DE-RF与模糊模型在热轧带钢板坯弯曲控制中的应用.pdf
《DE-RF与模糊模型在热轧带钢板坯弯曲控制中的应用.pdf》由会员分享,可在线阅读,更多相关《DE-RF与模糊模型在热轧带钢板坯弯曲控制中的应用.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 28 卷 第 2 期2023 年 4 月哈 尔 滨 理 工 大 学 学 报JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGYVol.28No.2Apr.2023 DE-RF 与模糊模型在热轧带钢板坯弯曲控制中的应用魏志鹏,崔桂梅,皮理想,李天豪(内蒙古科技大学 信息工程学院,内蒙古 包头 014010)摘 要:针对某厂 2 250 mm 热轧带钢粗轧过程产生板坯弯曲影响带钢质量的问题,提出基于数据与专家经验融合的方法应用于板坯弯曲控制系统。首先建立差分进化算法优化随机森林模型解决板坯检测滞后预测精度不够问题,该模型有效预测第三道次粗
2、轧出口板坯弯曲值,估计误差在允许范围内板坯比例为 96.3%。然后根据专家经验与数据建立模糊模型解决人工操作不确定问题,该模型分别得到两次辊缝倾斜值,实验结果表明模糊模型的计算值与实际值误差较小,能可靠地提供辊缝倾斜值。最后将两次辊缝倾斜值相加作为第二道次辊缝倾斜值,仿真分析结果表明,该方法能有效降低板坯弯曲,具有实际指导意义。关键词:热轧粗轧;板坯弯曲;差分进化;随机森林;模糊模型DOI:10.15938/j.jhust.2023.02.006中图分类号:TP399文献标志码:A文章编号:1007-2683(2023)02-0051-08Application of DE-RF and Fu
3、zzy Model in CamberControl of Hot Rolled StripWEI Zhipeng,CUI Guimei,PI Lixiang,LI Tianhao(School of Information Engineering,Inner Mongolia University of Science and Technology,Baotou 014010,China)Abstract:In order to solve the problem of slab bending affecting strip quality in 2250mm hot strip roll
4、ing process,a method basedon data fusion and expert experience is proposed to apply to slab bending control system.Firstly,the differential evolution algorithm isestablished to optimize the stochastic forest regression model to solve the problem of insufficient accuracy of slab detection lagpredicti
5、on.The model can effectively predict the bending value of the slab at the exit of the third pass roughing mill,and the estimatederror is 96.3%of the slab within the allowable range.Then a fuzzy model is established according to the expert experience and data tosolve the manual operation uncertainty
