本发明专利技术公开了一种基于大数据对轧制力进行优化的方法，其包括：(1)获取已经轧制钢板的化学成分、与各轧制温度区段对应的历史设定轧制力和历史实际轧制力的历史轧制数据；(2)预处理历史轧制数据并剔除异常数据；(3)由历史设定轧制力和历史实际轧制力获得轧制力偏差；(4)当待轧制钢板与历史轧制数据中已轧制钢板的化学成分相同时，执行步骤(4a)；当成分不同时，执行步骤(4b)；(4a)将第一调整系数与与其对应的历史设定轧制力相乘，以获得新的设定轧制力，并将该新的设定轧制力下发给待轧制钢板(4b)将第二调整系数与对应的给定的设定轧制力相乘，以获得新的设定轧制力，并将该新的设定轧制力下发给待轧制钢板。定轧制力下发给待轧制钢板。定轧制力下发给待轧制钢板。
【技术实现步骤摘要】
一种基于大数据对轧制力进行优化的方法及系统
[0001]本专利技术涉及一种钢铁热态轧制控制方法及系统，尤其涉及一种对轧制力进行优化的方法及系统。
技术介绍
[0002]众所周知，轧制力是轧机轧制轧件过程中所需要的压力，其主要受轧件本身变形抗力的影响，并且还和轧制速度和轧件宽度呈正比关系。计算轧制力是轧制过程中相当重要的操作，其不仅是轧制过程设定的优先步骤，而且这一操作的精度也决定了轧件轧后的精度(包括尺寸精度和板形质量)。因此，针对计算轧制力这一步骤的优化工作是钢铁行业热态轧制过程提升轧制精度的必要工作。
[0003]在现有技术中，已经存在优化计算轧制力的方法，其主要分为：模型计算或预测轧制力精度优化轧制力和控制过程优化轧制力计算的两类方法。
[0004]例如：公开号为CN107908836A，公开日为2018年4月13日，名称为“一种轧制参数优化方法及装置”的中国专利文献；公开号为CN105290119A，公开日为2016年2月3日，名称为“基于相变的热轧带钢变形抗力预测方法”的中国专利文献；公开号为CN102294362A，公开日为2011年12月28日，名称为“一种中厚板厚度精度控制方法”的中国专利文献。
[0005]这些针对模型计算或预测轧制力精度优化类的专利，最初的方向主要围绕模型构建进行表述，讲述了计算模型产生的规律，由专门的计算模块来计算出变形抗力来计算轧制力。后续通过不断优化，又提出了多种轧制力计算的方法，包括通过利用神经元网络等数据方法提高计算精度的方法，通过根据化学成分划定钢族的方法再进行优化的方法，通过进行实验室热模拟试验做出钢的变形抗力曲线来提高计算精度的方法，通过仿真计算来获得轧机机构参数来提高轧制力计算精度的方法等等。
[0006]又例如：公开号为CN107520259B，公开日为2019年7月19日，名称为“一种冷轧新钢种变形抗力系数快速修正方法”的中国专利文献；公开号为CN108723099A，公开日为2018年11月2日，名称为“一种基于无头带钢生产线的铁素体轧制方法及装置”的中国专利文献。
[0007]这些针对控制过程优化轧制力计算的方法类专利，主要描述了在轧制过程中通过检测对比修正来提高轧制力计算精度的方法。这些方法涉及的机组主要为连续轧制机组，其包括通过利用前机组轧制力的偏差来修正后续轧制力计算的方法；通过轧机设备快速补偿以补偿速度引起的变形抗力变化的方法；通过轧制力和轧制温度相互迭代的计算提高轧制力精度的方法；通过以往生产钢板的数据变形抗力和摩擦系数逆计算来修正轧制力计算的方法；通过按钢种化学成分分类，再按照分类对计算轧制力进行优化的方法等。
[0008]然而，轧制力与材料变形抗力(包括变形量、变形速度和温度因素)、轧制宽度和轧机设备有关。在轧制规格和轧机设备一定的情况下，轧制力最大的影响因素便是变形抗力。变形抗力是钢本身属性所决定的，且主要受化学成分和温度影响，其中化学元素的影响非常复杂，温度影响趋势基本规律为温度越低，变形抗力越大。
[0009]需要说明的是，中厚板产线产品非常多样化，很难进行全钢种的实测变形抗力曲
线，部分产线采用基础钢族法来模糊划定产品强度等级，还有很多变形抗力以模型计算得到，现有技术中常见的计算方法为与化学成分相关的神经元网络法。中厚板在轧制过程中有很大温度空间，由钢板轧制温度可以从1150℃到650℃范围分布，钢铁材料其变形抗力随温度变化的趋势差异很大，一般预测性计算方法很难满足如此大范围温度差异的计算精度。因此，现有技术中通用的两种常见的变形抗力计算方法无法涵盖所有化学成分的变形抗力计算也无法涵盖大范围温度差异的计算精度。
[0010]通过上述分析，可以发现中厚板轧制力计算存在一定的难度，很难靠原设定一次优化得到完全正确的结果。因此现有技术中的一些产线采用了自适应计算的方式予以优化，例如第一道次计算轧制力小于实际测量轧制力，此时系统认为钢比原模型计算强度要高，就将第二道次计算轧制力的调整大一些，至于大多少由各个模型决定。
[0011]然而，此种方法只能应用在变形抗力趋势较稳定的情况，当变形抗力随温度变化趋势很大时，这种调整无法满足需求。而且，在中厚板产线生产过程中，控制温度的差异的确巨大，相同成分也存在很大差异的温度控制范围，因此自适应的模型优化有一定局限性。
[0012]基于此，为了克服现有技术中存在的缺陷，本专利技术期望获得一种基于大数据对轧制力进行优化的方法及系统，其针对中厚板产线产品多样且轧制温度范围跨度大的特点，通过大数据分析方法找到轧制力计算偏差和温度区间的规律，并对同规律下的品种进行聚类，从而形成可以对新生产钢板的轧制力计算进行修正的根据，进而按温度区间调整计算轧制力，从而改善某特定温度区间下的轧制力计算精度。
技术实现思路
[0013]本专利技术的目的之一在于提供一种基于大数据对轧制力进行优化的方法，本专利技术针对中厚板产线产品多样且轧制温度范围跨度大的特点，通过大数据分析方法找到轧制力计算偏差和温度区间的规律，并对同规律下的品种进行聚类，从而形成可以对新生产钢板的轧制力计算进行修正的根据，进而按温度区间调整计算轧制力，从而改善某特定温度区间下的轧制力计算精度。该方法可以在厚板厂以及热轧厂中推广应用，也可以以技术贸易的形式推广至国内外厚板和热轧的钢铁企业。
[0014]为了实现上述目的，本专利技术提供了一种基于大数据对轧制力进行优化的方法，其包括步骤：
[0015](1)获取历史轧制数据，所述历史轧制数据包括：已经轧制钢板的化学成分、与各轧制温度区段对应的历史设定轧制力和历史实际轧制力；
[0016](2)对所述历史轧制数据进行预处理，以剔除异常数据；
[0017](3)基于历史设定轧制力和历史实际轧制力获得轧制力偏差；将该轧制力偏差与对应的设定的轧制力偏差阈值进行比较，如果轧制力偏差的绝对值不超过轧制力偏差阈值，则设定第一调整系数α1为1，如果轧制力偏差的绝对值超过轧制力偏差阈值，则设定第一调整系数α1＝1+(轧制力偏差/历史设定轧制力)
×
λ，其中λ表示影响系数；
[0018](4)当待轧制钢板与历史轧制数据中的已经轧制钢板的化学成分相同时，执行下述步骤(4a)；当待轧制的钢板与历史轧制数据中的钢板成分不同时，执行下述步骤(4b)；
[0019](4a)将第一调整系数α1与与其对应的历史设定轧制力相乘，以获得新的设定轧制力，并将该新的设定轧制力下发给待轧制钢板；
