[发明专利]一种面向退火加热过程的多模态识别方法、设备及存储设备

说明书

本发明提供了一种面向退火加热过程的多模态识别方法、设备及存储设备，其方法包括：根据冷轧带钢连续退火生产工艺确定带钢在连续退火炉内加热时的生产运行模态及关键变量；根据所述关键变量的历史运行数据，确定所述关键变量的数据分布特征，并根据所述数据分布特征，建立所述关键变量的状态检测模型；采用所述状态检测模型对所述关键变量进行状态检测，得到所述关键变量的状态；根据所述状态及多模态识别策略，对冷轧带钢连续退火加热过程的模态进行识别。本发明的有益效果是：由计算机代替中控人员对带钢进行退火加热时的生产状态进行识别，减少了人力；综合多参数检测共同决策对这几种生产状态进行有效判别，降低了人工识别主观性带来的误差。

技术领域

本发明涉及过程控制技术领域，尤其涉及一种面向退火加热过程的多模态识别方法、设备及存储设备。

背景技术

随着近年来我国钢铁企业的同质化竞争日益激烈，高品质钢铁的生产受到到越来越多的重视。其中冷轧带钢是高品质钢材的代表之一。连续退火过程(CAP)，即带钢连续退火炉对各种组合的带钢进行加热处理的过程，是冷轧带钢生产线上最关键的一道工序，直接关系着最终带钢产品的质量。

为提高带钢的质量，就需要保证CAP的稳定性、均匀性和一致性，从而需要对不同生产状态下的建模、控制和优化方法进行研究。虽然近年来针对该过程中建模、控制、优化方面已有大量研究，但这些研究大都假设在某类生产状态的前提下，并没有解决该过程中不同生产状态区分及识别的问题。而实际生产状态是系统模型运行性能的评估、系统的模拟及优化的前提。不同的生产状态对应不同的操作方案，以保证连退生产线的正常运行及带钢的成品质量。

所以面对CAP这个实际工程对象，提出有针对性的检测方法去识别该过程的生产状态就显得尤为重要。由于工业过程的复杂性，目前对于生产状态的区分并没有统一的定义，不同的工业对象需要根据其实际工艺特性去分析并识别。一种用于工业过程的状态区分并识别的方法是利用该过程的机理模型。但随着连续退火生产线上带钢规格不断增加，其现场生产方式更加复杂，使得机理模型无法获取，或简化的模型难以描述实际的连退生产过程；另一方面，随着近年来大数据研究技术的不断发展和成熟，越来越多的研究也开始利用工业过程中的海量数据资源去区分并识别该过程的不同生产状态。但是仅凭基于数据驱动的方法并不具有较强的物理可解释性，导致对生产过程的控制没有实用参考价值。

为此，对于CAP中生产状态的区分及识别尚缺乏研究的现状，本文将根据该过程的工艺特点，结合现场经验和大量历史数据，详细分析该过程存在的不同生产状态，并根据关键参数的特征，提出一种基于多特征参数检测的生产状态识别方法，旨在为该过程不同生产状态的在线识别提供参考，同时对CAP后续的研究工作提供支持。

发明内容

为了解决上述问题，本发明提供了一种面向退火加热过程的多模态识别方法、设备及存储设备，一种面向退火加热过程的多模态识别方法，主要包括以下步骤：

S101：根据冷轧带钢连续退火生产工艺确定带钢在连续退火炉内加热时的生产运行模态及关键变量；

S102：根据所述关键变量的历史运行数据，确定所述关键变量的数据分布特征，并根据所述数据分布特征，建立所述关键变量的状态检测模型；

S103：采用所述状态检测模型对所述关键变量进行状态检测，得到所述关键变量的状态；

S104：根据所述状态及多模态识别策略，对冷轧带钢连续退火加热过程的模态进行识别。

进一步地，步骤S101中，所述生产运行模态包括：稳定加热生产模态、不同规格钢卷切换模态、同规格钢卷稳态中心偏移模态和异常状态模态；所述关键变量包括：板温、带钢规格和生产运行速度。

进一步地，步骤S102中，针对某关键变量，建立其状态检测模型的具体步骤，包括：