本發(fā)明屬于連鑄生產(chǎn)技術(shù)領(lǐng)域，具體涉及一種基于流數(shù)據(jù)的動態(tài)輕壓下控制方法。

背景技術(shù)：

連鑄技術(shù)是冶金和材料領(lǐng)域的一項(xiàng)前沿技術(shù)，其將連續(xù)鑄造、軋制、熱處理串為一體，鑄出鋼坯，經(jīng)過在線軋制之后一次形成工業(yè)產(chǎn)品，該工藝技術(shù)簡化了生產(chǎn)工序，大幅度縮減了生產(chǎn)周期，降低了設(shè)備投資，產(chǎn)品質(zhì)量得到提高，因而得到了國內(nèi)冶金界的廣泛應(yīng)用，但由于其生產(chǎn)過程中，壓下量這一工藝參數(shù)對產(chǎn)品質(zhì)量起到了至關(guān)重要的作用，所以對于壓下量的研究尤為重要。

鑄坯的凝固收縮是一個(gè)復(fù)雜的變化過程，在這個(gè)過程中，各機(jī)架的壓下量并不相同，受機(jī)架力學(xué)性能的影響，鑄坯的厚度精度和產(chǎn)品質(zhì)量也隨之受到影響，在以往的壓下量調(diào)節(jié)中，主要利用計(jì)算機(jī)模擬和經(jīng)驗(yàn)調(diào)整的方式進(jìn)行，而計(jì)算機(jī)模擬的模型精度不高決定了其無法保證模擬精度，經(jīng)驗(yàn)調(diào)整更是增加了人為因素而影響鑄坯質(zhì)量。

傳統(tǒng)的壓下量調(diào)整方法無法滿足連鑄生產(chǎn)的需要，因而需要一種簡單可行、盡可能減少人為干預(yù)的控制方法，以提高鑄坯的厚度精度和產(chǎn)品質(zhì)量。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的問題，提供一種基于流數(shù)據(jù)的動態(tài)輕壓下控制方法，減少人為干預(yù)，提高鑄坯的厚度精度和產(chǎn)品質(zhì)量。

為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

包括以下步驟：

(1)采集連鑄生產(chǎn)線的生產(chǎn)工藝參數(shù)；

(2)對采集的數(shù)據(jù)進(jìn)行歸一化處理，得到數(shù)據(jù)矩陣x；

(3)利用數(shù)據(jù)矩陣x構(gòu)建訓(xùn)練樣本集和預(yù)測樣本集；

(4)利用訓(xùn)練樣本集訓(xùn)練得到對應(yīng)的回歸函數(shù)，并建立對應(yīng)的預(yù)測模型；

(5)將預(yù)測樣本集代入預(yù)測模型，得到預(yù)測結(jié)果；

(6)對預(yù)測結(jié)果進(jìn)行數(shù)據(jù)處理，得到預(yù)測壓下量值；

(7)利用預(yù)測壓下量值進(jìn)行壓下量調(diào)整，直至實(shí)際壓下量與預(yù)測壓下量值相等，完成基于流數(shù)據(jù)的動態(tài)輕壓下控制。

進(jìn)一步地，步驟(1)中采集的生產(chǎn)工藝參數(shù)包括二冷水進(jìn)水壓力、中間包鋼水溫度、過熱度、拉速、振動頻率、振動幅值、傳動輥壓力、結(jié)晶器液位、結(jié)晶器寬面壓力和結(jié)晶器寬面水流量。

進(jìn)一步地，步驟(2)的數(shù)據(jù)歸一化具體包括：

(201)假設(shè)是是由采集到的工藝參數(shù)組成的一個(gè)數(shù)據(jù)矩陣，且數(shù)據(jù)矩陣有n行m列，其中，每一列對應(yīng)著一個(gè)工藝參數(shù)，每一行對應(yīng)著一個(gè)數(shù)據(jù)樣本，則

