System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及铝冷连扎,具体涉及一种基于聚类学习的冷轧铝板带材厚度控制方法、装置、设备及计算机可读存储介质。
技术介绍
1、近年来,随着国际国内市场竞争的不断加剧以及铝冷连轧技术的高速发展,市场对冷轧铝板带产品的质量要求与日俱增。而体现铝板带产品高质量水平的重要指标之一就是铝薄板带材沿纵向的厚度公差。减小产品的厚差不仅有利于提高板带生产企业的成品率,更是下游制罐企业实现全自动大生产的前提。
2、在当前先进的冷轧工业中,流行的控制在线厚差的技术是源于现代控制理论的自动厚度控制系统,简称agc(automatic gauge control),这些模式是通过测厚仪或各类传感器对轧机入出口处轧件厚度的连续测量,并根据实际测量值获得与目标设定值的比较偏差,随后基于偏差值并借助高速计算机功能和现场级控制回路以改变轧机压力、轧制速度等方式,将在线厚差控制在允许范围内。
3、冷轧铝板带材的agc系统是一个复杂的多变量、强耦合控制系统,且影响它的因素会随着产品厚度的减薄以及精度要求的提高而越来越多,各因素间的相互关系也更加复杂,无法建立其控制参数与离线厚差间的精确数学模型。存在缺乏灵活性、难以适应轧制条件的改变、需要不断依靠专家经验调整参数的问题。因此,将现代控制方法与人工智能建模方法相结合,既是提高未来冷轧板带厚控精度及其稳定性的趋势又是一项具有挑战性的工作。
技术实现思路
1、本申请提供一种基于聚类学习的冷轧铝板带材厚度控制方法、装置、设备及计算机可读存储介质,可以解决现有
2、第一方面,本申请实施例提供一种基于聚类学习的冷轧铝板带材厚度控制方法,所述基于聚类学习的冷轧铝板带材厚度控制方法包括:
3、获取冷轧生产线的历史轧制数据,并对历史轧制数据进行数据处理,得到铝卷冷轧过程数据集;
4、基于铝卷冷轧过程数据集确定环境集合,使用knn聚类方法从环境集合中确定当前的轧制生产环境;
5、基于当前的轧制生产环境执行数据驱动轧制模型建模,使用集成的xgboost得到当前轧制环境下的集成轧制模型;
6、基于当前轧制环境下的集成轧制模型,使用约束过滤策略学习方法学习铝板带材厚度控制策略。
7、第二方面,本申请实施例提供了一种基于聚类学习的冷轧铝板带材厚度控制装置,所述基于聚类学习的冷轧铝板带材厚度控制装置包括:
8、构建模块,用于获取冷轧生产线的历史轧制数据,并对历史轧制数据进行数据处理,得到铝卷冷轧过程数据集;
9、确定模块,用于基于铝卷冷轧过程数据集确定环境集合,使用knn聚类方法从环境集合中确定当前的轧制生产环境;
10、生成模块,用于基于当前的轧制生产环境执行数据驱动轧制模型建模,使用集成的xgboost得到当前轧制环境下的集成轧制模型;
11、学习模块,用于基于当前轧制环境下的集成轧制模型,使用约束过滤策略学习方法学习铝板带材厚度控制策略。
12、第三方面,本申请实施例提供了一种基于聚类学习的冷轧铝板带材厚度控制设备,所述基于聚类学习的冷轧铝板带材厚度控制设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于聚类学习的冷轧铝板带材厚度控制程序,其中所述基于聚类学习的冷轧铝板带材厚度控制程序被所述处理器执行时,实现如第一方面所述的基于聚类学习的冷轧铝板带材厚度控制方法的步骤。
13、第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有基于聚类学习的冷轧铝板带材厚度控制程序,其中所述基于聚类学习的冷轧铝板带材厚度控制程序被处理器执行时,实现如第一方面所述的基于聚类学习的冷轧铝板带材厚度控制方法的步骤。
14、本申请实施例提供的技术方案带来的有益效果包括:
15、本申请实施例中,获取冷轧生产线的历史轧制数据,并对历史轧制数据进行数据处理,得到铝卷冷轧过程数据集;基于铝卷冷轧过程数据集确定环境集合,使用knn聚类方法从环境集合中确定当前的轧制生产环境;基于当前的轧制生产环境执行数据驱动轧制模型建模,使用集成的xgboost得到当前轧制环境下的集成轧制模型;基于当前轧制环境下的集成轧制模型,使用约束过滤策略学习方法学习铝板带材厚度控制策略。通过本申请实施例,只需要利用历史数据集,对生产环境进行数据驱动建模、策略学习,从而避免人工设计自动控制数学公式的高昂人工成本的问题,不需要任何不确定参数的先验知识,更加方便、采样效率更高,且提升了铝板带厚度偏差的控制精度、稳定度,为冷轧铝带厚度控制带来了产品质量的提高和智能化的改进。
