[发明专利]一种精轧全流程运行状态综合评估方法

权利要求书

1.一种精轧全流程运行状态综合评估方法，其特征在于，包括：

获取以往精轧全流程中产生的历史样本数据，建立历史样本数据库；

将精轧全流程划分成上游子系统、中游子系统和下游子系统共三个子系统；

分别构建各子系统所对应的运行状态评估模型，并基于所述历史样本数据库，对构建好的各子系统所对应的运行状态评估模型进行训练，利用各子系统所对应的训练好的运行状态评估模型，分别实现各子系统的运行状态评估；

将各子系统的运行状态评估结果进行融合，实现精轧全流程运行状态评估。

2.如权利要求1所述的精轧全流程运行状态综合评估方法，所述精轧全流程包括第一机架、第二机架、第三机架、第四机架、第五机架、第六机架以及第七机架；其特征在于，所述历史样本数据包括以往生成不同钢种、不同板厚的钢板时，第一机架、第二机架、第三机架、第四机架、第五机架、第六机架和第七机架各机架对应的辊缝、轧制力、轧制速度、电流、电压以及第二机架、第三机架、第四机架、第五机架、第六机架和第七机架各机架对应的弯辊力。

3.如权利要求2所述的精轧全流程运行状态综合评估方法，其特征在于，所述上游子系统包括第一机架、第二机架和第三机架；所述中游子系统包括第四机架和第五机架；所述下游子系统包括第六机架和第七机架。

4.如权利要求1所述的精轧全流程运行状态综合评估方法，其特征在于，所述运行状态评估模型为将暹罗神经网络(Siamese neural network，SNN)与门控循环单元(gatedrecurrent unit，GRU)结合后形成的暹罗门控循环单元网络(Siamese gated recurrentunit，SGRU)。

5.如权利要求4所述的精轧全流程运行状态综合评估方法，其特征在于，SGRU有两个输入：sⁱⁿ和s^re；其中，sⁱⁿ为训练集的样本，s^re为从训练集中随机抽取的参考样本，用于计算相似度；

GRU编码解码器用于提取sⁱⁿ和s^re的动态非线性特征和

式中，和表示GRU的更新门控，和表示候选状态；和被转移到译码器GRU中，输出和为重构序列数据；表示T-1时刻的动态非线性特征，T表示时间序列长度。

6.如权利要求5所述的精轧全流程运行状态综合评估方法，其特征在于，SGRU分为相似度比较单元和分类单元；其中，

在所述相似度比较单元，通过计算与的欧氏距离，来比较动态非线性特征的相似性S：

在所述分类单元，全连接层使用softmax函数进行故障辨识和运行状态评估；表示输入被识别为k类的概率，k类分类器的输出为：

式中，K表示类别数，表示softmax模型参数；表示GRU编码解码器提取的动态非线性特征。