拉矫设备的工艺参数的确定方法和装置与流程

本说明书属于轧钢，尤其涉及拉矫设备的工艺参数的确定方法和装置。

背景技术：

1、在轧钢技术领域，常常需要利用拉矫设备(例如，拉矫机等)对带钢进行拉矫处理以得到质量较高、符合要求的带钢。

2、现有方法，大多需要先利用拉矫设备进行大量的实验测试，以搜集得到大量的实际实验的测试数据；再利用上述量的实际实验的测试数据，作为样本数据进行模型训练，才能得到效果较好的数据模型；进而可以利用上述数据模型确定出符合要求的拉矫工艺参数。

3、但是，上述方法具体实施时，一方面需要进行大量真实的实验测试，以搜集数据量丰富的实际实验的测试数据，导致数据获取成本相对较高、数据获取难度较大，普通技术人员往往很难搜集到那么大数据量的实际实验的测试数据；另一方面还需要利用数据量较为庞大的实际实验的测试数据进行模型训练，导致模型训练过程中所涉及到的数据处理量相对较大，整体处理耗时相对较长。

4、针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

1、本说明书提供了一种拉矫设备的工艺参数的确定方法和装置，能够在不具有大数据量的实际的实验测试数据的前提下，高效、准确地确定出效果较好且符合要求的目标工艺参数。

2、本说明书提供了一种拉矫设备的工艺参数的确定方法，包括：

3、获取目标带钢的特征工艺参数，以及关于目标带钢的目标参数；其中，所述目标带钢的特征工艺参数至少包括：目标带钢的厚度和屈服应力；所述目标参数包括：目标带钢的延伸率或拉矫出口目标带钢的张应力；

4、确定与目标拉矫设备对应的目标预测模型；其中，所述目标预测模型为预先通过正交实验和逐步回归分析构建得到的；所述目标预测模型包括基于目标拉矫设备的目标延伸率预测模型和/或基于目标拉矫设备的目标张应力预测模型；

5、利用目标预测模型处理所述目标带钢的特征工艺参数，以及目标带钢的目标参数，得到符合要求的目标工艺参数。

6、在一个实施例中，确定与目标拉矫设备对应的目标预测模型，包括：

7、获取目标拉矫设备的结构特征参数；

8、根据目标拉矫设备的结构特征参数和目标带钢的特征工艺参数，建立目标拉矫设备的有限元模型；

9、通过正交实验，确定出针对目标拉矫设备的多个模拟实验参数组；

10、利用所述目标拉矫设备的有限元模型和多个模拟实验参数组，确定出针对目标拉矫设备的多个样本数据组；

11、根据目标拉矫设备的多个样本数据组，通过进行逐步回归分析，构建得到符合要求的目标预测模型。

12、在一个实施例中，所述目标拉矫设备的结构特征参数至少包括：结构类型参数和结构尺寸参数。

13、在一个实施例中，通过正交实验，确定出针对目标拉矫设备的多个模拟实验参数组，包括：

14、利用目标拉矫设备的有限元模型进行初步测试，得到初步测试结果；

15、根据初步测试结果，从多个工艺参数中筛选出对目标带钢的延伸率和/或拉矫出口目标带钢的张应力的影响程度大于预设的程度阈值的多个工艺参数作为影响因素；并确定出各个影响因素的多个水平的参考数值；

