CN114331195A - 一种影响热轧带钢全长质量的过程曲线风险评价方法 - Google Patents
一种影响热轧带钢全长质量的过程曲线风险评价方法 Download PDFInfo
- Publication number
- CN114331195A CN114331195A CN202111681808.7A CN202111681808A CN114331195A CN 114331195 A CN114331195 A CN 114331195A CN 202111681808 A CN202111681808 A CN 202111681808A CN 114331195 A CN114331195 A CN 114331195A
- Authority
- CN
- China
- Prior art keywords
- curve
- risk
- quality
- length
- curves
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
本发明提供一种影响热轧带钢全长质量的过程曲线风险评价方法,属于冶金自动化技术领域。该方法首先获取影响热轧带钢质量的过程曲线,收集质量合格的带钢及过程曲线作为优秀样本库;然后对曲线头尾阶跃段进行数据判异与处置,并将长度进行归一化;并将所有曲线按照与最长曲线的比例缩放到单位长度;缩放后的所有曲线重新等距取点,并根据现场工艺表给定阈值计算单组风险系数;最后根据单组风险系数求解整条曲线风险系数并进行评价。通过本方法可以实现快速定位质量异常原因,大幅度提高质量异常分析的精度和效率。
Description
技术领域
本发明涉及冶金自动化技术领域,特别是指一种影响热轧带钢全长质量的过程曲线风险评价方法。
背景技术
在带钢的轧制过程中,工艺人员根据带钢的几个重要的质量指标判断带钢的质量是否合格,判断的影响因子包括:厚度、宽度、FDT(终轧温度)、CT(卷取温度)、凸度、楔形、对称平直度、非对称平直度。带钢轧制过程中,各道工艺工序会对带钢的质量产生一定影响,过程曲线的变化可反映带钢全长轧制状态的变化。例如来料坯的尺寸和轧制过程中各辊辊缝会直接影响成品带钢宽度、厚度;来料温度、轧制速度、冷却水量等会直接影响带钢FDT、CT;窜辊方向及窜辊量会影响成品带钢的平直度。当轧制过程趋于稳定时,所生产的产品质量才有所保证,所以质量优秀的相同规格相同钢种的钢卷轧制过程中的参数及曲线基本稳定在一定范围内,当外界环境发生变化时对带钢产生影响时,例如来料板坯带有水梁印,会造成来料温度不均匀,来料温度曲线会有多个局部极值点,当带钢按照设定轧制力和设定辊缝进行轧制时,在来料温度曲线的局部极大值处会造成对带钢压下量过大,而在局部极小值处会造成压下量过小,从而导致成品带钢厚度超出限制。目前钢厂工艺人员没有对过程曲线评价的方法和工具,仅通过人工经验对过程曲线进行判异处置,效率、准确率低。所以提出一种影响热轧带钢全长质量的过程曲线风险评价方法,实现快速定位质量异常原因,节省人力提高效率,提高准确度。
目前热轧质量管控没有对轧制过程曲线的评价方法,但对于曲线的相似度评价有所研究。如现有技术曲线/曲面品质定量评价方法中对曲线/曲面进行坐标变换,然后进行多次小波光顺,得到重构矩阵,再对曲线/曲面进行重构,计算细节信息,通过细节信息定量评价曲线/曲面。该方法是对曲线本身的质量进行评价,本发明方法是针对曲线与样本的比较评价曲线的质量。现有技术工业设备特性曲线相似度获取方法及装置,及曲线相似度计算方法则均是通过计算曲线之间加权距离的方式评价曲线的相似度,不能明确反映出曲线异常位置,本发明方法通过将曲线分解为单点评价可反映曲线异常的位置。
为解决以上问题,本发明提出了一种影响热轧带钢全长质量的过程曲线风险评价方法,采集带钢轧制过程曲线,通过工艺思想设置阈值,对曲线进行风险评价。本发明提出的一种影响热轧带钢全长质量的过程曲线风险评价方法可以实现快速定位质量异常原因,提高了人工对轧制异常过程判断的效率和准确率。
发明内容
本发明要解决的技术问题是提供一种影响热轧带钢全长质量的过程曲线风险评价方法,通过对过程曲线的评价,更直观反映出带钢轧制过程中的状态,可以实现快速定位质量异常原因。
该方法包括步骤如下:
(1)通过现有设备采集获取影响热轧带钢质量的过程曲线,包括轧制过程中的温度、速度、轧制力、辊缝等可测量得到的曲线,收集质量合格的带钢及其过程曲线作为优秀样本库;
(2)对步骤(1)中获取的所有过程曲线头尾阶跃段进行数据判异与处置,剔除阶跃段异常数据,并将剔除异常数据后的曲线进行长度归一化;
(3)将所有曲线按照与最长曲线的比例缩放到单位长度;
