本发明专利技术涉及热轧技术领域,尤其涉及一种精轧模型自学习修正方法及装置,该方法包括:判断精轧机组的实际轧制力是否有效;若否,获取精轧机组的轧制力设定值、轧制力测量值以及轧制力再计算值;判断轧制力设定值、轧制力测量值以及轧制力再计算值是否满足预设条件;若是,对精轧机组的精轧模型自学习进行更新,进而有效避免精轧机组机架间采用拉套轧制头部范围内活套张力过大且引起对应区域检测的实际轧制力偏小,导致精轧模型自学习结果与期望方向相反的情况,进而提高了轧制稳定性。进而提高了轧制稳定性。进而提高了轧制稳定性。
【技术实现步骤摘要】
一种精轧模型自学习修正方法及装置
[0001]本专利技术涉及热轧
,尤其涉及一种精轧模型自学习修正方法及装置。
技术介绍
[0002]热连轧生产过程中,精轧机组的设定模型是核心控制部件,如何提升模型设定精度是工作人员的主要目标,自学习功能是目前最为直接切应用最为广泛的方法,但是,实测数据是自学习的基础,在实测数据受到现场工况或环境干扰的时候,就会直接影响自学习结果,严重时自学习结果的应用直接产生不良后果,进而会持续恶化模型的设定精度。
[0003]生产线在轧制薄规格带钢时,由于精轧机组机架间会采取拉套轧制头部范围内活套张力过大,造成对应区域检测的实际轧制力偏小,精轧模型自学习采集对应张力影响范围内的实际轧制力进行自学习计算时,导致精轧自学习异常,表现为学习结果与期望方向相反,随着学习结果的不断应用,精轧模型设定精度逐渐恶化,直接影响轧制稳定性甚至导致轧废等问题。
[0004]因此,如何对精轧模型自学习进行修正是目前亟待解决的技术问题。
技术实现思路
[0005]鉴于上述问题,提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的精轧模型自学习修正方法及装置。
[0006]第一方面,本专利技术还提供了一种精轧模型自学习修正方法,包括:
[0007]判断精轧机组的实际轧制力是否有效;
[0008]若否,获取所述精轧机组的轧制力设定值、轧制力测量值以及轧制力再计算值;
[0009]判断所述轧制力设定值、所述轧制力测量值以及轧制力再计算值是否满足预设关系;
[0010]若是,对所述精轧机组的精轧模型自学习进行更新。
[0011]进一步地,所述判断精轧机组的实际轧制力是否有效,包括:
[0012]获取所述精轧机组的实际最大张力和机架基准张力;
[0013]判断所述实际最大张力是否大于机架基准张力。
[0014]进一步地,所述机架基准张力具体为设定张力与预设系数的乘积。
[0015]进一步地,所述判断所述轧制力设定值、所述轧制力测量值以及轧制力再计算值是否满足预设关系,包括:
[0016]判断所述轧制力设定值、所述轧制力测量值以及所述轧制力再计算值是否依次增大或者依次减小。
[0017]进一步地,所述对所述精轧机组的精轧模型自学习进行更新,包括:
[0018]对所述轧制力再计算值进行修正;
[0019]基于修正后的轧制力再计算值,对精轧模型自学习进行更新。
[0020]进一步地,基于修正后的轧制力再计算值,对精轧模型自学习进行更新,包括:
[0021]将修正后的轧制力再计算值应用于精轧模型轧制力自学习中;
[0022]获取变形抗力实际值和变形抗力计算值;
[0023]判断所述变形抗力实际值是否等于所述变形抗力计算值;
[0024]若否,则不进行变形抗力自学习更新。
[0025]进一步地,基于修正后的轧制力再计算值,对精轧模型自学习进行更新,包括:
[0026]将修正后的轧制力再计算值应用于精轧模型轧制力自学习中;
[0027]获取精轧出口的厚度偏差;
[0028]判断所述精轧出口的厚度偏差是否为0;
[0029]若否,则不进行辊缝自学习更新。
[0030]第二方面,本专利技术还提供了一种精轧模型自学习修正装置,包括:
[0031]第一判断模块,用于判断精轧机组的实际轧制力是否有效;
[0032]获取模块,用于若否,获取所述精轧机组的轧制力设定值、轧制力测量值以及轧制力再计算值;
[0033]第二判断模块,用于判断所述轧制力设定值、所述轧制力测量值以及轧制力再计算值是否满足预设条件;
[0034]更新模块,用于若是,对所述精轧机组的精轧模型自学习进行更新。
[0035]第三方面,本专利技术还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的方法步骤。
