基于数据挖掘的单机架冷轧轧制力模型参数优化方法技术

一种基于数据挖掘的单机架冷轧轧制力模型参数优化方法，属于单机架冷轧过程控制技术领域。具体的实现过程包括以下六个步骤：1、实际数据的采集和存储；2、工艺数据的预处理和存储；3、变形抗力和摩擦系数逆计算；4、变形抗力模型参数和摩擦系数模型参数的非线性多项式回归；5、变形抗力参数和摩擦系数模型参数的离线验证；6.变形抗力模型参数和摩擦系数模型参数的在线应用。该方法使轧制力模型中的假设造成的误差得到了有效的弥补，提高轧制力的设定精度，减少带钢的厚度和板形头尾超差长度，提高单机架冷轧带钢的合格率和成材率。

【技术实现步骤摘要】
基于数据挖掘的单机架冷轧轧制力模型参数优化方法
本专利技术属于单机架冷轧过程控制
，特别涉及一种基于数据挖掘的冷轧轧制力模型参数优化的方法。
技术介绍
轧制力模型是整个单机架冷轧工艺控制的核心模型，模型的计算精度决定了轧制过程控制精度、轧制过程稳定性和最终产品的质量。在冷轧过程控制中，轧制力设定计算精度取决于轧件的变形抗力和摩擦系数的计算精度。轧制过程中各种轧制力影响因素，如：带钢宽度、带钢的原料厚度、带钢道次入口厚度、带钢道次出口厚度、带钢的钢种、轧制速度、辊径、前后张力等会随着时间过程与空间位置而变化。轧件的变形抗力往往采用拉伸实验的方法获得，摩擦系数是通过轧制试验方法或专门的实验机测得。理论的变形抗力值和摩擦系数值与实际轧制工艺数据值有差别。同时，随着轧机的使用，轧制过程的工况也会发生变化。系统的原有模型计算变形抗力值和摩擦系数值也将与实际轧制数值有差别。因此在20世纪70年代，日本、前德国和我国的轧制前辈们提出了，采用正常轧制工况下的采样数据估计变形抗力和摩擦系数的方法。在这种情况下，随着计算机技术的迅猛发展，在对轧制工艺理解的基础上，数据挖掘技术在轧钢领域得到了广泛深入的研究。数据挖掘方法与传统方法不同，它避开了以往对轧制过程深层机理无止境的研究，而是以事实和数据为依据，实现对优化过程的优化分析和控制。这样就不必担心那一条基本假设脱离实际，也不必怀疑哪一步简化处理过于粗糙，只要相信传感器，相信过去发生的事件、采集的数据是真实可靠的就有理由相信数据挖掘的结果是准确的。
技术实现思路
本专利技术的内容是提供一种基于数据挖掘的单机架冷轧轧制力模型参数优化方法，直接用于提高单机架冷轧过程轧制力的设定精度，间接地影响单机架冷轧轧制带钢的厚度和板形等质量指标。本专利技术实时采集轧制过程当中的过程工艺数据，经过数据预处理后形成轧制工艺参数优化数据挖掘的历史工艺数据文件库，经过已经建立的变形抗力的逆计算模型和摩擦系数的逆计算模型计算反映实际轧制工况的变形抗力和摩擦系数。将逆计算得出的变形抗力、摩擦系数和历史工艺数据文件库等海量数据代入到变形抗力模型参数和摩擦系数模型参数中进行多项式非线性回归，计算不同钢种带钢的变形抗力模型参数和不同轧辊类型的摩擦系数模型参数。将回归得出的变形抗力模型参数和摩擦系数模型参数带入到单机架冷轧的过程系统当中进行在线的轧制生产。本专利技术采用数据挖掘的方法，获取单机架冷轧过程中Bland-Ford-Hill轧制力模型当中计算变形抗力和摩擦系数的模型参数，来提高Bland-Ford-Hill轧制力模型在单机架冷轧生产过程中的轧制力设定精度，，按照以下六个步骤进行：1、实际数据的采集和存储；2、工艺数据的预处理和存储；3、变形抗力和摩擦系数逆计算；4、变形抗力模型参数和摩擦系数模型参数的非线性多项式回归；5、变形抗力参数和摩擦系数模型参数的离线验证；6.变形抗力模型参数和摩擦系数模型参数的在线应用。