国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

摘要：針對冷連軋過程控制模型系統(tǒng)目前存在的問題，以摩擦系數(shù)模型參數(shù)優(yōu)化和平坦度控制參數(shù)優(yōu)化為例，本文闡述了在完整、準(zhǔn)確和可靠的工藝實時數(shù)據(jù)基礎(chǔ)上，將大數(shù)據(jù)的思路和方法應(yīng)用于冷連軋過程控制優(yōu)化的研究，有效提高了模型設(shè)定精度和平坦度控制精度。

關(guān)鍵詞：冷連軋；大數(shù)據(jù)；優(yōu)化

Abstract: To address the issues of tandem cold rolling controlsystem，this paper takes friction model optimization and flatness control parameter optimization as an example, and illustrates the research of implementing big data for tandem cold rolling control, based on integrated, accurate and reliable data. As a result, the precision of prediction and control precision of flatness were obtained.

Key words: Tandem cold rolling; Big data; Optimization

1　前言

提高工業(yè)生產(chǎn)智能化水平，達到降低工藝人員和管理人員的勞動強度，降低不良品率的目的，必須將目前主要靠人工完成的模型參數(shù)和控制參數(shù)優(yōu)化工作轉(zhuǎn)化為自動完成，才能適應(yīng)不斷變化的生產(chǎn)狀況和日益多樣的用戶需求。通過基于大數(shù)據(jù)的工藝模型優(yōu)化和工藝控制優(yōu)化，提升冷連軋過程控制水平，使產(chǎn)品質(zhì)量、性能得到有效控制，提高工廠柔性化生產(chǎn)水平。

目前冷連軋產(chǎn)線的模型參數(shù)和工藝控制參數(shù)主要依靠工藝人員和自動化技術(shù)人員根據(jù)生產(chǎn)穩(wěn)定狀況、產(chǎn)品質(zhì)量狀況和用戶需求，進行人工調(diào)整，存在的問題主要體現(xiàn)在：

（1）模型系統(tǒng)的參數(shù)優(yōu)化工作始終處于被動地位：基于人工完成的模型系統(tǒng)參數(shù)優(yōu)化，是用有限的人的精力去監(jiān)控?zé)o限的機器生產(chǎn)，無法對系統(tǒng)實現(xiàn)長期、連續(xù)和高效的優(yōu)化完善，而只能按照“出了問題再分析”的被動工作模式；

（2）不能及時和有效地利用積累了大量有效信息和知識的過程數(shù)據(jù)：在冷連軋生產(chǎn)實踐中，高水平的操作人員有著非常豐富和高效的控制手段和經(jīng)驗，從而獲得滿意的控制效果，即良好的板形和厚度精度，較高的生產(chǎn)效率。另外，現(xiàn)代化冷連軋生產(chǎn)線配備了大量的傳感器、檢測器和儀表，可以獲得大量包含生產(chǎn)經(jīng)驗的軋制過程數(shù)據(jù)。由于工況的變化，數(shù)據(jù)所包含的經(jīng)驗可能也在發(fā)生變化，需要及時發(fā)現(xiàn)并提取這些經(jīng)驗信息，并用于后續(xù)的生產(chǎn)過程；

（3）基于人工的模型系統(tǒng)參數(shù)優(yōu)化工作基本上是一種基于定性的優(yōu)化：工藝人員通常是根據(jù)產(chǎn)品質(zhì)量狀況的變化趨勢，對參數(shù)的優(yōu)化方向提出要求，而趨勢的及時發(fā)現(xiàn)和模型系統(tǒng)的參數(shù)優(yōu)化調(diào)整，還很難做到；

（4）基于人工的模型系統(tǒng)參數(shù)優(yōu)化工作很難保證實效性：由于來料狀況的變化、現(xiàn)場工藝狀況的變化和設(shè)備工作狀態(tài)的變化，可能都會體現(xiàn)在產(chǎn)品質(zhì)量和生產(chǎn)穩(wěn)定性上，模型系統(tǒng)需要根據(jù)上述外部環(huán)境的變化及時作出優(yōu)化調(diào)整。

