[发明专利]板带材凸度的预测方法、轧辊智能化控制方法及计算设备

说明书

本发明提出了一种板带材凸度的预测方法、轧辊智能化控制方法及计算设备，板带材凸度的预测方法包括步骤：获取样本数据，其中，样本数据包括板带材制造参数；将样本数据输入板带材凸度预测模型进行迭代预测，得到板带材凸度；在板带材凸度预测模型的迭代预测过程中，将板带材凸度预测模型的权值和阈值编码为粒子，采用PSO算法对权值和阈值进行优化，其中，PSO算法的粒子位置确定公式和粒子速度确定公式均通过动态学习因子确定。本发明的有益效果：便于尽早对板带材生产的工艺参数进行调整，提高板带材生产的合格率，降低生产成本，同时，采用动态学习因子确定粒子的位置和速度，以此能够提高模型的收敛速度和精度，提高了凸度的预测速度和精度。

技术领域

本发明涉及板带材制造技术领域，具体而言，涉及一种板带材凸度的预测方法、轧辊智能化控制方法及计算设备。

背景技术

随着国内经济的飞速发展，国内对板带材(例如带钢)的需求越来越高，用户对板带材的质量要求也越来越高，为了达到广大用户的需求以及增加企业在板带材市场的竞争力，升级并完善板带材轧制生产线的设备和技术，并且加大对新工艺的投入力度已经成为当前的重要任务。由此板带材的轧制技术才能走向高精度、高速化和自动化的快速发展道路。近年来，由于钢铁行业形势不太乐观，下游用户对于产品质量的要求越来越高，因此在轧制过程中对板形控制的要求也越来越高，凸度作为板形尺寸的重要指标越来越受到重视。

凸度是板带材的中心厚度和边部厚度的差值，是板带材板形质量的重要指标之一。在轧制过程中，轧辊在轧制压力的作用下会产生弹性变形，从而导致板带材横向分布不均，产生一定的凸度，在正常情况下，板带材是要求具有一定凸度的，一方面满足板带材用途以及后续工艺的要求，另一方面补偿其他因素引起的板形缺陷，但是如果凸度过大，将会影响板带材的质量。

目前钢铁制造的产品质量管控中，普遍采用的是“事后”板带材凸度检测方式，此方式检验成本高，且时间存在极大滞后，后工序不能及时根据来料情况进行工艺参数优化，容易生产出批量不合格产品。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题，为达上述目的，本发明提供一种板带材凸度的预测方法，包括步骤：

获取样本数据，其中，所述样本数据包括板带材制造参数；

将所述样本数据输入板带材凸度预测模型进行迭代预测，得到板带材凸度；

在所述板带材凸度预测模型的迭代预测过程中，将所述板带材凸度预测模型的权值和阈值编码为粒子，采用PSO算法对所述权值和所述阈值进行优化，其中，所述PSO算法的粒子位置确定公式和粒子速度确定公式均通过动态学习因子确定。

本发明中采用基于PSO算法优化的板带材凸度预测模型进行板带材凸度预测，相对于“事后”板带材凸度检测方式，能够便于尽早对板带材生产的工艺参数进行调整，便于对板带材生产设备，例如轧辊等进行智能控制，以此提高板带材生产的合格率，降低生产成本。同时，PSO算法中对模型优化时，采用动态学习因子确定粒子的位置和速度，以此能够提高模型的收敛速度和精度，便于快速高效找到全局最优解，提高了凸度的预测速度和精度。

进一步地，所述将所述样本数据输入板带材凸度预测模型进行迭代预测，得到板带材凸度包括步骤：

确定所述板带材凸度预测模型的输出值与期望值之间的误差，或判断所述板带材凸度预测模型的迭代次数是否达到预设迭代次数；

当所述误差小于预设误差，或所述迭代次数达到预设迭代次数时，停止所述板带材凸度预测模型的迭代预测，得到所述板带材凸度；

否则，确定所述板带材凸度预测模型的隐含层和输出层的误差信号，以及调整所述权值和所述阈值。

进一步地，所述采用PSO算法对所述权值和所述阈值进行优化包括步骤：

确定所述粒子的适应度值；