一种基于自学习模型的测量站分段采集实测值方法及系统技术方案

本发明专利技术公开了一种基于自学习模型的测量站分段采集实测值方法及系统，其包括获取精轧入口和出口的预设带钢数据；根据预设带钢数据对精轧出口的带钢进行分段，对每个分段分别利用测量设备获取实测值；将实测值输入至预设自学习模型中进行学习得到结果数据。解决了现有技术中无法满足不同的厚度规格对不同采样段需求，且均匀性较差影响实测值的采集的问题；达到提升精轧模型精度，避免中间坯温度不均匀性对采点温度的影响。性对采点温度的影响。性对采点温度的影响。

【技术实现步骤摘要】
一种基于自学习模型的测量站分段采集实测值方法及系统


[0001]本专利技术涉及精轧检测的
，尤其涉及一种基于自学习模型的测量站分段采集实测值方法及系统。

技术介绍

[0002]随着对带钢产品尺寸精度要求的提高，对中心点厚度控制精度提出了严苛的要求，一般要求为
±
0.1mm。而重点酸洗厚度公差要求为
±
0.08mm，要求严格的甚至需要达到
±
0.06mm，而现有技术中的问题在于，中心厚度精度不高，尤其是头部厚度精度不高，且产线切损和反修率较高。
[0003]其中精轧轧制力模型是热连轧控制模型中最为核心的计算模型，它的预测精度直接关系成品带钢厚度控制精度。而现有技术中为了提高模型的控制精度，每块钢轧制完成，精轧自学习模型(其中的自学习模型参考论文，题目为首钢京唐1580热连轧精轧模型自学习功能及应用；作者：何凌云，龚彩军；期刊：冶金自动化；第37卷，第6期。)就会采集现场的当前道次的实测值，如中间坯温度、轧制力、轧制力力矩、轧制速度、工艺水水量和温度、精轧出口温度和厚度等，通过模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自学习模型的测量站分段采集实测值方法，其特征在于，所述方法包括：获取精轧入口和出口的预设带钢数据；根据所述预设带钢数据对精轧出口的带钢进行分段，对每个所述分段分别利用测量设备获取实测值；将所述实测值输入至预设自学习模型中进行学习得到结果数据。2.如权利要求1所述的方法，其特征在于，所述根据所述预设带钢数据对精轧出口的带钢进行分段的步骤，还包括：根据所述预设带钢数据中的精轧出口速度和预设有效采集时间，计算每段的采集长度。3.如权利要求2所述的方法，其特征在于，所述对每个所述分段分别利用测量设备获取实测值的步骤，还包括：根据精轧入口厚度、出口厚度和所述采集长度，基于预设代数关系计算带钢通过测量设备的实测长度，并获取所述实测长度对应测量设备中的实测数据。4.如权利要求1所述的方法，其特征在于，在所述将所述实测值输入至预设自学习模型中进行学习得到结果数据的步骤中，还包括：将含有测量设备的多个机架所获取的数据，输入至所述自学习模型中进行学习得到结果数据。5.如权利要求1所述的方法，其特征在于，在所述将所述实测值输入至预设自学习模型中进行学习得到结果数据之后，还包括：根据每个分段采集的数据，设置第一需求阈值，将符合第一阈值的分段作...

【专利技术属性】
技术研发人员：黄小兵，王伦，罗旭烨，武巧玲，董立杰，王秋娜，张转转，王淑志，王蕾，孙力娟，李旭东，王海玉，吕玉兰，唐婧，刘冬，
申请(专利权)人：北京首钢股份有限公司，
类型：发明
国别省市：