【技术实现步骤摘要】
基于数据驱动的热连轧精轧入口温度预测方法
本专利技术属于钢铁轧制领域，更为具体地，涉及一种利用改进的灰狼优化算法优化误差反向传播神经网络，基于数据驱动对热连轧精轧入口温度的预测方法。
技术介绍
轧钢复杂工业生产过程是一个由多子系统过程组成的复杂工业大系统，是一个严重非线性、时变、多参数、大滞后的复杂系统。现代化钢铁企业生产的一个特点是多道加工工序，在实际生产过程中，相关的输入变量和干扰变量有的多达几十维，而且输入变量是分阶段加入的，每一步都对最终产品的质量产生影响。在热连轧众多的工艺参数中，温度的预测精度是保证模型精确设定的关键，也是有效提高最终产品质量的重要基础。热连轧工艺过程中，重要的几个温度分别为：出炉温度、粗轧入口温度、粗轧出口温度、精轧入口温度、精轧出口温度以及卷取温度。其中，精轧入口温度的预报精度直接影响变后续的精轧出口温度以及卷取温度的控制，进一步影响到轧制力模型和弹跳模型的预报，对成品厚度控制起着决定性的影响。现有技术中，精轧入口温度不易测量准确，因为如果把测量点放在飞剪前后则此时板坯由于经过一百多米...
【技术保护点】
1.一种热连轧精轧入口温度预测的方法，其特征在于，所述方法包括：基于数据驱动，利用已轧板坯的相关数据搭建精轧入口温度预测数据集；利用神经网络算法搭建精轧入口温度预测模型，再使用混沌Tent序列初始化灰狼种群得到基于AGWO-BP的精轧入口温度预测模型，利用AGWO-BP的精轧入口温度预测模型和所述精轧入口温度预测数据集，通过已轧板坯表面全长精轧入口温度数据预测下一块板坯表面全长精轧入口温度。/n
【技术特征摘要】
1.一种热连轧精轧入口温度预测的方法，其特征在于，所述方法包括：基于数据驱动，利用已轧板坯的相关数据搭建精轧入口温度预测数据集；利用神经网络算法搭建精轧入口温度预测模型，再使用混沌Tent序列初始化灰狼种群得到基于AGWO-BP的精轧入口温度预测模型，利用AGWO-BP的精轧入口温度预测模型和所述精轧入口温度预测数据集，通过已轧板坯表面全长精轧入口温度数据预测下一块板坯表面全长精轧入口温度。
2.根据权利要求1所述一种热连轧精轧入口温度预测的方法，其特征在于，所述已轧板坯的相关数据包括：中间辊道停留时间、粗轧末道次轧制力、粗轧出口辊缝、粗轧出口温度、飞剪前辊道速度以及精轧入口温度。
3.根据权利要求1所述一种热连轧精轧入口温度预测的方法，其特征在于，所述基于数据驱动，利用已轧板坯的相关数据搭建精轧入口温度预测数据集，具体是采用已轧板坯表面全长的采样点数据，经过分段计算、降噪预处理得到，包括：
步骤1.1：从工业现场获取过程控制系统数据；
步骤1.2：选取已轧板坯表面全长相关数据，进行有效的采集和分段计算处理，将各个不同工况板坯表面均匀分为多段，保证每段温度差值在±2℃以内，并使粗轧出口开始到精轧入口的不同工况的数据都得到明确的对应；
所述已轧板坯表面全长相关数据包括模型输入因素和模型输出因素，所述模型输入因素包括中间辊道停留时间、粗轧末道次轧制力、粗轧出口辊缝、粗轧出口温度、飞剪前辊道速度，所述模型输出因素包括精轧入口温度；每段钢表面的中间辊道停留时间是根据精轧入口速度计算获得；将模型输入因素中的中间辊道停留时间、粗轧末道次轧制力、粗轧出口辊缝、粗轧出口温度的数据取反，再与飞剪前辊道速度和精轧入口温度相对应；
步骤1.3：采用巴特沃斯滤波器对选取的已轧板坯表面全长相关数据进行降噪处理；
步骤1.4：将降噪处理后数据分成2份，按照比例2：1分成训练集、预测集；
步骤1.5：构建获得完整的精轧入口温度预测数据集。
4.根据权利要求3所述基于数据驱动的热连轧精轧入口温度预测方法，其特征在于，步骤1.2中，积分得出各个采样点处的板坯长度值，并按照长度将板坯分若干段，将每段对应的一段温度取平均值，为保证每段温度差值在±2℃以内，根据实际数据将板坯全长进行分段。
5.根据权利要求3所述基于数据驱动的热连轧精轧入口温度预测方法，其特征在于，步骤1.3中，利用巴特沃斯滤波对数据样本进行降噪，选取的参数具体为：通带截止频率50～70Hz，...
【专利技术属性】
技术研发人员：张飞，卢思涵，张勇军，肖雄，郭强，李静，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。