[发明专利]一种轧机扭振预测方法

说明书

本发明涉及一种轧机扭振预测方法，包括搭建扭振实验平台，并通过实时采用最佳核函数和参数的方法，寻找出最佳的轧机扭振预测模型。扭振实验平台主要由驱动端的交流变频电动机、减速器，负载端的工作轧辊，扭振传感器、弹性连接轴、测速传感器和上位机组成，测速传感器用来测量交流变频电机通过减速器后传输给弹性连接轴的速度，该速度用来代表轧机的轧制速度，扭振传感器则用来测量弹性连接轴中的扭矩大小，两个传感器通过上位机中的串口将检测到的信号传输给上位机。本发明扭振预测过程简单，预测精度高，增加了扭振客观评价标准，步骤清晰，省时，省力。

技术领域

本发明涉及一种基于支持向量机预测的轧机扭振预测方法。

背景技术

现代工业对板带钢铁产品的质量要求日益提高，对轧机主传动系统提出了高精度、高动态性的技术要求，而在实际生产中，常常会出现由于负载扰动的影响、辊隙润滑状况、轧机的高速运转等引发的扭振，阻碍了生产出高质量和高精度的板带钢铁产品，并且对轧机机械设备带来了严重损坏。这种扭振往往是瞬时的、随机的，不具有周期性的特点，因此，利用建立参数方程的方法，对轧机扭振进行预测是不容易实现的。现有轧机扭振预测中存在的需要过多依靠技术人员的现场经验、难以建立准确的预测参数方程、现有的预测模型复杂、不能实时调整预测模型以便提高预测精度的问题。

支持向量机是一种基于统计学习理论的机器学习方法，在解决小样本、非线性及高维模式识别中表现出许多特有的优势，支持向量机中的核函数和参数优化程度影响着构建模型的预测精度和泛化能力，本发明通过实时采用最佳核函数和参数的方法，寻找出最佳的轧机扭振预测模型。

发明内容

为解决上述技术问题，本发明是采用如下技术方案实现的。

一种轧机扭振预测方法，主要通过支持向量机，采用多项式核函数、高斯核函数，输入产品表面质量的参数、辊隙润滑情况的参数及其他不确定因素的参数，实时比较采用不同核函数时输出的轧机扭振预测精度，利用实现预测精度最高的核函数对该轧机扭振进行预测。通过支持向量机不断寻找和利用对扭振预测精度最高的核函数，实时对轧机的扭振进行预测，通过扭振预测值，可以实现对轧机扭振情况的提前预知，便于技术人员提前采取相应的补偿控制方法，抑制轧机主传动扭振的发生。

一种轧机扭振预测方法，其特征在于包括以下步骤：

1)搭建扭振实验平台，扭振实验平台主要由驱动端的交流变频电动机、减速器，负载端的工作轧辊，扭振传感器、弹性连接轴、测速传感器和上位机组成，测速传感器用来测量交流变频电动机通过减速器后传输给弹性连接轴的速度，该速度用来代表轧机的轧制速度，当驱动端的交流变频电动机转速与负载端的转速存在转速差时，会在弹性连接轴中产生扭矩，严重时发生扭转现象，扭振传感器则用来测量弹性连接轴中的扭矩大小，两个传感器通过上位机中的串口将检测到的信号传输给上位机，上位机中安装支持向量机；

2)模拟主传动系统在非线性参数下的扭振情况：在扭振试验平台上，v表示轧机的轧制速度；p表示轧制精度；sq表示钢铁产品表面质量；rl表示辊隙润滑情况；uf表示其他不确定因素；对于v、p、sq、rl取不同的组合值，用c表示，c(n)表示第n个组合值；uf(n)表示第n个随机数；用扭振传感器检测扭振信号，得到在外界干扰情况下的扭振响应，用参数vr表示，vr(n)表示第n个扭振响应值；

3)取v、p、sq、rl的30组不同组合，用c(1)～c(30)表示，同时取相对应的uf(1)～uf(30)共30个随机数，把c(n)、uf(n)归一化；用扭振传感器检测得到1～25组每一组组合对应的扭振响应vr；将前20组的c(1)～c(20)、uf(1)～uf(20)和vr(1)～vr(20)作为训练集；

4)支持向量机利用grid-search算法寻找最佳惩罚参数c和gamma值，采用多项式核函数对训练集进行训练，得到预测模型1，用model1表示，支持向量机采用高斯核函数对训练集进行训练，得到预测模型2，用model2表示；