本發(fā)明屬于軋制控制，特別是涉及冷軋過程多目標(biāo)軋制規(guī)程優(yōu)化控制方法。
背景技術(shù)：
1、冷軋帶鋼技術(shù)，作為薄板材制造領(lǐng)域的核心加工技藝，其生產(chǎn)流程聚焦于充分挖掘設(shè)備潛能、強(qiáng)化板形品質(zhì)及縮減能耗。為達(dá)成此目標(biāo)，深入剖析軋制過程的內(nèi)在機(jī)制，并對(duì)核心參數(shù)進(jìn)行精確建模顯得尤為關(guān)鍵。但同時(shí)也面臨諸多挑戰(zhàn)，包括參數(shù)間的高度耦合性、非線性特征、深度關(guān)聯(lián)性以及非穩(wěn)態(tài)動(dòng)態(tài)變化等。特別地，軋制力作為調(diào)控生產(chǎn)的核心變量，其預(yù)測精度的提升不僅有助于加強(qiáng)產(chǎn)品加工過程的品質(zhì)監(jiān)控，還能有效優(yōu)化軋制規(guī)程。鑒于冷軋帶鋼工藝對(duì)精度與復(fù)雜性有著極高的追求，因此，在帶鋼軋制實(shí)踐中，科學(xué)地規(guī)劃與調(diào)整軋制規(guī)程，對(duì)于延長設(shè)備壽命、減少能耗開支以及保障成品質(zhì)量的卓越性，均發(fā)揮著至關(guān)重要的作用。
2、針對(duì)上述情況，提出一種基于現(xiàn)場數(shù)據(jù)的冷軋過程規(guī)程多目標(biāo)優(yōu)化方法，基于現(xiàn)場生產(chǎn)數(shù)據(jù)，采用數(shù)據(jù)融合與智能算法結(jié)合對(duì)軋制力數(shù)學(xué)模型中關(guān)鍵參數(shù)進(jìn)行回歸計(jì)算補(bǔ)償，并采用遺傳算法優(yōu)化隨機(jī)森林超參數(shù)對(duì)軋制力補(bǔ)償修正模型進(jìn)行預(yù)測優(yōu)化，基于補(bǔ)償修正摩擦系數(shù)的軋制力預(yù)測模型，建立多算法融合機(jī)制對(duì)以最小能耗、軋制平穩(wěn)和板帶表面質(zhì)量與生產(chǎn)效率動(dòng)態(tài)權(quán)重平衡三個(gè)目標(biāo)的軋制規(guī)程進(jìn)行優(yōu)化，針對(duì)不同的權(quán)重，優(yōu)化不同的工藝參數(shù)，從而適應(yīng)不同工況，實(shí)現(xiàn)提升產(chǎn)品質(zhì)量，降低生產(chǎn)能耗，穩(wěn)定軋制生產(chǎn)過程的目的。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的是提供一種冷軋過程規(guī)程多目標(biāo)優(yōu)化方法，以最小能耗、軋制平穩(wěn)和板帶表面質(zhì)量與生產(chǎn)效率動(dòng)態(tài)權(quán)重平衡作為優(yōu)化目標(biāo)，并針對(duì)不同工況分配不同權(quán)重，用以提高改進(jìn)上述的技術(shù)問題。
2、為實(shí)現(xiàn)以上目的，本發(fā)明提供了一種冷軋過程規(guī)程多目標(biāo)優(yōu)化方法，包括：
3、從軋制現(xiàn)場采集到生產(chǎn)數(shù)據(jù)和技術(shù)參數(shù)，對(duì)采集到的數(shù)據(jù)進(jìn)行清洗和歸一化處理，生成原始數(shù)據(jù)集；
4、基于所述原始數(shù)據(jù)集，通過遞歸特征消除和互信息法的特征選擇方法篩選出相關(guān)的軋制工藝參數(shù)，使用數(shù)據(jù)融合技術(shù)對(duì)相關(guān)的軋制工藝參數(shù)數(shù)據(jù)進(jìn)行融合；