16、根据多个影响因素，以及多个影响因素的多个水平的参考数值，构建正交实验参数列表；

17、根据正交实验参数列表，选取多个影响因素的多个水平的参考数值进行组合，得到针对目标拉矫设备的多个模拟实验参数组。

18、在一个实施例中，利用所述目标拉矫设备的有限元模型和多个模拟实验参数组，确定出针对目标拉矫设备的多个样本数据组，包括：

19、利用目标拉矫设备的有限元模型基于多个模拟实验参数组进行仿真运算，得到相对应的多个仿真运算结果；

20、将模拟实验参数组与相对应的仿真运算结果进行组合，得到针对该目标拉矫设备的多个样本数据组。

21、在一个实施例中，根据目标拉矫设备的多个样本数据组，通过进行逐步回归分析，构建得到符合要求的目标预测模型，包括：

22、根据影响因素，构造相应的多个函数项，得到函数项集；

23、根据预设的逐步回归分析规则和函数项集，进行多次的逐步回归分析，到符合要求的目标预测模型。

24、在一个实施例中，根据预设的逐步回归分析规则和函数项集，进行多次的逐步回归分析，包括：

25、按照以下方式进行当前次的逐步回归分析：

26、从所述函数项集中获取当前次的函数项；并从函数项集中删除当前次的函数项；

27、将当前次的函数项加入上一次的预测模型中，得到当前次的初始预测模型；

28、根据当前次的初始预测模型，计算当前次的初始预测模型的回归相关系数；

29、检测所述当前次的初始预测模型的回归相关系数是否大于预设的期望值，得到当前次的检测结果；

30、根据当前次的检测结果调整当前次的初始预测模型，得到当前次的预测模型。

31、在一个实施例中，在得到当前次的预测模型之后，所述方法还包括：

32、检测函数项集中是否还存在函数项；

33、在确定函数项集中不存在函数项的情况下，将当前次的预测模型确定为目标预测模型。

34、本说明书还提供了一种拉矫设备的工艺参数的确定装置，包括：

35、获取模块，用于获取目标带钢的特征工艺参数，以及关于目标带钢的目标参数；其中，所述目标带钢的特征工艺参数至少包括：目标带钢的厚度和屈服应力；所述目标参数包括：目标带钢的延伸率或拉矫出口目标带钢的张应力；

36、确定模块，用于确定与目标拉矫设备对应的目标预测模型；其中，所述目标预测模型为预先通过正交实验和逐步回归分析构建得到的；所述目标预测模型包括基于目标拉矫设备的目标延伸率预测模型和/或基于目标拉矫设备的目标张应力预测模型；

37、处理模块，用于利用目标预测模型处理所述目标带钢的特征工艺参数，以及目标带钢的目标参数，得到符合要求的目标工艺参数。

38、本说明书还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现以下步骤：获取目标带钢的特征工艺参数，以及关于目标带钢的目标参数；其中，所述目标带钢的特征工艺参数至少包括：目标带钢的厚度和屈服应力；所述目标参数包括：目标带钢的延伸率或拉矫出口目标带钢的张应力；确定与目标拉矫设备对应的目标预测模型；其中，所述目标预测模型为预先通过正交实验和逐步回归分析构建得到的；所述目标预测模型包括基于目标拉矫设备的目标延伸率预测模型和/或基于目标拉矫设备的目标张应力预测模型；利用目标预测模型处理所述目标带钢的特征工艺参数，以及目标带钢的目标参数，得到符合要求的目标工艺参数。

39、基于本说明书提供的拉矫设备的工艺参数的确定方法和装置，具体实施前，可以获取并根据目标拉矫设备的结构特征参数和目标带钢的特征工艺参数，建立目标拉矫设备的有限元模型；再通过正交实验，利用目标拉矫设备的有限元模型，确定出多个样本数据组；根据多个样本数据组，通过进行逐步回归分析，构建得到符合要求的目标预测模型。这样，一方面，由于利用目标拉矫设备的有限元模型进行仿真模拟，不需要进行大量实际的实验测试，有效地降低了数据获取成本，以及数据获取难度；另一方面，还由于采用正交实验的方式，只需要确定并使用数据量较少，但覆盖度较高、代表性较好的多个样本数据组，就能够构建得到效果较好的目标预测模型，不需要获取和使用数据量庞大的样本数据进行模型训练，从而能够有效地减少了模型训练过程中所涉及的数据处理量，缩短了整体的数据处理耗时。具体实施时，可以先获取目标带钢的特征工艺参数，以及关于目标带钢的目标参数；再确定并利用与目标拉矫设备对应的目标预测模型通过处理目标带钢的特征工艺参数，以及目标带钢的目标参数，得到符合要求的目标工艺参数。从而能够在不拥有大数据量的实际的实验测试数据的前提下，以较低成本高效、准确地确定出效果较好且符合要求的目标工艺参数。进一步，可以基于上述目标工艺参数，利用目标拉矫设备较好地完成针对目标带钢的拉矫处理。