基于多通道分布式深度集成预测的冷轧生产前馈控制方法

本发明涉及钢铁生产的智能化核心，尤其涉及一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法。

背景技术：

1、冷轧钢铁产品广泛应用于车辆、家电、建筑和机械制造等领域，随着各工业领域对原材料要求的不断提高，冷轧生产对产品质量的要求也越来越严格，实现对冷轧生产过程的精确控制对提高冷轧产品质量具有至关重要的作用。冷轧生产过程是典型的流程工业，下游机架轧制会受到上游机架的影响，使得整个冷轧生产过程具有遗传性、非线性和强耦合性。因此，对冷轧生产中前馈控制的研究充满着挑战。

2、目前，随着计算机技术和信息化的发展，冷轧生产自动控制技术得到了广泛地应用。有人提出了一种冷轧带钢质量智能检测方法，该方法通过获取待检测带钢的表面图像的灰度图像，对灰度图像进行图像处理，从而得到各个油污待测区域；并通过确定每个油污待测区域的条状特征位置显著值和纹理特征指标值来确定每个油污待测区域的油污附着显著度，进而确定待检测带钢的质量；但该方法仅能对冷轧表面质量进行检测，而不能对冷轧生产进行控制；还有人通过考虑热轧来料信息建立了一种基于生产数据训练预设的带钢冷轧变形抗力预测模型，得到带钢冷轧第一机架的全长变形抗力波动，进而得到各机架的变形抗力波动；将各机架的变形抗力波动与其入口厚度偏差结合，建立带钢冷连轧自动厚度前馈控制策略，得到各机架用来消除厚差所增加的调节量，实现了冷连轧自动厚度前馈控制，但并未考虑冷轧的多通道质量数据。此外，还有一种均匀控制冷轧带钢质量参数的方法实现了连续值参数的时间、空间相互转化，该方法保证钢卷头尾和长度对齐，按工序顺序反推轧前参数位置，依次找到所有工序对应最终工序参数位置的参数值；对全流程质量点进行采集，将单值和连续值均变为按空间存储的参数；对每一个自变项和每一个因变项均进行一次相关性分析和一元线性分析，得出参数之间的相关性；但该方法只对冷轧参数进行一次相关性分析和一元线性分析，忽略了参数间的非线性关系。

3、目前，上述研究中冷轧生产控制方法取得一定成果，但还存在一定缺陷。上述研究往往采用传统经验模型计算冷轧产品质量，但这种模型存在大量简化，使得其计算精度和泛化性有限，进而影响控制精度。

技术实现思路

1、针对上述现有技术对冷轧生产控制方面的不足，本发明提出了一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，实现基于多通道分布式深度集成预测的冷轧生产前馈控制。

2、本发明提出的一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，该方法包括如下步骤：

3、步骤1：采集冷轧过程数据和质量检测设备的k个通道的冷轧产品质量数据，并构建原始数据集；

4、所述冷轧过程数据包括：包括各个机架轧制力、各个机架工作辊弯辊力、各个机架中间辊弯辊力、各个机架中间辊窜辊量、各个机架轧辊倾斜量、各个机架轧制速度、各个机架间张力、入口设定厚度、出口设定厚度、设定宽度；