(202)對于數(shù)據(jù)矩陣對其歸一化的數(shù)學(xué)表達(dá)式如下：

其中，為任意一組輸入檢測向量中的第m維工藝參數(shù)，xnm是歸一化后的數(shù)據(jù)，為數(shù)據(jù)樣本最大值，為數(shù)據(jù)樣本最小值。

進(jìn)一步地，步驟(3)中構(gòu)建訓(xùn)練樣本集和預(yù)測樣本集，具體包括以下步驟：

對歸一化的數(shù)據(jù)矩陣中的數(shù)據(jù)添加標(biāo)簽量，得到數(shù)據(jù)庫d＝{(x1,y1),(x2,y2),…,(xi,yi)},yi∈{+1,-1}，i為數(shù)據(jù)矩陣中的歷史數(shù)據(jù)數(shù)量，則：

第一次選取的訓(xùn)練樣本集為d1＝{(x1,y1),(x2,y2),…,(xi-1,yi-1)},yi∈{+1,-1}，第一次選取的預(yù)測樣本集為d1'＝{(xi,yi)},yi∈{+1,-1}；

第二次選取的訓(xùn)練樣本集為d2＝{(x2,y2),(x3,y3),…,(xi,yi)},yi∈{+1,-1}，第二次選取的預(yù)測樣本集為d2'＝{(x1,y1)},yi∈{+1,-1}；

第三次選取的訓(xùn)練樣本集為d3＝{(x1,y1),(x3,y3),…,(xi,yi)},yi∈{+1,-1}，第三次選取的預(yù)測樣本集為d3'＝{(x2,y2)},yi∈{+1,-1}；

依次類推，每次取i-1個(gè)歷史數(shù)據(jù)作為訓(xùn)練樣本集，剩余一個(gè)歷史數(shù)據(jù)作為預(yù)測樣本集。

進(jìn)一步地，歷史數(shù)據(jù)為前期采集60天的連鑄生產(chǎn)線數(shù)據(jù)庫記錄的工藝參數(shù)。

進(jìn)一步地，步驟(4)構(gòu)建回歸函數(shù)和預(yù)測模型的具體步驟包括：

(401)給定訓(xùn)練樣本集

yi∈{+1,-1},i＝1,2,...,n，n為訓(xùn)練樣本集中的樣本數(shù)，

訓(xùn)練樣本集的分離超平面對應(yīng)方程h(x)＝ω·x+b(4-1)

其中，x為輸入向量，ω為權(quán)值，b為偏置；

訓(xùn)練樣本集相應(yīng)的分類決策函數(shù)為sign(h(x))(4-2)

(402)訓(xùn)練樣本集線性可分時(shí)，用一條或者幾條直線把屬于不同類別的樣本點(diǎn)分開，其最大間隔γ滿足

由上得到目標(biāo)函數(shù)：

s.t.yi(ω·xi+b)-1≥0,i＝1,2,,...,n(4-7)

(403)對每個(gè)樣本點(diǎn)引入一個(gè)松弛變量ξi≥0，使得yi(ω·xi+b)≥1-ξi(4-8)

對每個(gè)松弛變量ξi，支付一個(gè)代價(jià)ξi，則目標(biāo)函數(shù)變?yōu)?imgfile="bda0001309610580000042.gif"wi="559"he="143"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>

其中c＞0為懲罰因子；

(404)構(gòu)造lagrange函數(shù)：

其中，αi≥0,i＝1,2,...,n為拉格朗日乘子，n為訓(xùn)練樣本集中的樣本數(shù)；

(405)根據(jù)karush-kuhn-tucker條件，對ω,b,ξ分別求偏微分，并令其等于0，得：

αi(yi(ω·xi+b)-1)＝0,i＝1,2,...,n(4-13)

yi(ω·xi+b)-1≥0,i＝1,2,...,n(4-14)

αi≥0,i＝1,2,...,n(4-15)

由此分離超平面為：

分類決策函數(shù)為：

yj為支持向量；

(406)引入核函數(shù)

