基于案例推理的轧后冷却长期自学习方法技术

一种基于案例推理的轧后冷却长期自学习方法，属于轧制技术领域。该方法按如下步骤进行：步骤1：案例的构造；步骤2：案例的检索；步骤3：案例的重用；步骤4：案例的修正。本发明专利技术的优点：本发明专利技术基于现场大量生产数据，从如何有效利用经验知识入手，通过案例构造、案例检索、案例重用、案例修正等案例推理技术对控制冷却数学模型中的长期自学习系数进行决策。该方法对已轧过的钢种规格，能有效地避免头部过冷现象，同时能显著提高板带头部终冷温度的模型设定精度。本发明专利技术可使轧后冷却模型具有随工况变化的自适应能力，能显著提高模型的头部设定精度。

【技术实现步骤摘要】

本专利技术属于轧制
，特别涉及一种。
技术介绍
热轧板带轧后冷却过程既是一个影响因素众多的传热过程，又是一个复杂的工业控制过程。就带钢全长而言，基于PID或带SMITH预估的反馈控制理论上能保证板带中部和尾部控制良好，而板带头部的控制完全依赖模型的设定精度。因轧后冷却的滞后特征，在实际生产过程中并没有很好的方法对头部终冷温度偏高或偏低进行干预，特别是因季节因素或换辊换规格或长期停轧钢种再恢复轧制都有可能在轧制首块钢时因头部终冷温度过低导致卷取困难而堆钢导致生产的停顿。热轧板带轧后冷却的传热特性尤其是冷却水与板带钢之间的水冷换热很容易受到工况的影响，其模型中的热流密度参数随生产工况而变化， 具体体现在水冷自学习系数上面，因此轧后冷却数学模型中的长期自学习系数的估计是提高模型头部设定精度的关键和难点。
技术实现思路
针对现有技术的不足，本专利技术提供一种。本专利技术方法按如下步骤进行步骤1 案例的构造将轧后冷却过程的工况按照结构进行组织并以案例的形式存储于案例数据库中， 每个案例由工况类描述、指标类描述和解组成，如表1所示。表1 案例结构定义权利要求1.一种，其特征在于如下步骤进行步骤1 案例的构造将轧后冷却过程的工况按照结构进行组织并以案例的形式存储于案例数据库中，每个案例由工况类描述、指标类描述和解组成；步骤2:案例的检索长期自学习系数案例推理系统根据轧制工况描述来进行案例检索和匹配，设为两级过滤；1)绝对过滤当前带钢的钢牌号、厚度层别、卷取温度层别、冷却策略与案例数据库的钢牌号、厚度层别、卷取温度层别、冷却策略此四项参数如果不能完全相同，直接退出案例推理；如果满足相同条件，进入相对过滤；2)相对过滤根据当前块带钢冷却水温和历史案例中的冷却水温差、当前块带钢距前一块轧制间隙时间和历史案例中的停轧时间、当前块带钢精轧模型预报终轧温度与目标值的偏差与历史案例中的终轧温度预报偏差以及当前块带钢穿带速度与历史案例中的穿带速度的偏差进行过滤；步骤3:案例的重用轧后冷却模型在进行预设定数据准备时，根据边界条件即终轧温度、穿带速度、带钢厚度、目标卷取温度和外部条件即水温、停轧时间、冷却策略在历史案例库中进行检索，对钢牌号、厚度层别、终冷温度层别、冷却策略完全相同的案例，再选取满足历史水温与当前水温波动在士2°C的案例，按照停轧时间相近进行选择，然后再按照终轧温度预报偏差和穿带速度波动筛选案例，对上述筛选出的案例，根据历史指标即卷取温度头部命中率> 85%的所有案例中，选取头部标准偏差最小、头部卷取温度偏差平均值最小进行最后筛选，得到的案例的解即长期自学习系数直接进行重用，参与轧后冷却模型设定计算；步骤4 案例的修正首先对钢牌号、厚度层别、卷取温度层别、冷却策略完全相同的案例，筛选卷取温度头部命中率> 70%、头部标准偏差在20°C以内，头部卷取温度偏差平均值在20°C以内的案例，依据相似度函数检索出匹配工况，在此基础上按照经验值对检索得到的相似案例进行修正，以此作为该方法的输出。2.根据权利要求1所述的，其特征在于所述的步骤2中当前块带钢精轧模型预报终轧温度与目标值的偏差与历史案例中的预报值和穿带速度的偏差进行过滤，过程如下在检索过程中，对能完全满足索引要求即水温士2度，停轧时间士 10分钟，终轧温度预报偏差士5度、穿带速度偏差士2%的记录的案例，再按照指标即案例中头部卷取温度偏差平均值、头部标准偏差和卷取温度头部命中率进行判定，如符合判定条件即卷取温度头部命中率>85%的所有案例中，选取头部标准偏差最小、头部平均温度偏差平均值最小的案例的，直接进行案例重用；对不能完全满足索引要求的案例先进行指标判定条件即卷取温度头部命中率>70%的所有案例中，选取头部标准偏差在20°C以内、头部平均温度偏差平均值在20°C以内案例筛选，对符合判定条件的再按照公式(1)、(2), (3)、(4)计算相应的相似度，检索出满足匹配阈值的所有案例，进行步骤4进行案例修正，按照经验值带入公式 (5)和(6)计算出长期自学习系数值作为案例的解。3.根据权利要求1所述的，其特征在于所述的步骤4修正方法如下记水温为TW，终轧温度预报值为FDT，穿带速度为V，停轧时间为MopTime，其相似度函数分别定义如下全文摘要一种，属于轧制
该方法按如下步骤进行步骤1案例的构造；步骤2案例的检索；步骤3案例的重用；步骤4案例的修正。本专利技术的优点本专利技术基于现场大量生产数据，从如何有效利用经验知识入手，通过案例构造、案例检索、案例重用、案例修正等案例推理技术对控制冷却数学模型中的长期自学习系数进行决策。该方法对已轧过的钢种规格，能有效地避免头部过冷现象，同时能显著提高板带头部终冷温度的模型设定精度。本专利技术可使轧后冷却模型具有随工况变化的自适应能力，能显著提高模型的头部设定精度。文档编号B21B45/02GK102284517SQ20111018106公开日2011年12月21日 申请日期2011年6月30日 优先权日2011年6月30日专利技术者刘恩洋, 刘相华, 张殿华, 彭良贵, 陈华昕, 高扬 申请人:东北大学本文档来自技高网...

【技术保护点】
１．一种基于案例推理的轧后冷却长期自学习方法，其特征在于：如下步骤进行：步骤１：案例的构造将轧后冷却过程的工况按照结构进行组织并以案例的形式存储于案例数据库中，每个案例由工况类描述、指标类描述和解组成；步骤２：案例的检索长期自学习系数案例推理系统根据轧制工况描述来进行案例检索和匹配，设为两级过滤；１）绝对过滤当前带钢的钢牌号、厚度层别、卷取温度层别、冷却策略与案例数据库的钢牌号、厚度层别、卷取温度层别、冷却策略此四项参数如果不能完全相同，直接退出案例推理；如果满足相同条件，进入相对过滤；２）相对过滤根据当前块带钢冷却水温和历史案例中的冷却水温差、当前块带钢距前一块轧制间隙时间和历史案例中的停轧时间、当前块带钢精轧模型预报终轧温度与目标值的偏差与历史案例中的终轧温度预报偏差以及当前块带钢穿带速度与历史案例中的穿带速度的偏差进行过滤；步骤３：案例的重用轧后冷却模型在进行预设定数据准备时，根据边界条件即终轧温度、穿带速度、带钢厚度、目标卷取温度和外部条件即水温、停轧时间、冷却策略在历史案例库中进行检索，对钢牌号、厚度层别、终冷温度层别、冷却策略完全相同的案例，再选取满足历史水温与当前水温波动在±２℃的案例，按照停轧时间相近进行选择，然后再按照终轧温度预报偏差和穿带速度波动筛选案例，对上述筛选出的案例，根据历史指标即卷取温度头部命中率＞８５％的所有案例中，选取头部标准偏差最小、头部卷取温度偏差平均值最小进行最后筛选，得到的案例的解即长期自学习系数直接进行重用，参与轧后冷却模型设定计算；步骤４：案例的修正首先对钢牌号、厚度层别、卷取温度层别、冷却策略完全相同的案例，筛选卷取温度头部命中率＞７０％、头部标准偏差在２０℃以内，头部卷取温度偏差平均值在２０℃以内的案例，依据相似度函数检索出匹配工况，在此基础上按照经验值对检索得到的相似案例进行修正，以此作为该方法的输出。...

【技术特征摘要】

【专利技术属性】
技术研发人员：彭良贵，刘恩洋，张殿华，刘相华，高扬，陈华昕，
申请(专利权)人：东北大学，
类型：发明
国别省市：89