本技术介绍了一种冷轧工艺多目标优化技术,通过结合现场生产数据、数据融合技术与智能算法,对轧制力数学模型中的关键参数进行精确的回归计算和补偿,以实现生产效率和产品质量的双重提升。
背景技术
冷轧带钢技术,作为薄板材制造领域的核心加工技艺,其生产流程聚焦于充分挖掘设备潜能、强化板形品质及缩减能耗。为达成此目标,深入剖析轧制过程的内在机制,并对核心参数进行精确建模显得尤为关键。但同时也面临诸多挑战,包括参数间的高度耦合性、非线性特征、深度关联性以及非稳态动态变化等。特别地,轧制力作为调控生产的核心变量,其预测精度的提升不仅有助于加强产品加工过程的品质监控,还能有效优化轧制规程。鉴于冷轧带钢工艺对精度与复杂性有着极高的追求,因此,在带钢轧制实践中,科学地规划与调整轧制规程,对于延长设备寿命、减少能耗开支以及保障成品质量的卓越性,均发挥着至关重要的作用。
针对上述情况,提出一种基于现场数据的冷轧过程规程多目标优化方法,基于现场生产数据,采用数据融合与智能算法结合对轧制力数学模型中关键参数进行回归计算补偿,并采用遗传算法优化随机森林超参数对轧制力补偿修正模型进行预测优化,基于补偿修正摩擦系数的轧制力预测模型,建立多算法融合机制对以最小能耗、轧制平稳和板带表面质量与生产效率动态权重平衡三个目标的轧制规程进行优化,针对不同的权重,优化不同的工艺参数,从而适应不同工况,实现提升产品质量,降低生产能耗,稳定轧制生产过程的目的。
实现思路