(4)缩放后的所有曲线重新等距取点,将每次取点的所有样本点作为一组,并根据现场工艺表给定阈值,利用单组风险系数计算方法计算风险系数;
(5)根据单组风险系数求解整条曲线风险系数,将所有曲线按照曲线风险系数大小降序排序,排序前三的过程曲线为当前曲线在该质量分析项中的主要影响因素。
其中,步骤(1)中质量合格的带钢是指钢种、宽度、厚度相同且质量命中率符合2σ原则,即质量命中率大于95.45%的带钢。
步骤(2)中对曲线头尾阶跃段进行数据判异与处置具体为:剔除曲线头尾阶跃段,剔除的数据长度公式如下:
其中,LCH、LCT分别为去除头部长度和去除尾部长度,hE为带钢精轧入口实测厚度,hT为带钢精轧目标厚度。
步骤(2)中将剔除头尾的曲线长度归一化到[0,1]区间内,归一化计算公式如下:
其中,Lni为曲线归一化后的长度,Li为原曲线长度,Lmax、Lmin分别为优秀样本库中曲线中长度最大值和最小值,i为曲线序号。
步骤(3)中曲线缩放比例按照曲线归一化的长度与最长曲线归一化长度比值作为缩放倍数,即:
其中,Lmi为缩放后曲线长度,Lni为曲线归一化后的长度,Lnmax为曲线归一化后最长曲线的长度。
步骤(4)中重新等距取点是按照最长曲线剔除阶跃段后的长度,每1米取1点,最终总取点数作为所有曲线重新取点数。
步骤(4)中将所有曲线每次重新取到的点作为一组,则总组数为曲线重新取点数,每一组风险系数利用单组风险系数计算方法计算得到,单组风险系数计算方法如下:
S41:将除去当前钢卷曲线所取点外其余所有样本点按从小到大排列,选取样本中位数xCen,当样本数为奇数时则选择样本中间值作为中位数,当样本数为偶数时,选取中间两个样本的均值作为中位数;
S42:当前钢卷曲线所取点xc与中位数xCen作差,记为偏差δ:
δ=|xc-xCen|
S43:将偏差δ与上下阈值作比较,定义上阈值为Tup,下阈值为Tlow,上阈值与下阈值均由查询现场工艺表得到,则单组风险系数Riskp为:
步骤(5)中将步骤(4)中得到的所有单组风险系数取平均值代表整条曲线风险系数,定义曲线风险系数为RiskC:
其中,n为单组风险系数个数,即每条曲线等距取点个数,i为单组风险系数每组序号;Riskpi为单组风险系数,将所有曲线按照风险系数大小降序排序,风险系数排序前三的过程曲线为当前曲线在该质量分析项中的主要影响因素。
本发明的上述技术方案的有益效果如下:
上述方案中,采集带钢轧制过程曲线,通过工艺思想设置阈值,对曲线进行风险评价,可以实现快速定位质量异常原因,提高了人工对轧制异常过程判断的效率和准确率。
附图说明
图1为本发明的影响热轧带钢全长质量的过程曲线风险评价方法流程图;
图2为本发明实施例中单组风险系数计算步骤示意图;
图3为本发明实施例中带钢F3机架辊缝曲线图;
图4为本发明实施例中带钢FET温度曲线图;
图5为本发明实施例中带钢F4活套角度曲线图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明提供一种影响热轧带钢全长质量的过程曲线风险评价方法。
如图1所示,该方法包括步骤如下:
(1)获取影响热轧带钢质量的过程曲线,收集质量合格的带钢及其过程曲线作为优秀样本库;
(2)对步骤(1)中获取的所有过程曲线头尾阶跃段进行数据判异与处置,剔除阶跃段异常数据,并将剔除异常数据后的曲线进行长度归一化;
(3)将所有曲线按照与最长曲线的比例缩放到单位长度;
(4)缩放后的所有曲线重新等距取点,将每次取点的所有样本点作为一组,并根据现场工艺表给定阈值,利用单组风险系数计算方法计算风险系数;
(5)根据单组风险系数求解整条曲线风险系数并进行评价。
其中,步骤(4)中每一组风险系数利用单组风险系数计算方法计算得到,单组风险系数计算方法如下:
S41:将除去当前钢卷曲线所取点外其余所有样本点按从小到大排列,选取样本中位数xCen,当样本数为奇数时则选择样本中间值作为中位数,当样本数为偶数时,选取中间两个样本的均值作为中位数;
S42:当前钢卷曲线所取点xc与中位数xCen作差,记为偏差δ:
δ=|xc-xCen|
S43:将偏差δ与上下阈值作比较,定义上阈值为Tup,下阈值为Tlow,上阈值与下阈值均由查询现场工艺表得到,则单组风险系数Riskp为:
单组风险系数计算方法流程如图2所示。
下面结合具体实施例予以说明。
取某热轧2250生产线下线卷,钢种为CP800,成品厚度4.08mm,成品宽度1250mm的曲线数据,第一卷为当前卷,其余为优秀样本,质量分析项为厚度。本实施例具体包括以下步骤:
S1:获取当前钢卷F3机架辊缝曲线,并将钢种、宽度、厚度相同且质量命中率大于95.45%的钢卷过程曲线加入优秀样本库。具体数据如表1所示:
表1实测热轧带钢F3机架辊缝曲线
S2:剔除曲线头尾无效数据:
剔除阶跃段数据后曲线如图3所示,具体数据如表2所示:
表2 F3机架辊缝剔除阶跃段曲线
曲线长度归一化:
S3:曲线缩放比例按照曲线归一化的长度与最长曲线归一化长度比值作为缩放倍数,即:
S4:重新取点数按照最长曲线剔除阶跃段后长度,每1米取1点,最终总取点数作为所有曲线重新取点数,每次取点所有样本作为一组,并根据现场工艺表给定阈值计算单组风险系数。重新取点数据如表3所示,上下阈值具体取值工艺表如表4所示:
表3 F3机架辊缝曲线重新取点数值
表4辊缝偏差阈值工艺表
S5:利用单组风险系数计算方法计算整组风险系数,单组风险系数计算方法步骤如下:
S51:将除去当前钢卷曲线所取点外其余所有样本点按从小到大排列,选取样本中位数xCen,当样本数为奇数时则选择样本中间值作为中位数;当样本数为偶数时,选取中间两个样本的平均值作为中位数;
S52:当前钢卷曲线所取点xc与中位数xCen作差,记为偏差δ。第1组样本中位数xCen为8.234,当前钢卷曲线所取点xc为9.336,则偏差δ:
δ=|xc-xCen|=|9.336-8.234|=1.102
S53:计算得偏差δ在上下阈值之间,即Tlow=0<δ=1.102<Tup=1.4,则单组风险系数为:
其余单组风险系数计算过程同上,则可得到单组风险系数如下表5所示:
表5单组风险系数
点数 | 1 | 2 | 3 | 4 | 5 | 6 | ... |
风险系数% | 78.71 | 82.06 | 78.79 | 76.22 | 69.29 | 71.80 | ... |
将所有单组风险系数取平均值代表整条曲线风险系数,定义曲线风险系数为RiskC,则曲线风险系数为:
即当前卷带钢F3机架辊缝曲线风险系数为73.78%。
同理计算得其他过程曲线的风险系数并排序后如下表6所示:
表6过程曲线风险系数排序
FET温度曲线、F4活套角度曲线分别如图4、5所示,可得出结论,F3机架辊缝、FET温度、F4活套张力风险系数较大,是影响当前带钢厚度的主要影响因素。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种影响热轧带钢全长质量的过程曲线风险评价方法,其特征在于:包括步骤如下:
(1)通过现有设备采集获取影响热轧带钢质量的过程曲线,包括轧制过程中的温度、速度、轧制力、辊缝曲线,收集质量合格的带钢及其过程曲线作为优秀样本库;
(2)对步骤(1)中获取的所有过程曲线头尾阶跃段进行数据判异与处置,剔除阶跃段异常数据,并将剔除异常数据后的曲线进行长度归一化;
(3)将所有曲线按照与最长曲线的比例缩放到单位长度;
(4)缩放后的所有曲线重新等距取点,将每次取点的所有样本点作为一组,并根据现场工艺表给定阈值,利用单组风险系数计算方法计算风险系数;
(5)根据单组风险系数求解整条曲线风险系数,将所有曲线按照曲线风险系数大小降序排序,排序前三的过程曲线为当前曲线在该质量分析项中的主要影响因素。
2.根据权利要求1所述的影响热轧带钢全长质量的过程曲线风险评价方法,其特征在于:所述步骤(1)中质量合格的带钢是指钢种、宽度、厚度相同且质量命中率符合2σ原则,即质量命中率大于95.45%的带钢。
6.根据权利要求1所述的影响热轧带钢全长质量的过程曲线风险评价方法,其特征在于:所述步骤(4)中重新等距取点是按照最长曲线剔除阶跃段后的长度,每1米取1点,最终总取点数作为所有曲线重新取点数。
7.根据权利要求1所述的影响热轧带钢全长质量的过程曲线风险评价方法,其特征在于:所述步骤(4)中将所有曲线每次重新取到的点作为一组,则总组数为曲线重新取点数,每一组风险系数利用单组风险系数计算方法计算得到,单组风险系数计算方法如下:
S41:将除去当前钢卷曲线所取点外其余所有样本点按从小到大排列,选取样本中位数xCen,当样本数为奇数时则选择样本中间值作为中位数,当样本数为偶数时,选取中间两个样本的均值作为中位数;
S42:当前钢卷曲线所取点xc与中位数xCen作差,记为偏差δ:
δ=|xc-xCen|
S43:将偏差δ与上下阈值作比较,定义上阈值为Tup,下阈值为Tlow,上阈值与下阈值均由查询现场工艺表得到,则单组风险系数Riskp为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111681808.7A CN114331195A (zh) | 2021-12-27 | 2021-12-27 | 一种影响热轧带钢全长质量的过程曲线风险评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111681808.7A CN114331195A (zh) | 2021-12-27 | 2021-12-27 | 一种影响热轧带钢全长质量的过程曲线风险评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114331195A true CN114331195A (zh) | 2022-04-12 |