其中g(shù)為核函數(shù)系數(shù)；

此時(shí)，公式(4-17)變?yōu)?imgfile="bda0001309610580000052.gif"wi="700"he="101"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>

得到預(yù)測模型。

進(jìn)一步地，步驟(6)對預(yù)測結(jié)果進(jìn)行反歸一化之后得到預(yù)測壓下量值。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益的技術(shù)效果：

本發(fā)明先采集和監(jiān)測生產(chǎn)過程中的與動態(tài)輕壓下壓下量相關(guān)的工藝參數(shù)，建立相應(yīng)的數(shù)據(jù)庫；再利用機(jī)器學(xué)習(xí)的方法對數(shù)據(jù)庫進(jìn)行自學(xué)習(xí)，利用機(jī)器學(xué)習(xí)中不同的學(xué)習(xí)方法建立壓下量動態(tài)預(yù)測模型；接著利用數(shù)據(jù)庫中的數(shù)據(jù)對建立的壓下量動態(tài)預(yù)測模型進(jìn)行不斷訓(xùn)練，反復(fù)迭代，以達(dá)到較好的預(yù)測效果；再次接收到生產(chǎn)過程工藝參數(shù)后，可以根據(jù)此刻工藝參數(shù)，通過壓下量動態(tài)預(yù)測模型預(yù)測下一時(shí)刻壓下量；根據(jù)預(yù)測的壓下量輸出控制指令給控制系統(tǒng)，指導(dǎo)控制系統(tǒng)進(jìn)行壓下量調(diào)整；最后通過壓下量的調(diào)整，達(dá)到薄板坯連鑄連軋生產(chǎn)過程中鑄坯厚度和鑄坯質(zhì)量的動態(tài)自適應(yīng)控制。本發(fā)明方法以大數(shù)據(jù)分析為核心，把機(jī)器學(xué)習(xí)應(yīng)用于連鑄連軋生產(chǎn)過程當(dāng)中，實(shí)現(xiàn)了連鑄連軋生產(chǎn)過程中鑄坯厚度和鑄坯質(zhì)量的動態(tài)自適應(yīng)控制；在壓下量的調(diào)整中，不再使用計(jì)算機(jī)模擬和經(jīng)驗(yàn)調(diào)整，大幅度的減少了外界干擾對于壓下量的影響，實(shí)現(xiàn)了壓下量調(diào)整的人工智能化，大幅度降低了生產(chǎn)成本，提高了產(chǎn)品質(zhì)量，與以往連鑄連軋控制方法相比，相關(guān)設(shè)備精度更高，誤差更小，產(chǎn)品質(zhì)量控制更好，實(shí)現(xiàn)了人工智能，減少了人為操作，降低了生產(chǎn)人員勞動強(qiáng)度。

附圖說明

圖1為本發(fā)明的系統(tǒng)結(jié)構(gòu)圖；

圖2為本發(fā)明的系統(tǒng)算法框圖；

圖3為本發(fā)明的壓下量調(diào)整示意圖。

1-數(shù)據(jù)采集模塊；2-數(shù)據(jù)庫；3-壓下量動態(tài)預(yù)測模型；4-指令輸出轉(zhuǎn)換模塊；5-控制系統(tǒng)；6-工藝調(diào)整模塊；7-黑箱模型。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)說明。

本發(fā)明針對現(xiàn)有連鑄技術(shù)中壓下量調(diào)整精度不夠，受外界干擾大，無法滿足連鑄生產(chǎn)需要，提供了一種壓下量動態(tài)自適應(yīng)控制方法。

參見圖1和圖2，本發(fā)明包括：數(shù)據(jù)采集模塊1，指令輸出轉(zhuǎn)換模塊4，控制系統(tǒng)5，工藝調(diào)整模塊6和黑箱模型7。黑箱模型7由數(shù)據(jù)庫2和壓下量動態(tài)預(yù)測模型3組成。