各个步骤具体操作如下：1、实际数据的采集和存储，单机架冷轧过程中的各种轧制工艺参数(如：带钢的钢种，带钢原料厚度，带钢的宽度，轧制道次，数据采集点的位置，轧制力，轧制速度，轧机的前张力，轧机的后张力，带钢的入口厚度，带钢的出口厚度等)通过轧机上配备的各种传感器进行采集之后发送到现场的过程控制系统，数据采集存储计算机采用TCP/IP协议与现场的单机架冷轧过程控制系统进行通信，以1S的频率实时连续存储实际生产的过程工艺数据和由三级每一个钢卷下发一次的PDI数据(主要包括钢种、带钢的宽度、带钢的重量、带钢的成分等数据)，和轧辊数据(轧辊的辊径、轧辊的长度、轧辊类型等数据)，每一组数据都包括该组数据采集的时间、采集位置、工艺参数值。在每一个数据的采集周期，该过程会根据带钢的跟踪信息将本次采集到的所有实际数据与带钢位置相匹配，并以堆栈的方式存入到系统数据的缓存区域，当一卷带钢的多个道次轧制完成卸卷后，从缓存区域中读取该卷带钢数据，以钢卷为单位形成二进制文件进行存储；2、工艺数据的预处理和存储，从以钢卷为单位存储的实际过程数据二进制文件中读取实际过程数据，这些数据直接来自环境恶略、干扰源众多的冷轧生产过程现场，因此含有较多的干扰噪音信息，具有杂乱性、重复性和不完整性的特点。本过程以带钢轧制过程工艺知识为指导，经过数据选取、数据集成和数据预处理等步骤重新组织实际过程数据，为后面的数据挖掘提供干净、准确和更能反映轧制工艺机理的工艺数据，从而提高数据挖掘的效率和准确度。工艺预处理的具体步骤如下：(1)数据的选取：轧制过程当中的数据量巨大，所涵盖的范围也非常的广泛，本方法研究的目的是优化轧制力，在深入理解单机架冷轧生产工艺的基础上选取钢种、轧制道次、原料厚度、带钢宽度、带钢道次入口厚度、带钢道次出口厚度、轧制速度、前张力、后张力、工作辊辊径等与轧制力密切相关的工艺数据作为分析对象，将研究对象限制在一定的范围内；(2)数据的集成：根据分析目的选取的工艺数据来自多个检测系统，数据集成完成异构数据的转换问题，包括数据的命名、结构、单位、含义。同时多个检测系统的数据采集时间和采集位置都不相同，也必须以带钢长度方向上的位置为基准，把实际数据对应起来组成一组数据，在最低层次上加以转换、提炼和聚集，形成最初始的数据空间；(3)数据的清理：主要解决实际数据中必然和广泛存在的数据空缺值、错误数据、孤立点、噪声等问题。(4)处理错误数据：对采集的实际数据经过极限检查，确认其有效性，超出极限范围时用极限值代替；(5)处理数据当中的奇异值：处理数据中的奇异项：针对实际数据序列中的奇异项数据，采用一阶差分方法进行处理。判断奇异项的准则是：给定一个误差限W，若t时刻的采样值为xt，预测值为：x’t，当|xt-x’t|>W时，则认为此采样值xt是奇异值应当予以剔除，而应当予以剔除，而以预测值x’t取代采样值xt。预测值x’t可以根据下式所示一阶差分方程推算。x’t＝xt-1+(xt-1-xt-2)式中：x’t：t时刻的预测值；xt-1：t时刻前一个时刻的值；xt-2：t时刻前两个时刻的值。本专利技术在该产线实施中，误差极限W取机械设备允许的控制参数单步变化量，例如：入口厚度的极限误差取2mm。数据的滤波处理：将算数平均值法和中值滤波法这两种方式结合，即先用中值滤波法滤除由于脉冲干扰而有偏差的采样值，然后再作算数平均。这样既可以去除脉冲干扰，又可以对采样值进行平滑处理。其原理如下式所示：x1≤x2≤···≤xN3≤N≤5Y＝(x2+x3+···+xN-1)/(N-2)3、变形抗力和摩擦系数逆计算，该过程以Bland-Ford-Hill轧制力模型为分析对象建立变形抗力和摩擦系数的逆计算模型，具体过程如下：(1)Bland-Ford-Hill轧制力模型：式中：P：轧制力；b：轧件宽度；kp：轧件的动态变形抗力；te：张力影响系数；Dp：轧制过程的平面影响系数；R′轧辊的压扁半径；zp：轧制力的自学习系数；ε：轧制过程中轧件的道次压下率；μ：摩擦系数；tf：轧件的道次前张力；tb：轧件的道次后张力；H：轧件的入口厚度；h：轧件的出口厚度；ch：在模型当中取常值0.000214，由ν：泊松常数，E：轧辊的弹性模量计算得出。(2)由轧制力模型建立变形本文档来自技高网...