針對上述過程控制模型系統(tǒng)目前存在的問題，本文在完整、準(zhǔn)確和可靠的工藝實時數(shù)據(jù)基礎(chǔ)上^[1、2]，基于大數(shù)據(jù)的思路和方法對變形抗力模型、摩擦系數(shù)模型和軋制力補償模型參數(shù)，以及平坦度控制參數(shù)進行了優(yōu)化研究。下面以摩擦系數(shù)模型參數(shù)優(yōu)化和平坦度控制參數(shù)優(yōu)化為對象，闡述研究工作。

2　摩擦系數(shù)模型參數(shù)優(yōu)化閉環(huán)

2.1　摩擦系數(shù)模型參數(shù)優(yōu)化對象

摩擦系數(shù)模型參數(shù)優(yōu)化的目的是基于大數(shù)據(jù)的思路和方法，利用數(shù)據(jù)挖掘的手段，對摩擦系數(shù)模型中的有關(guān)參數(shù)進行優(yōu)化，從而保證模型設(shè)定精度的持續(xù)穩(wěn)定，使得模型系統(tǒng)適應(yīng)多品種、小批量的生產(chǎn)特點。

本文摩擦系數(shù)模型優(yōu)化的對象之一是對軋制力設(shè)定精度有直接影響的摩擦系數(shù)模型參數(shù)，優(yōu)化的目標(biāo)包括摩擦系數(shù)模型的相關(guān)參數(shù)。

如下式所示摩擦系數(shù)模型，包含實際軋制速度、軋輥表面粗糙度和實際軋制長度三個自變量，以及七個模型參數(shù)^[3]。

式中：

u₀—基本摩擦系數(shù)參數(shù)；

v₀—參考軋制速度；

v —實際軋制速度；

du_v—速度變化影響參數(shù)；

R —軋輥表面的粗糙度；

R₀—軋輥表面的參考粗糙度；

C_R—實際粗糙度影響參數(shù)；

 L—軋輥軋制帶鋼的長度； L₀—軋輥軋制帶鋼的基準(zhǔn)軋制長度； C_w—軋制長度影響參數(shù)。其中，U是摩擦系數(shù)，是模型因變量，需要根據(jù)模型自變量和模型參數(shù)計算得到。

v₀、R₀、L₀、C_R、u₀、du_v和Cw是摩擦系數(shù)模型方程中的7個參數(shù)。針對該摩擦系數(shù)模型，基于以下考慮，本系統(tǒng)只將u₀、du_v和C_w作為優(yōu)化對象。

（1）v₀、R₀和L₀是三個基本參數(shù)，由產(chǎn)線基本狀況決定，按常數(shù)處理，不進行優(yōu)化；

（2）軋輥表面粗糙度數(shù)值基本穩(wěn)定，因此不對C R參數(shù)優(yōu)化；

（3）u₀是基本摩擦系數(shù)，該值的大小直接決定了最終的計算結(jié)果，因此對其優(yōu)化；

（4）du_v反映了軋制速度對摩擦系數(shù)的影響，因此對其優(yōu)化；

（5）C_w反映了軋制長度對摩擦系數(shù)的影響，因此對其優(yōu)化。

2.2　摩擦系數(shù)模型參數(shù)優(yōu)化方法

2.2.1　工藝數(shù)據(jù)預(yù)處理工藝數(shù)據(jù)采集、預(yù)處理清洗和高效存儲是進行摩擦系數(shù)模型參數(shù)優(yōu)化的基本前提，此處不再贅述。

因為本文使用的基于大數(shù)據(jù)分析的多變量非線性回歸算法需要實際的摩擦系數(shù)，而實際摩擦系數(shù)是現(xiàn)場無法實時測量的變量，所以本文在數(shù)據(jù)預(yù)處理過程采用摩擦系數(shù)逆計算算法計算得到實際的摩擦系數(shù)。另外，考慮到摩擦系數(shù)和變形抗力在保證模型精度方面的不同作用和互補性，在摩擦系數(shù)逆計算過程中采用了與變形抗力逆計算同時進行，以軋制力精度滿足要求為收斂條件，進行迭代計算，最終得到實際的摩擦系數(shù)。

2.2.2　工藝數(shù)據(jù)相關(guān)性分析

工藝數(shù)據(jù)相關(guān)性分析采用簡單相關(guān)性分析算法，對所獲取的海量工藝數(shù)據(jù)進行相關(guān)性分析，分別計算軋制速度、軋制長度、壓下量和軋輥表面粗糙度等參數(shù)和摩擦系數(shù)之間的相關(guān)性。

