[发明专利]一种基于深度强化学习的加锭策略方法

说明书

本发明公开了一种基于深度强化学习的加锭策略方法，所述方法包括：将当前生产工艺状态、铝含量目标、液位目标输入深度强化学习神经网络中，使得深度强化学习神经网络基于当前生产工艺状态、铝含量目标、液位目标输出加锭策略，并控制加锭设备执行所述加锭策略对应的加锭动作，实现锌锭的投放，由于深度强化学习神经网络是基于与当前生产工艺状态、铝含量目标、液位目标相同维度的训练样本基于深度强化学习算法训练好的，因此，基于该深度强化学习神经网络输出的加锭策略去控制加锭设备的加锭动作，能够使当前生产工艺状态中的锌液中的有效铝含量、锌液面高度精确地趋于铝含量目标、液位目标。

技术领域

本发明涉及钢铁镀锌的技术领域，尤其涉及一种基于深度强化学习的加锭策略方法。

背景技术

在连续热镀锌生产过程中，钢板镀层表面常产生锌渣缺陷，其主要原因是受到镀锌工艺参数的影响，而镀锌工艺中锌锅铝含量的控制、锌液面高度的恒定是提高镀层表面质量、减少锌渣缺陷、降低生产成本的技术关键。

锌锅铝含量的控制及锌液面高度的恒定，通常是通过添加锌锭以调整，然而，现有技术中，锌锭完全凭借操作人员的经验进行添加，铝含量及锌液面高度波动很大，不能够精确地实现控制锌液中有效铝含量、锌液面高度的恒定，从而影响镀层产品的质量、性能和成本。

发明内容

本申请实施例通过提供一种基于深度强化学习的加锭策略方法，解决了现有技术中锭完全凭借操作人员的经验进行添加，铝含量及锌液面高度波动很大，不能够精确地实现控制锌液中有效铝含量、锌液面高度的恒定的技术问题。

一方面，本申请通过本申请的一实施例提供如下技术方案：

一种基于深度强化学习的加锭策略方法，包括：获取当前生产工艺状态、铝含量目标、液位目标；将所述当前生产工艺状态、所述铝含量目标、所述液位目标输入深度强化学习神经网络中，使得所述深度强化学习神经网络基于所述当前生产工艺状态、所述铝含量目标、所述液位目标输出加锭策略，其中，所述深度强化学习神经网络通过对多个训练样本进行深度强化学习获得，每个所述训练样本包括：和所述当前生产工艺状态、所述铝含量目标、所述液位目标的维度相同的数据，所述深度强化学习神经网络被配置为：基于所述当前生产工艺状态、所述铝含量目标、所述液位目标和加锭策略模型确定加锭策略，以及基于奖励模型对所述加锭策略给定奖励值，以使所述深度强化学习神经网络根据所述奖励值更新所述加锭策略模型；控制加锭设备执行所述加锭策略对应的加锭动作。

在一个实施例中，所述当前生产工艺状态包括：当前铝含量、当前液位、带钢入锅温度、锌液温度、带钢运行速度、带钢宽度、当前锌锭类型、当前锌锭浸入深度。

在一个实施例中，所述加锭策略包括：加锭类型和加锭速度；所述控制加锭设备执行所述加锭策略对应的加锭动作，包括：控制所述加锭设备根据所述加锭策略对应的加锭类型和加锭速度进行投放。