【技术保护点】
一种基于数据挖掘的单机架冷轧轧制力模型参数优化方法，其特征在于：该方法包括6个步骤：步骤一、实际数据的采集和存储；步骤二、工艺数据的预处理和存储；步骤三、变形抗力和摩擦系数逆计算；步骤四、变形抗力模型参数和摩擦系数模型参数的非线性多项式回归；步骤五、变形抗力参数和摩擦系数模型参数的离线验证；步骤六、变形抗力模型参数和摩擦系数模型参数的在线应用；步骤一、实际数据的采集和存储：单机架冷轧过程中的轧制工艺通过轧机上配备的传感器进行采集之后发送到现场的过程控制系统，过程控制系统通过TCP/IP协议与该方法的数据采集存储计算机通信，以1S/次的频率实时连续收集实际生产过程数据和由三级每一个钢卷下发一次的PDI数据和轧辊数据存入数据采集进程的数据缓存区域，当该卷带钢轧制完成卸卷后，从缓存区域读取该卷带钢的数据，以钢卷为单位进行二进制文件存储；所述的轧制工艺参数包括带钢的钢种、带钢原料厚度、带钢的宽度、数据采集点的位置、轧制力、轧制速度、轧机的前张力、轧机的后张力、带钢的入口厚度、带钢的出口厚度；所述的PDI数据包括钢种、带钢的宽度、带钢的重量、带钢的成分；所述的轧辊数据包括轧辊的辊径、轧辊的长度、轧辊类型；步骤二、工艺数据的预处理和存储：从以钢卷为单位存储的实际过程数据二进制文件中读取实际过程数据，从读取的实际工艺数据中确定计算轧制力需要的工艺数据包括带钢的钢种、带钢宽度、数据采集点的位置、轧制力、轧制速度、轧机的前张力、轧机的后张力、带钢的入口厚度、带钢的出口厚度、工作辊辊径、工作辊类型，然后将选取的数据集成完成实际值数据、PDI数据、轧辊数据的异构数据转换之后清理数据当中的数据空缺值、错误数据、孤立点、噪声，并对剩下的数据进行有效性检查，剔除数据当中的奇异值并对数据进行补充；步骤三、变形抗力和摩擦系数逆计算；将工艺数据预处理后的用于数据挖掘的工艺数据带入到变形抗力逆计算模型和摩擦系数逆计算模型当中进行迭代计算，计算变形抗力和摩擦系数，然后将工艺数据和计算得出的变形抗力和摩擦系数，以工艺数据产生的时间序列在数据采集存储计算机的硬盘上以文本文件的形式存储；步骤四、变形抗力模型参数和摩擦系数模型参数的非线性多项式回归过程：读取存储的轧制工艺实际值数据，分钢种分轧辊类型分别对变形抗力模型参数和摩擦系数模型参数进行非线性多项式回归，得到目标钢种的变形抗力模型参数和目标轧辊类型的摩擦系数模型参数；所述的轧制工艺实际值数据包括带钢的钢种、带钢原料厚度、带钢的入口厚度、带钢出口厚度、带钢轧制速度、轧辊辊径、轧辊类型；步骤五、变形抗力模型参数和摩擦系数模型参数的离线验证：将非线性多项式回归得出的目标钢种的变形抗力模型参数和目标轧辊类型的摩擦系数模型参数带入到轧制力模型当中利用收集到的在轧制该钢种的实际值数据计算轧制力，然后将计算得到的轧制力与实际轧制力计算相对轧制力偏差，如果相对轧制力偏差在6％以内，则验证成功，参数可以使用，否则需要重新采集数据进行优化计算；所述的轧制该钢种的实际值数据包括带钢宽度、带钢原料厚度、数据采集点位置、带钢轧制入口厚度，带钢轧制出口厚度，轧制速度，工作辊半径，带钢前张力，带钢后张力；步骤六、变形抗力模型参数和摩擦系数模型参数的在线应用：将非线性多元回归得出的目标钢种的变形抗力模型参数和目标轧辊类型的摩擦系数模型参数带入到单机架冷轧的过程控制系统中进行轧制生产实验，并跟踪轧制带钢的产品质量。...