以一定的閾值作為變量選擇的依據(jù)，最終選擇軋制速度、軋制長度和軋輥粗糙度作為優(yōu)化分析的對象。這樣可以將回歸優(yōu)化算法的研究對象限定在少量的參數(shù)范圍內(nèi)，提高優(yōu)化的執(zhí)行效率，同時也使預(yù)測結(jié)果更能體現(xiàn)關(guān)鍵因素的作用。

2.2.3　摩擦系數(shù)模型非線性回歸

本文采用全局收斂的Levenberg-Marquardt修正的高斯牛頓優(yōu)化算法對摩擦系數(shù)模型參數(shù)進行回歸分析。基于Levenberg-Marquardt優(yōu)化算法的摩擦系數(shù)模型參數(shù)優(yōu)化就是利用實際的軋制速度、軋制長度、軋輥粗糙度和反算得到的實際摩擦系數(shù)，得到一組u0、 duv和Cw，使海量樣本中依據(jù)各組軋制速度、軋制長度和軋輥表面粗糙度對應(yīng)設(shè)定計算得到的摩擦系數(shù)與樣本中反算的摩擦系數(shù)的殘差平方和滿足最小偏差條件。算法流程如圖1所示：

圖1 Levenberg-Marquardt算法計算流程

2.3　應(yīng)用效果

在某公司酸軋產(chǎn)線利用本系統(tǒng)對摩擦系數(shù)模型進行了回歸分析，使模型系統(tǒng)更加適合當(dāng)前產(chǎn)線的工藝狀況，從而提高模型系統(tǒng)的設(shè)定精度。在應(yīng)用過程中累計對13個鋼種的2808卷帶鋼（對比鋼卷6715卷）應(yīng)用了回歸分析的結(jié)果。從圖2可以看出，軋制力設(shè)定精度得到了顯著提高。

圖2 摩擦系數(shù)模型優(yōu)化效果

3　板形控制參數(shù)優(yōu)化閉環(huán)

3.1　板形控制參數(shù)優(yōu)化對象

板形控制參數(shù)優(yōu)化的目的是基于大數(shù)據(jù)的思路和方法，利用數(shù)據(jù)挖掘的手段，從海量工藝數(shù)據(jù)中提取能獲得良好板形的控制參數(shù)，提高產(chǎn)線平坦度控制精度和橫向厚差控制精度，因此板形控制參數(shù)優(yōu)化的目標(biāo)就需要包括對平坦度控制和橫向厚差控制產(chǎn)生影響的主要控制參數(shù)。

根據(jù)冷連軋產(chǎn)線的機型、輥形和工藝控制手段，在選取板形控制參數(shù)優(yōu)化對象的時候，主要包括如下因素：

（1）現(xiàn)代常規(guī)冷連軋產(chǎn)線具備豐富的板形控制手段，具體包括工作輥彎輥、中間輥彎輥、工作輥竄輥、中間輥竄輥和軋輥傾斜控制等；

（2）軋制力、機架前張力、機架后張力和軋制速度等關(guān)鍵控制參數(shù)對輥縫形狀會有直接影響；

（3）最終酸軋產(chǎn)品的平坦度質(zhì)量和橫向厚差質(zhì)量是5個機架綜合控制的結(jié)果，因此上述5個機架的板形影響因素和板形控制因素都應(yīng)該考慮；

（4）熱軋來料的截面形狀作為影響酸軋板形控制質(zhì)量的關(guān)鍵因素，本來應(yīng)當(dāng)作為板形控制參數(shù)優(yōu)化的對象，但是目前不具備共享熱軋過程數(shù)據(jù)的能力，所以暫時不考慮。

3.2　板形控制參數(shù)優(yōu)化方法

3.2.1　工藝數(shù)據(jù)預(yù)處理

工藝數(shù)據(jù)采集、預(yù)處理清洗和高效存儲是進行板形控制參數(shù)優(yōu)化的基本前提，此處不再贅述。

3.2.2　工藝數(shù)據(jù)相關(guān)性分析

工藝數(shù)據(jù)相關(guān)性分析采用簡單相關(guān)性分析算法，對所存儲的海量工藝數(shù)據(jù)進行相關(guān)性分析，定量確定板形控制參數(shù)優(yōu)化對象中的每一種工藝參數(shù)和板形質(zhì)量之間的相關(guān)性，以0.1作為參數(shù)選擇的閾值，將相關(guān)性絕對值大于該給定閾值的參數(shù)作為工藝數(shù)據(jù)聚類分析和工藝數(shù)據(jù)關(guān)聯(lián)規(guī)則分析的研究對象，從而找到對板形質(zhì)量起關(guān)鍵作用的工藝參數(shù)對象。

