【技術實現步驟摘要】
本專利技術屬于h型鋼矯直，涉及一種h型鋼平直度預測方法、控制方法及系統、介質及電子設備。
技術介紹
1、h型鋼作為綠色裝配式建筑、大型鋼結構體系、摩天大樓以及跨江越海的橋梁等宏偉工程中的核心支撐材料，尤其是中小型h型鋼作為市場主流產品，其生產規模持續擴張，據2020年統計數據顯示，年產量已高達5174萬噸，并于次年突破6000萬噸，占據型鋼總產量七成以上，彰顯了行業蓬勃的發展態勢。
2、隨著h型鋼應用領域的不斷拓寬及市場需求量的激增，對鋼材尺寸規格的多樣化與精細化要求日益提升，鋼鐵企業面臨提升生產效率與產品質量的雙重挑戰。h型鋼的生產工藝主要包括軋制、冷卻和矯直三個環節，其中矯直環節成為了決定產品質量的關鍵步驟。矯直技術不僅關乎產品的最終形態，更是衡量生產技術先進性的重要指標。
3、為應對這一挑戰，國內外企業紛紛采用先進的多輥矯直設備與連續矯直技術，將傳統機械式壓下量調整裝置革新為液壓式，極大地提升了調整精度與靈活性。同時，對矯直理論的深入探索推動了矯直設備的優化升級與工藝方案的科學制定，如懸臂式矯直機的應用，憑借其便捷的換輥操作、良好的適應性和高效的生產效率，成為行業新寵。
4、然而，現有矯直工藝多聚焦于壓下規程的標準化應用，卻往往忽視了軋制和冷卻過程中產生的殘余應力對型鋼平直度的潛在影響，殘余應力可能導致h型鋼在長度方向上出現彎曲、扭曲或翹曲等不平直現象，這些不平直現象不僅影響構件的外觀質量，還可能降低其承載能力和使用性能。在軋制過程中，h型鋼會受到強烈的塑性變形，這可能導致材料內部產生不
5、不僅如此，矯直數據的分析、矯直參數的設定均高度依賴人工經驗，缺乏智能化分析與利用，導致工藝調整頻繁，產品平直度穩定性難以保障。除此之外，現有控制方法在普適性上存在局限，難以全面覆蓋多種h型鋼規格，對新樣本數據的適應性不強，且對參數精度與數據質量的要求較高，增加了操作難度與成本。
技術實現思路
1、有鑒于此，本專利技術的目的在于提供一種h型鋼平直度預測方法、控制方法及系統、介質及電子設備，綜合分析軋制、冷卻及矯直工藝對平直度影響，尤其考慮殘余應力所產生的影響及利用，并提出軋制、冷卻及矯直工藝的控制策略，以實現h型鋼的高平直度生產。
2、為達到上述目的，本專利技術提供一種h型鋼平直度預測方法，包括以下步驟：
3、獲取第一數據以及第二數據；
4、將第一數據輸入初始平直度預測模型，獲得矯直前的h型鋼的預測初始平直度；
5、將第一數據輸入殘余應力預測模型，獲得矯直前的h型鋼的預測殘余應力分布數據；
6、將預測初始平直度、預測殘余應力分布數據以及第二數據輸入矯直后平直度預測模型，獲得h型鋼成品矯直后的頭尾及中間多個位置處的預測最終平直度。
7、第一數據包括h型鋼坯料在終軋道次入口位置時測得的第一子數據以及h型鋼成品在終軋道次出口位置時測得的第二子數據；第一子數據包括h型鋼坯料翼緣及腹板多個位置處的外形尺寸樣本數據、多個位置處的道次壓下數據、運行速度樣本數據、溫度場分布樣本數據。
