[发明专利]一种轧制模型自学习系数确定方法有效
申请号: | 201710347321.2 | 申请日: | 2017-05-17 |
公开(公告)号: | CN107045585B | 公开(公告)日: | 2019-06-07 |
发明(设计)人: | 宋勇;荆丰伟;王伟;贾仁君 | 申请(专利权)人: | 北京科技大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06F17/18;B21B37/28 |
代理公司: | 北京市广友专利事务所有限责任公司 11237 | 代理人: | 张仲波 |
地址: | 100083*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 轧制 模型 自学习 系数 确定 方法 | ||
本发明提供一种轧制模型自学习系数确定方法,能有效地描述轧制模型自学习系数与产品规格的关系。所述方法包括:当第k轧件完成轧制后,将第k轧件的产品规格、轧制模型自学习系数保存到预设的历史记录数据集中;基于预先确定的厚度分档位置和宽度分档位置,确定第k轧件的厚度分档位置、宽度分档位置;根据确定的第k轧件的厚度分档位置和宽度分档位置及所属钢种族,从预设的历史记录数据集获取轧件历史记录进行多元非线性回归,得到回归方程;利用回归方程,计算分档位置的轧制模型自学习系数,并与第k轧件所属钢种族所对应的轧制模型自学习系数层别表中相应旧值进行加权平均后并更新所述旧值。本发明涉及自动化模型领域。
技术领域
本发明涉及自动化模型领域,特别是指一种轧制模型自学习系数确定方法。
背景技术
近年来,带钢轧制过程自动化的模型自学习对提高模型预报精度和产品质量稳定性至关重要。模型自学习系数是用于修正实际生产过程中的模型预报误差,一般来说,不同的钢种和产品规格有不同的模型自学习系数,如何处理模型自学习系数与产品规格的关系直接影响模型自学习的效果。目前最常用的模型自学习系数处理方法为模型自学习系数层别表。
模型自学习系数层别表是按钢种和产品规格分档来存储对应的模型自学习系数。当轧件轧制完成后根据其产品规格所属的分档直接更新对应的模型自学习系数,而在后续轧制的设定计算过程中也是根据轧件产品规格所属的分档取出对应的模型自学习系数。层别表方式能够非常直观展示模型自学习系数在全部规格分档的取值情况,也可以提前对某个分档位置的取值进行干预修正,因此易于人工维护。然而,由于采用有限的分档层别以及机械的更新方式,不能有效地描述轧制模型自学习系数与产品规格的关系。
发明内容
本发明要解决的技术问题是提供一种轧制模型自学习系数确定方法,以解决现有技术所存在的不能有效地描述轧制模型自学习系数与产品规格的关系的问题。
为解决上述技术问题,本发明实施例提供一种轧制模型自学习系数确定方法,包括:
确定第k轧件的产品规格,所述第k轧件的产品规格包括:第k轧件所属的钢种族、成品厚度、成品宽度;
根据确定的第k轧件的产品规格,从与第k轧件所属钢种族所对应的轧制模型自学习系数层别表获取轧制模型自学习系数,基于获取的轧制模型自学习系数对第k轧件进行轧制;
当第k轧件完成轧制后,将第k轧件的产品规格、轧制模型自学习系数保存到预设的历史记录数据集中;
基于预先确定的厚度分档位置和宽度分档位置,确定第k轧件的成品厚度所对应的厚度分档位置、成品宽度所对应的宽度分档位置;
根据确定的第k轧件的厚度分档位置和宽度分档位置及所属钢种族,从预设的历史记录数据集获取成品厚度和成品宽度和第k轧件在相邻区域范围且与第k轧件所属的钢种族一致的轧件历史记录进行多元非线性回归,得到回归方程;
利用回归方程,计算分档位置的轧制模型自学习系数,并与第k轧件所属钢种族所对应的轧制模型自学习系数层别表中相应旧值进行加权平均后并更新所述旧值。
进一步地,在根据确定的第k轧件的产品规格,从与第k轧件所属钢种族所对应的轧制模型自学习系数层别表获取轧制模型自学习系数,基于获取的轧制模型自学习系数对第k轧件进行轧制之前,所述方法包括:
获取轧制生产线的成品厚度范围[Hmin,Hmax]和成品宽度范围[Wmin,Wmax];
将获取的成品厚度范围[Hmin,Hmax]分成n档,其分档位置记为HI,其中,0<I<n+1;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京科技大学,未经北京科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710347321.2/2.html,转载请声明来源钻瓜专利网。