[0020](4b)在历史轧制数据中寻找与待轧制钢板成分最接近的一类已经轧制钢板的历史轧制数据；
[0021]基于下式求取待轧制钢板的化学成分与成分最接近的一类已经轧制钢板中的所有已经轧制钢板的化学成分的欧式距离：
[0022][0023]其中Z
j
表示待轧制钢板的化学成分与成分最接近的一类已经轧制钢板中的第j种已经轧制钢板的化学成分的欧式距离，1≤j≤m，m表示成分最接近的一类已经轧制钢板中有m种彼此成分不同本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于大数据对轧制力进行优化的方法，其特征在于，包括步骤：(1)获取历史轧制数据，所述历史轧制数据包括：已经轧制钢板的化学成分、与各轧制温度区段对应的历史设定轧制力和历史实际轧制力；(2)对所述历史轧制数据进行预处理，以剔除异常数据；(3)基于历史设定轧制力和历史实际轧制力获得轧制力偏差；将该轧制力偏差与对应的设定的轧制力偏差阈值进行比较，如果轧制力偏差的绝对值不超过轧制力偏差阈值，则设定第一调整系数α1为1，如果轧制力偏差的绝对值超过轧制力偏差阈值，则设定第一调整系数α1＝1+(轧制力偏差/历史设定轧制力)
×
λ，其中λ表示影响系数；(4)当待轧制钢板与历史轧制数据中的已经轧制钢板的化学成分相同时，执行下述步骤(4a)；当待轧制的钢板与历史轧制数据中的钢板成分不同时，执行下述步骤(4b)：(4a)将第一调整系数α1与与其对应的历史设定轧制力相乘，以获得新的设定轧制力，并将该新的设定轧制力下发给待轧制钢板；(4b)在历史轧制数据中寻找与待轧制钢板成分最接近的一类已经轧制钢板的历史轧制数据；基于下式求取待轧制钢板的化学成分与成分最接近的一类已经轧制钢板中的所有已经轧制钢板的化学成分的欧式距离：其中Z
j
表示待轧制钢板的化学成分与成分最接近的一类已经轧制钢板中的第j种已经轧制钢板的化学成分的欧式距离，1≤j≤m，m表示成分最接近的一类已经轧制钢板中有m种彼此成分不同的已经轧制钢板；n表示待轧制钢板中化学元素的种类数量，i表示第i种化学元素，x
i
‑
y
i
表示待轧制的钢板中的相应化学元素与已经轧制钢板中的相应化学元素之间的距离；基于下式获得调整系数权重β
j
：基于下式获得第二调整系数α2：其中，α
1j
表示所述第j种已经轧制钢板的第一调整系数；将第二调整系数α2与对应的给定的设定轧制力相乘，以获得新的设定轧制力，并将该新的设定轧制力下发给待轧制钢板。2.如权利要求1所述的基于大数据对轧制力进行优化的方法，其特征在于，在步骤(2)中，基于历史实际轧制力反算变形抗力，以获得与各轧制温度区段对应的变形抗力分布，从变形抗力分布中剔除变形抗力异常的数据所对应的样本。3.如权利要求2所述的基于大数据对轧制力进行优化的方法，其特征在于，所述变形抗
力异常是指变形抗力超过
±
2个西格玛。4.如权利要求1所述的基于大数据对轧制力进行优化的方法，其特征在于，所述设定的轧制力偏差阈值与各轧制温度区段相对应。5.如权利要求1所述的基于大数据对轧制力进行优化的方法，其特征在于，历史轧制数据中的钢板成分分类基于化学成分聚类的方法而获得。6.如权利要求1所述的基于大数据对轧制力进行优化的方法，其特征在于，影响系数λ的取值范围为0.8...
【专利技术属性】
技术研发人员：孔伟，汤风鸣，施珂，
申请(专利权)人：宝山钢铁股份有限公司，
类型：发明
国别省市：
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。