本文档来自技高网...【技术保护点】
1.一种基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述基于聚类学习的冷轧铝板带材厚度控制方法包括:
2.如权利要求1所述的基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述冷轧生产线应用的自动厚度控制AGC系统增加了Smith预估控制器。
3.如权利要求1所述的基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述基于铝卷冷轧过程数据集确定环境集合,使用KNN聚类方法从环境集合中确定当前的轧制生产环境的步骤包括:
4.如权利要求1所述的基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述冷轧生产线包括两个轧机机架,所述基于当前的轧制生产环境执行数据驱动轧制模型建模,使用集成的XGBoost得到当前轧制环境下的集成轧制模型的步骤包括:
5.如权利要求4所述的基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述基于当前轧制环境下的集成轧制模型,使用约束过滤策略学习方法学习铝板带材厚度控制策略的步骤包括:
6.一种基于聚类学习的冷轧铝板带材厚度控制装置,其特征在于,所述基于聚类学习的冷轧铝板带材厚度控
7.如权利要求6所述的基于聚类学习的冷轧铝板带材厚度控制装置,其特征在于,所述冷轧生产线应用的自动厚度控制AGC系统增加了Smith预估控制器。
8.如权利要求6所述的基于聚类学习的冷轧铝板带材厚度控制装置,其特征在于,确定模块,用于:
9.一种基于聚类学习的冷轧铝板带材厚度控制设备,其特征在于,所述基于聚类学习的冷轧铝板带材厚度控制设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于聚类学习的冷轧铝板带材厚度控制程序,其中所述基于聚类学习的冷轧铝板带材厚度控制程序被所述处理器执行时,实现如权利要求1至5中任一项所述的基于聚类学习的冷轧铝板带材厚度控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于聚类学习的冷轧铝板带材厚度控制程序,其中所述基于聚类学习的冷轧铝板带材厚度控制程序被处理器执行时,实现如权利要求1至5中任一项所述的基于聚类学习的冷轧铝板带材厚度控制方法的步骤。
...【技术特征摘要】
1.一种基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述基于聚类学习的冷轧铝板带材厚度控制方法包括:
2.如权利要求1所述的基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述冷轧生产线应用的自动厚度控制agc系统增加了smith预估控制器。
3.如权利要求1所述的基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述基于铝卷冷轧过程数据集确定环境集合,使用knn聚类方法从环境集合中确定当前的轧制生产环境的步骤包括:
4.如权利要求1所述的基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述冷轧生产线包括两个轧机机架,所述基于当前的轧制生产环境执行数据驱动轧制模型建模,使用集成的xgboost得到当前轧制环境下的集成轧制模型的步骤包括:
5.如权利要求4所述的基于聚类学习的冷轧铝板带材厚度控制方法,其特征在于,所述基于当前轧制环境下的集成轧制模型,使用约束过滤策略学习方法学习铝板带材厚度控制策略的步骤包括:
6.一种基于聚类学习的冷轧铝板带材厚度控制装置,其特征...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。