[0036]第四方面,本专利技术还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法步骤。
[0037]本专利技术实施例中的一个或多个技术方案,至少具有如下技术效果或优点:
[0038]本专利技术提供了一种精轧模型自学习修正方法,包括:判断精轧机组的实际轧制力是否有效;若否,获取精轧机组的轧制力设定值、轧制力测量值以及轧制力再计算值;判断轧制力设定值、轧制力测量值以及轧制力再计算值是否满足预设条件;若是,对精轧机组的精轧模型自学习进行更新,进而有效避免精轧机组机架间采用拉套轧制头部范围内活套张力过大且引起对应区域检测的实际轧制力偏小,导致精轧模型自学习结果与期望方向相反的情况,进而提高了轧制稳定性。
附图说明
[0039]通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本专利技术的限制。而且在整个附图中,用相同的参考图形表示相同的部件。在附图中:
[0040]图1示出了本专利技术实施例中精轧模型自学习修正方法的步骤流程示意图;
[0041]图2示出了本专利技术实施例中精轧模型自学习修正装置的结构示意图;
[0042]图3示出了本专利技术实施例中实现精轧模型自学习修正方法的计算机设备的结构示意图。
具体实施方式
[0043]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开
的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
[0044]实施例一
[0045]本专利技术的实施例提供了一种精轧模型自学习修正方法,如图1所示,包括:
[0046]S101,判断精轧机组的实际轧制力是否有效;
[0047]S102,若否,获取精轧机组的轧制力设定值、轧制力测量值以及轧制力再计算值;
[0048]S103,判断轧制力设定值、轧制力测量值以及轧制力再计算值是否满足预设条件;
[0049]S104,若是,对精轧机组的精轧模型自学习进行更新。
[0050]首先,获取精轧机组头部实测数据,其中,该实测数据包括:精轧机组的实际最大张力以及机架基准张力,其中,该机架基准张力为设定张力与系数的乘积,其中,该系数A设置为1.5~2.0,比如,可以取值2.0,1.9,1.8,1.7,1.6,1.5等
[0051]在具体的实施方式中,如下表的机架张力评价表所示:
[0052][0053][0054]接着,执行S101,判断精轧机组的实际轧制力是否有效。
[0055]具体地,判断该实际最大张力是否大于机架基准张力。由上表可知,由于F34的实际最大张力大于其基准张力,由此,确定F34机架的实际轧制力本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种精轧模型自学习修正方法,其特征在于,包括:判断精轧机组的实际轧制力是否有效;若否,获取所述精轧机组的轧制力设定值、轧制力测量值以及轧制力再计算值;判断所述轧制力设定值、所述轧制力测量值以及轧制力再计算值是否满足预设关系;若是,对所述精轧机组的精轧模型自学习进行更新。2.如权利要求1所述的方法,其特征在于,所述判断精轧机组的实际轧制力是否有效,包括:获取所述精轧机组的实际最大张力和机架基准张力;判断所述实际最大张力是否大于机架基准张力。3.如权利要求2所述的方法,其特征在于,所述机架基准张力具体为设定张力与预设系数的乘积。4.如权利要求1所述的方法,其特征在于,所述判断所述轧制力设定值、所述轧制力测量值以及轧制力再计算值是否满足预设关系,包括:判断所述轧制力设定值、所述轧制力测量值以及所述轧制力再计算值是否依次增大或者依次减小。5.如权利要求1所述的方法,其特征在于,所述对所述精轧机组的精轧模型自学习进行更新,包括:对所述轧制力再计算值进行修正;基于修正后的轧制力再计算值,对精轧模型自学习进行更新。6.如权利要求5所述的方法,其特征在于,基于修正后的轧制力再计算值,对精轧模型自学习进行更新,包括:将修正后的轧制力再计算值应用于精轧模型轧制力自学习中;获取变形抗...
【专利技术属性】
技术研发人员:徐芳,周政,李东宁,王文广,史金芳,王元嵩,李兴波,
申请(专利权)人:首钢京唐钢铁联合有限责任公司,
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。