專利名稱：基于案例推理的軋后冷卻長期自學習方法
技術領域：
本發(fā)明屬于軋制技術領域，特別涉及一種基于案例推理的軋后冷卻長期自學習方法。
背景技術：
熱軋板帶軋后冷卻過程既是一個影響因素眾多的傳熱過程，又是一個復雜的工業(yè)控制過程。就帶鋼全長而言，基于PID或帶SMITH預估的反饋控制理論上能保證板帶中部和尾部控制良好，而板帶頭部的控制完全依賴模型的設定精度。因軋后冷卻的滯后特征，在實際生產(chǎn)過程中并沒有很好的方法對頭部終冷溫度偏高或偏低進行干預，特別是因季節(jié)因素或換輥換規(guī)格或長期停軋鋼種再恢復軋制都有可能在軋制首塊鋼時因頭部終冷溫度過低導致卷取困難而堆鋼導致生產(chǎn)的停頓。熱軋板帶軋后冷卻的傳熱特性尤其是冷卻水與板帶鋼之間的水冷換熱很容易受到工況的影響，其模型中的熱流密度參數(shù)隨生產(chǎn)工況而變化， 具體體現(xiàn)在水冷自學習系數(shù)上面，因此軋后冷卻數(shù)學模型中的長期自學習系數(shù)的估計是提高模型頭部設定精度的關鍵和難點。

發(fā)明內(nèi)容
針對現(xiàn)有技術的不足，本發(fā)明提供一種基于案例推理的軋后冷卻長期自學習方法。本發(fā)明方法按如下步驟進行步驟1 案例的構造將軋后冷卻過程的工況按照結構進行組織并以案例的形式存儲于案例數(shù)據(jù)庫中， 每個案例由工況類描述、指標類描述和解組成，如表1所示。表1 案例結構定義
權利要求
1.一種基于案例推理的軋后冷卻長期自學習方法，其特征在于如下步驟進行步驟1 案例的構造將軋后冷卻過程的工況按照結構進行組織并以案例的形式存儲于案例數(shù)據(jù)庫中，每個案例由工況類描述、指標類描述和解組成；步驟2:案例的檢索長期自學習系數(shù)案例推理系統(tǒng)根據(jù)軋制工況描述來進行案例檢索和匹配，設為兩級過濾；1)絕對過濾當前帶鋼的鋼牌號、厚度層別、卷取溫度層別、冷卻策略與案例數(shù)據(jù)庫的鋼牌號、厚度層別、卷取溫度層別、冷卻策略此四項參數(shù)如果不能完全相同，直接退出案例推理；如果滿足相同條件，進入相對過濾；2)相對過濾根據(jù)當前塊帶鋼冷卻水溫和歷史案例中的冷卻水溫差、當前塊帶鋼距前一塊軋制間隙時間和歷史案例中的停軋時間、當前塊帶鋼精軋模型預報終軋溫度與目標值的偏差與歷史案例中的終軋溫度預報偏差以及當前塊帶鋼穿帶速度與歷史案例中的穿帶速度的偏差進行過濾；步驟3:案例的重用軋后冷卻模型在進行預設定數(shù)據(jù)準備時，根據(jù)邊界條件即終軋溫度、穿帶速度、帶鋼厚度、目標卷取溫度和外部條件即水溫、停軋時間、冷卻策略在歷史案例庫中進行檢索，對鋼牌號、厚度層別、終冷溫度層別、冷卻策略完全相同的案例，再選取滿足歷史水溫與當前水溫波動在士2°C的案例，按照停軋時間相近進行選擇，然后再按照終軋溫度預報偏差和穿帶速度波動篩選案例，對上述篩選出的案例，根據(jù)歷史指標即卷取溫度頭部命中率> 85%的所有案例中，選取頭部標準偏差最小、頭部卷取溫度偏差平均值最小進行最后篩選，得到的案例的解即長期自學習系數(shù)直接進行重用，參與軋后冷卻模型設定計算；步驟4 案例的修正首先對鋼牌號、厚度層別、卷取溫度層別、冷卻策略完全相同的案例，篩選卷取溫度頭部命中率> 70%、頭部標準偏差在20°C以內(nèi)，頭部卷取溫度偏差平均值在20°C以內(nèi)的案例，依據(jù)相似度函數(shù)檢索出匹配工況，在此基礎上按照經(jīng)驗值對檢索得到的相似案例進行修正，以此作為該方法的輸出。
2.根據(jù)權利要求1所述的基于案例推理的軋后冷卻長期自學習方法，其特征在于所述的步驟2中當前塊帶鋼精軋模型預報終軋溫度與目標值的偏差與歷史案例中的預報值和穿帶速度的偏差進行過濾，過程如下在檢索過程中，對能完全滿足索引要求即水溫士2度，停軋時間士 10分鐘，終軋溫度預報偏差士5度、穿帶速度偏差士2%的記錄的案例，再按照指標即案例中頭部卷取溫度偏差平均值、頭部標準偏差和卷取溫度頭部命中率進行判定，如符合判定條件即卷取溫度頭部命中率>85%的所有案例中，選取頭部標準偏差最小、頭部平均溫度偏差平均值最小的案例的，直接進行案例重用；對不能完全滿足索引要求的案例先進行指標判定條件即卷取溫度頭部命中率>70%的所有案例中，選取頭部標準偏差在20°C以內(nèi)、頭部平均溫度偏差平均值在20°C以內(nèi)案例篩選，對符合判定條件的再按照公式(1)、(2), (3)、(4)計算相應的相似度，檢索出滿足匹配閾值的所有案例，進行步驟4進行案例修正，按照經(jīng)驗值帶入公式 (5)和(6)計算出長期自學習系數(shù)值作為案例的解。
3.根據(jù)權利要求1所述的基于案例推理的軋后冷卻長期自學習方法，其特征在于所述的步驟4修正方法如下記水溫為TW，終軋溫度預報值為FDT，穿帶速度為V，停軋時間為MopTime，其相似度函數(shù)分別定義如下
全文摘要
一種基于案例推理的軋后冷卻長期自學習方法，屬于軋制技術領域。該方法按如下步驟進行步驟1案例的構造；步驟2案例的檢索；步驟3案例的重用；步驟4案例的修正。本發(fā)明的優(yōu)點本發(fā)明基于現(xiàn)場大量生產(chǎn)數(shù)據(jù)，從如何有效利用經(jīng)驗知識入手，通過案例構造、案例檢索、案例重用、案例修正等案例推理技術對控制冷卻數(shù)學模型中的長期自學習系數(shù)進行決策。該方法對已軋過的鋼種規(guī)格，能有效地避免頭部過冷現(xiàn)象，同時能顯著提高板帶頭部終冷溫度的模型設定精度。本發(fā)明可使軋后冷卻模型具有隨工況變化的自適應能力，能顯著提高模型的頭部設定精度。
文檔編號B21B45/02GK102284517SQ20111018106
公開日2011年12月21日 申請日期2011年6月30日 優(yōu)先權日2011年6月30日
發(fā)明者劉恩洋, 劉相華, 張殿華, 彭良貴, 陳華昕, 高揚 申請人:東北大學