CN105631231A - 一种对热轧过程温度实测值进行修正的方法 - Google Patents

Abstract

本发明主要属于热轧自动控制技术领域，具体涉及一种对热轧过程温度实测值进行修正的方法。所述方法首先收集热轧过程中的历史轧件的生产数据，通过对所述历史轧件的生产数据进行聚类分析得到历史轧件生产的典型工况，通过历史轧件及当前轧件的生产数据对当前轧件及历史轧件进行工况匹配，然后进行数据融合以修正当前轧件的温度实测值，获得当前轧件修正后温度测量值。本发明公开的热轧方法中的热轧过程温度测量数据的处理方法可以排除现场环境偶然因素对温度测量值的精度所造成的影响，获得精准的修正后的温度测量值。

Description

一种对热轧过程温度实测值进行修正的方法

技术领域

本发明主要属于热轧自动控制技术领域，具体涉及一种对热轧过程温度实测值进行修正的方法。

背景技术

在轧制过程控制***中,轧件温度是一个至关重要的参数，其中，温度测量值的准确性尤为重要。精准的温度值的对于指导热连轧生产具有极其重要的作用，其测量精度直接决定了轧制规程设定精度及轧件温度控制效果，从而影响产品的尺寸精度和力学性能。

在生产过程中，轧件温度测量一般采用的是非接触式的红外高温计，轧制过程的水汽、烟雾以及轧件表面质量等因素都有可能在某种情况下对其测量值造成干扰。

目前，在现场生产中，为保证轧件温度测量值可靠性的主要方法是采用硬件冗余，即在轧线重要测量点的同一位置上设置两个或多个红外高温计。如果某个高温计出现异常，其测量值不在合理范围内，则可以采用备用高温计的测量数据而不会影响生产。然而，如果多个高温计传送上来的测量数据都在合理范围之内，最终采用的测量数据只能是凭借人工经验选择其一或取平均值。因此，硬件冗余方法只能解决温度测量值异常的问题，而无法有效应对现场环境偶然因素对测量值精度所造成的影响。

针对现有技术中，难以解决现场环境偶然因素对温度测量值精度所造成的影响这一问题，亟需开发一种对热轧过程温度实测值进行修正的方法以排除现场环境偶然因素对测量值精度所造成的影响。

发明内容

针对上述问题，本发明公开了一种对热轧过程温度实测值进行修正的方法，通过对高温计测得的轧件的温度实测值进行修正，获得修正后温度测量值，可以较好地排除现场环境偶然因素对测量值精度所造成的影响。

本发明是通过以下技术方案实现的：

一种对热轧过程温度实测值进行修正的方法，所述方法首先收集热轧过程中的历史轧件的生产数据，通过对所述历史轧件的生产数据进行聚类分析得到历史轧件生产的典型工况，通过历史轧件及当前轧件的生产数据对当前轧件及历史轧件进行工况匹配，然后进行数据融合以修正当前轧件的温度实测值，获得当前轧件修正后温度测量值。

进一步地，所述生产数据包括轧件的温度实测值以及与轧件温度相关的轧制过程参数值，所述轧制过程参数值包括成品目标厚度、板坯在炉时间、粗轧轧制时间、末道次轧制力、粗轧出口厚度和中间辊道时间中的全部或任意几个的组合。

进一步地，所述方法具体包括以下步骤：

(1)收集历史轧件的生产数据：收集从出炉到轧制完成过程中每块历史轧件的温度实测值以及与轧件温度相关的轧制过程参数值；

(2)聚类分析获得历史轧件生产的典型工况：将步骤(1)中每块历史轧件的所述温度实测值和所述轧制过程参数值组成样本对象，并将最近生产的N块历史轧件的样本对象组成样本集D，其中N大于1000；

对所述样本集D进行基于距离的聚类分析，将每个聚类中心的样本对象设为该聚类类别的典型工况，记为样本D_k ^*，其中，k为聚类类别号，计算其聚类半径R_k，并计算该聚类类别中所有样本对象的所述温度实测值的平均值及置信度Z_k ^(M)，所述温度实测值由在M处的高温计测得；

(3)工况匹配

获取在M处的高温计测得的当前轧件j的温度实测值以及与轧件温度相关的轧制过程参数值，组成样本对象，计算当前轧件j的样本对象与步骤(2)中每个聚类的典型工况样本D_k ^*的距离d_jk；当前轧件j的样本对象与聚类类别号为k的聚类的距离最小，则当前轧件j的聚类类别号也为k；

(4)数据融合获得当前轧件修正后温度测量值步骤:步骤(3)工况匹配后，得到当前轧件j的聚类类别号为k，为当前轧件j在M处的高温计的修正后温度测量值，其计算公式如下：

${\hat{T}}_j^{\left(M\right)}=(1-\mathrm{\α})\·T_j^{\left(M\right)}+\mathrm{\α}\·{\stackrel{\‾}{T}}_k^{\left(M\right)}---\left(1\right)$

其中，α为融合系数，T_j ^(M)为当前轧件j在M处的高温计测得的温度实测值。

进一步地，步骤(4)所述融合系数α的计算公式为：

$\mathrm{\α}=\mathrm{\λ}\·\frac{(1-{Z_k}^{\left(M\right)})}{(1-G)}\·(1-\frac{d_{jk}}{R_k})---\left(2\right)$

其中，λ为调节系数，λ的取值范围为0.8～1.0；G为当前轧件j在M处的高温计测得的温度实测值的置信度。

进一步地，当时，α＝0。

进一步地，所述M处为粗轧入口处、粗轧出口处、精轧入口处、精轧出口处、层流冷却入口处以及层流出口处中的任意一处。

本发明的有益技术效果：

(1)本发明公开的对热轧过程温度实测值进行修正的方法，对高温计测得的轧件的温度实测值进行修正，利用生产中大量的历史轧件的生产数据，通过聚类分析获得典型工况，获得修正后温度测量值，可以较好地排除现场环境偶然因素对测量值精度所造成的影响。

(2)本发明对历史轧件的生产数据进行基于距离的聚类分析，得到的典型工况可以为当前类似工况条件下的轧件温度测量提供参考值。

(3)从融合系数公式可以看出，融合系数的取值可以根据当前轧件的温度实测值的置信度以及当前轧件工况与历史轧件典型工况的匹配程度等因素自动调整，因此可使得融合处理在不同情况下都能达到较好的效果。

附图说明

图1为本发明中所述热轧过程温度测量数据的处理方法中数据融合算法原理图；

图2为传统技术中采用硬件冗余以保证轧件温度测量值可靠性时高温计的位置图；

图3为本发明所述热轧过程温度测量数据的处理方法中数据融合算法框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

实施例1

一种对热轧过程温度实测值进行修正的方法，所述方法首先收集热轧过程中的历史轧件的生产数据，通过对所述历史轧件的生产数据进行聚类分析得到历史轧件生产的典型工况，通过历史轧件及当前轧件的生产数据对当前轧件及历史轧件进行工况匹配，然后进行数据融合以修正当前轧件的温度实测值，获得当前轧件修正后温度测量值。

所述生产数据包括热轧过程中生产线上高温计所测得的轧件的温度实测值以及与轧件温度相关的轧制过程参数值，所述轧制过程参数值包括成品目标厚度、板坯在炉时间、粗轧轧制时间、末道次轧制力、粗轧出口厚度和中间辊道时间中的全部或任意几个的组合。

在热连轧过程诸多的工艺参数中，温度是至关重要的一个参数，其预报精度是保证产品的板形、厚度、宽度等质量指标命中率的关键，也是有效提高最终产品质量水平的重要基础。热连轧中影响温度的因素很多，各因素多又相互耦合，若完全采用人工的分析方法，工作量和难度都非常大。本发明采用热轧过程温度测量数据处理方法准确修正温度实测值，利用生产中大量的历史轧件的生产数据，通过聚类分析获得典型工况，获得修正后温度测量值，可以较好地排除现场环境偶然因素对测量值精度所造成的影响。

本实施例以某钢厂轧制的成品目标厚度为2.95mm，钢种为Q235B的生产数据为例，对精轧入口处(取精轧入口处为M处)的高温计测得的轧件的温度实测值进行修正。

如图1及图3所示，对精轧入口处的温度实测值进行修正的方法具体包括以下步骤：

(1)收集历史轧件的生产数据：收集从出炉到轧制完成过程中每块历史轧件在精轧入口处(M处)的温度实测值以及与轧件温度相关的轧制过程参数值；

所述与轧件温度相关的轧制过程参数值包括成品目标厚度、板坯在炉时间、粗轧轧制时间、末道次轧制力、粗轧出口厚度和中间辊道时间中的全部。因粗轧出口温度实测值对精轧入口的温度实测值会有影响，所以收集历史轧件的生产数据时，也要对历史轧件的粗轧出口温度实测值进行收集。

(2)聚类分析获得历史轧件生产的典型工况：

将步骤(1)中每块历史轧件在精轧入口处的所述温度实测值和所述轧制过程参数值组成样本对象，并将最近生产的N块历史轧件的样本对象组成样本集D，其中N为1261；

对所述样本集D进行基于距离的聚类分析，得到9个聚类类别，分别标记为聚类类别1、聚类类别2……聚类类别9。将每个聚类的中心的样本对象设为该聚类类别的典型工况，记为样本D_k ^*，其中，k为聚类分析后的聚类类别号，k＝1、2…9，各个典型工况样本D_k ^*对应的数值结果如表1所示。

表1典型工况样本D_k ^*列表

计算并记录每一个聚类类别的样本个数，依据欧式距离公式依次计算并记录每一个聚类类别的聚类半径R_k，并计算该聚类类别中所有样本对象中的精轧入口温度实测值(即M处的高温计测得)的平均值及置信度Z_k ^(M)；9个聚类类别的样本个数、精轧入口温度实测值的平均值置信度Z_k ^(M)，结果如表2所示。

表2聚类类别参数表

(3)工况匹配

获取当前轧件j的精轧入口温度实测值以及所有与轧件温度相关的轧制过程参数值(如表3所示)，组成样本对象，计算当前轧件j的样本对象与步骤(3)中每个聚类的典型工况样本D_k ^*的欧氏距离d_jk，结果如表4所示，

表3部分当前轧件样本对象表

表4每个当前轧件到各个聚类中心的距离数值表

如果当前轧件j的样本对象与聚类类别号为k的聚类的欧氏距离d_jk最小，则当前轧件j的聚类类别号也为k；根据表4，得到每个当前轧件所属的聚类类别号k(即聚类类别号)，如表5所示。

表5当前轧件所属的聚类

(4)数据融合获得当前轧件修正后温度测量值步骤:

对上述当前轧件样本，依据下列公式(2)计算得到融合系数α。

$\mathrm{\α}=\mathrm{\λ}\·\frac{(1-{Z_k}^{\left(M\right)})}{(1-G)}\·(1-\frac{d_{jk}}{R_k})---\left(2\right)$

其中，λ为调节系数，不同的生产条件采取不同的调节系数，数λ的取值范围为[0.8～1.0]；G为当前轧件j在精轧入口M处温度实测值(即在M处的高温计测得)的置信度；Z_k ^(M)为根据步骤(1)计算获得的聚类号为k时，该聚类类别中所有样本对象的所述温度实测值的置信度；d_jk当前轧件j的样本对象与步骤(3)中每个聚类的典型工况样本D_k ^*的距离；R_k为聚类号为k时，该聚类的半径；当d_jk≥R_k时，α＝0。

其中，调节系数λ的确定主要依据当前轧件j到其所匹配的聚类类别号为k的聚类的欧氏距离，即d_jk的大小。假设一种极限情况，趋近于0时，即d_jk趋近于0，则此时聚类类别k的平均温度占融合处理时修正温度的极大的比例，此时取调节系数λ＝1；若趋近于1，则证明当前轧件j的实测温度与聚类类别k的的聚类的平均温度相似性不是很高。则此时聚类类别k的平均温度占融合处理时修正温度的比例相对较低，此时取调节系数为λ＝0.8。综上所述，根据的取值范围，结合实际生产情况，选择调节系数λ的值。

融合系数α及公式(2)中的各参数数值如下表6所示。

表6部分当前轧件样本的融合参数及相关参数数值表

依据公式(1)计算当前轧件j在精轧入口处的温度实测值(M处的高温计测得)的修正后温度测量值为

${\hat{T}}_j^{\left(M\right)}=(1-\mathrm{\α})\·T_j^{\left(M\right)}+\mathrm{\α}\·{\stackrel{\‾}{T}}_k^{\left(M\right)}---\left(1\right)$

其中，α为上述公式(2)计算得到的融合系数，为与当前轧件j匹配的聚类类别的平均温度值在数据融合过程中所占的比重；(1-α)为当前轧件j轧件的实测温度值在数据融合过程中所占的比重；T_j ^(M)为当前轧件j在精轧入口M处的高温计测得的温度实测值；为根据步骤(1)计算获得的聚类号为k时，该聚类类别中所有样本对象的所述温度实测值的平均值。结果下表7所示，可以看出，当前轧件在精轧入口处温度实测值(即M处的高温计测得)都得到了不同程度的修正，特别是当前轧件样本6的精轧入口温度实测值988.53℃明显低于其所属的聚类类别(聚类类别号为5)中的历史轧件的温度实测值的平均值1021.41℃，这可能是由于精轧入口温度计受到了水蒸汽或氧化铁皮的影响而造成测量值偏低。

表7精轧入口温度测量值融合计算结果表

传统技术中为保证轧件温度测量值可靠性的主要方法是采用硬件冗余(如图2)，在轧线重要测量点的同一位置上设置两个或多个红外高温计。然而，如果多个高温计传送上来的测量数据都在合理范围之内，最终采用的测量数据只能是凭借人工经验选择其一或取平均值。可见硬件冗余方法只能解决温度测量值异常的问题，而无法有效应对现场环境偶然因素对测量值精度所造成的影响。与传统技术相比，本发明中热轧过程温度测量数据的处理方法可以在一定程度上消除这种环境偶然因素对温度测量值的干扰。

本发明所提供的一种对热轧过程温度实测值进行修正的方法可以应用于热轧过程中的粗轧过程、精轧过程、层流冷却过程，具体可以用于修正上述三个过程中的所使用的高温计的温度实测值。

Claims (6)

1.一种对热轧过程温度实测值进行修正的方法，其特征在于，所述方法首先收集热轧过程中的历史轧件的生产数据，通过对所述历史轧件的生产数据进行聚类分析得到历史轧件生产的典型工况，通过历史轧件及当前轧件的生产数据对当前轧件及历史轧件进行工况匹配，然后进行数据融合以修正当前轧件的温度实测值，获得当前轧件修正后温度测量值。

2.根据权利要求1所述一种对热轧过程温度实测值进行修正的方法，其特征在于，所述生产数据包括轧件的温度实测值以及与轧件温度相关的轧制过程参数值，所述轧制过程参数值包括成品目标厚度、板坯在炉时间、粗轧轧制时间、末道次轧制力、粗轧出口厚度和中间辊道时间中的全部或任意几个的组合。

3.根据权利要求1所述一种对热轧过程温度实测值进行修正的方法，其特征在于，所述方法具体包括以下步骤：

(1)收集历史轧件的生产数据：收集从出炉到轧制完成过程中每块历史轧件的温度实测值以及与轧件温度相关的轧制过程参数值；

(2)聚类分析获得历史轧件生产的典型工况：将步骤(1)中每块历史轧件的所述温度实测值和所述轧制过程参数值组成样本对象，并将最近生产的N块历史轧件的样本对象组成样本集D，其中N大于1000；

对所述样本集D进行基于距离的聚类分析，将每个聚类中心的样本对象设为该聚类类别的典型工况，记为样本D_k ^*，其中，k为聚类类别号，计算其聚类半径R_k，并计算该聚类类别中所有样本对象的所述温度实测值的平均值及置信度Z_k ^(M)，所述温度实测值由在M处的高温计测得；

(3)工况匹配

获取在M处的高温计测得的当前轧件j的温度实测值以及与轧件温度相关的轧制过程参数值，组成样本对象，计算当前轧件j的样本对象与步骤(2)中每个聚类的典型工况样本D_k ^*的距离d_jk；当前轧件j的样本对象与聚类类别号为k的聚类的距离最小，则当前轧件j的聚类类别号也为k；

(4)数据融合获得当前轧件修正后温度测量值步骤:步骤(3)工况匹配后，得到当前轧件j的聚类类别号为k，为当前轧件j在M处的高温计的修正后温度测量值，其计算公式如下：

${{\hat{T}}_j}^{\left(M\right)}=(1-\mathrm{\α})\·{T_j}^{\left(M\right)}+\mathrm{\α}\·{{\stackrel{\‾}{T}}_k}^{\left(M\right)}---\left(1\right)$

其中，α为融合系数，T_j ^(M)为当前轧件j在M处的高温计测得的温度实测值。

4.根据权利要求3所述一种对热轧过程温度实测值进行修正的方法，其特征在于，步骤(4)所述融合系数α的计算公式为：

$\mathrm{\α}=\mathrm{\λ}\·\frac{(1-{Z_k}^{\left(M\right)})}{(1-G)}\·(1-\frac{d_{jk}}{R_k})---\left(2\right)$

其中，λ为调节系数，λ的取值范围为0.8～1.0；G为当前轧件j在M处的高温计测得的温度实测值的置信度。

5.根据权利要求5所述一种对热轧过程温度实测值进行修正的方法，其特征在于，当d_jk≥R_k时，α＝0。

6.根据权利要求3或4所述一种对热轧过程温度实测值进行修正的方法，其特征在于，所述M处为粗轧入口处、粗轧出口处、精轧入口处、精轧出口处、层流冷却入口处以及层流出口处中的任意一处。