【技术特征摘要】
1.一种基于数据挖掘的单机架冷轧轧制力模型参数优化方法，其特征在于该方法包括6个步骤：步骤一、实际数据的采集和存储；步骤二、工艺数据的预处理和存储；步骤三、变形抗力和摩擦系数逆计算；步骤四、变形抗力模型参数和摩擦系数模型参数的非线性多项式回归；步骤五、变形抗力参数和摩擦系数模型参数的离线验证；步骤六、变形抗力模型参数和摩擦系数模型参数的在线应用；步骤一、实际数据的采集和存储：单机架冷轧过程中的轧制工艺通过轧机上配备的传感器进行采集之后发送到现场的过程控制系统，过程控制系统通过TCP/IP协议与该方法的数据采集存储计算机通信，以1S/次的频率实时连续收集实际生产过程数据和由三级每一个钢卷下发一次的PDI数据和轧辊数据存入数据采集进程的数据缓存区域，当卷带钢轧制完成卸卷后，从缓存区域读取该卷带钢的数据，以钢卷为单位进行二进制文件存储；所述的轧制工艺参数包括带钢的钢种、带钢原料厚度、带钢的宽度、数据采集点的位置、轧制力、轧制速度、轧机的前张力、轧机的后张力、带钢的入口厚度、带钢的出口厚度；所述的PDI数据包括钢种、带钢的宽度、带钢的重量、带钢的成分；所述的轧辊数据包括轧辊的辊径、轧辊的长度、轧辊类型；步骤二、工艺数据的预处理和存储：从以钢卷为单位存储的实际过程数据二进制文件中读取实际过程数据，从读取的实际工艺数据中确定计算轧制力需要的工艺数据包括带钢的钢种、带钢宽度、数据采集点的位置、轧制力、轧制速度、轧机的前张力、轧机的后张力、带钢的入口厚度、带钢的出口厚度、工作辊辊径、工作辊类型，然后将选取的数据集成完成实际值数据、PDI数据、轧辊数据的异构数据转换之后清理数据当中的数据空缺值、错误数据、孤立点、噪声，并对剩下的数据进行有效性检查，剔除数据当中的奇异值并对数据进行补充；步骤三、变形抗力和摩擦系数逆计算；将工艺数据预处理后的用于数据挖掘的工艺数据带入到变形抗力逆计算模型和摩擦系数逆计算模型当中进行迭代计算，计算变形抗力和摩擦系数，然后将工艺数据和计算得出的变形抗力和摩擦系数，以工艺数据产生的时间序列在数据采集存储计算机的硬盘上以文本文件的形式存储；步骤四、变形抗力模型参数和摩擦系数模型参数的非线性多项式回归过程：读取存储的轧制工艺实际值数据，分钢种分轧辊类型分别对变形抗力模型参数和摩擦系数模型参数进行非线性多项式回归，得到目标钢种的变形抗力模型参数和目标轧辊类型的摩擦系数模型参数；所述的轧制工艺实际值数据包括带钢的钢种、带钢原料厚度、带钢的入口厚度、带钢出口厚度、带钢轧制速度、轧辊辊径、轧辊类型；步骤五、变形抗力模型参数和摩擦系数模型参数的离线验证：将非线性多项式回归得出的目标钢种的变形抗力模型参数和目标轧辊类型的摩擦系数模型参数带入到轧制力模型当中利用收集到的在轧制该钢种的实际值数据计算轧制力，然后将计算得到的轧制力与实际轧制力计算相对轧制力偏差，如果相对轧制力偏差在6％以内，则验证成功，参数可以使用，否则需要重新采集数据进行优化计算；所述的轧制该钢种的实际值数据包括带钢宽度、带钢原料厚度、数据采集点位置、带钢轧制入口厚度，带钢轧制出口厚度，轧制速度，工作辊半径，带钢前张力，带钢后张力；步骤六、变形抗力模型参数和摩擦系数模型参数的在线应用：将非线性多元回归得出的目标钢种的变形抗力模型参数和目标轧辊类型的摩擦系数模型参数带入到单机架冷轧的过程控制系统中进行轧制生产实验，并跟踪轧制带钢的产品质量；所述的变形抗力逆计算模型：k′＝kp′M3＝M2-1.15×tfact+0.3×tbactM2＝-1.05×tbact-0.1×tfact-M1

【专利技术属性】
技术研发人员：王彦辉，高雷，郭立伟，王佃龙，李书昌，刘维兆，陈丹，
申请(专利权)人：北京首钢自动化信息技术有限公司，
类型：发明
国别省市：北京;11