终轧温度的在线控制方法
TWI786580B (zh) 精軋機出口溫度估算方法
JPH04367901A (ja) プロセスラインにおける学習制御方法
CN109174978A (zh) 一种克服平整机延伸率测量缺陷的计算方法
Zhi-Kun et al. Application of weighted multiple models adaptive controller in the plate cooling process
CN109731929B (zh) 一种基于极点配置方法的液压活套控制方法
CN109675931B (zh) 一种板形调控功效系数自学习方法及系统
JPH11104721A (ja) 熱間圧延における板クラウン・形状制御方法
CN107520255A (zh) 一种自学习式轧机入口厚度优化方法
JP2003305511A (ja) 冷間圧延における板形状制御方法
CN105195523B (zh) 一种提高热轧中间坯头部温度计算精度的方法
JP2001252709A (ja) 熱間圧延の仕上圧延機出側温度予測方法
TWI747774B (zh) 精軋機出口溫度估算方法
JP3315371B2 (ja) 圧延モデル学習装置
JPS6224809A (ja) 熱間圧延における板幅制御方法
CN112464389A (zh) 轧机工作辊空冷温度的确定方法、确定装置及电子终端
Hwang et al. Design of a robust thickness controller for a single-stand cold rolling mill
CN116000105A (zh) 减少咬钢冲击对板带头部厚度影响的辊缝自学习补偿方法
JPH0871627A (ja) 制御装置