【技术实现步骤摘要】
本专利技术涉及轧钢，尤其涉及一种冷轧连轧机轧制力模型的更新方法及装置。
技术介绍
1、在冷连轧带钢生产过程中，模型自学习对于提升轧制设定值精度和产品质量有重要影响。现阶段常见的模型自学习系数处理方法为模型自学习系数层别表，按照钢种和成品宽度、厚度规格分档存储和调用模型自学习系数。然而，现有的模型自学习系数处理方法仍然存在与实际生产情况存在偏差的情况，使得最终计算得到的冷轧机轧制力精度较低，存在较大地误差。
技术实现思路
1、本申请实施例通过提供了一种冷轧连轧机轧制力模型的更新方法及装置，该方法考虑了针对钢卷轧制的轧辊以及产线特殊设备的使用情况对轧制力的影响，有效地提高了轧制力模型计算精度。
2、第一方面，本专利技术通过本专利技术的一实施例提供如下技术方案：
3、一种冷轧连轧机轧制力模型的更新方法，包括：在轧制过程中，获取当前轧制的第i序列钢卷的规格信息；基于所述规格信息，判断所述第i序列钢卷是否为动态变规格轧制，若否，则从轧制力模型中读取出第i-1序列钢卷的轧制力自学习系数，用于所述第i序列钢卷的设定轧制力的计算，以基于所述设定轧制力对所述第i序列钢卷进行轧制，并执行以下轧制力模型更新步骤：在完成对所述第i序列钢卷的轧制之后，根据轧制数据计算所述第i序列钢卷的计算轧制力，所述轧制数据反映了针对钢卷轧制的多个设备的使用情况；基于所述计算轧制力与实际轧制力，得到轧制力偏差，其中，所述实际轧制力为对所述第i序列钢卷轧制过程进行测量得到的；基于所述轧制力偏差以及第i
4、优选地，所述获取当前轧制的第i序列钢卷的规格信息之前，还包括：建立文件目录表，所述文件目录表中存储了前一次轧制钢卷所采用的轧制力自学习系数；所述将第i-1序列钢卷的轧制力自学习系数用于所述第i序列钢卷的设定轧制力的计算，包括：读取所述文件目录表中第i-1序列钢卷的轧制力自学习系数，将所述轧制力自学习系数用于所述第i序列钢卷的设定轧制力的计算；所述将所述目标轧制力自学习系数存储到轧制力模型中，包括：将所述目标轧制力自学习系数存储到所述轧制力模型的所述文件目录表中。
5、优选地，所述获取当前轧制的第i序列钢卷的规格信息之前，还包括：建立长期表以及短期表，所述长期表中存储了轧制完成的所有同族类型钢卷的轧制力自学习系数数据，所述短期表中存储了轧制完成的同族类型最近多个钢卷的轧制力自学习系数数据；若所述第i序列钢卷为动态变规格轧制，则将所述文件目录表中的数据置为0；选择同族类型的短期表或同族类型的长期表中的轧制力自学习系数用于第i序列钢卷的设定轧制力的计算，并执行所述轧制力模型更新步骤。
6、优选地，所述选择同族类型的短期表或同族类型的长期表中的轧制力自学习系数用于第i序列钢卷的设定轧制力的计算，包括：判断同族类型的短期表中轧制力自学习系数的数量是否大于预设值，若数量小于或等于所述预设值，则调用同族类型的长期表中轧制力自学习系数，用于第i序列钢卷的设定轧制力的计算；若数量大于所述预设值，则调用同族类型的短期表或长期表中轧制力自学习系数，用于第i序列钢卷的设定轧制力的计算。
7、优选地，所述将所述目标轧制力自学习系数存储到所述轧制力模型的所述文件目录表中之后，还包括：基于所述目标轧制力自学习系数，更新同族类型的短期表和同族类型的长期表中的轧制力自学习系数。
8、优选地，所述根据轧制数据计算所述第i序列钢卷的计算轧制力，包括：获取轧制数据，所述轧制数据包括第i序列钢卷的带钢宽度、带钢入口厚度、带钢出口厚度、入口侧单位张力、出口侧单位张力以及工作辊半径；将所述轧制数据带入轧制力计算公式中，得到第i序列钢卷的计算轧制力。
9、优选地，所述基于所述轧制力偏差和第i-1序列钢卷的轧制力自学习系数，确定出第i序列钢卷的目标轧制力自学习系数，包括：将所述轧制力偏差和第i-1序列钢卷的轧制力自学习系数带入平滑公式zpi＝(1-α)*zp(i-1)+α*zpt中，得到第i序列钢卷的目标轧制力自学习系数，其中，α为平滑系数，zpt为轧制力偏差，zp(i-1)为轧制力自学习系数，zpi为目标轧制力自学习系数。
10、第二方面，本专利技术通过本专利技术的一实施例，提供如下技术方案：
11、一种冷轧连轧机轧制力模型的更新装置，包括：
12、获取模块，用于在轧制过程中，获取当前轧制的第i序列钢卷的规格信息；
13、判断模块，用于基于所述规格信息，判断所述第i序列钢卷是否为动态变规格轧制，若否，则从轧制力模型中读取出第i-1序列钢卷的轧制力自学习系数，用于所述第i序列钢卷的设定轧制力的计算，以基于所述设定轧制力对所述第i序列钢卷进行轧制，并执行以下轧制力模型更新步骤：
14、轧制力计算模块，用于在完成对所述第i序列钢卷的轧制之后，根据轧制数据计算所述第i序列钢卷的计算轧制力，所述轧制数据反映了针对钢卷轧制的多个设备的使用情况；
15、偏差计算模块，用于基于所述计算轧制力与实际轧制力，得到轧制力偏差，其中，所述实际轧制力为对所述第i序列钢卷轧制过程进行测量得到的；
16、确定模块，用于基于所述轧制力偏差以及第i-1序列钢卷的轧制力自学习系数，确定出第i序列钢卷的目标轧制力自学习系数，并将所述目标轧制力自学习系数存储到所述轧制力模型中，以用于下一序列钢卷的设定轧制力的计算。
17、第三方面，本专利技术通过本专利技术的一实施例，提供如下技术方案：
18、一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述第一方面中任一项所述方法的步骤。
19、第四方面，本专利技术通过本专利技术的一实施例，提供如下技术方案：
20、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述第一方面中任一项所述方法的步骤。
21、本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
22、本专利技术实施例提供的冷轧连轧机轧制力模型的更新方法，该方法在确定出当前钢卷与前一次轧制的钢卷为非动态变规格轧制时，先选用前一钢卷的自学习系数计算设定轧制力，在基于设定轧制力对当前钢卷轧制完成后，选用轧制过程中的轧制数据反算出计算轧制力，该轧制数据反映了针对钢卷轧制的多个设备(例如轧辊类型和末机架张力辊)的使用情况，将测量获取的实际轧制力与基于轧制数据反算出的计算轧制力作对比，获取轧制力偏差，基于轧制力偏差与上一钢卷的自学习系数进行计算获取当前钢卷的轧制力自学习系数，将最终得到的轧制力自学习系数更新到轧制力模型中，使得下一次轧制钢卷使用的轧制力自学习系数为更接近真实值的系数值。由此，针对现有轧制力自学习方法中仅根据钢种规格进行自学习系数层别表划分所导致的自学习精度低适应性本文档来自技高网...
【技术保护点】
1.一种冷轧连轧机轧制力模型的更新方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取当前轧制的第i序列钢卷的规格信息之前，还包括：
3.如权利要求2所述的方法，其特征在于，所述获取当前轧制的第i序列钢卷的规格信息之前，还包括：
4.如权利要求3所述的方法，其特征在于，所述选择同族类型的短期表或同族类型的长期表中的轧制力自学习系数用于第i序列钢卷的设定轧制力的计算，包括：
5.如权利要求2所述的方法，其特征在于，所述将所述目标轧制力自学习系数存储到所述轧制力模型的所述文件目录表中之后，还包括：
6.如权利要求1所述的方法，其特征在于，所述根据轧制数据计算所述第i序列钢卷的计算轧制力，包括：
7.如权利要求1所述的方法，其特征在于，所述基于所述轧制力偏差和第i-1序列钢卷的轧制力自学习系数，确定出第i序列钢卷的目标轧制力自学习系数，包括：
8.一种冷轧连轧机轧制力模型的更新装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种冷轧连轧机轧制力模型的更新方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取当前轧制的第i序列钢卷的规格信息之前，还包括：
3.如权利要求2所述的方法，其特征在于，所述获取当前轧制的第i序列钢卷的规格信息之前，还包括：
4.如权利要求3所述的方法，其特征在于，所述选择同族类型的短期表或同族类型的长期表中的轧制力自学习系数用于第i序列钢卷的设定轧制力的计算，包括：
5.如权利要求2所述的方法，其特征在于，所述将所述目标轧制力自学习系数存储到所述轧制力模型的所述文件目录表中之后，还包括：
6.如权利要求1所述的方法，其特征...
【专利技术属性】
技术研发人员：刘利，马家骥，曹静，游学昌，胡志远，赵海瑞，谢宇，刘玉金，刘海超，刘磊，徐厚军，许敏，
申请(专利权)人：首钢智新迁安电磁材料有限公司，
类型：发明
国别省市：
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。