(1)數(shù)據(jù)采集模塊1基于現(xiàn)有的連鑄生產(chǎn)線的數(shù)據(jù)采集，包括傳感器等，進(jìn)行生產(chǎn)工藝參數(shù)的數(shù)據(jù)采集，采集到的工藝參數(shù)數(shù)據(jù)包括二冷水進(jìn)水壓力、中間包鋼水溫度、過熱度、拉速、振動頻率、振動幅值、傳動輥壓力、結(jié)晶器液位、結(jié)晶器寬面壓力、結(jié)晶器寬面水流量等，其中包含了大量的冗余數(shù)據(jù)和噪聲等。

(2)對采集的數(shù)據(jù)進(jìn)行歸一化處理；

201、假設(shè)是由采集到的工藝參數(shù)組成的一個(gè)數(shù)據(jù)矩陣，由數(shù)據(jù)樣本及數(shù)據(jù)變量的觀測值所組成，且數(shù)據(jù)矩陣有n行m列，其中，每一列對應(yīng)著一個(gè)數(shù)據(jù)變量，數(shù)據(jù)變量就是工藝參數(shù)，每一行對應(yīng)著一個(gè)數(shù)據(jù)樣本，如下式(3-1)所示，則

其中，代表的是第n個(gè)數(shù)據(jù)樣本在第m個(gè)數(shù)據(jù)變量上所觀測的值；

對于數(shù)據(jù)矩陣對其歸一化的數(shù)學(xué)表達(dá)式如下：

其中，為任意一組輸入檢測向量中的第m維工藝參數(shù)，xnm是歸一化后的數(shù)據(jù)，為數(shù)據(jù)樣本最大值，為數(shù)據(jù)樣本最小值。

歸一化后的數(shù)據(jù)分布均勻無奇異值，易于后續(xù)對數(shù)據(jù)分析和處理。

(3)在數(shù)據(jù)矩陣中提取部分歷史數(shù)據(jù)構(gòu)建訓(xùn)練樣本集；歷史數(shù)據(jù)可以為前期采集60天的連鑄生產(chǎn)線數(shù)據(jù)庫記錄的工藝參數(shù)；

對公式(2-2)得到的歸一化的數(shù)據(jù)矩陣中的數(shù)據(jù)添加標(biāo)簽量，利于快速獲取目標(biāo)值，得到數(shù)據(jù)庫d＝{(x1,y1),(x2,y2),…,(xi,yi)},yi∈{+1,-1}，i為數(shù)據(jù)矩陣中的歷史數(shù)據(jù)數(shù)量，

第一次選取的訓(xùn)練樣本集為d1＝{(x1,y1),(x2,y2),…,(xi-1,yi-1)},yi∈{+1,-1}

第二次選取的訓(xùn)練樣本集為d2＝{(x2,y2),(x3,y3),…,(xi,yi)},yi∈{+1,-1}

第三次選取的訓(xùn)練樣本集為d3＝{(x1,y1),(x3,y3),…,(xi,yi)},yi∈{+1,-1}

依次類推。

(4)在數(shù)據(jù)矩陣中提取剩余部分歷史數(shù)據(jù)構(gòu)建預(yù)測樣本集；

針對數(shù)據(jù)庫為d＝{(x1,y1),(x2,y2),…,(xi,yi)},yi∈{+1,-1}，i為歷史數(shù)據(jù)數(shù)量，

第一次選取的預(yù)測樣本集為d1'＝{(xi,yi)},yi∈{+1,-1}

第二次選取的預(yù)測樣本集為d2'＝{(x1,y1)},yi∈{+1,-1}

第三次選取的預(yù)測樣本集為d3'＝{(x2,y2)},yi∈{+1,-1}

依次類推，每次所有i-1個(gè)數(shù)據(jù)作為訓(xùn)練樣本集，取剩余一個(gè)數(shù)據(jù)作為預(yù)測樣本集。

(5)構(gòu)建回歸函數(shù)和壓下量動態(tài)預(yù)測模型：利用訓(xùn)練樣本集訓(xùn)練得到對應(yīng)的回歸函數(shù)，并建立對應(yīng)的壓下量動態(tài)預(yù)測模型；

