[發明專利]一種軋制力優化方法及裝置有效
| 申請號： | 201811435556.8 | 申請日： | 2018-11-28 |
| 公開（公告）號： | CN109351785B | 公開（公告）日： | 2020-09-08 |
| 發明（設計）人： | 齊海英;宋浩源;齊春雨;柳智博;郭立偉 | 申請（專利權）人： | 北京首鋼冷軋薄板有限公司 |
| 主分類號： | B21B37/58 | 分類號： | B21B37/58 |
| 代理公司： | 北京華沛德權律師事務所 11302 | 代理人： | 馬苗苗 |
| 地址： | 101304 北*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 軋制 優化 方法 裝置 | ||
1.一種軋制力優化方法，其特征在于，用于優化軋制力模型輸出的軋制力，所述軋制力模型對軋制力的修正包括神經網絡修正和短期自適應修正，所述方法包括：
按照預設降低值降低所述軋制力模型的現場自適應系數中的短期自定義權重系數；所述短期自定義權重系數用于調整軋制力模型自學習結果被繼承的速度；
根據目標帶鋼的規格參數，獲取對目標帶鋼軋制過程中輸出的實際軋制力和所述軋制力模型的設定軋制力；
根據所述實際軋制力和所述設定軋制力，獲取預期修正系數；
根據所述預期修正系數與所述神經網絡修正所使用的神經網絡系數，獲取新修正系數；
根據所述新修正系數，獲得目標軋制力，所述目標軋制力用于作為所述軋制力模型的設定數據并在所述目標帶鋼進行軋制時使用。
2.根據權利要求1所述的方法，其特征在于，所述根據所述實際軋制力和所述設定軋制力，獲取預期修正系數的步驟，具體包括：
根據獲取所述預期修正系數；其中，M為預期修正系數，X為實際軋制力，Y為設定軋制力。
3.根據權利要求1所述的方法，其特征在于，所述根據所述預期修正系數與所述神經網絡修正所使用的神經網絡系數，獲取新修正系數的步驟，具體包括：
根據獲取所述新修正系數；其中，N為新修正系數，M為預期修正系數，Z為神經網絡系數。
4.根據權利要求1所述的方法，其特征在于，所述根據所述新修正系數，獲得目標軋制力的步驟之前，還包括：
將所述目標帶鋼的規格參數與所述新修正系數加入到預設的層別表中；所述層別表為帶鋼鋼種、帶鋼厚度組距、帶鋼寬度組距與新修正系數的數據表。
5.根據權利要求1或4任一項所述的方法，其特征在于，所述目標帶鋼的規格參數包括：帶鋼鋼種、帶鋼厚度組距和帶鋼寬度組距。
6.根據權利要求5所述的方法，其特征在于，所述帶鋼厚度組距為連續的五個機架帶鋼厚度的最小值與最大值之間的范圍。
7.根據權利要求5所述的方法，其特征在于，所述帶鋼寬度組距為連續的五個機架帶鋼寬度的最小值與最大值之間的范圍。
8.一種軋制力優化裝置，其特征在于，用于優化軋制力模型輸出的軋制力，所述軋制力模型對軋制力的修正包括神經網絡修正，所述裝置包括：
原始軋制力獲取模塊，用于根據目標帶鋼的規格參數，獲取對目標帶鋼軋制過程中輸出的實際軋制力和所述軋制力模型的設定軋制力；
第一系數獲取模塊，用于根據所述實際軋制力和所述設定軋制力，獲取預期修正系數；
第二系數獲取模塊，用于根據所述預期修正系數與所述神經網絡修正所使用的神經網絡系數，獲取新修正系數；
目標軋制力獲取模塊，用于根據所述新修正系數，獲得目標軋制力，所述目標軋制力用于作為所述軋制力模型的設定數據并在所述目標帶鋼進行軋制時使用；
所述軋制力模型對軋制力的修正還包括短期自適應修正；其中，所述裝置還用于：
按照預設降低值降低所述軋制力模型的現場自適應系數中的短期自定義權重系數；所述短期自定義權重系數用于調整軋制力模型自學習結果被繼承的速度。
9.根據權利要求8所述的裝置，其特征在于，所述軋制力模型對軋制力的修正還包括短期自適應修正；其中，所述裝置還包括：
短期自適應修正模塊，用于按照預設降低值降低所述軋制力模型的現場自適應系數中的短期自定義權重系數；所述短期自定義權重系數用于調整軋制力模型自學習結果被繼承的速度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京首鋼冷軋薄板有限公司，未經北京首鋼冷軋薄板有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201811435556.8/1.html，轉載請聲明來源鉆瓜專利網。