8、第二子數據包括h型鋼成品翼緣及腹板多個位置處的外形尺寸樣本數據、運行速度樣本數據、軋機出口至冷床入口溫度場分布樣本數據以及h型鋼的化學成分。
9、第二數據包括h型鋼成品翼緣及腹板多個位置處的外形尺寸樣本數據、矯直生產線各項工藝參數、定尺或倍尺以及h型鋼的化學成分。
10、在進行初始平直度預測時，將第一子數據輸入初始平直度預測模型，獲得矯直前的h型鋼的頭尾及中間多個位置處的預測初始平直度。
11、在殘余應力預測時，將第二子數據輸入殘余應力預測模型，獲得矯直前的h型鋼的頭尾及中間多個位置處的預測殘余應力分布數據。
12、初始平直度預測模型的構建過程包括：
13、獲取包括軋制、冷卻工藝參數和h型鋼矯直前的實測初始平直度的第一歷史生產數據集；
14、基于第一歷史生產數據集訓練第一神經網絡，獲得初始平直度預測模型；
15、校正初始平直度預測模型，確定輸出結果。
16、校正初始平直度預測模型，確定輸出結果包括：
17、對初始平直度預測模型輸出的多組第一初始平直度預測值與對應數據組的實測初始平直度進行殘差序列處理，得到多組初始平直度偏差值；
18、將多組初始平直度偏差值輸入到反向傳播神經網絡，得到初始平直度偏差修正值；
19、將初始平直度偏差修正值補償給第一初始平直度預測值，得到第二初始平直度預測值；
20、將第二初始平直度預測值輸出為預測初始平直度。
21、可選的，第一歷史生產數據集為生產現場至少半年的軋制、冷卻工藝參數和h型鋼矯直前的實測初始平直度，或者為產量超過50萬噸的h型鋼生產線的軋制、冷卻工藝參數和h型鋼矯直前的實測初始平直度。
22、基于第一歷史生產數據集訓練第一神經網絡包括：
23、通過循環神經網絡、堆疊循環神經網絡及循環卷積神經網絡構建基于運行時間序列的第一原始模型；
24、將第一歷史生產數據集按照設定比例劃分為第一訓練集及第一測試集；
25、從第一歷史生產數據集中選取多個影響h型鋼初始平直度的因素作為輸入層，將h型鋼初始平直度作為輸出層；
26、選擇第一原始模型的訓練函數，獲得初始平直度預測模型。
27、可選的，影響h型鋼初始平直度的因素為軋制生產線和冷卻生產線各組成部件的布置參數和工作參數，輸入層的神經元個數為選取的影響初始平直度的因素的個數。
28、若第一訓練集的數據樣本數量大于10萬條，選擇平方損失函數作為訓練函數，平方損失函數為l(f(x),y)＝(f(x)-y)2；若第一訓練集的數據樣本數量少于10萬條，選擇絕對值損失函數作為訓練函數，絕對值損失函數為l(y,f(x))＝|y-f(x)|。
29、可選的，第一歷史生產數據集中影響h型鋼初始平直度的因素包括：終軋機組的萬能軋機位置、萬能軋機道次變形量、萬能軋機軋制溫度、軋邊機位置、軋邊機道次變形量、萬能精軋機位置、萬能精軋機道次變形量，精軋后水箱位置、精軋后水箱水量、精軋后水箱水壓、精軋后水箱噴嘴數量、精軋后水箱噴嘴水壓、軋件終軋速度、軋件終軋溫度、軋件截面模量、軋機出口至冷床入口距離、軋件上冷床溫度。
30、可選的，按照8:2的比例將第一本文檔來自技高網...