(501)給定訓(xùn)練樣本集

yi∈{+1,-1},i＝1,2,...,n，n為訓(xùn)練樣本集中的樣本數(shù)，

訓(xùn)練樣本集的分離超平面對應(yīng)于方程h(x)＝ω·x+b(5-1)

其中，x為輸入向量，ω為權(quán)值，b為偏置。

訓(xùn)練樣本集相應(yīng)的分類決策函數(shù)為sign(h(x))(5-2)

(502)訓(xùn)練樣本集線性可分時(shí)，可以用一條或者幾條直線把屬于不同類別的樣本點(diǎn)分開，且間隔最大。

其最大間隔γ就是求下式的問題

s.t.表示受約束條件；可得線性可分支持向量機(jī)最優(yōu)化問題，得到目標(biāo)函數(shù)：

s.t.yi(ω·xi+b)-1≥0,i＝1,2,,...,n(5-7)

(503)在實(shí)際數(shù)據(jù)集中，存在很多特異點(diǎn)，使得數(shù)據(jù)集線性不可分，為了解決這個(gè)問題，我們對每個(gè)樣本點(diǎn)引入了一個(gè)松弛變量ξi≥0，使得yi(ω·xi+b)≥1-ξi(5-8)

對每個(gè)松弛變量ξi，支付一個(gè)代價(jià)ξi，則由公式(5-6)～公式(5-8)，使得目標(biāo)函數(shù)變?yōu)?imgfile="bda0001309610580000086.gif"wi="558"he="143"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>

其中c＞0為懲罰因子。

(504)構(gòu)造lagrange函數(shù)如下：

其中，αi≥0,i＝1,2,...,n為拉格朗日乘子，n為訓(xùn)練樣本集中的樣本數(shù)。

(505)根據(jù)karush-kuhn-tucker條件，對ω,b,ξ分別求偏微分，并令其等于0，可得

αi(yi(ω·xi+b)-1)＝0,i＝1,2,...,n(5-13)

yi(ω·xi+b)-1≥0,i＝1,2,...,n(5-14)

αi≥0,i＝1,2,...,n(5-15)

由此分離超平面可寫成

分類決策函數(shù)可寫成

yj為支持向量。

(506)實(shí)際數(shù)據(jù)中大部分的數(shù)據(jù)是線性不可分的，所以要把這些數(shù)據(jù)通過非線性映射，映射到高維特征空間，把非線性問題轉(zhuǎn)化為線性問題，把線性不可分問題轉(zhuǎn)化為線性可分問題。

引入核函數(shù)

其中g(shù)為核函數(shù)系數(shù)。

此時(shí)，公式(5-17)變?yōu)?imgfile="bda0001309610580000098.gif"wi="700"he="101"img-content="drawing"img-format="gif"orientation="portrait"inline="no"/>

即得壓下量動態(tài)預(yù)測模型。

(6)將步驟(4)中預(yù)測樣本集d'代入壓下量動態(tài)預(yù)測模型可得預(yù)測結(jié)果，此時(shí)預(yù)測結(jié)果還不是壓下量值。

(7)將步驟(6)中的預(yù)測結(jié)果進(jìn)行反歸一化之后即為預(yù)測壓下量值。

(8)將步驟(7)中的預(yù)測壓下量值進(jìn)行數(shù)模轉(zhuǎn)換后，控制系統(tǒng)將對輥縫調(diào)整系統(tǒng)進(jìn)行控制，將實(shí)際壓下量調(diào)整到與預(yù)測壓下量值相等，完成基于流數(shù)據(jù)的動態(tài)輕壓下控制。

