[发明专利]一种预测带钢跑偏值的方法和装置

权利要求书

1.一种预测带钢跑偏值的方法，其特征在于，包括：

获取训练数据，向连退跑偏值预测模型输入所述训练数据；

所述连退跑偏预测模型根据所述训练数据生成跑偏预测曲线和超出预设的上限值的异常数据信息；

将所述跑偏预测曲线和所述异常数据信息作为预测结果输出，用于优化连退线的纠偏机制。

2.如权利要求1所述的一种预测带钢跑偏值的方法，其特征在于：所述训练数据包括带钢的板形数据和跑偏数据；所述板形数据包括带钢每帧板形沿宽度方向或长度方向的板形应力值；所述跑偏数据包括每帧板形数据在连退线对应的跑偏值。

3.如权利要求2所述的一种预测带钢跑偏值的方法，其特征在于：所述板形数据通过现场板形仪采集获得；所述跑偏数据通过连退线纠偏辊编码器采集获得。

4.如权利要求1所述的一种预测带钢跑偏值的方法，其特征在于：所述预设的上限值的异常数据信息包括，预警数量值或预警百分比上限值的板形帧数量，以及所述跑偏值大于所述预警数量值或所述预警百分比上限值的区域位置及长度。

5.如权利要求1所述的一种预测带钢跑偏值的方法，其特征在于，还包括：

通过所述训练数据生成训练数据格式列表；

将所述训练数据格式列表输入机器学习算法，生成所述连退跑偏值预测模型。

6.如权利要求5所述的一种预测带钢跑偏值的方法，其特征在于：所述训练数据格式列表包括初始训练数据格式列表，和由所述初始训练数据格式列表降维生成的二级训练数据格式列表；所述初始训练格式列表由所述训练数据排序得到；所述降维方式包括采用五次勒让德正交多项式对所述初始训练数据格式列表拟合，得到每帧的拟合多项式系数。

7.如权利要求6所述的一种预测带钢跑偏值的方法，其特征在于：所述将训练数据格式列表代入机器学习算法，包括判断是否更新所述二级训练数据格式列表；当判断结果为是，采用更新的所述二级训练数据格式列表重构所述连退跑偏值预测模型；当判断结果为否，采用当前所述二级训练数据格式列表构建的所述连退跑偏值预测模型。

8.一种预测带钢跑偏值的装置，其特征在于，包括：

输入单元，用于向连退跑偏值预测模型输入所述训练数据；

计算单元，用于根据所述训练数据生成跑偏预测曲线，输出超出预设的上限值的异常数据信息；

输出单元，用于将所述跑偏预测曲线和所述异常数据信息作为预测结果输出，优化连退线的纠偏机制。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的方法步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法步骤。