[发明专利]一种基于数据驱动的板带钢变形抗力预测方法

说明书

本发明涉及一种基于数据驱动的板带钢变形抗力预测方法，属于板带钢生产过程控制技术领域，包括3个步骤：采集样本的输入数据，并根据公式计算样本的输出数据；对步骤1的样本数据进行预处理；构建预测变形抗力的GWO‑SVR模型，并进行模型测试。本发明充分利用生产数据对变形抗力进行预测，无需进行离线测试和增加硬件成本，解决了轧制变形抗力计算精度低导致整个模型系统设定精度不高的问题，为轧制工序制定合理的轧制策略、控制产品的板形提供基础条件。

技术领域

本发明涉及一种基于数据驱动的板带钢变形抗力预测方法，属于板带钢生产过程控制技术领域。

背景技术

变形抗力是指单向应力状态下，金属产生塑性变形所需单位面积上的力。它是影响轧制力的重要参数，其预测精度直接影响板厚精度和板形质量，是制定合理轧制规程的必要条件。

对于冷轧板带钢而言，影响变形抗力的主要因素有金属材料的化学成分和变形程度，而变形速率和变形温度对变形抗力的影响较小。但这些影响因素大都是非线性的，用传统的数学模型很难导出变形抗力的确切表达式，亟需一种提高冷轧过程变形抗力预测精度的方法。

为了提高变形抗力的预测精度，国内已有大量学者对此做出大量研究：

专利CN103123483A公开了“一种基于聚类分析的新钢种轧制变形抗力预测系统”，该方法通过计算钢种相关数据与变形抗力之间的相关性，确定聚类分析的关键参数，根据新钢种与每类钢种聚类中心的接近程度，确定新钢种的归类，从而确定新钢种对应于基本压下率的预测变形抗力。

专利CN113434968A公开了“一种基于钢板化学成分预测冷轧变形抗力的方法”，该方法利用钢板化学成分对变形抗力影响的特点，通过一定生产周期数据的分析，得到相应的计算模型参数，使得在后续生产过程中遇到相应的冷轧钢板时能够对该冷轧产品的变形抗力进行预测。

论文“变形抗力预测模型及其应用研究”将热模拟试验获取的各变形条件下的变形抗力作为实际值，结合数学模型建立基于退火策略的自适应粒子群优化算法的最小二乘支持向量机模型。论文“基于RBF的轴承钢变形抗力的预测”建立了轴承钢的变形抗力与其化学成分、变形温度、变形速率及变形程度对应关系的RBF神经网络预测模型，并分析了变形温度和变形速率对变形抗力的影响。

但是，目前变形抗力的预测很少用到实际生产数据，难以反映复杂多变的非稳态轧制过程，存在较大的误差；并且大多只按照钢种进行划分，难以满足动态变规格的实际生产需求，影响轧制力设定的准确性。

发明内容

本发明的目的是提供一种基于数据驱动的板带钢变形抗力预测方法，针对板带钢的不同钢种不同工况的控制需求，解决现有技术预测变形抗力精度低、偏差大的问题，为轧制力模型的高精度设定和产品质量的提供重要支撑。

为了实现上述目的，本发明采用的技术方案是：

一种基于数据驱动的板带钢变形抗力预测方法，包括以下步骤：

步骤1、采集样本的输入数据，并根据公式计算样本的输出数据；

步骤2、对步骤1的样本数据进行预处理；

步骤3、构建预测变形抗力的GWO-SVR模型，并进行模型测试。

本发明技术方案的进一步改进在于：所述步骤1的具体操作为：

步骤1.1收集一定生产周期内板带钢来料的化学成分，并采集板带钢入口厚度、板带钢出口厚度、来料厚度、来料板带钢出口温度和卷取温度作为样本输入；

步骤1.2采集一定生产周期内生产线实际轧制力、轧辊半径、板带钢宽度、前张应力和后张应力，并结合板带钢入口厚度和板带钢出口厚度通过计算公式反算出板带钢轧制过程的变形抗力作为样本输出，计算公式为：