【技術保護點】
1.一種H型鋼平直度預測方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的預測方法，其特征在于：所述第一數據包括H型鋼坯料在終軋道次入口位置時測得的第一子數據以及H型鋼成品在終軋道次出口位置時測得的第二子數據；
3.根據權利要求2所述的預測方法，其特征在于：
4.根據權利要求1所述的預測方法，其特征在于：所述初始平直度預測模型的構建過程包括：
5.根據權利要求4所述的預測方法，其特征在于：
6.根據權利要求5所述的預測方法，其特征在于：基于所述第一歷史生產數據集訓練第一神經網絡包括：
7.根據權利要求1所述的預測方法，其特征在于：所述殘余應力預測模型的構建過程包括：
8.根據權利要求7所述的預測方法，其特征在于：基于所述第二歷史生產數據集訓練第二神經網絡包括：
9.根據權利要求10所述的預測方法，其特征在于：所述第二歷史生產數據集中影響H型鋼矯直前的殘余應力的因素包括：H型鋼的C含量、Si含量、Mn含量、S含量、P含量、Cr含量、Nb含量、V含量、Ti含量，終軋機組的萬能軋機位
10.根據權利要求1所述的預測方法，其特征在于：所述矯直后平直度預測模型的構建過程包括：
11.根據權利要求10所述的預測方法，其特征在于：所述第三歷史生產數據集為生產現場至少半年的矯直工藝參數和H型鋼矯直后的實測最終平直度，或者為產量超過50萬噸的H型鋼生產線的矯直工藝參數和H型鋼矯直后的實測最終平直度；其中，
12.根據權利要求11所述的預測方法，其特征在于：基于所述第三歷史生產數據集訓練第三神經網絡包括：
13.一種H型鋼平直度控制方法，其特征在于：包括以下步驟：
14.根據權利要求13所述的控制方法，其特征在于：
15.一種H型鋼平直度控制系統，其特征在于：包括：
16.根據權利要求15所述的控制系統，其特征在于：所述數據采集模塊還用于獲取包括軋制、冷卻工藝參數和H型鋼矯直前的實測初始平直度的第一歷史生產數據集包括軋制、冷卻工藝參數和H型鋼矯直前預測殘余應力分布數據的第二歷史生產數據集以及包括矯直工藝參數和H型鋼矯直后的最終平直度的第三歷史生產數據集；其中，
17.根據權利要求16所述的控制系統，其特征在于：所述第一預測模塊還用于構建所述初始平直度預測模型，所述第一預測模塊基于所述第一歷史生產數據集訓練第一神經網絡，將所述第一歷史生產數據集中的多個影響H型鋼初始平直度的因素作為輸入層，將H型鋼初始平直度作為輸出層，以獲得初始平直度預測模型，并校正所述初始平直度預測模型，確定輸出結果；
18.一種電子設備，其特征在于：包括：處理器，以及與所述處理器通信連接的存儲器；
19.一種計算機可讀存儲介質，其特征在于：所述計算機可讀存儲介質中存儲有計算機執行指令，所述計算機執行指令被處理器執行時用于實現如權利要求13至14任一項所述的控制方法。
20.一種計算機程序產品，包括計算機程序/指令，其特征在于：該計算機程序/指令被處理器執行時實現如權利要求13至14任一項所述的控制方法。
...【技術特征摘要】
1.一種h型鋼平直度預測方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的預測方法，其特征在于：所述第一數據包括h型鋼坯料在終軋道次入口位置時測得的第一子數據以及h型鋼成品在終軋道次出口位置時測得的第二子數據；
3.根據權利要求2所述的預測方法，其特征在于：
4.根據權利要求1所述的預測方法，其特征在于：所述初始平直度預測模型的構建過程包括：
5.根據權利要求4所述的預測方法，其特征在于：
6.根據權利要求5所述的預測方法，其特征在于：基于所述第一歷史生產數據集訓練第一神經網絡包括：
7.根據權利要求1所述的預測方法，其特征在于：所述殘余應力預測模型的構建過程包括：
8.根據權利要求7所述的預測方法，其特征在于：基于所述第二歷史生產數據集訓練第二神經網絡包括：
9.根據權利要求10所述的預測方法，其特征在于：所述第二歷史生產數據集中影響h型鋼矯直前的殘余應力的因素包括：h型鋼的c含量、si含量、mn含量、s含量、p含量、cr含量、nb含量、v含量、ti含量，終軋機組的萬能軋機位置、萬能軋機道次變形量、萬能軋機軋制溫度、軋邊機位置、軋邊機道次變形量、萬能精軋機位置、萬能精軋機道次變形量，精軋后水箱位置、精軋后水箱水量、精軋后水箱水壓、精軋后水箱噴嘴數量、精軋后水箱噴嘴水壓、軋件終軋速度、軋件終軋溫度、軋件冷卻速度、軋機出口至冷床入口距離、軋件上冷床溫度、軋機下冷床溫度。
10.根據權利要求1所述的預測方法，其特征在于：所述矯直后平直度預測模型的構建過程包括：
11.根據權利要求10所述的預測方法，其特征在于：所述第三歷史生產數據集為生產現場至少半年的矯直工藝參數和h...
【專利技術屬性】
技術研發人員：劉明，郭顯平，
申請(專利權)人：中冶賽迪裝備有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。