一种加热炉出钢板坯粗轧出口温度的预测方法及系统技术方案

本发明专利技术公开了一种加热炉出钢板坯粗轧出口温度的预测方法及系统，该方法包括：采集热轧板坯生产过程数据；对生产过程数据进行预处理；构建基于长短期记忆神经网络的粗轧出口温度预测模型；添加历史时刻的粗轧出口温度作为新的输入变量，用于预测当前时刻热轧加热炉板坯的粗轧出口温度；选择预测效果最好的温度预测模型作为选定模型；使用随机森林算法对生产过程数据进行重要性排序；逐步剔除经随机森林筛选的重要性评分低的生产过程数据，将剩余生产过程数据重新输入到选定模型用以预测粗轧出口温度，直至筛选出使得选定模型精度最高的生产过程数据组合。本发明专利技术采集可能对坯粗轧出口温度有影响的变量因子，从中筛选并以此建立温度预测模型。温度预测模型。温度预测模型。

【技术实现步骤摘要】
一种加热炉出钢板坯粗轧出口温度的预测方法及系统


[0001]本专利技术涉及一种热轧预测方法及系统，更具体地说，涉及一种热轧加热炉出钢板坯粗轧出口温度的预测方法及系统。

技术介绍

[0002]热轧带钢作为钢铁行业的重要产品之一，已经在国防装备、汽车制造、航空航天等领域扮演着重要角色。带钢热连轧生产过程工艺流程复杂。其中，温度的变化是一个非常重要的因素，其可使热轧带钢内部的微观组织发生变化，从而使带钢产品的力学性能发生变化，最终影响成品带钢的性能与质量。
[0003]对于给定规格的钢种，热轧加热炉板坯出炉温度，直接影响粗轧出口温度。遗憾的是，加热炉板坯出炉温度，目前没有办法直接测量，只能采用数学模型进行间接计算，同时，操作人员凭经验进行调整。由于不同的操作班组，水平不一，导致粗轧出口温度的波动，从而影响产品的尺寸精度和性能。
[0004]加热炉操作主要参考粗轧出口温度，根据粗轧出口中间板坯实际测量温度的高低，根据经验调节加热炉炉气温度，尽量减少粗轧出口钢坯温度的偏差，使其接近工艺规定的粗轧出口目标温度。但是，由于实际生产中，热轧加热炉抽出板坯到达粗轧机出口，需要一个比较长的滞后时间，导致操作人员调节滞后，从而引起温度产生比较大的波动。
[0005]对于给定规格的钢种，利用加热炉实际数据和粗轧出口温度的历史数据，准确预测加热炉待抽出板坯在粗轧出口的温度，进行提前预判，指导加热操作，这将有利于板坯温度的精准控制及提高热轧产品质量。
[0006]目前，有关热连轧带钢的温度预测模型也出现了一些公开的专利文件，例如，名称为《一种提高热轧中间坯头部温度计算精度的方法》(专利号：ZL201510668578.9)文件中记载的方法：将线性计算区间扩大，并采用线性算法和平均值算法相结合的方式，在自动化一级和二级中同时对温度假数进行过滤，并将二级模型默认的温度值根据成品带钢厚度进行细分，从而提高了精轧预计算准确性。名称为《一种基于速度调节的热轧带钢终轧温度控制方法》(专利号：ZL201710194635.3)的文件中记载的方法：设置带钢目标厚度与第一加速度的对应表、终轧温度偏差与第二加速度的对应表，以及带钢目标厚度与加速修正系数的对应表；根据带钢目标厚度查找对应的第一加速度，使用第一加速度对带钢进行升速轧制；根据带钢的终轧温度偏差查找对应的第二加速度；根据带钢的目标厚度查找对应的加速修正系数；利用第二加速度乘以加速修正系数得到第三加速度；使用第三加速度进行速度调节，该专利技术提供的基于速度调节的热轧带钢终轧温度控制方法，可以有效地提高轧制温度控制精度。以上专利的局限在于：没有利用加热炉和轧制生产过程积累的大量历史数据进行建模，没有充分挖掘历史数据中蕴含的模型规律，没有建立起基于数据驱动的加热炉待出钢板坯在粗轧出口温度的预报模型。以上专利的局限在于：没有利用轧制生产过程积累的大量历史数据进行建模，没有充分挖掘历史数据中蕴含的模型规律。
[0007]近年来，随着人工智能与大数据分析技术的快速发展，基于数据驱动的预测方法
越来越受到各国学者的欢迎和青睐。在热连轧生产过程中，计算机和传感器采集到了大量的实际生产过程数据，利用机器学习方法可以从这些大量的、有噪声的、模糊的实际生产数据中预测出板坯在粗轧机架出口的温度。

