[发明专利]一种基于统计学习的精轧终轧温度预测和控制方法

摘要

本发明为一种基于统计学习的精轧终轧温度预测和控制方法，涉及温度控制领域。现有精轧温度控制具有典型的滞后性，难以得到理想的控制效果。本发明提供了一种基于统计学习的精轧终轧温度预测和控制方法，该方法在每个控制周期，首先以穿带速度和指定机架水量为自变量，终轧温度为因变量，用精轧过程数据建立统计学预测模型，对终轧温度进行实时预测；然后在预测模型的预测值与实际值变化趋势一致的前提下，基于给定终轧目标温度和预测模型，采用滚动时域优化算法，给出水量的有限时域滚动优化控制决策。本发明可以根据精轧实时动态给出在线实时温度预测，并根据温度预测对终轧温度进行实时优化控制决策，满足实时性要求。

主权项

一种基于统计学习的精轧终轧温度预测和控制方法，其特征在于由以下步骤组成：(1)设定采样周期、预测模型的输入输出变量及其阶次，其中预测模型的输入变量为指定机架水量和终轧机架穿带速度，预测模型的输出变量为终轧温度；(2)在每个固定的采样周期，进行以下步骤：a、采集预测模型的输入输出变量，并按照步骤(1)设定的预测模型变量阶次，确定模型结构，构造相应的输入输出数据回归向量矩阵和建模用训练数据集；b、对步骤(a)得到的输入输出数据回归向量矩阵进行去噪处理；c、基于步骤(a)得到的建模用训练数据集，用统计学方法建立终轧温度的非线性输入输出预测模型；d、检验预测模型对终轧温度的预测值与实际值变化趋势的一致程度，如果基本一致，则将非线性模型在当前工作点线性化，得到线性模型；否则，不进行后续控制计算，直接返回步骤(a)；e、基于步骤(d)得到的线性模型，选择指定机架水量为控制变量，定义有限时域滚动优化问题；f、求解步骤(e)中得到的优化问题，得到相应控制决策向量，该向量的第一个元素经限幅处理后作为当前采样周期的控制决策；(3)重复步骤(a)——步骤(f)至控制任务结束，构建精轧温度预测和控制系统。