[发明专利]一种热轧带钢边部线状缺陷在线预报方法

说明书

本发明公开了一种热轧带钢边部线状缺陷在线预报方法，其主要步骤包括：1、收集热轧带钢生产数据作为样本数据并对样本数据预处理；2、根据GA‑DNN神经网络建立热轧带钢边部线状缺陷预报模型；3、对热轧带钢边部线状缺陷预报模型进行训练与验证；4、GA‑DNN神经网络热轧带钢边部线状缺陷预报模型在线预报与分析。该方法具有预测精度高、响应速度快、能够实时在线参与控制等特点，对热轧带钢表面质量控制具有重要意义。

技术领域

本发明属于冶金轧制技术中热轧带钢表面质量控制领域，特别涉及一种热轧带钢边部线状缺陷智能在线预报方法。

背景技术

随着我国工业的高速发展，高质量热轧带钢的使用需求越来越大，表面质量是影响热轧带钢产品质量的重要指标之一。边部线状缺陷是热轧带钢表面质量缺陷的一种，根据严重程度不同，表现为翘皮或黑线。这种缺陷不仅严重影响成材率，还可能对热轧下游工序(如酸轧机组)生产过程造成影响。

目前关于热轧带钢线状缺陷的控制与分析已有一些相关的文献。例如：“利用SSP模块改善热轧带钢边部线状缺陷”(《冶金设备》2011，第2期：28-30+49)、“热轧板带边部缺陷形成机理及研究现状”(《河南冶金》2008，第16卷第3期：1-4+27)均认为中间坯侧面褶皱是形成边部线状缺陷的主要原因，而窄面褶皱的严重程度与加热温度和加热时间直接相关，并提出了相应的补偿性解决措施；“轧制过程边部线状缺陷形成机理研究”(《重庆理工大学学报》2018，第32卷第4期：107-110)认为粗轧过程板坯宽度方向温度分布不均，板坯边角部温度过低，易提前进入两相区，变形抗力变小，导致该区域发生了超过其它位置的变形量，后续轧制过程中，中间坯侧面金属不断翻平到上、下表面，最终导致褶皱与线状缺陷的形成；“热轧钢板表面翘皮缺陷分析”(《物理测试》2009，第27卷第1期：46-51)认为边部线状缺陷的产生与钢区原始缺陷直接相关。

从目前的研究结果看，边部线状缺陷的影响因素复杂多变，但总体可以分为钢区与轧区两个部分。对于轧区，尽管对于边部线状缺陷的具体产生机理的认知也不完全相同，但普遍认为加热温度、加热时间与粗轧温度是关键影响因素。此外，尽管国内、外已经提出过各种解决措施，但基本是根据经验进行设备或工艺参数优化，至今仍未进行边部线状缺陷的在线预报。

综上所述，本发明以轧区的加热温度、加热时间与粗轧出口温度作为主要影响因素，依据实际生产数据，采用智能方法建立一种热轧带钢边部线状缺陷智能在线预报方法，可以根据当前工艺参数对缺陷发生与否进行实时预报，以此为基础进行参数优化调整，对于生产过程中热轧带钢表面质量控制具有重要意义。

发明内容

本发明的目的在于提供一种热轧带钢边部线状缺陷在线预报方法。本发明根据深度神经网络模型，基于实际生产数据，建立了热轧带钢边部线状缺陷神经网络智能在线预报模型。该模型主要考虑加热温度、加热时间与粗轧出口温度三个方面，具体包括：入炉温度、预热段温度、一加温度、二加温度、三加温度、出炉温度、R2反馈温度、预热时间、一加时间、二加时间、三加时间、均热时间以及产品钢种13个变量参数，以此预测热轧带钢边部线状缺陷产生情况。该方法具有预测精度高、响应速度快、能够实时在线参与控制等特点，对实际生产具有重要意义。

一种热轧带钢边部线状缺陷在线预报方法，其包括以下步骤：

S1、收集热轧带钢生产数据作为样本数据并对样本数据预处理:

S11、收集现场实际生产数据并建立原始数据集，所述生产数据包括入炉温度T_f、预热段温度T_p、一加温度T₁、二加温度T₂、三加温度T₃、出炉温度T_o、R2反馈温度T_R、预热时间S_R、一加时间S₁、二加时间S₂、三加时间S₃、均热时间S_a、钢种m及其对应的线状缺陷发生情况O，选取数量为n组，得到原始数据集dataset为：