一种基于神经网络的连退张力设定方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的连退张力设定方法及装置，该方法包括：获取带钢历史生产数据；根据预设的分档规则对钢种、带钢厚度和带钢宽度进行分档并计算出各带钢对应的各张力段张力平均值及冷轧带钢板形特征值；对上述数据进行预处理，构建数据集；构建神经网络模型并采用上述数据集进行训练；利用训练好的神经网络模型获得当前生产中各段张力设定值；基于模型得到的张力值和历史生产张力值，使用加权滑动平均法计算得到最终的张力设定值。本发明专利技术可快速、自动地对连退过程的各段静态张力进行设定，并随着连退炉工况变化进行自动修正，有效提高连退生产稳定性、生产效率及产品质量。产品质量。产品质量。

【技术实现步骤摘要】
一种基于神经网络的连退张力设定方法及装置


[0001]本专利技术涉及带钢生产
，特别涉及一种基于神经网络的连退张力设定方法及装置。

技术介绍

[0002]冷轧带钢在精整之前，需要经过退火以达到消除加工硬化，改善机械性能的目的。而带钢的张力控制对机组的稳定通板和带钢表面擦划伤的控制起着关键作用。当前连退张力设定主要采用读表的方式，表格中数据由经验公式确定，导致带钢在连退炉内张力与工况不匹配，进而影响生产产品质量及效率，严重时甚至会出现跑偏等事故的发生。因此，亟需研发一种新的连退张力设定方法。