5、步骤2：对原始数据集进行数据预处理；

6、步骤2.1：采用拉依达准则判断原始数据集中的异常值，并进行剔除；

7、步骤2.2：对剔除异常值后的原始数据集进行归一化处理；

8、步骤3：对经过预处理后的原始数据集按照预定的比例进行划分，得到训练集，留出集和测试集；

9、步骤4：使用训练集训练基学习器；具体步骤如下：

10、步骤4.1：选取极端随机树、多输出轻型梯度提升机和多输出类别型特征提升作为基学习器；

11、步骤4.2：采用交叉验证法和贪婪搜索确定各个基学习器的超参数，确保每个基学习器均具有最优的预测性能；

12、步骤4.3：确定每个基学习器的超参数后，将各个基学习器依次拟合训练集，完成训练，得到3个基预测器；

13、步骤5：采用分布式框架为每个通道的冷轧产品质量数据构建多通道分布式深度集成模型；

14、步骤5.1：使用基预测器依次对留出集的样本进行预测，得到3组n行k列的留出集基预测质量值，其中n为留出集样本数，k为冷轧产品质量数据的通道数；

15、步骤5.2：分别从每组留出集基预测质量值提取第1列，并将留出集中的冷轧产品质量数据提取第1列，然后将这4列数据进行横向堆叠，得到1个元数据集；

16、步骤5.3：依序操作，直到提取完每组留出集基预测质量值和留出集中的冷轧产品质量数据的所有k列数据，共得到k个元数据集；

17、步骤5.4：选取线性回归linear?regression模型作为元学习器；

18、步骤5.5：使用线性回归依次拟合k个元数据集，即通过元学习器拟合元数据集得到元预测器，共得到k个通道质量的元预测器，即多通道分布式深度集成模型，分别命名为第一元预测器、第二元预测器、……、第k元预测器。

19、步骤6：使用多通道分布式深度集成模型对测试集进行预测得到k个通道的冷轧产品质量预测值；

20、步骤6.1：使用训练好的基预测器依次对测试集的样本进行预测，得到3组 s行k列的测试集基预测质量值，其中 s为测试集样本数；

21、步骤6.2：分别从每组测试集基预测质量值提取第1列，然后将3列数据进行横向堆叠，得到第一元预测集；依序操作，可得到第二元预测集、第三元预测集、……、第k元预测集；

22、步骤6.3：依次使用k个元预测器对对应的元预测集进行预测，得到k个 s行1列的预测值，即每个通道的冷轧产品质量预测值；

23、步骤6.4：将k个 s行1列的预测板形值进行横向堆叠，得到多通道的冷轧产品质量预测值。

24、步骤7：基于多通道分布式深度集成模型的预测结果，为不同的质量缺陷类型制定相应的控制策略，并根据制定好的控制策略，采用猎豹优化算法对多机架控制参数进行前馈修正，实现对冷轧生产的控制。

25、采用上述技术方案所产生的有益效果在于：

26、本发明提供了一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，考虑了冷轧产线的多通道产品质量数据，构建了一种基于多通道分布式深度集成模型对冷轧产品质量进行预测，且该模型的预测精度优于其它机器学习方法，是一种兼顾预测时间和预测精度的预测模型，实现了高精度的冷轧质量预测；基于该模型的预测结果制定相应的控制策略，依据该控制策略采用猎豹优化算法对冷轧轧制参数进行前馈修正，修正后冷轧带钢质量得到大幅改善。本发明方法提出的多通道分布式深度集成预测的冷轧生产前馈控制方法预测速度快，控制精度高，同时弥补了传统方法的缺陷，提升了冷轧生产的控制精度，可以广泛地投入到工业生产当中。

技术特征：

1.一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，其特征在于，步骤1中所述冷轧过程数据包括：包括各个机架轧制力、各个机架工作辊弯辊力、各个机架中间辊弯辊力、各个机架中间辊窜辊量、各个机架轧辊倾斜量、各个机架轧制速度、各个机架间张力、入口设定厚度、出口设定厚度、设定宽度。

3.根据权利要求1所述的一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，其特征在于，所述步骤2具体包括以下步骤：

4.根据权利要求1所述的一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，其特征在于，所述步骤4具体包括以下步骤：

5.根据权利要求4所述的一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，其特征在于，所述步骤5具体包括以下步骤：

6.根据权利要求5所述的一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，其特征在于，所述步骤6具体包括以下步骤：

技术总结
本发明提供一种基于多通道分布式深度集成预测的冷轧生产前馈控制方法，涉及钢铁生产的智能化核心技术领域，采集冷轧过程数据和质量检测设备的K个通道的冷轧产品质量数据，构建原始数据集；对经过预处理后的原始数据集按照预定的比例进行划分，得到训练集，留出集和测试集；使用训练集用来训练基学习器；采用分布式框架为每个通道的冷轧产品质量数据构建多通道分布式深度集成模型；使用多通道分布式深度集成模型对测试集进行预测得到K个通道的冷轧产品质量预测值；基于预测结果制定不同的控制策略；根据控制策略采用猎豹优化算法对多机架控制参数进行前馈修正，实现对冷轧生产的控制。本方法预测速度快，控制精度高，提升了冷轧生产的控制精度。

技术研发人员：孙杰,丁成砚,王非凡,叶俊成,蔡钧翔,陈上,雷佳为,陈长瑞,彭文,张殿华
受?；さ募际跏褂谜撸?/b>东北大学
技术研发日：
技术公布日：2024/3/21