參見圖3，本發(fā)明主要的工作過程及原理：

在生產(chǎn)實(shí)際過程中，數(shù)據(jù)采集模塊1采集t1時(shí)刻工藝參數(shù)，當(dāng)t1時(shí)刻的工藝參數(shù)輸入數(shù)據(jù)庫2，同時(shí)建立壓下量動態(tài)預(yù)測模型3；數(shù)據(jù)庫2把數(shù)據(jù)傳輸給壓下量動態(tài)預(yù)測模型3，并通過數(shù)據(jù)庫2的數(shù)據(jù)不斷對壓下量動態(tài)預(yù)測模型3進(jìn)行反復(fù)訓(xùn)練，反復(fù)迭代，提高壓下量動態(tài)預(yù)測模型3的預(yù)測準(zhǔn)確度；壓下量動態(tài)預(yù)測模型3根據(jù)原有的數(shù)據(jù)訓(xùn)練結(jié)果預(yù)測出預(yù)測值，把預(yù)測值輸出給指令輸出轉(zhuǎn)換模塊4，指令輸出轉(zhuǎn)換模塊4把預(yù)測值轉(zhuǎn)換為控制系統(tǒng)5可以識別的控制指令，控制系統(tǒng)5根據(jù)控制指令輸出控制，并輸出給工藝調(diào)整模塊6，工藝調(diào)整模塊6根據(jù)控制系統(tǒng)5的控制對不同扇形段框架液壓缸進(jìn)行調(diào)整，進(jìn)而進(jìn)行壓下量和壓下區(qū)間調(diào)整，調(diào)整后的壓下量和壓下區(qū)間適用于t2、t3時(shí)刻以及l(fā)1和l2區(qū)間的生產(chǎn)，實(shí)現(xiàn)壓下量和壓下區(qū)間的動態(tài)自適應(yīng)控制。

本發(fā)明先利用連鑄生產(chǎn)線現(xiàn)有的數(shù)據(jù)采集工具采集和監(jiān)測生產(chǎn)過程中的與動態(tài)輕壓下壓下量相關(guān)的工藝參數(shù)，建立相應(yīng)的數(shù)據(jù)庫；再利用機(jī)器學(xué)習(xí)的方法對數(shù)據(jù)庫進(jìn)行自學(xué)習(xí)，利用機(jī)器學(xué)習(xí)中不同的學(xué)習(xí)方法建立壓下量動態(tài)預(yù)測模型；接著利用數(shù)據(jù)庫中的數(shù)據(jù)對建立的壓下量動態(tài)預(yù)測模型進(jìn)行不斷訓(xùn)練，反復(fù)迭代，以達(dá)到較好的預(yù)測效果；再次接收到生產(chǎn)過程工藝參數(shù)后，可以根據(jù)此刻工藝參數(shù)，通過壓下量動態(tài)預(yù)測模型預(yù)測下一時(shí)刻壓下量；根據(jù)預(yù)測的壓下量輸出控制指令給控制系統(tǒng)，指導(dǎo)控制系統(tǒng)進(jìn)行壓下量調(diào)整；最后通過壓下量的調(diào)整，達(dá)到薄板坯連鑄連軋生產(chǎn)過程中鑄坯厚度和鑄坯質(zhì)量的動態(tài)自適應(yīng)控制。本發(fā)明方法在壓下量的調(diào)整中，不再使用計(jì)算機(jī)模擬和經(jīng)驗(yàn)調(diào)整，大幅度的減少了外界干擾對于壓下量的影響，實(shí)現(xiàn)了壓下量調(diào)整的人工智能化，大幅度降低了生產(chǎn)成本，提高了產(chǎn)品質(zhì)量。同時(shí)，與以往連鑄連軋控制方法相比，相關(guān)設(shè)備精度更高，誤差更小，產(chǎn)品質(zhì)量控制更好，實(shí)現(xiàn)了人工智能，減少了人為操作，降低了生產(chǎn)人員勞動強(qiáng)度。