基于机器学习的轧机辊缝检测与预测技术研究.pdf
《基于机器学习的轧机辊缝检测与预测技术研究.pdf》由会员分享,可在线阅读,更多相关《基于机器学习的轧机辊缝检测与预测技术研究.pdf(3页珍藏版)》请在咨信网上搜索。
1、冶金与材料第 43 卷基于机器学习的轧机辊缝检测与预测技术研究郎福星(天津钢管制造有限公司,天津300301)冶 金 与 材 料Metallurgy and materials第 43 卷 第 8 期2023 年 8 月Vol.43 No.8Aug.2023摘要:文章基于机器学习的方法,研究轧机辊缝的检测与预测技术。首先,对轧机辊缝的检测方法进行了探究,构建出轧机辊缝的检测模型,并与传统方法进行对比;其次,文章将向量机算法应用于轧机辊缝的预测,根据历史数据进行训练,并利用异常检测算法对异常数据进行筛选和修复,得出预测结果。实验结果表明,该方案具有良好的实用性和可行性,对于提高轧机辊缝的维修效率
2、和节省成本有着积极的促进作用,为轧机运行与维护提供了全新的思路和解决方案。关键词:机器学习;轧机辊缝检测;预测技术作者简介:郎福星(1984),男,辽宁凤城人,主要研究方向:冶金设备动力。在钢铁行业中,轧机的生产对生产成本有重要的影响。轧机在运行过程中,由于轧机设备的机械磨损以及其他外界因素的影响,会使轧机的辊缝发生变化。辊缝变化会对生产成本造成影响,如果辊缝发生较大的变化,那么轧机的运行效率和生产质量就会受到严重的影响,甚至会引起设备故障。因此,轧机运行过程中辊缝的检测和预测对于提高轧机设备运行效率和生产质量是有重要意义的。1轧机辊缝检测的概述1.1轧机辊缝测量装置的技术缺陷当前,中国轧机辊
3、缝测量装置大多使用磁尺,对现场试验条件有很大的限制,试验的影响因素也很多,很容易出现各种试验偏差,影响试验的准确性咱1暂。传动机构以一条直线为基础进行上下移动,尽管它结构简单,但它对轧机的刚度和机械安装精度有很高的要求。在轧钢的时候,轧机的振动幅度比较大,很可能出现磁尺损伤,进而影响到最终的测量结果不准确,这将直接影响到它的控制精度和产品的质量。然而,还有一些轧机辊缝测量设备采用的是蜗轮蜗杆和编码器,这种测量方式因为涉及的机构比较多,而且各部分之间的缝隙比较大,所以很容易导致辊缝测量精度不高,响应速度慢,不能达到控制精度的要求。因此,迫切需要研究一种能提高辊缝识别能力的性能预报方法。1.2轧机
4、辊缝检测模型的构建利用机器学习的方法,构建出轧机辊缝的检测模型,该模型包括两个部分:数据集与特征工程。数据集主要是收集轧机辊缝的历史数据,这些数据包含了轧机辊缝运行状态、辊缝波动频率、波动幅度等信息,可以用来训练机器学习模型。特征工程是对数据集中的特征进行分析,将有用的特征提取出来,并对其进行处理和分析,将其转化为机器可识别的特征,便于机器学习算法的训练与使用。为了降低数据集的维度和规模,需要将原始数据进行处理后再进行建模。通常情况下,可以使用时间序列分析方法来建立模型。时间序列分析是对数据序列进行分析,通过对时间序列进行分段并取其平均值来获得样本的平均值或标准差,通过建立回归模型来预测未来值
5、。在建立模型之前,需要对历史数据进行预处理,使其成为能够使用的样本。2轧机辊缝检测技术文章中提到的轧机的辊缝计算设备和技术,内容主要涉及轧机压下丝杠、PLC、四轮结构、方轴、丝杠护罩、轴承座、扭矩支架、编码设备和防尘罩咱2暂遥 其中而四轮机构包括机构本地、驱动轮、轮轴和滚针轴承。四轮机构固定于压下丝杠顶端,4 个传动轮前面都设有方轴,方轴设置解码装置,中间设置轴承座。通过解码装置可以连接 PLC,压下丝杠能够利用旋转和升降来驱使四轮机的 4 个传动轮自由旋转,驱动轮位置上也能够使用方轴让解码装置随意旋转。经解码仪的测量后就能够将脉冲数据直接传输给 PLC,而 PLC 再利用旋转角度换算出压下丝
6、杠的垂直移动率,并准确测算出轧机的压下辊缝值。该测量方法的精度较高且故障率较低,因此可以有效改善轧机精度和钢材表面的品质,同时适应大振动条件下中厚板钢轧机辊缝量的个性化要求,使设备高精度且平稳地工作,见图 1。针对上述轧机辊缝测量装置,需要设立相应的异常检测方法。异常检测是指通过对数据的分析,寻找到数据中的异常值,并进行修正,使其恢复正常。通过对辊缝数据的分析,发现异常值主要集中在轧件尺寸、轧件厚度以及轧机辊型上。64第 8 期基于参数的异常检测是指根据历史数据来估计未来值,在此基础上得出预测值。该方法具有一定的局限性,即当辊缝参数发生较大变化时,预测结果会产生较大的偏差。基于特征的异常检测是
7、指通过对历史数据中的特征进行分析,确定出能够代表数据变化趋势的特征。该方法不需要事先进行大量样本的训练,且具有较强的灵活性和适应性,对于数据量较小、数据类型较为单一以及不容易受环境因素影响等情况均适用。3基于机器学习算法的轧机辊缝检测方法改良3.1轧制数据异常数据处理为了能够更好地进行模型训练,相关研究人员需要将实际轧制数据中存在的异常数据剔除掉,将其转化为正常数据进行训练咱3暂。将其转化为正常数据的标准是以轧辊实际尺寸为基准,以实际辊缝误差值为参考,当轧辊实际尺寸与参考值存在较大误差时,即视为异常数据。基于该模型,主要可以采用如下方式来解决这些问题:(1)数据归一化,经过归一化处理后,就可以
8、获得一个正常的辊缝;(2)利用这种方法来修补离群点的一阶差;(3)二次微分,修正了初始的离群点后获得了正常的滚轮间隙;(4)计算平均数,并按照最小的平均偏差原则修正离群点。为降低同源错误对观测结果的影响,本项目拟采取多源数据联合收集的方式,提高观测结果的可信度。文章重点介绍了支持向量机方法,见图 2。支持向量机利用非线性变换将低维数据映射至高维数据,并在此基础上寻找一种基于超平面的分类方法,使分类间的距离尽可能大,从而将模型化为二次优化问题。图 2常用的机器学习算法人工神经网络智能优化算法随机森林支持向量机模糊神经网络常有机器学习篇法3.2轧机辊缝的模型构建轧机辊缝的计算系统是一个多变数、高度
- 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:
- 基于 机器 学习 轧机 检测 预测 技术研究
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。