(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210224797.8 (22)申请日 2022.03.09 (71)申请人 唐山钢铁集团有限责任公司 地址 063000 河北省唐山市 路北区滨河路9 号 申请人 河钢乐亭钢铁有限公司 　 河钢股份有限公司唐山分公司 (72)发明人 秦红波　李晓刚　崔树杰　李成成　 张再兴　信晓兵　陈彤　令狐克志 　 于海燕　 (74)专利代理 机构 石家庄冀科专利商标事务所 有限公司 13108 专利代理师 陈长庚 (51)Int.Cl. G06F 30/20(2020.01)G06F 16/23(2019.01) B21B 37/74(2006.01) G06F 119/08(2020.01) (54)发明名称 一种适应快节奏轧制的卷取温度模型自学 习方法 (57)摘要 本发明涉及一种适应快节奏轧制的卷取温 度模型自学习方法， 属于冶金行业热轧方法技术 领域。 本发明的技术方案是： 配置卷取温度模型 的水冷自学习目标点， 当自学习目标点通过高温 计后， 获取实际温度数据， 立即与预测温度进行 比较， 计算出水冷自学习系数， 进行上下限和数 据平滑处理后更新到模型数据库， 用于卷取温度 模型计算。 本发明的有益效果是： 避免了原设计 中在热轧带钢完全通过卷取前高温计后才进行 模型自学习系数更新， 而在快节奏生产时， 更新 后的模型自学习系数无法用于下一块带钢的设 定计算， 造成多卷 带钢温度控制异常的问题。 权利要求书2页 说明书5页 附图1页 CN 114818253 A 2022.07.29 CN 114818253 A 1.一种适应快节奏轧制的卷 取温度模型自学习方法， 其特 征在于包 含以下步骤： （1） 配置水冷自学习位置点相关参数， 包括 最小长度Lmin和最小长度比例系数 e； （2） 计算水冷自学习目标点， 通过控制系统跟踪和计算带钢通过卷取前高温计的长度， 当通过长度大于最小长度Lmin或通过长度与带钢总长度比例大于最小长度比例系数e时， 确 定当前位置为水冷自学习目标点； （3） 获取水冷自学习目标点的实际温度， 通过与预测温度比较， 计算出水冷自学习系 数； （4） 对水冷自学习系数进行上下限判断， 平滑 处理， 再次上下限判断后更新到模型数据 库， 用于下次卷 取温度模型计算。 2.根据权利要求1所述的一种适应快节奏轧制的卷取温度模型自学习方法， 其特征在 于： 所述步骤 （1） 中， 水冷自学习目标点相关参数还包括水冷自学习系数当前值上下限、 平 滑系数和当前值上下限； 最小长度Lmin小于精轧出口高温计到卷取机的距离； 最小长度比例 系数e的含义为目标点位置距带钢头部的长度与带钢总长度的比值， 取值范围为0.1～0.3； 水冷自学习系数当前值上下限用于判断和处理使用实际卷取温度规格计算出的水冷自学 习系数， 取值范围为0.6～3.5； 水冷自学习系数新上下限用于判断和处理使用实际卷取温 度规格计算出的水冷自学习系数， 取值范围为0.6～3.5； 平滑系数取值范围为0.2～0.8， 表 示自学习更新时根据当前数据计算的自学习值所占比重， 数值越大表示自学习更新速率越 快。 3.根据权利要求1所述的一种适应快节奏轧制的卷取温度模型自学习方法， 其特征在 于： 所述步骤 （2） 中， 热轧带钢卷取温度控制时， 在长度方向上将带钢分为若干个样本段， 每 个样本段的长度LS范围为1～5米， 计算水冷自学习目标点即为通过最小长度Lmin和最小长 度比例系数 e来获取样本段的序号 i； 水冷自学习目标点样本段的序号i计算方法为： 用最小长度Lmin除以样本长度Ls， 取整 后加1， 记为i1； 用最小长度比例系数e乘以计算 的带钢总长度后， 除以样本长度Ls， 取整后 加1， 记为 i2； 如果i1＜i2， 则i=i1， 否则i=i2。 4.根据权利要求3所述的一种适应快节奏轧制的卷取温度模型自学习方法， 其特征在 于： 所述步骤 （3） 中， 当水冷自学习目标点， 即第i样 本段通过卷取前高温计后， 获取第i样 本 段在高温计的实际测量数据的平均值Tm， 根据原来的水冷自学习系数zold、 带钢实际速度v、 带钢厚度、 层冷入口实际温度和层冷实际水量计算出预测卷取温度Tp,即预测卷取温度的 函数为： 其中： z为水冷自学习系数， v为实际速度， h为带钢实际厚度、 FDT为层冷入口实际温度， flow为层冷实际水量； Td为自学习更新死区， 取值范围为3～5℃， 当Tp与Tm的差值的绝对值小于Td时， 由于控 制偏差较小， 水冷自学习值不进行更新， 即Zn=Zold， 否则基于公式 （1） 卷取温度计算函数， 根 据水冷自学习目标点的实际平均温度Tm计算出当前 带钢的水冷自学习 系数zc的值。 5.根据权利要求3所述的一种适应快节奏轧制的卷取温度模型自学习方法， 其特征在 于： 所述步骤 （4） 中， 对计算出的水冷自学习系数zc进行上下限和平滑处理， 更新到模型数权　利　要　求　书 1/2 页 2 CN 114818253 A 2据库； Zc的上下限分别记为zc‑up和zc‑ll， 对zc进行上下限判断， 计算公式为： 对zc进行平滑处理， 计算出新的水冷自学习 系数zn， 计算公式为： 其中， β 为平 滑系数， 取值范围为0.2 ～0.8； 对新的水冷自学习 系数zn进行上下限判断， 计算公式为： 其中， zn‑up为zn的上限值， zn‑ll为zn的下限值， 经过上下限判断处理后， 最终的水冷 自学 习系数zn更新到模型 数据库， 用于下一 块带钢卷 取温度模型设定计算， 以提高计算精度。权　利　要　求　书 2/2 页 3 CN 114818253 A 3