5、建立相關(guān)的軋制工藝參數(shù)的數(shù)學(xué)機(jī)理模型，利用融合后的數(shù)據(jù)，采用反演補(bǔ)償?shù)男问接?jì)算摩擦系數(shù)，通過遺傳算法對(duì)其中的待修正系數(shù)進(jìn)行回歸計(jì)算，利用遺傳算法優(yōu)化隨機(jī)森林算法超參數(shù)對(duì)修正后的軋制力模型進(jìn)行預(yù)測；
6、基于補(bǔ)償修正摩擦系數(shù)的軋制力預(yù)測模型，建立以最小能耗、軋制平穩(wěn)和板帶表面質(zhì)量與生產(chǎn)效率動(dòng)態(tài)權(quán)重平衡三個(gè)目標(biāo)的多目標(biāo)軋制規(guī)程優(yōu)化模型，使用pauta準(zhǔn)則進(jìn)行數(shù)據(jù)預(yù)處理，以每道次出口厚度作為決策變量，以工藝約束條件進(jìn)行限制，融合智能算法對(duì)不同權(quán)重下的質(zhì)效平衡問題進(jìn)行優(yōu)化求解。
7、可選地，所述的生產(chǎn)數(shù)據(jù)和技術(shù)參數(shù)包括：乳化液流量、溫度、噴射角度、工作輥和中間輥的彎輥力、軋制力、壓下量、軋制速度、板帶厚度、平直度數(shù)據(jù)。
8、可選地，所述數(shù)據(jù)融合技術(shù)為：
9、
10、式中，n為數(shù)據(jù)種類，w為各個(gè)工藝參數(shù)權(quán)重系數(shù)，i為每個(gè)相關(guān)的軋制工藝，n為軋制工藝參數(shù)總數(shù)，x為融合后的新數(shù)據(jù)集。
11、可選地，建立相關(guān)的軋制工藝參數(shù)的數(shù)學(xué)機(jī)理模型包括：
12、根據(jù)板形控制和軋輥彈塑性變形理論，建立軋制力模型：
13、
14、式中，f為軋制力，b為軋件寬度，l'為軋制時(shí)軋輥壓扁后與軋件變形區(qū)的接觸弧長，r為軋輥半徑，r'為軋輥壓扁后的半徑，qp為壓扁后軋輥的外摩擦應(yīng)力狀態(tài)系數(shù)，kt為張力影響系數(shù)，k為寬度方向上主應(yīng)力的變形抗力，μ為摩擦系數(shù)，δh為絕對(duì)壓下量，τf、τb分別為前后張力，ε為變形程度，ε＝(h0+h1)/h0，其中，h0為每道次的入口厚度，h1為每道次的出口厚度；
15、基于彈塑性力學(xué)和接觸力學(xué)理論，建立工作輥和中間輥交互模型：
16、
17、式中，p(x)為接觸壓力，p為軋制力，a為接觸區(qū)域的寬度，x為接觸區(qū)域中的位置，e為等效楊氏模量，r為軋輥半徑，δ為變形量，l為接觸長度，h0為板帶的入口厚度，hf為板帶的出口厚度；
18、基于彈性力學(xué)和梁彎曲理論，建立工作輥和中間輥的彎輥力模型：
19、
20、式中，δ(x)為工作輥和中間輥撓度，fb為彎輥力，x為從工作輥和中間輥的一端到任意一點(diǎn)的距離，l為工作輥和中間輥的長度，e為材料的彈性模量，p(x)為接觸壓力，p0為未施加彎輥力時(shí)的初始接觸壓力，a為接觸面積，f(x)為接觸壓力沿工作輥長度的分布函數(shù)，δmax為工作輥或中間輥的最大撓度，k為彎曲剛度，i為工作輥和中間輥的慣性矩；
21、基于流體力學(xué)和摩擦學(xué)，建立乳化液與板形質(zhì)量模型：
22、
23、式中，q為乳化液的流量，μ0為乳化液在基準(zhǔn)溫度t0下的黏度，k為黏度歲溫度變化的系數(shù)，t為乳化液的實(shí)際溫度，vr為軋輥表面的速度，a為接觸面積，μf為摩擦系數(shù)，hf為實(shí)際板帶厚度，h0為板帶目標(biāo)厚度，k1為摩擦力與板形質(zhì)量之間的系數(shù)，fr為軋制力。
24、可選地，采用反演補(bǔ)償?shù)男问接?jì)算摩擦系數(shù)為：
25、
26、式中，α為潤滑劑影響系數(shù)，v為軋輥線速度，a，b，c，d為待修正系數(shù)，hout軋件出口厚度，hin軋件入口厚度。
27、可選地，利用遺傳算法優(yōu)化隨機(jī)森林算法超參數(shù)對(duì)修正后的軋制力模型進(jìn)行預(yù)測的步驟為：