技术实现思路

[0008]针对现有技术中存在的上述问题，本专利技术的目的是提供一种加热炉出钢板坯粗轧出口温度的预测方法及系统，从而提升温度预测精度。
[0009]为实现上述目的，本专利技术采用如下技术方案：
[0010]一种加热炉出钢板坯粗轧出口温度的预测方法，包括：采集热轧板坯生产过程数据；对生产过程数据进行预处理；构建基于长短期记忆神经网络的粗轧出口温度预测模型；添加历史时刻的粗轧出口温度作为新的输入变量，用于预测当前时刻热轧加热炉板坯的粗轧出口温度；选择预测效果最好的温度预测模型作为选定模型；使用随机森林算法对生产过程数据进行重要性排序；逐步剔除经随机森林筛选的重要性评分低的生产过程数据，将剩余生产过程数据重新输入到选定模型用以预测粗轧出口温度，直至筛选出使得选定模型精度最高的生产过程数据组合。
[0011]进一步地，生产过程数据包括：材料实际宽度、材料实际厚度、材料长度、材料实际重量、装炉板坯重量、加热炉号、炉内列号、在炉内时间、实际装炉温度、实际出炉温度、出炉温度目标值、出炉温度负公差、出炉温度正公差、预加热段结束温度、预加热段加热时间、第一加热段加热时间、第二加热段加热时间、均热段加热时间、第一加热段段末温度、第二加热段段末温度、均热段段末温度、粗轧出口温度。
[0012]进一步地，预处理包括：剔除生产过程数据中有缺失项的带钢记录；将每条生产过程数据按照生产时刻从先到后进行排序；将生产过程数据进行最大最小归一化处理。
[0013]进一步地，将每一块板坯对应的粗轧出口温度作一个时间序列，并截取当前板坯之前的连续N个板坯的粗轧出口温度作为新的输入变量。
[0014]进一步地，若当前待预测板坯的前一块板坯的粗轧出口温度数据可测得，则将t
‑
1、t
‑
2、
…
、t
‑
N时刻的粗轧出口温度作为N个新的输入变量；若当前待预测板坯之前的第二块板坯的粗轧出口温度数据可测得，则将t
‑
2、t
‑
3、
…
、t
‑
N时刻的粗轧出口温度作为N个新的输入变量；若当前待预测板坯之前的第三块板坯的粗轧出口温度数据可测得，则将t
‑
3、t
‑
4、
…
、t
‑
N时刻的粗轧出口温度作为N个新的输入变量；其中t表示当前t时刻板坯的粗轧出口温度。
[0015]进一步地，根据温度预测模型预测的精度，选择精度最高的模型所对应的N值，并将该N值所对应的温度预测模型作为选定模型。
[0016]进一步地，剔除经随机森林筛选的重要性评分低的生产过程数据，将剩余变量输入到选定模型用以预测粗轧出口温度，并记录短期选定模型的精度；反复上述操作，直至选定模型的精度明显连续变低，则停止删除生产过程数据；对比所有选定模型的精度，选出具有最高精度的选定模型；将具有最高精度的选定模型对应的生产过程数据作为最终的生产过程数据组合。
[0017]为实现上述目的，本专利技术还采用如下技术方案：
[0018]一种加热炉出钢板坯粗轧出口温度的预测系统，包括：数据采集模块，数据采集模
