本發(fā)明涉及一種軋制過程數學模型的自動修正方法，尤其涉及一種適合交叉軋制的模型學習方法。

背景技術：

目前，國內、外的熱連軋廠采用的數學模型基本上有GE模型、西門子模型和日本三菱模型。三菱模型采用經典的金屬壓力加工公式，GE、西門子模型采用經驗公式，其學習方法都使用上次軋制時的實際數據來進行學習，無論是哪種模型都適合批量軋制，批量越大，同一鋼種、規(guī)格軋制越多軋制過程越穩(wěn)定，產品質量精度越高。反之交叉軋制時，不僅規(guī)格、鋼種交叉，爐序也交叉，都不同程度地存在軋制不穩(wěn)定，產品質量精度低的問題。圍繞交叉軋制時如何提高軋制穩(wěn)定性，開發(fā)出一套適合交叉軋制的模型學習方法，是我們的當務之急。

技術實現要素：

為克服現有技術的不足，本發(fā)明的目的是提供一種適合交叉軋制的模型學習方法，引入模糊數學控制算法，增強生產過程的穩(wěn)定性，防止熱軋帶鋼交叉軋制過程中，因模型學習不準導致的軋制不穩(wěn)定起套卡鋼事故，提高產品質量，實現自由軋制。

為實現上述目的，本發(fā)明通過以下技術方案實現：

一種適合交叉軋制的模型學習方法，用模糊數學方法對前后軋制的鋼種進行聚類分析并歸類，采用模糊分布法求出其隸屬函數，確定后軋制的鋼種模糊矩陣，根據模糊矩陣值來確定前后軋制的鋼種相似程度，確定后軋制鋼種的學習繼承程度，具體包括以下步驟：

1)用數學方法定義模糊集論域U為前面軋過的鋼分類，在系統(tǒng)內存中開辟一緩存，存儲軋過的鋼數據并隨時更新，建立模糊子集A的隸屬函數，用ZADEH表示法來表示模糊集：

A＝A(u1)/u1+A(u2)/u2+…+A(un)/un；

采用模糊分布法，收集生產實際數據，采集多塊鋼的數據，對采集的數據按厚度、寬度、鋼種進行分類，進行模糊聚類分析，并將其應用于軋線前滑學習模糊建模，最終確定 的模糊矩陣R；

2)矩陣值R為鋼種、規(guī)格的相似程度，根據相似程度來確定模型的繼承程度：當矩陣值R為1的量，則兩類鋼完全一致，學習可以完全繼承；當矩陣值R為0的量，則兩類鋼完全不一致，學習不繼承。

所述的模糊聚類分析采用的是MINKOWSKI距離貼近度法來對鋼種、規(guī)格的相似程度進行聚類分析，根據鋼種、規(guī)格的分布情況，依照T-S模糊建模算法確定模糊集的隸屬函數，用黃金分割法確定模糊相似矩陣的截集水平，用最大樹法確定截集水平對應的模糊規(guī)則數。

所述的收集生產實際數據，采集至少2萬塊鋼的數據。

與現有技術相比，本發(fā)明的有益效果是：

引入模糊數學控制算法，用模糊數學方法對前后軋制的鋼種進行聚類分析并歸類，采用模糊分布法求出其隸屬函數，確定其模糊矩陣，根據模糊矩陣值來確定其相似程度，確定其學習繼承的程度，防止熱軋帶鋼交叉軋制過程中，因模型學習不準導致的軋制不穩(wěn)定起套卡鋼事故，實現了自由軋制，提高了模型設定精度，軋制過程穩(wěn)定，提高了產品質量。

具體實施方式

下面對本發(fā)明進行詳細地描述，但是應該指出本發(fā)明的實施不限于以下的實施方式。

學習模型不僅考慮上次軋制本規(guī)格鋼的實際數據還要考慮當前的軋制工況，對以前軋制的鋼進行分類，把當前軋制的鋼與分類中的鋼進行對比，按照其相似程度來進行學習，引進了模糊數學的理念。

首先用數學方法定義模糊集論域U為前面軋過的鋼的20種分類，在系統(tǒng)內存中開辟一緩存，存儲軋過的20類鋼數據并隨時更新，建立模糊子集A的隸屬函數，我們用ZADEH表示法來表示模糊集：

A＝A(u1)/u1+A(u2)/u2+…+A(un)/un；

隸屬函數是建立模糊集的基石，隸屬函數的確定，無論從理論上還是實踐上都是模糊數學及其應用的基本而關鍵的問題，論域U上的隸屬函數就是U到[0,1]的一個實值函數，確定隸屬函數的方法有很多種，我們采用模糊分布法，根據2150生產線1月到3月的生產實際數據，采集了大約2萬塊鋼的數據，對采集的2萬個數據按厚度、寬度、鋼種進行了分類，進行模糊聚類分析，模糊聚類分析是按照某種規(guī)則或推理對帶有模糊性的事物進行分類的方法，我們采用的是MINKOWSKI距離貼近度法來對鋼種、規(guī)格的相似程度進行 聚類分析，根據鋼種、規(guī)格的分布情況，依照T-S模糊建模算法確定模糊集的隸屬函數；用黃金分割法確定滿意的模糊相似矩陣的截集水平，用最大樹法確定截集水平對應的模糊規(guī)則數，大大提高了原有聚類算法的收斂速度和聚類精度。并將其應用于軋線前滑學習模糊建模，最終確定的模糊矩陣：

把模糊計算結果與傳統(tǒng)的模型學習結果有機結合起來，矩陣值R為鋼種、規(guī)格的相似程度，根據相似程度來確定模型的繼承程度，矩陣值為1的量，我們認為兩類鋼完全一致，學習可以完全繼承矩陣值為0的量，我們認為兩類鋼完全不一致，學習不繼承。

本方法已投入在線控制，取得了比較滿意的效果。本方法不同于常規(guī)模型學習方法的關鍵之處在于引入了模糊控制理念，用模糊數學方法對前后軋制的鋼種進行聚類分析并歸類，采用模糊分布法求出其隸屬函數，確定其模糊矩陣，根據模糊矩陣值來確定其相似程度，確定其學習繼承的程度，既增加生產過程的穩(wěn)定性，又提高產品的實物質量，滿足生產實際的需要。該學習方法打破了傳統(tǒng)的模型學習理念，率先引入模糊數學控制算法。因而，本方法具有較大的推廣使用價值。