论文部分内容阅读
摘要：通过离线数据分析系统与离线模型，查找模型的不利因素，优化模型逻辑，并且建立自学习库，提高模型预测精度
关键词：数学模型；优化；自学习
Optimization of Prediction accuracy of Plate Mill Model
Abstract：Through off-line data analysis system and off-line model， we can find out the unfavorable factors of the model， optimize the logic of the model， and establish a learning library to improve the prediction accuracy of the model.Mathematical model optimization learning
1前言
在中厚板轧机上，随着成品钢板的目标厚度越来越小，板型与轧件成品厚度越发难以控制，生产过程中，模型的预测精度直接影响着轧件出口厚度的精度和轧制板型，为了确保轧钢生产的稳定性，最大限度的提高模型预测精度对于中厚板轧机薄板轧制来说至关重要。
2存在问题
二级数学模型对温度、扭矩预测值与实测值相差很大，预测轧制力与实际轧制力相差20%以上。为了提高二级数学模型对温度、扭距、轧制力的预测精度，尽快稳定薄规格的产品的生产，需要对二级系统中的轧制力数学模型源代码进行熟悉、改进提高。
3改进方案
3.1开发过程数据离线分析系统，对全年过程数据进行统计分析。
轧钢过程数据都是以文本文件的形式保存在服务器中，每一个板坯产生几个数据文件。每天轧制近200块板坯，全年约6万套轧制数据，通过人工分析这些数据是不可能实现的，只有通过程序，把这些数据导入到EXCEL中，并进行钢种，轧制方式，轧制道次，轧制成品厚度等进行归类。
有了这些数据，可以分析某个钢种全年轧制的厚度，温度的变化，并结合当时轧辊尺寸，完成预测轧制力与实际轧制力，二级计算厚度与实际厚度数据的初步分析。
3.2、建立一套离线模型系统，通过导入过去的轧制数据，分析模型的不利因素，完成主要功能模块的优化，优化稳定后再投到在线运行。
3.2.1温度模型 通过数据分析，调整温度计算方程中的纯轧时间△t，完成变形热与辐射传导热的数学计算。
3.2.2流变应力模型 通过冶炼时化学成分计算钢的硬度系数
过去我们把坯料钢种按含碳量与合金的不同，进行了分类，产生固定硬度系数，以文件的形式存在于系統中，轧制该钢种就必须使用对应的硬度系数。但随着新品种开发，与合金优化，老的硬度系数已与现有的成分不能相对应。吃透近200万行模型代码，找出流变应力的计算逻辑关系，开发新的流变应力模型。利用化学成分计算该材料的硬度系数，比过去利用钢种文件计算更快更准确。
流变应力中的部分参数进行了固化，减少了计算过程中的干扰。根据多年的轧制数据分析，流变应力计算中应变系数、应变速率系数并不需要发生多大的变化，自学中只更新材质系数C1和温度系数C2，系数C3和C4根据近10年南钢生产中所有钢种的所有规格钢板、卷的实测轧制力、温度及道次表分别进行模拟计算，计算时将钢种按厚度、宽度、钢种、轧制方式等不同而划分成不同材料钢种，对每一个钢种族可回归出数万套变形抗力系数，应用统计学计算平均系数。
3.3针对每一个坯料钢种建立一个自学习库
每一个道次的轧制力（预测轧制力，再预测轧制力，实际轧制力），轧制厚度，轧制温度都会保存到各自的自学习库中，分钢种进行保存，极大在杜绝各材料间的干扰。
熟悉150万行自学习模型代码，建立各钢种的自学习库，在轧制过程中，每一个道次的轧制力（预测轧制力，再预测轧制力，实际轧制力），轧制厚度，轧制温度都会保存到自学习库中，形成轧制力系数，当下一次再轧制相同钢种时，自动代入先前的学习内容，达到预测力的准确
实际的流变应力与预测流变应力的比值，在各厚度区密集分布，从而拟合出自学习曲线。
密集分布图：
拟合出曲线：
自学习开始后，根据当前的轧制厚度、曲线，产生一个基于1的系数，用于轧制力的计算系数.短期自学习与中长期自学习主要区别是轧制时间与总道次数的不同。
实施效果：
1、通过对以上功能的改进，解决了4mm-NM450耐磨钢、 4mm-Q960高强钢等二级轧制模型预测轧制力精度较差问题，实际轧制力和预测轧制相差1000～2000T，精轧道次实际轧制力超过4000T，加大板形控制难度。通过化学成分计算钢的硬度系数，针对每一个坯料钢种建立一个自学习库，将每一个道次的轧制力（预测轧制力，再预测轧制力，实际轧制力），轧制厚度，轧制温度都保存到自学习库中，轧制力预测精度得到显著提高，4mm极限规格轧件轧制力预测精度从20%控制在12%以内。
2、卷轧钢板头尾与本体的厚度差控制到0.35以内。
改进后：最后一道次的轧制厚度 最薄点5.15mm，最厚点5.4mm.
3、轧制板型
轧制力预测精度提高后，轧制板型明显得到改善，钢板不平度由改进前的25～40mm/2m降低至10～20mm/2m；
作者信息：朱丽华（1979-），女，蒙古族，江苏省南京市，现供职于南京南钢股份有限公司板材事业部质量处，助理工程师.