块采集热轧板坯生产过程数据，并对生产过程数据进行预处理；预测模块，预测模块构建基于长短期记忆神经网络的粗轧出口温度预测模型，添加历史时刻的粗轧出口温度作为新的输入变量，用于预测当前时刻热轧加热炉板坯的粗轧出口温度，最终选择预测效果最好的温度预测模型作为选定模型；排序筛选模块，排序筛选模块使用随机森林算法对生产过程数据进行重要性排序，并逐步剔除经随机森林筛选的重要性评分低的生产过程数据，将剩余生产过程数据重新输入到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种加热炉出钢板坯粗轧出口温度的预测方法，其特征在于，包括：采集热轧板坯生产过程数据；对所述生产过程数据进行预处理；构建基于长短期记忆神经网络的粗轧出口温度预测模型；添加历史时刻的粗轧出口温度作为新的输入变量，用于预测当前时刻热轧加热炉板坯的粗轧出口温度；选择预测效果最好的温度预测模型作为选定模型；使用随机森林算法对所述生产过程数据进行重要性排序；逐步剔除经随机森林筛选的重要性评分低的生产过程数据，将剩余生产过程数据重新输入到所述选定模型用以预测粗轧出口温度，直至筛选出使得所述选定模型精度最高的生产过程数据组合。2.如权利要求1所述的加热炉出钢板坯粗轧出口温度的预测方法，其特征在于，所述生产过程数据包括：材料实际宽度、材料实际厚度、材料长度、材料实际重量、装炉板坯重量、加热炉号、炉内列号、在炉内时间、实际装炉温度、实际出炉温度、出炉温度目标值、出炉温度负公差、出炉温度正公差、预加热段结束温度、预加热段加热时间、第一加热段加热时间、第二加热段加热时间、均热段加热时间、第一加热段段末温度、第二加热段段末温度、均热段段末温度、粗轧出口温度。3.如权利要求1所述的加热炉出钢板坯粗轧出口温度的预测方法，其特征在于，所述预处理包括：剔除生产过程数据中有缺失项的带钢记录；将每条生产过程数据按照生产时刻从先到后进行排序；将生产过程数据进行最大最小归一化处理。4.如权利要求1所述的加热炉出钢板坯粗轧出口温度的预测方法，其特征在于：将每一块板坯对应的粗轧出口温度作一个时间序列，并截取当前板坯之前的连续N个板坯的粗轧出口温度作为新的输入变量。5.如权利要求4所述的加热炉出钢板坯粗轧出口温度的预测方法，其特征在于：若当前待预测板坯的前一块板坯的粗轧出口温度数据可测得，则将t
‑
1、t
‑
2、
…
、t
‑
N时刻的粗轧出口温度作为N个新的输入变量；若当前待预测板坯之前的第二块板坯的粗轧出口温度数据可测得，则将t
‑
2、t
‑
3、
…
、t
‑
N时刻的粗轧出口温度作为N个新的输入变量；若当前待预测板坯之前的第三块板坯的粗轧出口温度数据可测得，则将t
‑
3、t
‑
4、
…
、t
‑
N时刻的粗轧出口温度作为N个新的输入变量；其中t表示当前t时刻板坯的粗轧出口温度。6.如权利要求4所述的加热炉出钢板坯粗轧出口温度的预测方法，其特征在于：根据温度预测模型预测的精度，选择精度最高的模型所对应的N值，并将该N值所对应的温度预测模型作为选定模型。7.如权利要求4所述的加热炉...

【专利技术属性】
技术研发人员：吕立华，邓龙，王墨南，秦建超，许娜，肖畅，陈永刚，
申请(专利权)人：宝山钢铁股份有限公司，
类型：发明
国别省市：