技术实现思路

[0003]本专利技术提供了一种基于神经网络的连退张力设定方法及装置，以解决现有连退张力设定方法会导致带钢在连退炉内张力与工况不匹配，进而影响生产产品质量及效率，严重时甚至会出现跑偏等事故发生的技术问题。
[0004]为解决上述技术问题，本专利技术提供了如下技术方案：
[0005]一方面，本专利技术提供了一种基于神经网络的连退张力设定方法，包括：
[0006]获取带钢历史生产数据；其中，所述带钢历史生产数据包括：原料带钢的钢种、带钢宽度、带钢厚度和冷轧各通道板形值，以及连退生产时的各张力段设定炉辊速度、带钢生产速度和各张力段张力设定值；
[0007]根据预设的分档规则对所述带钢历史生产数据中的钢种、带钢厚度和带钢宽度进行分档，得到各带钢对应的钢种分档值、带钢厚度分档值和带钢宽度分档值；并计算各带钢对应的各张力段张力设定平均值及冷轧带钢板形特征值；
[0008]对钢种分档值、带钢厚度分档值、带钢宽度分档值、冷轧带钢板形特征值、各张力段设定炉辊速度、带钢生产速度和各张力段张力设定平均值进行预处理，以预处理后的数据构建用于模型训练的数据集；
[0009]构建神经网络模型并采用所述数据集进行训练；其中，所述神经网络模型以钢种分档值、带钢厚度分档值、带钢宽度分档值、冷轧带钢板形特征值、各张力段设定炉辊速度和带钢生产速度为输入，各张力段张力设定平均值为输出；
[0010]利用训练好的神经网络模型获得当前生产中的连退炉内各段张力设定值；
[0011]基于神经网络模型得到的各段张力设定值和带钢历史生产中的各张力段张力设定平均值，使用加权滑动平均法，计算得到最终的张力设定值。
[0012]进一步地，所述根据预设的分档规则对所述带钢历史生产数据中的钢种、带钢厚度和带钢宽度进行分档，得到各带钢对应的钢种分档值、带钢厚度分档值和带钢宽度分档值，包括：
[0013]将不同钢牌号的带钢按钢质划分为四个钢种族及一个默认分类；根据各带钢宽度
区间的生产频次划分带钢宽度分档范围；其中，生产频次越高，对应的宽度区间分档划分越细；根据带钢厚度，由薄到厚均匀划分带钢厚度分档范围；
[0014]对分档后的带钢按照钢种分档结果、带钢宽度分档结果及带钢厚度分档结果进行编号，作为带钢对应的钢种分档值、带钢厚度分档值和带钢宽度分档值。
[0015]进一步地，所述计算各带钢对应的各张力段张力设定平均值，包括：
[0016]计算各带钢带头进入连退炉区到带尾离开连退炉区的时间范围内的每卷带钢生产时的各段张力的均值，作为带钢对应的各张力段张力设定平均值。
[0017]进一步地，所述冷轧带钢板形特征值的计算方法，包括：
[0018]对带钢头尾各50m及中部三段分别对应的板形一次项系数曲线积分，并对三段的积分结果进行加权求和，得到冷轧带钢板形特征值I，公式如下：
[0019][0020]其中，l代表带钢长度，a1(l)为带钢头部50m板形一次项系数曲线，a2(l)为带钢尾部50m板形一次项系数曲线，a3(l)为带钢中部板形一次项系数曲线。
[0021]进一步地，所述预处理包括归一化处理、去除噪点和去除异常数据。
[0022]进一步地，所述归一化处理为采用最大最小归一化处理。
[0023]进一步地，所述基于神经网络模型得到的各段张力设定值和带钢历史生产中的各张力段张力设定平均值，使用加权滑动平均法，计算得到最终的张力设定值，包括：
[0024]根据一阶滑动平均模型，将通过神经网络模型计算得到的各段张力设定值T
new
与历史生产中各张力段张力设定平均值T
old
，进行加权求和，得到各规格带钢各张力段的最终的张力设定值公式如下：
[0025][0026]其中，γ为加权求和的权重值。
[0027]进一步地，所述带钢历史生产数据还包括：生产班组的历史平均生产速度、生产班组生产的平均带钢质量评级以及生产班组的平均事故发生率；
[0028]γ通过以下公式计算：
[0029][0030]其中，V
a
为当前班组历史平均生产速度，V
max
为最高技术水平的班组平均生产速度，Q
a
为当前班组生产的平均带钢质量评级，η为当前班组平均事故发生率。
[0031]进一步地，在计算得到最终的张力设定值后，该连退张力设定方法还包括：
[0032]将计算得到的最终张力设定值作为实际生产的张力控制值，并将计算得到的最终张力设定值放入神经网络模型的训练集中，进行自学习训练。
[0033]另一方面，本专利技术还提供了一种基于神经网络的连退张力设定装置，包括：
[0034]数据获取模块，用于获取带钢历史生产数据；其中，所述带钢历史生产数据包括：原料带钢的钢种、带钢宽度、带钢厚度和冷轧各通道板形值，以及连退生产时的各张力段设定炉辊速度、带钢生产速度和各张力段张力设定值；
[0035]数据分档及特征值计算模块，用于根据预设的分档规则对所述数据获取模块所获
取的带钢历史生产数据中的钢种、带钢厚度和带钢宽度进行分档，得到各带钢对应的钢种分档值、带钢厚度分档值和带钢宽度分档值；并计算各带钢对应的各张力段张力设定平均值及冷轧带钢板形特征值；
[0036]数据集构建模块，用于对钢种分档值、带钢厚度分档值、带钢宽度分档值、冷轧带钢板形特征值、各张力段设定炉辊速度、带钢生产速度和各张力段张力设定平均值进行预处理，以预处理后的数据构建用于模型训练的数据集；
[0037]神经网络模型构建及训练模块，用于构建神经网络模型并采用所述数据集构建模块所构建的数据集进行训练；其中，所述神经网络模型以钢种分档值、带钢厚度分档值、带钢宽度分档值、冷轧带钢板形特征值、各张力段设定炉辊速度和带钢生产速度为输入，各张力段张力设定平均值为输出；
[0038]张力计算模块，用于利用训练好的神经网络模型获得当前生产中的连退炉内各段张力设定值；基于神经网络模型得到的各段张力设定值和带钢历史生产中的各张力段张力设定平均值，使用加权滑动平均法计算得到最终的张力设定值。
[0039]再一方面，本专利技术还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0040]又一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的连退张力设定方法，其特征在于，包括：获取带钢历史生产数据；其中，所述带钢历史生产数据包括：原料带钢的钢种、带钢宽度、带钢厚度和冷轧各通道板形值，以及连退生产时的各张力段设定炉辊速度、带钢生产速度和各张力段张力设定值；根据预设的分档规则对所述带钢历史生产数据中的钢种、带钢厚度和带钢宽度进行分档，得到各带钢对应的钢种分档值、带钢厚度分档值和带钢宽度分档值；并计算各带钢对应的各张力段张力设定平均值及冷轧带钢板形特征值；对钢种分档值、带钢厚度分档值、带钢宽度分档值、冷轧带钢板形特征值、各张力段设定炉辊速度、带钢生产速度和各张力段张力设定平均值进行预处理，以预处理后的数据构建用于模型训练的数据集；构建神经网络模型并采用所述数据集进行训练；其中，所述神经网络模型以钢种分档值、带钢厚度分档值、带钢宽度分档值、冷轧带钢板形特征值、各张力段设定炉辊速度和带钢生产速度为输入，各张力段张力设定平均值为输出；利用训练好的神经网络模型获得当前生产中的连退炉内各段张力设定值；基于神经网络模型得到的各段张力设定值和带钢历史生产中的各张力段张力设定平均值，使用加权滑动平均法，计算得到最终的张力设定值。2.如权利要求1所述的基于神经网络的连退张力设定方法，其特征在于，所述根据预设的分档规则对所述带钢历史生产数据中的钢种、带钢厚度和带钢宽度进行分档，得到各带钢对应的钢种分档值、带钢厚度分档值和带钢宽度分档值，包括：将不同钢牌号的带钢按钢质划分为四个钢种族及一个默认分类；根据各带钢宽度区间的生产频次划分带钢宽度分档范围；其中，生产频次越高，对应的宽度区间分档划分越细；根据带钢厚度，由薄到厚均匀划分带钢厚度分档范围；对分档后的带钢按照钢种分档结果、带钢宽度分档结果及带钢厚度分档结果进行编号，作为带钢对应的钢种分档值、带钢厚度分档值和带钢宽度分档值。3.如权利要求1所述的基于神经网络的连退张力设定方法，其特征在于，所述计算各带钢对应的各张力段张力设定平均值，包括：计算各带钢带头进入连退炉区到带尾离开连退炉区的时间范围内的每卷带钢生产时的各段张力的均值，作为带钢对应的各张力段张力设定平均值。4.如权利要求1所述的基于神经网络的连退张力设定方法，其特征在于，所述冷轧带钢板形特征值的计算方法，包括：对带钢头尾各50m及中部三段分别对应的板形一次项系数曲线积分，并对三段的积分结果进行加权求和，得到冷轧带钢板形特征值I，公式如下：其中，l代表带钢长度，a1(l)为带钢头部50m板形一次项系数曲线，a2(l)为带钢尾部50m板形一次项系数曲线，a3(l)为带钢中部板形一次项系数曲线。5.如权利要求1所述的基于神经网络的连退张力设定方法，其特征在于，所述预处理包括归一化处理、去除噪点和去除异常数据。6.如权利要求5所述的基于神经网络的连退张力设定方法，其特征在于，所述归一化处
理...

【专利技术属性】
技术研发人员：孙文权，袁铁衡，何安瑞，李立刚，袁雨田，高紫明，武章昱，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：