关键词：数学模型；优化；自学习
Optimization of Prediction accuracy of Plate Mill Model
Abstract：Through off-line data analysis system and off-line model， we can find out the unfavorable factors of the model， optimize the logic of the model， and establish a learning library to improve the prediction accuracy of the model.Mathematical model optimization learning
1前言
在中厚板轧机上，随着成品钢板的目标厚度越来越小，板型与轧件成品厚度越发难以控制，生产过程中，模型的预测精度直接影响着轧件出口厚度的精度和轧制板型，为了确保轧钢生产的稳定性，最大限度的提高模型预测精度对于中厚板轧机薄板轧制来说至关重要。
2存在问题
二级数学模型对温度、扭矩预测值与实测值相差很大，预测轧制力与实际轧制力相差20%以上。为了提高二级数学模型对温度、扭距、轧制力的预测精度，尽快稳定薄规格的产品的生产，需要对二级系统中的轧制力数学模型源代码进行熟悉、改进提高。
3改进方案
3.1开发过程数据离线分析系统，对全年过程数据进行统计分析。
轧钢过程数据都是以文本文件的形式保存在服务器中，每一个板坯产生几个数据文件。每天轧制近200块板坯，全年约6万套轧制数据，通过人工分析这些数据是不可能实现的，只有通过程序，把这些数据导入到EXCEL中，并进行钢种，轧制方式，轧制道次，轧制成品厚度等进行归类。
有了这些数据，可以分析某个钢种全年轧制的厚度，温度的变化，并结合当时轧辊尺寸，完成预测轧制力与实际轧制力，二级计算厚度与实际厚度数据的初步分析。
3.2、建立一套离线模型系统，通过导入过去的轧制数据，分析模型的不利因素，完成主要功能模块的优化，优化稳定后再投到在线运行。
3.2.1温度模型 通过数据分析，调整温度计算方程中的纯轧时间△t，完成变形热与辐射传导热的数学计算。
3.2.2流变应力模型 通过冶炼时化学成分计算钢的硬度系数
过去我们把坯料钢种按含碳量与合金的不同，进行了分类，产生固定硬度系数，以文件的形式存在于系統中，轧制该钢种就必须使用对应的硬度系数。但随着新品种开发，与合金优化，老的硬度系数已与现有的成分不能相对应。吃透近200万行模型代码，找出流变应力的计算逻辑关系，开发新的流变应力模型。利用化学成分计算该材料的硬度系数，比过去利用钢种文件计算更快更准确。
流变应力中的部分参数进行了固化，减少了计算过程中的干扰。根据多年的轧制数据分析，流变应力计算中应变系数、应变速率系数并不需要发生多大的变化，自学中只更新材质系数C1和温度系数C2，系数C3和C4根据近10年南钢生产中所有钢种的所有规格钢板、卷的实测轧制力、温度及道次表分别进行模拟计算，计算时将钢种按厚度、宽度、钢种、轧制方式等不同而划分成不同材料钢种，对每一个钢种族可回归出数万套变形抗力系数，应用统计学计算平均系数。
3.3针对每一个坯料钢种建立一个自学习库
每一个道次的轧制力（预测轧制力，再预测轧制力，实际轧制力），轧制厚度，轧制温度都会保存到各自的自学习库中，分钢种进行保存，极大在杜绝各材料间的干扰。
熟悉150万行自学习模型代码，建立各钢种的自学习库，在轧制过程中，每一个道次的轧制力（预测轧制力，再预测轧制力，实际轧制力），轧制厚度，轧制温度都会保存到自学习库中，形成轧制力系数，当下一次再轧制相同钢种时，自动代入先前的学习内容，达到预测力的准确
实际的流变应力与预测流变应力的比值，在各厚度区密集分布，从而拟合出自学习曲线。
密集分布图：
拟合出曲线：
自学习开始后，根据当前的轧制厚度、曲线，产生一个基于1的系数，用于轧制力的计算系数.短期自学习与中长期自学习主要区别是轧制时间与总道次数的不同。
实施效果：
1、通过对以上功能的改进，解决了4mm-NM450耐磨钢、 4mm-Q960高强钢等二级轧制模型预测轧制力精度较差问题，实际轧制力和预测轧制相差1000～2000T，精轧道次实际轧制力超过4000T，加大板形控制难度。通过化学成分计算钢的硬度系数，针对每一个坯料钢种建立一个自学习库，将每一个道次的轧制力（预测轧制力，再预测轧制力，实际轧制力），轧制厚度，轧制温度都保存到自学习库中，轧制力预测精度得到显著提高，4mm极限规格轧件轧制力预测精度从20%控制在12%以内。
2、卷轧钢板头尾与本体的厚度差控制到0.35以内。
改进后：最后一道次的轧制厚度 最薄点5.15mm，最厚点5.4mm.
3、轧制板型
轧制力预测精度提高后，轧制板型明显得到改善，钢板不平度由改进前的25～40mm/2m降低至10～20mm/2m；
作者信息：朱丽华（1979-），女，蒙古族，江苏省南京市，现供职于南京南钢股份有限公司板材事业部质量处，助理工程师.