阅读说明：本技术 一种板形调控功效系数实测数据处理方法 (Plate-shaped regulation and control efficiency coefficient actual measurement data processing method ) 是由 王鹏飞 王海峰 颜廷强 李湃 段树威 刘宏民 于 2019-11-06 设计创作，主要内容包括：本发明公开了一种板形调控功效系数实测数据处理方法,属于冶金轧制技术领域,包括以下步骤：步骤S1、计算板形调控功效系数实测值,步骤S2、对实测板形调控功效系数进行排序,步骤S3、排序后对每组实测板形调控功效系数进行权重分配,计算加权板形调控功效系数,步骤S4、加权板形调控功效系数计算结果数据拟合,步骤S5、判断拟合板形调控功效系数是否满足要求。本发明使用变加权计算方法来对实测数据进行处理,从而获得准确的板形调控功效系数,使板形调控功效系数更接近实际情况,可以提高板形自动控制系统的控制能力,提高出口带材质量。(The invention discloses a method for processing actually measured data of a plate shape regulation and control efficiency coefficient, which belongs to the technical field of metallurgical rolling and comprises the following steps: step S1, calculating an actual measurement value of the plate shape regulation and control efficacy coefficient, step S2, sorting the actual measurement plate shape regulation and control efficacy coefficient, step S3, performing weight distribution on each set of actual measurement plate shape regulation and control efficacy coefficient after sorting, calculating a weighted plate shape regulation and control efficacy coefficient, step S4, fitting the calculation result data of the weighted plate shape regulation and control efficacy coefficient, and step S5, judging whether the fitted plate shape regulation and control efficacy coefficient meets the requirements. The invention uses a variable weighting calculation method to process the measured data, thereby obtaining an accurate strip shape regulation and control efficiency coefficient, leading the strip shape regulation and control efficiency coefficient to be closer to the actual situation, improving the control capability of the strip shape automatic control system and improving the quality of outlet strips.)

一种板形调控功效系数实测数据处理方法

技术领域

本发明涉及一种板形调控功效系数实测数据处理方法，属于冶金轧制技术领域。

背景技术

冷轧带材板形自动控制系统是保证成品带材质量的关键部分，该系统的是基于板形调控功效系数建立的。因此，只有获得准确的板形调控功效系数，才能够准确计算出用于消除板形偏差所需要的弯辊、横移和倾斜等调控机构的调节量。板形调控功效系数从实测板形应力分布的角度进行相关的分析，可以描述任意形态的板形调节性能。与传统模型相比，能够实现对板形测量信息的全面利用，有利于轧机板形控制能力的充分发挥和板形控制精度的提高。板形调控功效是一种板形控制技术的单位调节量作用下，轧机承载辊缝形状沿带钢宽度上各处的变化量。目前板形调控功效系数求解方法是针对特定的轧机和板形调控机构通过轧辊的弹性变形计算和轧件的塑性变形计算，或者通过有限元方法进行离线计算来完成。这两类方法虽然各有特点，但也都存在不足。采用数学解析方式建立的机理模型虽然可以进行在线计算，但在分析轧制过程时做了大量的假设，其计算结果往往与实际有较大的误差。采用有限元仿真模型建立的板形调控功效系数计算方法精度较高，但其计算效率又无法满足在线实时控制要求，只对某几种工况离线计算的方式无法全面反映轧制过程的工况，造成某些轧制条件下无法对板形缺陷进行有效控制。

而基于实测数据的板形调控功效系数自学习模型的计算虽然满足在线实时控制的要求，但其计算结果受到现场复杂工作环境的影响，大量的实测数据存在噪声、离群、遗漏和偏差等，使得计算结果不够理想，实测板形调控功效系数无法与实际情况相匹配。

发明内容

本发明需要解决的技术问题是提供一种板形调控功效系数实测数据处理方法，使用变加权计算方法来对实测数据进行处理，从而获得准确的板形调控功效系数，使板形调控功效系数更接近实际情况，可以提高板形自动控制系统的控制能力，提高出口带材质量。

为解决上述技术问题，本发明所采用的技术方案是：

一种板形调控功效系数实测数据处理方法，所述方法包括以下步骤：

步骤S1、计算板形调控功效系数实测值，具体包括以下步骤：

S11、沿板形宽度方向上设定m个通道，对应板形宽度上设定的m个测量段数，单位时间间隔需要采集的数据包括与m个通道相对应的m个实测板形的变化量和与其对应的调控机构的变量，