28、選取一定量的實(shí)驗(yàn)數(shù)據(jù)，按照7:3的比例劃分訓(xùn)練集和測試集；
29、通過遺傳算法以決策樹數(shù)量與每棵樹模型深度為決策變量，在劃定的范圍內(nèi)抽取相應(yīng)的超參數(shù)，將抽取好的超參數(shù)輸入隨機(jī)森林算法中訓(xùn)練；
30、選擇最佳的預(yù)測結(jié)果對(duì)應(yīng)的超參數(shù)；
31、用測試集數(shù)據(jù)驗(yàn)證相應(yīng)超參數(shù)下模型的預(yù)測結(jié)果。
32、可選地，所述最小能耗的目標(biāo)函數(shù)為：
33、minf＝∑pi
34、式中，f為軋制的總功率，p為各道次的軋制功率，i為道次；
35、所述軋制平穩(wěn)的目標(biāo)函數(shù)為：
36、
37、式中，f為等功率裕量目標(biāo)函數(shù)，pr為軋機(jī)的電機(jī)額定功率，p為軋機(jī)電機(jī)功率，i，j為道次；
38、所述板帶表面質(zhì)量與生產(chǎn)效率動(dòng)態(tài)權(quán)重平衡的目標(biāo)函數(shù)為：
39、
40、式中，f1為質(zhì)效平衡函數(shù)，w1為表面質(zhì)量權(quán)重，w2為生產(chǎn)效率權(quán)重，且w1+w2＝1，hf為板帶出口厚度，h0為板帶目標(biāo)厚度，fs為板帶平直度偏差，k1、k2為工藝參數(shù)的相關(guān)性系數(shù)權(quán)重，fq為乳化液對(duì)板帶質(zhì)量的影響，vr為軋制速度。
41、可選地，所述的工藝約束條件為：
42、
43、式中，fr為軋制力，fmax為軋機(jī)允許的最大軋制力，fb為彎輥力，為彎輥系統(tǒng)的最大能力，vr為軋制速度，vmax為允許的最大軋制速度，q和t分別為乳化液的流量和速度。
44、可選地，所述的融合智能算法對(duì)不同權(quán)重下的質(zhì)效平衡問題進(jìn)行優(yōu)化求解步驟為：
45、使用nsga-ii優(yōu)化徒步優(yōu)化算法(hoa)：
46、設(shè)置每個(gè)算法的初始參數(shù)，包括粒子群大小、種群大小、迭代次數(shù)等；
47、定義目標(biāo)函數(shù)，根據(jù)生產(chǎn)過程中的數(shù)據(jù)，定義多目標(biāo)優(yōu)化函數(shù)，并考慮實(shí)際工藝的約束條件；
48、進(jìn)行多目標(biāo)優(yōu)化，使用nsga-ii進(jìn)行多樣性增強(qiáng)和優(yōu)化hoa算法，生成更新后的pareto解集，進(jìn)行精英選擇和非支配排序，保留最優(yōu)解，根據(jù)擁擠度計(jì)算，確保解集中的解在目標(biāo)空間中的均勻分布，選擇最優(yōu)解進(jìn)行工藝參數(shù)的實(shí)施應(yīng)用。
49、可選地，所述的pauta準(zhǔn)則計(jì)算公式如下：
50、
51、式中，為數(shù)據(jù)集的均值，sx為數(shù)據(jù)集的標(biāo)準(zhǔn)差，n為數(shù)據(jù)集的數(shù)據(jù)量。
52、本發(fā)明的技術(shù)效果為：
53、本發(fā)明提供了一種冷軋過程規(guī)程多目標(biāo)優(yōu)化方法，以最小能耗、軋制平穩(wěn)和板帶表面質(zhì)量與生產(chǎn)效率動(dòng)態(tài)權(quán)重平衡三個(gè)目標(biāo)的軋制規(guī)程進(jìn)行優(yōu)化，針對(duì)不同的權(quán)重，優(yōu)化不同的工藝參數(shù)，從而適應(yīng)不同工況，實(shí)現(xiàn)提升產(chǎn)品質(zhì)量，降低生產(chǎn)能耗，穩(wěn)定軋制生產(chǎn)過程的目的。