3.2.3　工藝數(shù)據(jù)聚類分析

工藝數(shù)據(jù)聚類分析使用模糊C均值聚類方法^[4、5]，將工藝數(shù)據(jù)相關(guān)性分析篩選出來的每一種對板形質(zhì)量起關(guān)鍵作用的工藝參數(shù)分成不同密度的數(shù)值區(qū)間，科學(xué)地選取相對少量分析樣本，同時保證工藝數(shù)據(jù)關(guān)聯(lián)規(guī)則分析所使用的分析樣本的代表性和典型性；同時，為了滿足關(guān)聯(lián)規(guī)則分析算法對數(shù)據(jù)對象離散化的要求，完成對具有連續(xù)屬性的板形控制關(guān)鍵工藝參數(shù)進行離散化處理。

針對不同的對象使用不同的處理方法：

（1）鋼種、產(chǎn)品寬度、產(chǎn)品厚度是幾個相對變化較小，本身已經(jīng)有明確分類的量，所以對它們的處理是直接利用現(xiàn)有的該產(chǎn)線產(chǎn)品大綱（或者參數(shù)表格）的分類；

（2）軋制力、軋制速度、中間輥彎輥、工作輥彎輥、中間輥竄輥、中間輥彎輥、前張應(yīng)力和后張應(yīng)力存在隨機的、較大的變化范圍，因此采用上文提到的聚類分析的方法，基于距離對數(shù)值屬性進行離散化分類，獲得不同的數(shù)值區(qū)間；

（3）對于板形質(zhì)量評價，根據(jù)不同產(chǎn)品質(zhì)量要求和下道工序?qū)т摰陌逍涡枨螅瑢逍钨|(zhì)量評價分為了[0.0,1.0]、[1.0,2.0]、[2.0,3.0]、[3.0,4.0] 、[4.0,6.0]等類別區(qū)間。

3.2.4　工藝數(shù)據(jù)關(guān)聯(lián)規(guī)格分析

工藝數(shù)據(jù)關(guān)聯(lián)規(guī)則分析利用數(shù)量關(guān)聯(lián)規(guī)則挖掘算法Apriori算法^[6、7]，以工藝數(shù)據(jù)相關(guān)性分析得到的影響板形質(zhì)量的關(guān)鍵工藝參數(shù)為分析對象，對經(jīng)過工藝數(shù)據(jù)聚類分析處理后的工藝數(shù)據(jù)進行關(guān)聯(lián)規(guī)則分析，挖掘板形質(zhì)量與各板形影響關(guān)鍵參數(shù)組合之間的關(guān)聯(lián)規(guī)則，篩選滿足最小可信度和支持度要求的關(guān)聯(lián)規(guī)則，構(gòu)成板形控制規(guī)則庫。具體步驟如下所示：

（1）根據(jù)工藝數(shù)據(jù)相關(guān)性分析確定的板形影響關(guān)鍵參數(shù)和板形質(zhì)量參數(shù)，構(gòu)造待分析的數(shù)據(jù)結(jié)構(gòu)；

（2）在冷連軋板形控制工藝知識的指導(dǎo)下，將已經(jīng)經(jīng)過工藝數(shù)據(jù)聚類分析離散化以后的，具有不同數(shù)值區(qū)間的鋼種、產(chǎn)品寬度、產(chǎn)品厚度、軋制力、軋制速度、中間輥彎輥、工作輥彎輥、中間輥竄輥、前張應(yīng)力和后張應(yīng)力等板形影響關(guān)鍵參數(shù)和板形質(zhì)量參數(shù)進行組合，獲得一系列項目集；

（3）運用Apriori算法挖掘板形質(zhì)量與各板形影響關(guān)鍵參數(shù)之間的關(guān)聯(lián)規(guī)則，篩選滿足最小可信度和支持度要求的關(guān)聯(lián)規(guī)則，構(gòu)成板形控制規(guī)則庫^[8]。