S12、根据调控功效系数公式计算相应调控机构的实测板形调控功效系数，调控功效系数公式为：

其中Eff为相应调控机构的板形调控功效系数，ΔY为实测板形变化量，ΔU为对应的调控机构改变量，调控机构改变量包括轧辊倾斜、轧制力波动、工作辊弯辊、中间辊弯辊和中间辊横移；

步骤S2、对实测板形调控功效系数进行排序，具体包括以下步骤：

S21、将得到的单个板形调控功效系数做成表格，表格的每一列都表示数据的通道数，总计m列通道数据，表格的每一行都是单位时间间隔内采集到的实际数据计算得到一组板形调控功效系数数据，共有n组数据，

S22、将对应每个通道计算得到的n个实测板形调控功效系数使用排序算法从大到小进行顺序排列，使m个通道内的多组实测板形调控功效系数偏差较大的数据均集中在每个通道数据集的两端；

步骤S3、排序后对每组实测板形调控功效系数进行权重分配，计算加权板形调控功效系数，具体包括以下步骤：

S31、使用正态分布函数分别为排序后的n组实测板形调控功效系数进行权重分配，为了防止偏差较大的数据对结果产生影响，权重的分配规则符合正态分布排列，且每个通道数据集两端偏差较大的部分所分配的权重为0，权重为0的数据占数据集总个数的比例为20％，

S32、计算权重因子R_j，

S33、板形调控功效系数加权结果的计算，计算公式为：

式中：n表示实测数据的组数，Eff_j表示第j组板形调控功效系数，R_j表示第j组数据所对应的权重因子，Eff表示加权板形调控功效系数；

步骤S4、加权板形调控功效系数计算结果数据拟合，包括以下步骤：S41、采用最小二乘法的多项式对加权板形调控功效系数计算结果进行拟合，最小二乘法的多项式公式为：

式中：m表示沿板形宽度方向设定的通道数目，Eff_i表示第i个通道加权处理后的加权板形调控功效系数，E(i)表示第i个通道板形调控功效系数的数据拟合计算结果，

S42、拟合板形调控功效系数多项式拟合公式为：

E(i)＝a₀+a₁·i¹+a₂·i²+a₃·i³+a₄·i⁴

式中：E(i)表示第i个通道板形调控功效系数的数据拟合计算结果，a₀…a₄分别为拟合后的多项式系数；

步骤S5、判断拟合板形调控功效系数是否满足要求，

对比拟合计算得到的第i个通道板形调控功效系数的数据拟合计算结果E(i)与有限元仿真计算得到的理论板形调控功效系数Ef_i的相似程度，公式如下所示，

式中：m表示沿板宽方向设定的通道数目,E(i)表示第i个通道板形调控功效系数的数据拟合计算结果；Ef_i表示第i个通道有限元仿真计算得到的板形调控功效理论值，ε为设定的数值，用来保证输出数据的精度，

对比结果满足设定的条件时，将计算得到的结果保存并用于板形自动控制系统；如果不满足公式的条件则需要重复步骤S1至S5。

本发明技术方案的进一步改进在于：步骤S1中的时间间隔为0.5s-1s。

本发明技术方案的进一步改进在于：步骤S32中权重因子的计算步骤为：

S321、将排序后m个通道对应的n组数据进行归一化处理，即1到n组数据编号被等距划分到[-1,1]的区间内，并用x_j表示，划分公式为：

式中：x_j表示第j个数据组划分的等距点，x_j∈[-1,1]，j∈[1,n]，

S322、将x_j带入下式，来确定第j组数据概率因子；

式中：r_j表示对应等距点的概率因子，

S323、对等距点所对应的所有的概率因子r_j进行求和，得到r_z，并通过以下公式确定第j组等距点的划分数据对应的权重因子R_j，

式中：R_j表示第j组等距点划分数据所对应的权重因子。

本发明技术方案的进一步改进在于：步骤S42中针对不同的调控机构，要采取不同的拟合策略，采用不同的多项式拟合板形调控功效系数，对于轧辊倾斜的板形调控功效系数采用一次多项式拟合即可，即a₂,a₃和a₄此时都为0，中间辊弯辊的拟合板形调控功效系数采用二次多项式拟合，即a₃和a₄为0，轧制力波动、工作辊弯辊和中间辊横移的拟合板形调控功效系数采用四次多项式拟合，即a₀、a₁、a₂、a₃和a₄均不为0。

由于采用了上述技术方案，本发明取得的技术进步是：

本发明的一种板形调控功效系数实测数据处理方法，使用变加权计算方法来对实测数据进行处理，从而获得准确的板形调控功效系数，使板形调控功效系数更接近实际情况，可以提高板形自动控制系统的控制能力，提高出口带材质量。

将排序算法和中心极限定理引入数据处理过程，实现了实测数据的变加权处理，得到了与实际情况相接近的板形调控功效系数，可以进行实时在线计算，并将其用于冷轧板形自动控制系统，可以获得较高质量的冷轧带材。

附图说明

图1是本发明板形调控功效系数理论计算值；

图2是本发明工作辊弯辊实测板形调控功效系数数据折线图；

图3是本发明工作辊弯辊排序后实测板形调控功效系数数据折线图；

图4是本发明理论板形调控功效系数、加权板形调控功效系数和拟合板形调控功效系数对比图；

图5是本发明实际轧制过程中的板形云图；

图6是本发明流程图；

图7是本发明实际轧制过程中板形残余均方差。

具体实施方式

下面结合实施例对本发明做进一步详细说明：

本实施例公开了板形辊长度为1450mm五机架冷连轧机实测板形调控功效系数数据的处理过程。板形调控机构有轧辊倾斜、轧制力波动、工作辊弯辊、中间辊弯辊和中间辊横移，其中图1为四种板形调控机构和轧制力波动的板形调控功效系数有限元仿真计算得到的理论计算值。五机架冷连轧机的主要控制参数及轧制参数如下表1所示。

表1轧制过程主要参数

本实施例一种板形调控功效系数实测数据处理方法，包括以下步骤：

步骤S1、计算板形调控功效系数实测值，具体包括以下步骤：

S11、沿板形宽度方向上设定20个通道，对应板形宽度上设定的20个测量段数，单位时间间隔需要采集的数据包括与20个通道相对应的20个实测板形的变化量和与其对应的调控机构的变量，本实施例中调控机构为工作辊弯辊。在采集数据时要保证板形变化量和调控机构的改变量是同步的，且数据采样时间间隔不宜过小，一般时间间隔为0.5s-1s，本实施例中采集数据时间间隔为0.5s；

S12、根据调控功效系数公式计算工作辊弯辊的实测板形调控功效系数，板形调控功效是一种板形控制技术的单位调节量作用下，轧机承载辊缝形状沿带钢宽度上各处的变化量，在实际的应用中，一般沿板形宽度上设定20个测量段数，即为通道数CH为20，板形调节机构的数目为4个，同时将轧制力波动对板形的影响也纳入板形调控机构考虑，则板形调控功效系数可以表示为一个20×5的矩阵形式：

本实施例中，Eff为工作辊弯辊的板形调控功效系数，ΔY为实测板形变化量，ΔU为工作辊弯辊改变量；根据以上调节公式对板形测量值和工作辊弯辊改变量处理得到一系列单个工作弯辊的实测板形调控功效系数。

步骤S2、对实测板形调控功效系数进行排序，具体包括以下步骤：

S21、将得到的单个板形调控功效系数做成表格，表格的每一列都表示数据的通道数，从CH₁到CH₂₀，总计m列通道数据，表格的每一行都是单位时间间隔内采集到的实际数据计算得到一组板形调控功效系数数据，从GR₁到GR_n，共有n组数据，本实施例中带钢规格为宽度1000mm、厚度0.285mm，连续提取出了500组实测数据计算工作辊弯辊的实测板形调控功效数据，表1列出了部分直接计算得到的实测板形调控功效系数数据，共包括1,3,5-19奇数通道的10组数据，具体数值如表1实测板形调控功效系数数据，同时在计算完成之后的数据中，任意挑选出四组比较理想的数据绘制成折线图，如图2所示，从折线图可以看出直接通过实测数据计算出来的工作辊弯辊板形调控功效系数毫无规律、杂乱无章，不可以直接使用，还需要做进一步的处理。

表1实测板形调控功效系数数据

GR	CH<sub>1</sub>	CH<sub>3</sub>	CH<sub>5</sub>	CH<sub>7</sub>	CH<sub>9</sub>	CH<sub>11</sub>	CH<sub>13</sub>	CH<sub>15</sub>	CH<sub>17</sub>	CH<sub>19</sub>
											1	32.40	1.97	6.04	-1.81	16.02	-10.26	3.70	-7.82	-10.21	-17.62
2	7.40	4.97	1.29	1.54	-2.44	0.91	-0.78	-1.58	-3.78	-3.53
											3	0.10	-2.85	-1.73	-3.13	0.03	-1.96	-0.13	2.61	2.35	5.28
4	-0.14	-2.35	-2.77	-3.02	-1.76	-1.09	1.09	1.92	3.21	5.28
											5	-40.07	-14.99	-44.67	-20.48	-24.59	11.45	29.82	-1.82	32.21	39.01
6	1.76	-3.28	-1.24	-4.37	-0.27	0.19	0.72	0.17	1.36	3.84
											7	5.41	-2.94	2.27	-3.98	2.28	1.24	-1.07	-2.36	-2.11	3.64
8	0.53	-0.72	-1.70	-2.89	-2.36	-1.87	-0.66	3.76	4.77	1.03
											9	1.31	-0.06	-2.35	-3.58	-2.35	-0.72	-1.73	2.74	3.83	1.93
10	1.96	0.39	0.17	0.98	-0.87	-1.30	-1.26	0.01	-1.65	1.09

S22、将对应每个通道计算得到的n个实测板形调控功效系数使用排序算法从大到小进行顺序排列，使m个通道内的多组实测板形调控功效系数偏差较大的数据均集中在每个通道数据集的两端，即对每一个通道CH内的多组GR₁到GR_n数据使用排序算法，使其按照从大到小的顺序排列，排序的目的是为了使偏差较大的数据聚集在数据集的两端，方便剔除或者分配较小的权重，减少其对最终结果的影响，能够使结果更接近实际情况。

将500组数据排序处理后，选出四组比较理想的实测调控功效系数数据绘制成如图3所示的排序后的实测调控功效系数数据折线图，从图3中可以看出，曲线形状虽然得到改善，但是还不够理想，同时表2也列出了表1实测板形调控功效系数数据经过排序后得到的结果，如表2所示。

表2排序后的实测板形调控功效系数数据

GR	CH<sub>1</sub>	CH<sub>3</sub>	CH<sub>5</sub>	CH<sub>7</sub>	CH<sub>9</sub>	CH<sub>11</sub>	CH<sub>13</sub>	CH<sub>15</sub>	CH<sub>17</sub>	CH<sub>19</sub>
											1	32.40	4.97	6.04	1.54	16.02	11.45	29.82	3.76	32.21	39.01
2	7.40	1.97	2.27	0.98	2.28	1.24	3.70	2.74	4.77	5.28
											3	5.41	0.39	1.29	-1.81	0.03	0.91	1.09	2.61	3.83	5.28
4	1.96	-0.06	0.17	-2.89	-0.27	0.19	0.72	1.92	3.21	3.84
											5	1.76	-0.72	-1.24	-3.02	-0.87	-0.72	-0.13	0.17	2.35	3.64
6	1.31	-2.35	-1.70	-3.13	-1.76	-1.09	-0.66	0.01	1.36	1.93
											7	0.53	-2.85	-1.73	-3.58	-2.35	-1.30	-0.78	-1.58	-1.65	1.09
8	0.10	-2.94	-2.35	-3.98	-2.36	-1.87	-1.07	-1.82	-2.11	1.03
											9	-0.14	-3.28	-2.77	-4.37	-2.44	-1.96	-1.26	-2.36	-3.78	-3.53
10	-40.07	-14.99	-44.67	-20.48	-24.59	-10.26	-1.73	-7.82	-10.21	-17.62

步骤S3、排序后对每组实测板形调控功效系数进行权重分配，计算加权板形调控功效系数，具体包括以下步骤：

从表2以及图3都可以看出，实测板形调控功效系数存在波动大，数据不稳定等情况，因此，对于实测板形调控功效系数的处理引入中心极限定理对数据进行进一步的处理，中心极限定理是概率论中最重要的一类定理，被广泛应用于数理统计学和误差分析学领域，其指出大量独立同分布随机变量近似服从正态分布。因此，将实测的板形调控功效系数数据看成是独立同分布的随机变量，并使用正态分布函数来对每组数据进行权重分配，来实现变加权计算。

S31、使用正态分布函数分别为排序后的n组实测板形调控功效系数进行权重分配，使权重的分配规则符合正态分布排列，按照排列分布，两端所占权重小，中间所占权重大，较准确的数据分配较大的权重，差异偏大的数据分配较小的权重，为了防止偏差较大的数据对结果产生影响，权重的分配规则符合正态分布排列，且每个通道数据集两端偏差较大的部分所分配的权重为0，权重为0的数据占数据集总个数的比例为20％。

S32、计算权重因子R_j，

权重因子的计算步骤为：

S321、将排序后m个通道对应的n组数据进行归一化处理，即1到n组数据编号被等距划分到[-1,1]的区间内，并用x_j表示，划分公式为：

式中：x_j表示第j个数据组划分的等距点，x_j∈[-1,1]，j∈[1,n]，

S322、将x_j带入下式，来确定第j组数据概率因子；

式中：r_j表示对应等距点的概率因子，

S323、对等距点所对应的所有的概率因子r_j进行求和，得到r_z，并通过以下公式确定第j组等距点的划分数据对应的权重因子R_j，

式中：R_j表示第j组等距点划分数据所对应的权重因子。

表3中的数据为表2中10组数据分别对应的权重因子，如下表3所示：

表3实测板形调控功效系数权重因子

n	1	2	3	4	5	6	7	8	9	10
											R<sub>i</sub>	0	0.006	0.043	0.155	0.294	0.294	0.155	0.043	0.006	0

S33、在权重因子确定后，板形调控功效系数加权结果的计算，计算公式为：

式中：n表示实测数据的组数，Eff_j表示第j组板形调控功效系数，R_j表示第j组数据所对应的权重因子，Eff表示加权板形调控功效系数。

步骤S4、加权板形调控功效系数计算结果数据拟合，包括以下步骤：

对于加权得到的调控功效系数曲线，还可能存在奇异点，需要进行曲线拟合获得更理想的板形调控功效系数曲线。

S41、采用最小二乘法的多项式对加权板形调控功效系数计算结果进行拟合，最小二乘法的多项式公式为：

式中：m表示沿板形宽度方向设定的通道数目，Eff_i表示第i个通道加权处理后的加权板形调控功效系数，E(i)表示第i个通道板形调控功效系数的数据拟合计算结果，

S42、拟合板形调控功效系数多项式拟合公式为：

E(i)＝a₀+a₁·i¹+a₂·i²+a₃·i³+a₄·i⁴

式中：E(i)表示第i个通道板形调控功效系数的数据拟合计算结果，a₀…a₄分别为拟合后的多项式系数；针对不同的调控机构，要采取不同的拟合策略，采用不同的多项式拟合板形调控功效系数，对于轧辊倾斜的板形调控功效系数采用一次多项式拟合即可，即a₂,a₃和a₄此时都为0，中间辊弯辊的拟合板形调控功效系数采用二次多项式拟合，即a₃和a₄为0，轧制力波动、工作辊弯辊和中间辊横移的拟合板形调控功效系数采用四次多项式拟合，即a₀、a₁、a₂、a₃和a₄均不为0。

将加权计算的结果，拟合后的结果与理论计算的结果绘制在图4中，方块点代表的加权板形调控功效系数点线图已经大致符合板形调控功效系数曲线，为了去掉奇异点，对于工作辊弯辊加权计算后的结果使用多项式进行拟合，即将方块点的点线图经过四次多项式拟合成图4中所示的圆点组成的拟合值板形调控功效系数点线图，图中三角点组成的点线图为有限元仿真计算得到的理论计算的板形调控功效系数曲线，通过对比可以发现，轧机操作侧的板形调控功效系数曲线比较接近，而传动侧的板形调控功效系数则存在一定的差别。

步骤S5、判断拟合板形调控功效系数是否满足要求，

对比拟合计算得到的第i个通道板形调控功效系数的数据拟合计算结果E(i)与有限元仿真计算得到的理论板形调控功效系数Ef_i的相似程度，公式如下所示，

式中：m表示沿板宽方向设定的通道数目,E(i)表示第i个通道板形调控功效系数的数据拟合计算结果；Ef_i表示第i个通道有限元仿真计算得到的板形调控功效理论值，ε为设定的数值，用来保证输出数据的精度，

对比结果满足设定的条件时，将计算得到的结果保存并用于板形自动控制系统，如果不满足公式的条件则需要重复步骤S1至S5。

通过板形自动控制系统绘制的板形云图，如图5所示，可以看到，操作侧的板形偏差都控制在都控制在5IU-10IU内，而传动侧的板形偏差波动较大，数值在-15IU-5IU内波动；可见，传动侧的板形偏差控制效果不理想。造成这种现象的原因是因为目前板形自动控制系统所采用的板形调控功效系数曲线为图4中的三角点画线，即有限元仿真计算得到的理论计算的板形调控功效系数曲线，而轧机实际的板形调控功效系数为图4中圆点所示的曲线，因此对于传动侧的板形偏差控制效果不好的是因为实际的板形调控功效系数与在使用中调控功效不匹配。而为了和轧机的实际工作情况相匹配，将本实施例建立的实测板形调控功效系数模型应用到冷轧带材板形自动控制系统，图7为本实施例建立的实测板形调控功效系数模型投入自动控制系统后的板形残余偏差图，从图中可以明显看到新的板形调控功效系数投入使用后，板形残余偏差明显下降。