6、problem.The model gets the roll slit tilt value twice respectively,and the experimental resultsshow that the calculated value of the fuzzy model has a small error compared to the actual value and it can provide the roll gap tilt valuereliably.Finally,the two roll gap tilt values are added together a
7、s the second roll gap tilt value.The simulation results show that themethod can effectively reduce the bending of slab,which has practical guiding significance.Keywords:rough hot rolling;slab camber;differential evolution;random forest;fuzzy model 收稿日期:2021-11-30基金项目:国家自然科学基金(61763039).作者简介:魏志鹏(1997
8、),男,硕士研究生;皮理想(1994),男,硕士研究生。通信作者:崔桂梅(1963),女,博士,教授,硕士研究生导师,E-mail:.0 引 言热轧带钢生产过程中,板坯经粗轧机组多道次轧制时,板坯会产生镰刀弯现象1-2。镰刀弯现象严重影响精轧机后续轧制过程的稳定性,不仅影响产品质量,而且还可能造成下游设备损坏3-4。现有的热轧过程中系统一般不能获取不对称轧制条件(如板坯楔型、板坯两侧温度不均、轧辊两侧刚度不同等条件),导致系统不能提前给出补偿值来调整板坯弯曲。常用方法是在轧制过程中出现板坯弯曲缺陷时,人工根据同一道次中测量的板坯弯曲在下一道次给出补偿值调整辊缝抵消板坯弯曲,减少后续轧制出现弯曲
9、。但会出现纠正滞后与辊缝调节不足或过多的问题,对操作人员的技术和经验相当敏感5。因此,研究板坯弯曲自动补偿控制模型非常有实际价值。许多学者及现场专家对减少粗轧过程中板坯弯曲,提高板坯质量进行了研究。王海玉等6-8采用有限元方法分析板坯镰刀弯产生的主要因素,并建立镰刀弯调平控制模型,该模型现场应用后镰刀弯问题得到了很大缓解;F.Schausberger 等9提出基于数学模型预测轧制后的钢坯轮廓,同时优化减小板坯弯曲的模型,在有限元仿真和工业实验中都证明了模型的有效性。上述研究提出的控制策略是基于机理分析构建镰刀弯预测控制模型,虽然在不同程度上提升了控制效果,但考虑粗轧机本身和钢种等不断变化,模型
10、精度难以保证,在镰刀弯弯曲预测精度和调平辊缝值的准确度均存在不足,影响实际控制效果10。因此,许多专家学者运用基于数据驱动的建模方法来提高模型精度。随机森林(random forest,RF)是一种结合自举汇聚法和随机决策森林方法的集成算法11-12,在基于工业数据建模中有着大量运用。杨威、李维刚等13针对板坯粗轧出口温度预测准确度不高的问题,提出采用随机森林-长短期记忆神经网络建立预测模型,提高温度预测准确度;常玉清等14针对生产过程运行状态优劣判断精度不高的问题,采用改进随机森林算法应用于湿法冶金浸出过程运行状态评价,该方法降低模型复杂度,同时提高运行状态评价精度。针对镰刀弯检测滞后预测精
11、度不高的问题,建立随机森林弯曲量预测模型。模糊控制规则能对专家经验简洁表示,且在工业运用中有着非常出色的效果15。邱华东等16针对热轧中神经网络模型对特殊规律钢种的控制精度不够的问题,在神经网络基础上建立模糊规则,提高特殊轧制规律钢种的轧制力计算精度和厚度控制精度。针对人工调控镰刀弯具有经验性和不确定性问题,根据专家经验和数据建立模糊模型,能有效融合定量信息和定性知识实现不确定信息的灵活处理。本文针对镰刀弯检测滞后预测精度不高和调平辊缝倾斜值不确定的问题,提出一种差分进化优化随机森林和模糊模型的板坯粗轧镰刀弯调平控制方法,并进行仿真验证。首先,利用差分进化算法优化随机森林算法提前预测镰刀弯弯曲
