[发明专利]一种热轧带钢数学模型数据层别判断方法

说明书

本发明涉及一种热轧带钢数学模型数据层别判断方法，考虑影响带钢轧制稳定性或影响带钢特性的主要因素：钢种、厚度、宽度、终轧温度和卷取温度，进行数学模型层别划分；对于不同的数学模型，划分层别时重点考虑不同的带钢特性因素；数学模型层别F是诸多特性因素层别号的函数，F＝f(Gi，Hi，Wi，FTi，CTi)，最后根据数学模型层别判定规则进行热轧带钢数据的层别判断。本发明通过动态的层别判断，可以有效的保持自学习系数的连续性，避免了自由规程轧制特别是交叉轧制中，由于同钢种不同炉的钢水成分的变化波动或规格的微小变化导致的自学习和设定混乱，最大程度了保证了数学模型的设定可靠性，提高数字模型设定精度和轧制稳定性。

技术领域

本发明涉及热轧带钢生产技术领域，尤其涉及一种热轧带钢数学模型数据层别判断方法。

背景技术

在高度自动化的热轧带钢生产线上,数学模型起着非常重要的作用，对轧制稳定性、带钢尺寸精度等都有较大的影响。

一条常规热轧带钢生产线所生产的带钢品种规格多达上万种，在模型计算时，原则上每一个品种规格都需要一组不同的原始数据参与模型计算，这样的话，为了支持数学模型的正常计算，就需要有一个庞大的数据库来存储模型计算所需的原始数据。为节省存储空间、便于模型设定计算，将数学模型计算所需的原始数据按层别进行分档划分，即将上万个品种规格按一定规则分成若干组，并把相关的参数保存到相应的层别之中。这样可以更精确地区分出不同带钢的特性，便于归类以及自学习效果的有效性。

一般来说，对于精轧机设定模型，其层别参数主要由材质、厚度、宽度三个参数确定。在进行数据模型层别划分时，通常是将特性相同或相近的品种划分为一档。档划分的少，带钢与带钢之间的模型控制参数容易引起干扰，档划分的过多，特性相近的带钢之间又会缺乏联系。

但是无论怎样进行层别划分，都会存在一些不合理的参数。

比如带钢厚度分类时，＞2.5mm～≤3.0mm分为一档，＞3.0mm～≤4.0mm分为另一档。按照这样分类，3.0mm带钢和3.01mm带钢厚度差很小却将采用不同的原始数据，而3.01mm带钢和4.0mm带钢厚度相差较大却采用同一组原始数据。

再比如，当按照碳当量模式进行钢种层别分档时，对于同一批次带钢，大部分都处于同一层别档内，比如处于第2档，但有可能因为C，Si，Mn成分的微小波动，使得碳当量数值跨越到了第1档或第3档中，这就使得模型参数也垮过了等级，不但影响本品种的质量，同时也影响另外一个档的产品质量(在带钢厚度负公差或正公差轧制时也会出现厚度层别频繁跨档这种情况)。

当同一层别带钢连续生产时，通过自学习功能，模型会根据当时的生产线设备状态优化设定数据，这样模型计算精度会越来越高。如果同一个层别带钢之间突然插进一块另一个层别的带钢(材质发生微小变化导致的带钢跨层别发生概率比较大)，由于采用了不同的模型参数(包括原始数据和自学习参数)，模型计算出的轧机参数设定值会有较大的差异，这些差异会降低模型的计算精度，进而影响产品尺寸精度甚至轧制稳定性。

如果将模型层别划分的粗一点(即减少层别分类档距)，可以在一定程度上减少带钢跨层别的概率，但不能避免跨层别现象的发生，并且这样做还会降低模型计算精度。

发明内容

本发明提供了一种热轧带钢数学模型数据层别判断方法，通过动态的层别判断，可以有效的保持自学习系数的连续性，避免了自由规程轧制特别是交叉轧制中，由于同钢种不同炉的钢水成分的变化波动或规格的微小变化导致的自学习和设定混乱，最大程度了保证了数学模型的设定可靠性，提高数字模型设定精度和轧制稳定性。

为了达到上述目的，本发明采用以下技术方案实现：

一种热轧带钢数学模型数据层别判断方法，其特征在于，包括:

1)数学模型层别划分规则: