[发明专利]一种轧制力参数自学习方法及装置

说明书

本发明公开一种轧制力参数自学习方法及装置，用以自适应地根据带钢的属性与实时工况确定轧制力自学习参数，提高带钢的轧制精度。该方法包括：获取待轧制带钢的属性参数；基于待轧制带钢的厚度、宽度、终轧温度，确定待轧制带钢对应的轧制模型的第一权重系数；基于第一权重系数、待轧制带钢的炉号、流号、轧制辊号、待轧制带钢的与上一块带钢的时间间隔，确定待轧制带钢的遗传类型；如果待轧制带钢的遗传类型为短遗传类型，以与短遗传类型对应的自学习策略确定与待轧制带钢对应的轧制力自学习系数；如果待轧制带钢的遗传类型为长遗传类型，以与长遗传类型对应的自学习策略确定与待轧制带钢对应的轧制力自学习系数。

技术领域

本发明涉及热轧技术领域，尤其涉及一种轧制力参数自学习方法及装置。

背景技术

在工业自动控制系统中，热连轧带钢生产控制系统比较复杂。提高热轧带钢轧制过程中模型的预报精度是热连轧自动控制技术不断追求的目标。为满足带钢尺寸和板形精度的严格要求，提高轧制参数设定精度变得越来越迫切。轧制力是热连轧带钢生产过程中最重要的参数之一，其计算模型是带钢热连轧精轧机组设定模型的核心。热轧带钢的产品厚度控制水平很大程度上取决于过程自动化系统的轧制力模型的预报精度，而轧制力预报精度很大程度上依赖于轧制力自学习。

一条热连轧产线大多配有多座加热炉，加热炉之间存在较大的工况差异，对产品厚度控制精度和生产稳定性具有一定影响，并且，热连轧工况又具有实时多变性，目前的热连轧产线在轧制过程中，轧制力控制精度较低，一方面受不同加热炉工况的影响，另一方面也受其本身自学习算法的局限，无法对带钢之间所存在的各种差异(如设备特性、润滑条件、变形温度和化学成分等)进行精确逼近。而在生产中，这些因素对模型精度的影响效果相互耦合，并且难以分别确定，因此控制系统需要在轧制过程中不断地根据实测数据对自学习系数进行更新，以补偿特定工况下的轧制力模型预报精度。在现有技术中，轧制力参数自学习方式不够准确，导致模型轧制力与实际轧制力偏差较大，带钢的轧制精度较低。

发明内容

本发明实施例提供一种轧制力参数自学习方法及装置，用以自适应地根据带钢的属性与实时工况确定轧制力自学习参数，提高带钢的轧制精度。

第一方面，本发明实施例提供了一种轧制力参数自学习方法，所述方法包括：

获取待轧制带钢的属性参数，所述属性参数包括所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度、所述待轧制带钢炼制的炉号与流号、轧制所述待轧制带钢的轧制辊号、轧制所述待轧制带钢与轧制上一块带钢的时间间隔；

基于所述属性参数中包括的所述待轧制带钢的厚度、所述待轧制带钢的宽度、所述待轧制带钢的终轧温度，确定所述待轧制带钢对应的轧制模型的第一权重系数；

基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔，确定所述待轧制带钢的遗传类型，所述遗传类型包括长遗传类型和短遗传类型；

如果所述待轧制带钢的遗传类型为所述短遗传类型，以与所述短遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数；

如果所述待轧制带钢的遗传类型为所述长遗传类型，以与所述长遗传类型对应的自学习策略确定与所述待轧制带钢对应的轧制力自学习系数。

可选的，所述基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔，确定所述待轧制带钢的遗传类型，包括：

如果所述第一权重系数小于预设权重系数，所述炉号和所述流号与所述上一块带钢炼制的炉号与流号一致，所述轧制辊号与轧制所述上一块带钢的轧制辊号一致，所述时间间隔小于预设时间间隔时，确定所述待轧制带钢的遗传类型为所述短遗传类型。

可选的，所述基于所述第一权重系数、所述炉号、所述流号、所述轧制辊号、所述时间间隔，确定所述待轧制带钢的遗传类型，包括：