12、量,解决检测滞后预测精度不够的问题;其次,针对人工操作调平辊缝倾斜值不确定问题,通过专家经验和数据建立模糊模型。最后仿真实验结果讨论了本文提出的方法的有效性与可靠性。1 工艺过程及问题描述粗轧 R2 将板坯往复轧制减小板坯厚度,此过程板坯会产生镰刀弯问题。操作工根据弯曲大小与方向,在下一道次手动(操作台按钮)调整辊缝倾斜值减小上一道次产生的镰刀弯,此过程中存在纠偏滞后和人工调控镰刀弯具有经验性和不确定性的问题。人工减少镰刀弯补偿辊缝示意图如图 1 所示。图 1 人工减少镰刀弯补偿辊缝示意图Fig.1 Manual reduction of sickle bend compensationrol
13、ler seam diagram粗轧机左右两侧分别为操作侧(operating side,OS)和传动侧(drive side,DS),如图 2 所示。定义辊缝倾斜值 S 为传动侧的辊缝值 SDS减去操作侧的辊缝值 SOS,即:S=SDS-SOS(-2mmS2mm)(1)操作工对辊缝进行调整时产生如图 3 所示的辊缝倾斜,由式(1)知,如图 3(a)所示的 S 为负值,如图 3(b)所示的 S 为正值。图 2 轧机示意图Fig.2 Mill diagram25哈 尔 滨 理 工 大 学 学 报 第 28 卷图 3 辊缝倾斜示意图Fig.3 Roll seam tilt diagram安装在粗轧
14、 R2 出口处的测宽仪获得奇数轧制道次板坯中心线偏移曲线,将曲线按等距离分为头部、中间部和尾部 3 部分,得到板坯 4 个点的中心线偏移,比较 4 点关系,判断镰刀弯属于什么类型。粗轧 R2 的中间坯镰刀弯一般分为 4 类:“I”型弯、“L”型弯、“C”型弯、“S”型弯,如图 4 所示。图 4 镰刀弯形状Fig.4 The shape of the sickle目前镰刀弯判定规则一般采用板坯中心线与辊道中心线偏移距离的峰值、均值和最大值等统计量表征。针对上述提出来的“C”弯,以板坯中心线与辊道中心线整个偏移距离的最大值定量表征镰刀弯值。板坯偏向操作侧方向,则弯曲量为正值;板坯偏向传动侧方向,则
15、弯曲量为负值。2 解决方法描述针对板坯产生的镰刀弯问题,提出基于差分进化(differential evolution,DE)优化的随机森林算法(DE-RF)预测第 3 道次弯曲量与模糊规则相结合的板坯弯曲补偿模型,解决板坯纠正滞后预测精度不高与人工调控不确定的问题,如图 5 所示。首先通过测宽仪获得中心线偏移曲线,进而获得弯曲量,然后将历史数据作为 DE_RF 模型的输入,预测第 3 道次出口弯曲值,最后将预测模型输出的弯曲值和第1 道次出口测量弯曲值分别作为模糊决策模型输入,分别得到两次镰刀弯调平辊缝倾斜值。将两次辊缝倾斜值之和,作为第 2 道次辊缝倾斜值,以减少第 1 道次产生的镰刀弯和
16、预估补偿第 2 道次可能产生的镰刀弯。在第 2 道次提前减少镰刀弯,为实现粗轧出口镰刀弯调平预留充足时间。图 5 解决方法示意图Fig.5 Solution diagram2.1 随机森林随机森林回归算法是一种集成学习策略,可提高一群较弱的学习器(回归树)的集体预测性能。随机森林算法的两个关键因素是自举聚合(bag-ging)和变量的随机选择17。基于原始数据集,通过有放回的 bootstrap 方法随机抽取数据样本,以此生成多个自生数据集 Dn。假设与原始数据集大小相同的 Dn中存在 p 个自变量,在各节点处选择 mtry(1 mtryCR,and j=Irand(5)其中:Irand1,2
17、,D 表示随机维数;CR0,1为交叉因子。4)选择操作如果参数值超出设置的上下限,则随机的在给定范围内重新初始化。然后求出所有试验向量的目标函数值,并进行选择操作。将每个试验向量的目标函数值 f(Ui,G)与当前种群中相应目标向量的目标函数值进行比较。如果试验向量的目标函数值小于或等于对应目标向量的目标函数值,则将目标向量替换为下一代的测试向量。否则,目标向量将保留给下一代。公式如下:uj,i,G=Ui,G if f Ui,G()f Xi,G()Xi,G if f Ui,G()f Xi,G()(6)2.3 基于差分进化优化随机森林模型随机森林模型在实际中存在预测精度不高的问题,通过人工经验或实