3.3　應(yīng)用效果

在某公司酸軋產(chǎn)線應(yīng)用本系統(tǒng)對板形控制工藝過程數(shù)據(jù)進行了挖掘分析，最終提高了冷軋帶鋼的成材率，降低了帶鋼頭尾超差。

在系統(tǒng)應(yīng)用期間對14種鋼種，43種產(chǎn)品厚度規(guī)格，58種帶鋼寬度規(guī)格進行了總計621卷帶鋼的優(yōu)化參數(shù)應(yīng)用和對比，有86.95％的帶鋼頭尾超差平均減小了5.04m；有91.3%的帶鋼合格板形長度平均延長了0.97％。

4　結(jié)論

基于大數(shù)據(jù)的模型參數(shù)優(yōu)化閉環(huán)功能和控制參數(shù)優(yōu)化閉環(huán)功能，可以為提高工業(yè)生產(chǎn)智能化水平，為降低工藝人員和管理人員的勞動強度，降低不良品率，提供技術(shù)支持，體現(xiàn)在如下幾個方面：

（1）解放人力資源，盡量減少人工干預(yù)，主動對模型參數(shù)和控制參數(shù)進行優(yōu)化調(diào)整，及時（或者提前）應(yīng)對可能出現(xiàn)的質(zhì)量問題和穩(wěn)定性問題；

（2）充分、有效地利用積累了大量有效信息和知識的過程數(shù)據(jù)，及時發(fā)現(xiàn)并提取生產(chǎn)過程中形成的高效控制信息，應(yīng)用于后續(xù)生產(chǎn)過程，提高產(chǎn)品質(zhì)量控制水平；

（3）及時發(fā)現(xiàn)，并且依據(jù)模型精度變化趨勢和產(chǎn)品質(zhì)量變化趨勢，對模型參數(shù)和控制參數(shù)進行優(yōu)化調(diào)整，提高產(chǎn)線質(zhì)量控制水平；

（4）針對來料狀況的變化、現(xiàn)場工藝狀況的變化和設(shè)備工作狀態(tài)的變化，及時對模型系統(tǒng)作出優(yōu)化調(diào)整。

參考文獻：

[1] 管志剛，金旭．?dāng)?shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理的研究與實現(xiàn)[J]．計算機應(yīng)用研究，2004 ( 7 ) : 117 - 119.

[2] 謝永紅，吾拉木，楊炳儒．一個通用型知識發(fā)現(xiàn)系統(tǒng)中數(shù)據(jù)預(yù)處理的實現(xiàn)[J]．計算機應(yīng)用研究，2005 ( 11 ) : 55 - 58.

[3] 高雷，郭立偉，陳丹．冷連軋軋制力模型中變形抗力和摩擦系數(shù)的分析[J]．軋鋼，2013，30 ( 4 ) : 12 - 15.

[4] 施潤身，趙青．改進的關(guān)聯(lián)規(guī)則采掘算法及其實現(xiàn)[J]．同濟大學(xué)學(xué)報，2002，30 ( 2 ) : 222 - 225.

[5] 王小玉，王亞東，馮麗．關(guān)聯(lián)規(guī)則的挖掘[J]．信息技術(shù)，2003，27 ( 1 ) : 55 - 57.

[6] ZHOU Zhi-Hua．Three perspectives of data mining[J]．Artificial Intelligence，2003 ( 143 ) : 139 - 146.

[7] 毛國君．?dāng)?shù)據(jù)挖掘原理與算法[M]．北京：清華大學(xué)出版社，2005.

[8] 郭立偉，高雷，陳丹．?dāng)?shù)據(jù)挖掘技術(shù)在冷連軋板形控制系統(tǒng)中的應(yīng)用研究[J]．冶金自動化，2012，36 ( 2 ) : 30 - 33.

作者簡介：

郭立偉（1974-），男，河南人，高級工程師，博士，現(xiàn)就職于北京首鋼自動化信息技術(shù)有限公司混合流程工業(yè)自動化系統(tǒng)及裝備技術(shù)國家重點實驗室首鋼分實驗室，主要從事軋鋼工藝及二級模型系統(tǒng)開發(fā)研究。

摘自《自動化博覽》2018年12月刊