[发明专利]具有自学习功能的高速线材抗拉强度在线实时预测方法

说明书

本发明具体为一种具有自学习功能的高速线材抗拉强度在线实时预测方法，该预测方法通过建立与生产系统的通讯，实时获得生产过程中的线材钢种、直径、吐丝温度、吐丝速度、辊道速度、各个风箱的风量、环境温度等数据，计算得到高速线材温度和降温速率，建立申请网络模型，通过大数据分析系统存储的数据训练模型，预测得到在当前工况下高速线材的抗拉强度值；同时通过与检化验系统进行通讯，得到该高速线材抗拉强度的实际检测值，根据实际检测值与预测值的差值进行自学习，用以修正高速线材抗拉强度的预测过程，保证预测方法的正确性。可实时预测当前正在生产的高速线材抗拉强度，加入时间因子，准确率达到95％以上，预测结果在秒级。

技术领域

本发明涉及高速线材抗拉强度检测技术领域，具体为一种具有自学习功能的高速线材抗拉强度在线实时预测方法。

背景技术

钢材的轧后控制冷却对于提高钢材的性能指标具有非常重要的作用，因此它也成为了高速线材制造工艺优化改进的重要节点。目前，最为主流的冷却技术是控制冷却技术。所谓控制冷却(Controlled Cooling)，一般是趁高速线材刚出吐丝机温度较高时，通过调控冷却工艺参数，如风机风量、辊道速度等进行特定速率的冷却，以得到适合的抗拉强度。这种技术目前在高速线材的生产中得到了广泛的应用，并极大地提高了钢铁厂的盈利能力。相比普通冷却，控制冷却大大地提高了高速线材的综合性能，有研究表明，控制冷却后高速线材的抗拉强度相比普通冷却增加了40-60Mpa。但在实际生产过程中，由于线材钢种、直径、吐丝温度、吐丝速度、辊道速度、各个风箱的风量、环境温度等因素对于高速线材抗拉强度均有很大影响，生产过程中如无法对高速线材抗拉强度进行在线实时预测，就无法对相应工作参数进行实时调节，这样就会造成线材抗拉强度的偏差，对产品质量造成影响。

发明内容

本发明的目的在于提供一种具有自学习功能的高速线材抗拉强度在线实时预测方法，解决现有控制冷却技术无法在线实时监测高速线材抗拉强度，对产品质量造成影响的问题。

本发明提供的具有自学习功能的高速线材抗拉强度在线实时预测方法，所述方法依次包括如下步骤：

S1、建立通讯系统并通过OPC通讯协议与生产系统通讯，通过所述通讯系统实时获得生产系统当前所生产高速线材的实时生产参数信息；

S2、通过获得的实时生产参数信息计算当前所生产高速线材搭接点及非搭接点的表面对流换热系数及辐射换热系数，实时计算当前所生产高速线材的表面热流，最终得到该高速线材的温度和降温速率；

S3、建立神经网络模型，并使用大数据分析系统内存储的已生产高速线材的温度、降温速率与检测的抗拉强度对神经网络模型进行训练，向训练完毕的神经网络模型输入步骤2实时检测的当前生产高速线材钢种、直径、温度及降温速率，从而预测当前生产高速线材的抗拉强度。

优选的，所述预测方法还包括对步骤3建立的神经网络模型预测的预测值进行修正的步骤：

S1、待当前高速线材生产完毕后，采用SQL数据表的形式和检化验系统进行数据交换，读取该卷高速线材实际检测的抗拉强度；

S2、根据当前生产高速线材抗拉强度实际检测数据与该卷高速线材预测数据得到抗拉强度的偏差值，利用神经网络模型计算得到该卷高速线材降温速率偏差值，根据降温速率偏差值修正高速线材温度计算过程中表面热流的计算，从而完成对预测过程的自学习修正，保证高速线材抗拉强度预测的准确性。