18、验确定最佳参数,虽能提高模型拟合效果,但耗费大量时间。将差分进化引入随机森林算法中,解决模型最优参数的选择,提高模型的准确率和稳定性。在该模型中差分进化算法用来确定随机森林中决策树个数 ntree和每一棵树在每个节点随机选取作为备份分枝变量的个数 mtry的最佳值。图 6 为 DE-RF 模型的工作流程。图 6 差分进化优化随机森林流程图Fig.6 Differential evolution optimization randomforest flow chart2.4 模糊模型在生产过程中,镰刀弯调平辊缝倾斜值根据专家经验给出。基于模糊规则的建模方法能直观地描述系统机理,并能有效融合定量信
19、息和定性知识实现不确定信息的灵活处理,具有较强的建模性能20。利用专家经验与历史数据建立镰刀弯弯曲量模糊规则,将第 1 道次出口实际测得的弯曲量 s1和 DE-RF 算法输出的第3 道次出口弯曲量 s3分别作为模糊模型的输入变量,第 2 道次镰刀弯调平辊缝倾斜值 S1和第 3 道次镰刀弯调平辊缝倾斜值S2作为模糊控制器的输出变量。根据历史数据,弯曲量范围为-30 mm,30 mm,第2 和第3 道次辊缝倾斜值范围为-0.18 mm,0.18 mm和-0.15 mm,0.15 mm。对精确量进行模糊化处理,将范围分为7 个离散论域为第 1 道次出口镰刀弯弯曲量=负多,负中,负少,正常,正少,正中
20、,正多,简记 FSC=NB,NM,NS,ZO,PS,PM,PB.同理第 3 道次出口弯曲量、第 2 和第 3 道次辊缝倾斜值分别简记为TSC=NB,NM,NS,ZO,PS,PM,PB;SRT=NB,NM,NS,ZO,PS,PM,PB;TRT=NB,NM,NS,ZO,PS,PM,PB.根据现场专家的经验,采用 IF-THEN 语句表示模糊控制规则:1)IF FSC=NB THEN SRT=PB;2)IF FSC=NM THEN SRT=PM;45哈 尔 滨 理 工 大 学 学 报 第 28 卷7)IF FSC=PB THEN SRT=NB;8)IF TSC=NB THEN TRT=PB;9)IF
21、 TSC=NM THEN TRT=PM;14)IF TSC=PB THEN TRT=NB.输出变量去模糊化选用三角形隶属度函数,镰刀弯弯曲量隶属度函数如图 7 所示,其表达式为u(l)=x(t)-xl-1xl-xl-1,xl-1x(t)xlxl+1-x(t)xl+1-xl,xlx(t)xl+1(7)其中 u(l)为第 l 条规则的隶属度值。图 7 镰刀弯弯曲量隶属度函数Fig.7 The sickle bendbend measure membership function模糊模型输出变量为模糊量,需要得到精确的输出量,采用加权平均法进行去模糊化。以第 2 道次镰刀弯调平辊缝倾斜值 S1为例,
22、假设有 m 条规则,其去模糊化后的精确值表达式为S1=ml=1u(l)S1(l)ml=1u(l)(8)其中 S1(l)表示第 l 条规则的输出值。3 仿真分析3.1 预测模型仿真分析建立随机森林回归模型,输入为粗轧 R2 第 1 道次出口的厚度、宽度、镰刀弯弯曲量和第 1、2、3 道次的镰刀弯调平值共 6 个特征值,输出为第 3 道次出口镰刀弯弯曲量。计算分析发现数据集特征值大小分布不均匀,为提高模型准确率,对数据采用零-均值规范化进行归一化处理:Z=x-(9)其中:Z 为标准化后的数据;x 为原始数据;为样本均值;为样本标准差。选取粗轧过程中的 4 300 组数据,分为 3 300 组训练集
23、数据和 1 000 组测试集数据。将 RF 中的 ntree和 mtry设置为 10 和 6。以模型的均方误差(MSE)作为模型的评价指标,均方误差越小模型拟合效果越好。在 PyCharm2017.15x64 的环境中结果如下表,从预测集中随机选取 100 个数据进行模型拟合,效果如图 8 所示。图 8 随机森林模型拟合效果图Fig.8 Fitting effect diagram of random forest model由图8 知 RF 模型预测效果不理想,通过 DE 算法可对 RF 的 ntree和 mtry参数进行寻优,以提高模型精度。以 R2为适应度函数,适应度函数越大,模型拟合效
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- DE RF 模糊 模型 热轧 钢板 弯曲 控制 中的 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。