[发明专利]提高钢坯定重切割精度的预测方法

说明书

本发明提供一种提高钢坯定重切割精度的预测方法：1)钢坯拉速信息粒化模型的建立，得到钢坯拉速数据的信息粒化窗口、确定模糊粒子参数，得到降维的钢坯拉速信息粒化子集数据；2)支持向量机回归预测模型建立，选择支持向量机目标函数及高斯核函数，对钢坯拉速粒化数据进行回归预测，得到钢坯平均拉速预测值；3)综合考虑钢种、钢坯截面积、钢水温度、平均拉速等多种影响因素，建立基于极限学习机神经网络的预报模型，实现钢坯定重切割结果的预报，本发明对于后续棒材生产，节约轧材原料，降低能源消耗及人工成本，提升钢坯定重预报的智能化程度及预报的精度，进而提高轧材成材率，减小环境污染。

技术领域

本发明属于钢坯精度切割技术领域，具体是一种提高钢坯定重切割精度的预测方法。

背景技术

连铸钢坯切割后一般转到轧制车间，用来生产板材、线材、钢筋等产品；若连铸钢坯切割精度不高，可导致后续轧制工艺出现板材或线材尺寸不足而作为废品处理的现象，从而造成极大的能源、原材料的浪费。

现有的定重切割技术，大多根据理论重量估算后得到的长度进行第一根钢坯的定长切割，再将第一根钢坯在线称重，得到该钢坯的长度及实际重量数据，最后按第一根钢坯实际重量，对第二根钢坯的切割长度进行修正。实际上采用的是逐次逼近方法，假如该段钢坯的实际称重比估算的理论重量大，则调整第二根钢坯的切割长度短些；反之，则增加第二根钢坯的切割长度，形成由重量控制长度的一个闭环反馈过程。

上述定重切割基本上遵循在线设定定尺长度，再利用称重装置对钢坯重量进行闭环反馈，实现定重切割的目的。该方法要对每根切割后的钢坯进行在线称重，将重量偏差作为反馈量控制钢坯长度，不仅增加了工艺的复杂性、也由于称重偏差导致钢坯切割重量精度不高。

发明内容

本发明的目的是实现连铸钢坯定重切割，提高连铸钢坯定重预报精度，提高棒材轧制成材率，降低钢坯原材料浪费，减小能耗及环境污染，增加经济效益。

为实现上述目的，提供一种提高钢坯定重切割精度的预测方法，具体方案如下：

一种提高钢坯定重切割精度的预测方法：

1)将每根钢坯作为一个窗口，提取钢坯平均拉速，对钢坯拉速数据进行模糊信息粒化处理，形成拉速数据信息子集。

2)采用三角型模糊粒子，将每5根钢坯数据变换为一个三角型模糊粒子，得到模糊粒子中的平均拉速变化的最小值Clow、平均拉速变化的平均值R和平均拉速变化的最大值Cup三个参数。

3)选择支持向量机SVM目标函数及高斯核函数，确定最佳参数：误差惩罚因子c及径向基核函数的参数g，建立支持向量机SVM模型。

4)将钢坯拉速粒化数据最小值Clow、平均值R和最大值Cup输入支持向量机SVM模型，对粒化数据进行回归预测，得到下一根将要切割的钢坯平均拉速预测值。

5)建立极限学习机钢坯定重预报神经网络模型，以钢坯截面积、钢坯平均拉速、钢坯定尺长度、下一根钢坯平均拉速预测值为输入向量，预测当前钢坯定重切割输出值。

本发明对于后续棒材生产，节约轧材原料，降低能源消耗及人工成本。提升钢坯定重预报的智能化程度及预报的精度，进而提高轧材成材率，减小环境污染。

本方法中，钢坯长度的测量采用图像测量法，处理图像时采用傅里叶变换方法对原始图像进行频域滤波处理。

本方法中，采用小生境粒子群算法对钢坯数据进行粒化处理。其操作步骤如下：

step1：初始化主粒子群搜索空间中的每个粒子的初始位置、速度。

step2：应用认知模式对主粒子群进行初始更新迭代，并对每个粒子的适应度值进行评价。