[发明专利]一种基于集成均值子时段RPLS-OS-ELM的荒管质量建模与预报方法

说明书

技术领域

本发明涉及一种热轧无缝钢管生产中荒管质量建模与预报方法，具体是涉及一种基于集成均值子时段RPLS-OS-ELM的荒管质量建模与预报方法。 

背景技术

热轧无缝钢管生产工序包括：穿孔、连轧和减径。穿孔工序得到的毛管在精度和表面质量上不能满足使用要求，需要进一步对其进行连轧加工。连轧加工的目的是减小截面,获得较大的轴向延伸，使毛管在表面质量和尺寸精度上获得提高。经过连轧的钢管称为荒管，质量可以达到成品管使用要求,如果尺寸上有进一步要求,需经过减径生产。在无缝钢管生产中，连轧机组是生产效率最高的。如果连轧生产中产生质量缺陷，那么在后续生产中很难弥补它，所以荒管质量的建模和预报具有重要的实际意义. 

连轧生产过程是典型的间歇生产过程，同时具有复杂非线性和多时段等生产特性，这使得其生产过程变量和荒管质量变量之间的关系比较复杂。目前大部分生产中荒管质量靠两种方法获得，一是通过工作人员定时抽样离线测量完成，二是利用γ射线测厚仪在线测量获得。其质量控制主要由技术人员依靠经验调节工艺参数来实现。定时抽样离线测量具有较大时间滞后,容易造成较大的生产浪费。在线测厚仪只能检测荒管的纵向壁厚和横向平均壁厚，对影响荒管质量较大的横向壁厚偏差则无法检测，且设备投资巨大和使用维护成本很高。部分学者利用有限元和数值分析等理论建立了连轧荒管的机理模型，但很难将其工艺参数与质量参数建立一一对应关系。部分学者采用基于数据的建模方法，利用神经网络建立了板材厚度的预报模型，取得了较好效果。但该方法只能实时预报单截面质量，而荒管质量需综合衡量一根管的整体偏差。

发明内容

本发明的目的，是提供一种基于集成均值子时段RPLS-OS-ELM的荒管质量预报与控制方法. 

针对连轧生产过程的复杂性，将其生产过程分为咬钢、稳定轧制和抛钢三个子时段。本发明提出了基于集成均值子时段RPLS-OS-ELM方法，利用其建立了荒管质量预报模型，并用于荒管质量预报。该方法依据连轧生产时段划分过程变量，并在每个子时段步进选取相关过程变量的平均值作为输入变量。该方法避免了传统MPLS方法模型结构复杂、冗余数据多、计算负荷大的缺点，易于实现荒管质量的在线建模与预报。仿真表明，基于集成均值子时段RPLS-OS-ELM方法模型比传统的MPLS模型具有更高的回归和预报精度，为连轧荒管质量的提高提供了更有效的手段.

 基于集成均值子时段RPLS-OS-ELM荒管质量建模与预报方法，包括预报模型建立和模型在线预报方法。预报模型建立前首先要对建模方法和影响荒管质量因素进行分析。

（1）影响荒管质量的因素分析

为了能够准确建立荒管质量预报模型，首先需要对影响荒管质量的因素进行分析研究，以避免建模时所选变量存在信息不全和冗余，降低了模型的预报精度。通过对连轧生产工艺特性分析后可知，在不同生产时段中,各个自变量对荒管质量的影响并不相同。根据连轧生产工艺情况，可将连轧生产过程分成三个主要子时段：咬钢子时段、稳定轧制子时段和抛钢子时段。其中一部分变量只在某个时段存在,可以考虑作为荒管质量的影响因素，而另一部分变量则贯穿整个生产过程，对荒管质量有较大的影响.

影响荒管质量的输入变量有1至8号连轧机实际转速，1至8号连轧机实际电流和1至8号连轧机实际输出力矩共24个变量。除上述生产过程变量外，对荒管质量影响较大的还有上道工序的毛管质量精度，即毛管的横向壁厚不均和纵向壁厚不均。各输入变量的详细信息如表1所示.