一种基于数据驱动的宽厚板放尺长度优化方法
文献发布时间:2023-06-19 09:47:53
技术领域
本发明涉及钢铁生产技术领域,特别是涉及一种基于数据驱动的宽厚板放尺长度优化方法。
背景技术
目前,厚板热轧厂品种规格不断扩充,尺寸控制精度不断优化,同时,钢铁形势对降低生产成本要求不断提高。对于厚板热轧厂不同规格产品放尺长度的控制仍然由人工根据经验进行编制,存在可继续优化的空间,由人工经验编排的放尺标准采用固定值分段式放尺量,维护难以细化,造成钢材大量浪费的现象,制约了轧制钢材成材率的提高。
发明内容
为了解决以上技术问题,本发明提供一种基于数据驱动的宽厚板放尺长度优化方法,包括以下步骤:
①提取放尺长度的影响因素即展宽比和轧制长度:厚度越厚,放尺长度越小,两者呈非线性关系;轧制长度越长,放尺长度越大,两者呈线性关系;轧制展宽比越大,放尺长度越大,两者呈线性关系;
②建立描述放尺长度的平滑曲面方程:从放尺长度层别表中提取数据,令x
③采用最小二乘方法对数据进行数据非线性回归:针对方程(1)的多元非线性回归方法,利用多元线性回归的方式处理将实际放尺数据代入,用矩阵形式表示为:Y=XA(2),A=(X
④根据回归方程计算不同规格产品的实际放尺量:假设生产规格对于放尺长度层别表中各影响因素的占比是平均的,由于放尺长度方程是以层别区间内成品厚度上限、成品长度下限、展宽比上限数据为基础进行回归的,假设方程计算结果为y
本发明的有益效果:本次发明主要通过连续化的数学模型计算,通过对不同坯料厚度、目标长度、展宽比,不同钢种延伸率对轧制放尺量的影响因素,通过数学模型模拟计算的方式,取得放尺系数的连续值。能够灵活调整放尺参数表,减少对放尺标准的维护、标定、核验等过程;建立连续式的放尺优化模型,减少钢材的浪费,提高轧制钢板成材率。
附图说明
图1为本发明中影响放尺长度的单因素分析图;
图2为本发明中放尺长度回归前后对比示意图;
图3为本发明中初始数据回归残差图;
图4为本发明中同一层别区间内放尺长度优化部分数据对比图;
图5为本发明中实施例实际轧制尺寸;
图6为本发明中实施例实际测量轧制头部(左)与尾部(右)圆弧长度。
具体实施方式
本实施例提供的一种基于数据驱动的宽厚板放尺长度优化方法,以某单机架宽厚板轧机作为研究对象,对其生产过程的放尺长度进行优化,轧制设备和产品的工艺参数如下:轧机型式:单机架四辊轧机;工作辊长度:5000mm;工作辊直径范围:900~1150mm;坯料厚度:300mm;平面形状控制:控制系统具备平面形状控制功能。
①提取数据,确定影响放尺长度的关键因素及其上下限范围
在目前生产应用的放尺层别表中按照成品厚度、成品长度与展宽比这三个关键因素提取对应的放尺长度数据,如图1所示。提取的初始数据一共449组,其中成品厚度范围从10~100mm,共划分为8个层别;成品长度范围从2~46.6m,最大划分了9个层别;展宽比范围1.0~2.0,最大划分了8个层别。如表1所示。
表1放尺层别表部分数据
从表1也能看出放尺长度与成品厚度、成品长度和展宽比这些影响因素之间的关系,即成品厚度越薄、成品长度越长、展宽比越小,所设定的放尺长度值越大。
②建立描述放尺长度的平滑曲面方程,并采用最小二乘方法求解在449组放尺长度层别数据中,提取区间内成品厚度上限作为x
A
将以上系数带入方程(1),即得到了放尺长度与影响因素之间的平滑描述关系,为了能够直观的观察回归前离散点与回归后平滑曲面的对比,取成品厚度层别区间13.0~20.0mm,利用放尺回归公式得到放尺长度与成品长度、展宽比之间的曲面图,如图2所示。可以看出,回归后的放尺长度随着影响因素的变化随之平滑变化。
③根据回归结果剔除误差数据,并重新进行拟合,获得最终回归方程系数放尺长度层别表中数据来自于生产经验,数据中存在一定的误差,误差大的数据对回归的精度会造成一定影响,使得对放尺长度设定精度下降,影响了成材率,所以有必要对初始数据拟合后进行分析,将误差大的数据进行剔除,以保证放尺长度的优化效果。
对放尺方程回归结果的分析可以通过残差图来观察,数据的校验通过回归结果的残差与置信区间进行判断。利用初始449组初始数据回归残差图,如图3所示,回归结果较好的数据的残差离零点均较近,且残差的置信区间均包含零点。图3中的黑色标识数据代表残差值离零点较远,需要根据其实际误差大小情况进行适当剔除。
在剔除残差较大的数据点后,重新对放尺方程进行回归,得到最终的放尺方程系数:
A
④利用回归方程优化放尺长度
参与放尺长度方程回归的数据为层别表中提取的成品厚度上限、成品长度下限、展宽比上限,随着厚度变厚、成品长度变短、展宽比变大,利用回归方程计算的放尺长度值会减小,这个减小量即为优化放尺长度所得到成材率的提高值。图4为影响放尺长度的关键因素在同一层别区间计算结果的对比,其中黑色曲线为回归数据设定,灰色曲线为同一层别区间内取成品厚度下限、成品长度上限、展宽比下限得到的放尺长度设定值,它们之间的差值即为在同一层别区间内最大的优化量。
⑤实际轧制应用
现有轧制坯料规格260*2570*3800,轧制规格28mm*4105mm*21600mm,展宽比1.60,两张子板,实际需求目标长度10260*2+200=20720mm,坯实际轧制长度21000mm,选取放尺量表2,固定放尺量为880mm,坯料计划成材率91.3%。
表2现用放尺量部分数据
实际轧制尺寸如图5所示,同时通过以上数学模型进行的放尺量优化计算可得出放尺量为710mm,优化放尺量后成材率为92%,实际提高成材率约0.7%,同时实际测量头尾圆弧长度150-200mm,如图6所示,满足实际生产要求。
采用以上方法对放尺长度优化后的成材率平均提高值约0.3%。以年产140万吨宽厚板厂计算,直接年效益约为200万元;同时基于对传统放尺层别数据的分析,建立宽厚板轧机放尺参数优化控制模型,对不同规格宽厚板的放尺量进行平滑处理,解决放尺参数表的优化和维护问题,满足宽厚板轧线对于产品成材率进一步提升、减少尺寸非计划以及提高合同兑现能力的需求。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
- 一种基于数据驱动的宽厚板放尺长度优化方法
- 基于历史数据驱动的航班进离场调度优化方法及系统