Family
ID=81023549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111681808.7A Pending CN114331195A (zh) | 2021-12-27 | 2021-12-27 | 一种影响热轧带钢全长质量的过程曲线风险评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331195A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114580982A (zh) * | 2022-05-07 | 2022-06-03 | 昆仑智汇数据科技(北京)有限公司 | 一种工业设备的数据质量的评估方法、装置及设备 |
-
2021
- 2021-12-27 CN CN202111681808.7A patent/CN114331195A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114580982A (zh) * | 2022-05-07 | 2022-06-03 | 昆仑智汇数据科技(北京)有限公司 | 一种工业设备的数据质量的评估方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108817103B (zh) | 一种轧钢模型钢族层别分类优化方法 | |
CN107179749A (zh) | 热镀锌产品全流程质量控制方法 | |
CN113434994B (zh) | 一种基于热轧原板热轧工艺参数预测冷轧变形抗力的方法 | |
CN112749505A (zh) | 一种机理融合数据的热轧带钢截面形状预测方法 | |
CN104438350B (zh) | 平整过程带钢机械性能在线检测控制方法 | |
CN111666653B (zh) | 一种带钢精轧模型设定精度的在线评判方法 | |
CN111563686A (zh) | 一种基于全流程数据的冷轧硅钢质量判定方法 | |
CN110434172B (zh) | 一种炉卷和精轧机组连轧的负荷分配计算方法 | |
CN110802114A (zh) | 一种冷轧板带轧制力方法 | |
CN114818456B (zh) | 一种冷连轧带钢全长变形抗力预测方法及优化方法 | |
CN112287550B (zh) | 基于主成分分析控制器的带钢头部厚差过程参数优化方法 | |
CN114331195A (zh) | 一种影响热轧带钢全长质量的过程曲线风险评价方法 | |
CN110653271B (zh) | 热轧带钢卷取夹送辊的辊面质量自动评级装置和评级方法 | |
CN115815345A (zh) | 预测全流程热轧带钢力学性能的机理协同预报方法及*** | |
CN114896735A (zh) | 改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法 | |
CN105127214B (zh) | 一种四辊轧机轧制过程中的轧机弹性变形预测方法 | |
CN110646424A (zh) | 一种金相组织各向异性快速定量评价方法 | |
Jin et al. | Identification of impacting factors of surface defects in hot rolling processes using multi-level regression analysis | |
CN111366702A (zh) | 一种无取向硅钢在线智能精准分切***及其在线智能精准分切方法 | |
CN113780852B (zh) | 一种板带轧制过程质量缺陷的诊断方法 | |
CN116108932A (zh) | 一种钢铁生产过程数据和机理融合模型建立方法 | |
CN112828053B (zh) | 一种冷却后带钢全长板形的检测方法 | |
CN111744968B (zh) | 一种钢卷数据跨机组对齐方法 | |
CN108399184B (zh) | 一种钢材的表面处理方法 | |
CN105195523A (zh) | 一种提高热轧中间坯头部温度计算精度的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |