一种适于交叉轧制的模型学习方法
一种适于交叉轧制的模型学习方法
【技术领域】
[0001] 本发明属于社钢自动控制领域，尤其涉及一种适合于热社带钢交叉社制的模型学 习方法。
【背景技术】
[0002] 目前，国内、外的热连社厂采用的数学模型基本上有GE模型、西口子模型和日本 Η菱模型。Η菱模型采用经典的金属压力加工公式，GE、西口子模型采用经验公式，其学习 方法都使用上次社制时的实际数据来进行学习，无论是哪种模型都适合批量社制，批量越 大，同一钢种、规格社制越多社制过程越稳定，产品质量精度越高。反之交叉社制时，不仅规 格、钢种交叉，炉序也交叉，都不同程度地存在社制不稳定，产品质量精度低的问题。围绕交 叉社制时如何提高社制的稳定性，从而开发出一套适合交叉社制的模型学习方法，是一个 亟待解决的当务之急。
【发明内容】
[0003] 本发明旨在提供一种能有效防止热社带钢交叉社制过程中，因社制工况变化导致 模型学习趋势错误引起的起套卡钢事故，从而提高产品质量，实现自由社制的模型学习方 法。
[0004] 为此，本发明所采取的解决方案是：
[0005] -种适于交叉社制的模型学习方法，其特征在于，用模糊数学方法对前后社制的 钢种进行聚类分析并归类，采用模糊分布法求出其隶属函数，建立模糊矩阵，根据模糊矩阵 值确定其相似程度，并最终确定其学习继承的程度；具体方法和步骤为：
[0006] 1、确定模糊集；用数学方法定义模糊集论域U为前面社过的钢的至少18种分类， 在系统内存中开辟一缓存，存储社过的至少18种钢数据并随时更新，建立模糊子集A的 隶属函数，采用ZAD邸表示法来表示模糊集，即；
[0007] A = A(ul)/ul+A(u2)/u 化…+A(un)/un。
[0008] 2、进行模糊聚类分析；隶属函数是建立模糊集的基石，论域U上的隶属函数就是 U到[0, 1]的一个实值函数，利用模糊分布法来确定隶属函数，根据热社生产线某一季度的 实际生产数据，采集至少1. 8万块钢的数据，对采集的数据按厚度、宽度、钢种进行分类，采 用MINKOWSKI距离贴近度法来对钢种、规格的相似程度进行聚类分析。
[0009] 3、确定模糊相似矩阵的截集水平及模糊规则数：根据钢种、规格的分布情况，依 照T-S模糊建模算法，用黄金分割法确定满意的模糊相似矩阵的截集水平，用最大树法确 定截集水平对应的模糊规则数，提高聚类算法的收敛速度和聚类精度。
[0010] 4、建立模糊矩阵；将确定的满意模糊相似矩阵的截集水平及对应的模糊规则数应 用于社制线前滑学习模糊建模，最终确定的模糊矩阵为：
[0011]
[0012] 5、学习与继承；矩阵值为钢种、规格的相似程度，根据钢种、规格的相似程度来确 定模型的继承程度，将模糊计算结果与传统的模型学习结果结合，对矩阵值为1的量，认为 两类钢完全一致，学习可W完全继承；对矩阵值为0的量，则认为两类钢完全不一致，学习 不继承。
[0013] 本发明的有益效果为：
[0014] 本发明方法打破了传统的模型学习理念，将模糊数学控制算法引入热社带钢交叉 社制的模型学习中，解决了已有技术存在的社制不稳定，产品质量精度低的问题，不仅可增 加生产过程的稳定性，有效防止热社带钢交叉社制过程中，因社制工况变化导致模型学习 趋势错误而引起的起套卡钢事故，减少事故损失；而且能提高产品的质量精度，实现自由社 巧||，满足生产实际的需要。本发明具有较大的推广应用价值。
【具体实施方式】
[0015] 传统的Η菱模型学习方法，根据上次社制本规格钢的实际数据来进行学习，考虑 因素比较单一，未全面考虑当时的社制工况，因而学习效果不理想。
[0016] 本发明用模糊数学方法对前后社制的钢种进行聚类分析并归类，采用模糊分布法 求出其隶属函数，建立模糊矩阵，根据模糊矩阵值确定其相似程度，并最终确定其学习继承 的程度。
[0017] 本发明的具体方法和步骤为：
[0018] 1、确定模糊集；用数学方法定义模糊集论域U为前面社过的钢的至少18种分类， 在系统内存中开辟一缓存，存储社过的至少18种钢数据并随时更新，建立模糊子集A的 隶属函数，采用ZAD邸表示法来表示模糊集，即；
[0019] A = A(ul)/ul+A(u2)/u 化…+A(un)/un。
[0020] 2、进行模糊聚类分析；隶属函数是建立模糊集的基石，论域U上的隶属函数就是 U到[0, 1]的一个实值函数，利用模糊分布法来确定隶属函数，根据热社生产线某一季度的 实际生产数据，采集至少1. 8万块钢的数据，对采集的数据按厚度、宽度、钢种进行分类，采 用MINKOWSKI距离贴近度法来对钢种、规格的相似程度进行聚类分析。
[0021] 3、确定模糊相似矩阵的截集水平及模糊规则数：根据钢种、规格的分布情况，依 照T-S模糊建模算法，用黄金分割法确定满意的模糊相似矩阵的截集水平，用最大树法确 定截集水平对应的模糊规则数，提高聚类算法的收敛速度和聚类精度。
[0022] 4、建立模糊矩阵；将确定的满意模糊相似矩阵的截集水平及对应的模糊规则数应 用于社制线前滑学习模糊建模，最终确定的模糊矩阵为：
[0023]
[0024] 5、学习与继承；矩阵值为钢种、规格的相似程度，根据钢种、规格的相似程度来确 定模型的继承程度，将模糊计算结果与传统的模型学习结果结合，对矩阵值为1的量，认为 两类钢完全一致，学习可W完全继承；对矩阵值为0的量，则认为两类钢完全不一致，学习 不继承。
[00巧]将本发明方法投入到在线控制中，即可获得提高生产过程稳定性，实现自由社制 的满意效果。
【主权项】
1. 一种适于交叉轧制的模型学习方法，其特征在于，用模糊数学方法对前后轧制的钢 种进行聚类分析并归类，采用模糊分布法求出其隶属函数，建立模糊矩阵，根据模糊矩阵值 确定其相似程度，并最终确定其学习继承的程度；具体方法和步骤为： (1) 确定模糊集：用数学方法定义模糊集论域U为前面轧过的钢的至少18种分类，在 系统内存中开辟一缓存，存储轧过的至少18种钢数据并随时更新，建立模糊子集A的隶属 函数，采用ZADHl表示法来表示模糊集，即： A = A (ul)/ul+A (u2)/u2+…+A (un)/un ; (2) 进行模糊聚类分析：隶属函数是建立模糊集的基石，论域U上的隶属函数就是U 到[〇，1]的一个实值函数，利用模糊分布法来确定隶属函数，根据热轧生产线某一季度的 实际生产数据，采集至少1. 8万块钢的数据，对采集的数据按厚度、宽度、钢种进行分类，采 用MINKOWSKI距离贴近度法来对钢种、规格的相似程度进行聚类分析； (3) 确定模糊相似矩阵的截集水平及模糊规则数：根据钢种、规格的分布情况，依照 T-S模糊建模算法，用黄金分割法确定满意的模糊相似矩阵的截集水平，用最大树法确定截 集水平对应的模糊规则数，提高聚类算法的收敛速度和聚类精度； (4) 建立模糊矩阵：将确定的满意模糊相似矩阵的截集水平及对应的模糊规则数应用 于轧制线前滑学习模糊建模，最终确定的模糊矩阵为：(5) 学习与继承：矩阵值为钢种、规格的相似程度，根据钢种、规格的相似程度来确定 模型的继承程度，将模糊计算结果与传统的模型学习结果结合，对矩阵值为1的量，认为两 类钢完全一致，学习可以完全继承；对矩阵值为〇的量，则认为两类钢完全不一致，学习不 继承。
【专利摘要】一种适于交叉轧制的模型学习方法，采用数学方法定义模糊集论域U，建立模糊子集A的隶属函数，采用ZADEH表示法来表示模糊集，论域U上的隶属函数就是U到[0,1]的一个实值函数，利用模糊分布法来确定隶属函数,采用MINKOWSKI距离贴近度法来对钢种、规格的相似程度进行聚类分析；用黄金分割法确定满意的模糊相似矩阵的截集水平，用最大树法确定截集水平对应的模糊规则数，以此建立轧制线前滑学习模糊矩阵，对矩阵值为1的量，学习可以完全继承；对矩阵值为0的量，则学习不继承。本发明可提高生产过程的稳定性，有效防止交叉轧制过程中因模型学习趋势错误引起的起套卡钢事故，提高产品质量精度，实现自由轧制。
【IPC分类】G06F19/00, B21B37/00, G06F17/30
【公开号】CN105488319
【申请号】CN201410480123
【发明人】范垂林, 郑英杰, 于生龙, 刘星, 王伟, 姜宇, 毕林, 张飞, 范业鑫
【申请人】鞍钢股份有限公司
【公开日】2016年4月13日
【申请日】2014年9月19日
【技术领域】
[0001] 本发明属于社钢自动控制领域，尤其涉及一种适合于热社带钢交叉社制的模型学 习方法。
【背景技术】
[0002] 目前，国内、外的热连社厂采用的数学模型基本上有GE模型、西口子模型和日本 Η菱模型。Η菱模型采用经典的金属压力加工公式，GE、西口子模型采用经验公式，其学习 方法都使用上次社制时的实际数据来进行学习，无论是哪种模型都适合批量社制，批量越 大，同一钢种、规格社制越多社制过程越稳定，产品质量精度越高。反之交叉社制时，不仅规 格、钢种交叉，炉序也交叉，都不同程度地存在社制不稳定，产品质量精度低的问题。围绕交 叉社制时如何提高社制的稳定性，从而开发出一套适合交叉社制的模型学习方法，是一个 亟待解决的当务之急。
【发明内容】
[0003] 本发明旨在提供一种能有效防止热社带钢交叉社制过程中，因社制工况变化导致 模型学习趋势错误引起的起套卡钢事故，从而提高产品质量，实现自由社制的模型学习方 法。
[0004] 为此，本发明所采取的解决方案是：
[0005] -种适于交叉社制的模型学习方法，其特征在于，用模糊数学方法对前后社制的 钢种进行聚类分析并归类，采用模糊分布法求出其隶属函数，建立模糊矩阵，根据模糊矩阵 值确定其相似程度，并最终确定其学习继承的程度；具体方法和步骤为：
[0006] 1、确定模糊集；用数学方法定义模糊集论域U为前面社过的钢的至少18种分类， 在系统内存中开辟一缓存，存储社过的至少18种钢数据并随时更新，建立模糊子集A的 隶属函数，采用ZAD邸表示法来表示模糊集，即；
[0007] A = A(ul)/ul+A(u2)/u 化…+A(un)/un。
[0008] 2、进行模糊聚类分析；隶属函数是建立模糊集的基石，论域U上的隶属函数就是 U到[0, 1]的一个实值函数，利用模糊分布法来确定隶属函数，根据热社生产线某一季度的 实际生产数据，采集至少1. 8万块钢的数据，对采集的数据按厚度、宽度、钢种进行分类，采 用MINKOWSKI距离贴近度法来对钢种、规格的相似程度进行聚类分析。
[0009] 3、确定模糊相似矩阵的截集水平及模糊规则数：根据钢种、规格的分布情况，依 照T-S模糊建模算法，用黄金分割法确定满意的模糊相似矩阵的截集水平，用最大树法确 定截集水平对应的模糊规则数，提高聚类算法的收敛速度和聚类精度。
[0010] 4、建立模糊矩阵；将确定的满意模糊相似矩阵的截集水平及对应的模糊规则数应 用于社制线前滑学习模糊建模，最终确定的模糊矩阵为：
[0011]
[0012] 5、学习与继承；矩阵值为钢种、规格的相似程度，根据钢种、规格的相似程度来确 定模型的继承程度，将模糊计算结果与传统的模型学习结果结合，对矩阵值为1的量，认为 两类钢完全一致，学习可W完全继承；对矩阵值为0的量，则认为两类钢完全不一致，学习 不继承。
[0013] 本发明的有益效果为：
[0014] 本发明方法打破了传统的模型学习理念，将模糊数学控制算法引入热社带钢交叉 社制的模型学习中，解决了已有技术存在的社制不稳定，产品质量精度低的问题，不仅可增 加生产过程的稳定性，有效防止热社带钢交叉社制过程中，因社制工况变化导致模型学习 趋势错误而引起的起套卡钢事故，减少事故损失；而且能提高产品的质量精度，实现自由社 巧||，满足生产实际的需要。本发明具有较大的推广应用价值。
【具体实施方式】
[0015] 传统的Η菱模型学习方法，根据上次社制本规格钢的实际数据来进行学习，考虑 因素比较单一，未全面考虑当时的社制工况，因而学习效果不理想。
[0016] 本发明用模糊数学方法对前后社制的钢种进行聚类分析并归类，采用模糊分布法 求出其隶属函数，建立模糊矩阵，根据模糊矩阵值确定其相似程度，并最终确定其学习继承 的程度。
[0017] 本发明的具体方法和步骤为：
[0018] 1、确定模糊集；用数学方法定义模糊集论域U为前面社过的钢的至少18种分类， 在系统内存中开辟一缓存，存储社过的至少18种钢数据并随时更新，建立模糊子集A的 隶属函数，采用ZAD邸表示法来表示模糊集，即；
[0019] A = A(ul)/ul+A(u2)/u 化…+A(un)/un。
[0020] 2、进行模糊聚类分析；隶属函数是建立模糊集的基石，论域U上的隶属函数就是 U到[0, 1]的一个实值函数，利用模糊分布法来确定隶属函数，根据热社生产线某一季度的 实际生产数据，采集至少1. 8万块钢的数据，对采集的数据按厚度、宽度、钢种进行分类，采 用MINKOWSKI距离贴近度法来对钢种、规格的相似程度进行聚类分析。
[0021] 3、确定模糊相似矩阵的截集水平及模糊规则数：根据钢种、规格的分布情况，依 照T-S模糊建模算法，用黄金分割法确定满意的模糊相似矩阵的截集水平，用最大树法确 定截集水平对应的模糊规则数，提高聚类算法的收敛速度和聚类精度。
[0022] 4、建立模糊矩阵；将确定的满意模糊相似矩阵的截集水平及对应的模糊规则数应 用于社制线前滑学习模糊建模，最终确定的模糊矩阵为：
[0023]
[0024] 5、学习与继承；矩阵值为钢种、规格的相似程度，根据钢种、规格的相似程度来确 定模型的继承程度，将模糊计算结果与传统的模型学习结果结合，对矩阵值为1的量，认为 两类钢完全一致，学习可W完全继承；对矩阵值为0的量，则认为两类钢完全不一致，学习 不继承。
[00巧]将本发明方法投入到在线控制中，即可获得提高生产过程稳定性，实现自由社制 的满意效果。
【主权项】
1. 一种适于交叉轧制的模型学习方法，其特征在于，用模糊数学方法对前后轧制的钢 种进行聚类分析并归类，采用模糊分布法求出其隶属函数，建立模糊矩阵，根据模糊矩阵值 确定其相似程度，并最终确定其学习继承的程度；具体方法和步骤为： (1) 确定模糊集：用数学方法定义模糊集论域U为前面轧过的钢的至少18种分类，在 系统内存中开辟一缓存，存储轧过的至少18种钢数据并随时更新，建立模糊子集A的隶属 函数，采用ZADHl表示法来表示模糊集，即： A = A (ul)/ul+A (u2)/u2+…+A (un)/un ; (2) 进行模糊聚类分析：隶属函数是建立模糊集的基石，论域U上的隶属函数就是U 到[〇，1]的一个实值函数，利用模糊分布法来确定隶属函数，根据热轧生产线某一季度的 实际生产数据，采集至少1. 8万块钢的数据，对采集的数据按厚度、宽度、钢种进行分类，采 用MINKOWSKI距离贴近度法来对钢种、规格的相似程度进行聚类分析； (3) 确定模糊相似矩阵的截集水平及模糊规则数：根据钢种、规格的分布情况，依照 T-S模糊建模算法，用黄金分割法确定满意的模糊相似矩阵的截集水平，用最大树法确定截 集水平对应的模糊规则数，提高聚类算法的收敛速度和聚类精度； (4) 建立模糊矩阵：将确定的满意模糊相似矩阵的截集水平及对应的模糊规则数应用 于轧制线前滑学习模糊建模，最终确定的模糊矩阵为：(5) 学习与继承：矩阵值为钢种、规格的相似程度，根据钢种、规格的相似程度来确定 模型的继承程度，将模糊计算结果与传统的模型学习结果结合，对矩阵值为1的量，认为两 类钢完全一致，学习可以完全继承；对矩阵值为〇的量，则认为两类钢完全不一致，学习不 继承。
【专利摘要】一种适于交叉轧制的模型学习方法，采用数学方法定义模糊集论域U，建立模糊子集A的隶属函数，采用ZADEH表示法来表示模糊集，论域U上的隶属函数就是U到[0,1]的一个实值函数，利用模糊分布法来确定隶属函数,采用MINKOWSKI距离贴近度法来对钢种、规格的相似程度进行聚类分析；用黄金分割法确定满意的模糊相似矩阵的截集水平，用最大树法确定截集水平对应的模糊规则数，以此建立轧制线前滑学习模糊矩阵，对矩阵值为1的量，学习可以完全继承；对矩阵值为0的量，则学习不继承。本发明可提高生产过程的稳定性，有效防止交叉轧制过程中因模型学习趋势错误引起的起套卡钢事故，提高产品质量精度，实现自由轧制。
【IPC分类】G06F19/00, B21B37/00, G06F17/30
【公开号】CN105488319
【申请号】CN201410480123
【发明人】范垂林, 郑英杰, 于生龙, 刘星, 王伟, 姜宇, 毕林, 张飞, 范业鑫
【申请人】鞍钢股份有限公司
【公开日】2016年4月13日
【申请日】2014年9月19日
最新回复(0)