基于廣義可加模型的熱軋變形抗力預報方法技術

本發明專利技術公開一種基于廣義可加模型的熱軋帶鋼變形抗力預報方法，具有以下步驟：步驟一，變量預分析，確定連接函數和模型的形式，確定模型因變量和自變量；步驟二，模型設定，確定模型的基本形式，根據因變量的分布來選擇連接函數，確定每個自變量的函數形式；步驟三，模型估計，對連接函數和光滑函數進行估計，得到不同的模型，根據GCV值選取最優模型；步驟四，模型結果及評價，得到模型參數部分與非參數部分的估計值，并對光滑函數的擬合結果進行評價分析；步驟五，模型修正，結合統計分析方法與軋制理論，在不同角度下驗證模型結果，需要時進行模型修正；本方法可對不同軋制工況下熱軋帶鋼的變形抗力進行預測，為帶鋼軋制過程高精度的軋制力計算和厚度控制提供基礎。

【技術實現步驟摘要】

本專利技術涉及熱連軋帶鋼生產過程控制領域，尤其涉及一種基于廣義可加模型的熱軋帶鋼變形抗力預報方法。
技術介紹
變形抗力是影響熱軋帶鋼軋制過程軋制力的重要因素，其對于設備的安全運行、合理制定加工工藝都起著關鍵的作用。變形抗力模型是軋制力模型的核心，其預報精度直接影響整個軋制過程數學模型的精度以及最終成品帶鋼的厚度命中率。對于變形抗力模型的研究，各國學者主要采用實驗研究，針對生產現場實測數據的研究較少。實際上，現場的二級數據蘊含大量信息，根據現場實測數據建立的變形抗力模型更加貼合軋線實際情況。另外，目前在軋線上使用的變形抗力模型結構相對固定，現有的模型更多將軋制看成一個機械過程，而忽略了軋件的金屬學現象，導致模型對不完全再結晶與殘余應變、控制軋制過程中的軟化問題、最終道次的雙相區以及晶粒大小的動態變化等現象缺乏預報能力，因而影響了變形抗力的預報精度。研究表明，金屬化學成分、應變程度、應變速率和軋制溫度與金屬變形抗力之間有密切關系，因此我們通過建立變形抗力與這些因素之間的數學模型來探究定量關系，進而提高金屬變形抗力模型的預報精度，以便提高熱軋帶鋼的軋制力模型設定精度和厚度控制精度。由于變形抗力建模是多變量、非線性的問題，通常的回歸分析方法，例如線性模型、邏輯模型都很難得到滿意的結果，擬合結果誤差較大。而廣義可加模型是廣義線性模型的非參數化拓展，其通過對自變量用非參數函數形式來擬合估計響應變量(即因變量)和自變量之間的關系，模型中每一個加性項使用單個光滑函數來估計，在每一加性項中可以解釋響應變量如何隨自變量的變化而變化，其優點是可以處理高維數據中響應變量與自變量之間的非線性關系，適合于對數據進行探索性分析或尋找響應變量和自變量間是否存在依存關系。
技術實現思路
本專利技術為了解決傳統變形抗力模型存在的上述技術問題，提供一種能確定影響熱軋帶鋼變形抗力變化原因的定量計算方法，能夠了解各個不同參數對于熱軋帶鋼變形抗力的影響程度，金屬變形抗力的準確預報可以為熱軋帶鋼軋制力模型的高精度設定計算和產品厚度指標的提升提供重要支撐的基于廣義可加模型的熱軋帶鋼變形抗力預報方法。本專利技術提供的基于廣義可加模型的熱軋變形抗力預報方法，具有這樣的特征，包括以下步驟：步驟一，變量預分析，對熱軋帶鋼變形抗力的過程數據資料根據研究目的進行分析，根據軋制理論的相關機理、先驗知識，掌握其基本情況及分布特征，以確定連接函數和模型的形式，確定模型因變量和自變量，因變量為變形抗力；步驟二，模型設定，由因變量和自變量得到廣義可加模型，根據因變量的分布特征與數據類型，選擇一個函數作為連接函數構建廣義可加模型，然后，依據散點圖并結合各項評價指標，確定每個自變量函數是參數形式還是非參數形式，以此確定總的廣義可加模型的函數形式；步驟三，模型估計，基于廣義可加模型，分別對連接函數和單變量函數進行估計，得到不同模型，以模型選擇指標來篩選最優模型；步驟四，模型結果及評價，得出模型參數部分的估計值，非參數部分的光滑函數估計及模型預測結果，對各自變量的光滑函數的擬合情況進行評價分析，得到相關評價指標；以及步驟五，模型修正，結合統計分析方法、軋制理論相關知識，在不同角度下驗證廣義可加模型所得的結果是否為真實規律，如不符合真實規律，需結合實際情況及樣本信息對廣義可加模型進行修正。本專利技術提供的基于廣義可加模型的熱軋變形抗力預報方法，還具有這樣的特征：其中，自變量為帶鋼金屬中的各化學成分，以及變形程度、變形速率、軋制溫度。本專利技術提供的基于廣義可加模型的熱軋變形抗力預報方法，還具有這樣的特征：其中，廣義可加模型的函數形式的表達式為：g(μ)=α+Σj=1pfj(Xj);]]>μ是變形抗力Y的期望值，即μ＝E(Y|X1，X2，...，Xp)，g(·)是選取的變形抗力的連接函數，α是截距，fj(·)是自變量Xj的任意單變量函數，p是所選取所述自變量的個數。本專利技術提供的基于廣義可加模型的熱軋變形抗力預報方法，還具有這樣的特征：其中，步驟三中的以模型選擇指標來篩選最優模型，是基于廣義交叉驗證(Generalizedcrossvalidation，GCV)的值來判定的，即選出GCV值最小的模型作為最優模型。本專利技術提供的基于廣義可加模型的熱軋變形抗力預報方法，還具有這樣的特征：其中，GCV值的計算公式為：GCV=1pΣj=1p{Y-α-fj(Xj)1-tr(Sλ)/p本文檔來自技高網...

【技術保護點】
一種基于廣義可加模型的熱軋變形抗力預報方法，其特征在于，包括以下步驟：步驟一，變量預分析，對熱軋帶鋼變形抗力的過程數據資料根據研究目的進行分析，根據軋制理論的相關機理、先驗知識，掌握其基本情況及分布特征，以確定連接函數和模型的形式，確定模型的因變量和自變量，所述因變量為變形抗力；步驟二，模型設定，由所述因變量和所述自變量得到廣義可加模型，根據所述因變量的分布特征與數據類型，選擇一個函數作為所述連接函數構建所述廣義可加模型，然后，依據散點圖并結合各項評價指標，確定每個所述自變量函數是參數形式還是非參數形式，以此確定總的所述廣義可加模型的函數形式；步驟三，模型估計，基于所述廣義可加模型，分別對所述連接函數和單變量函數進行估計，得到不同模型，以模型選擇指標來篩選最優模型；步驟四，模型結果及評價，得出模型參數部分的估計值，非參數部分的光滑函數估計及模型預測結果，對各自變量的光滑函數的擬合情況進行評價分析，得到相關評價指標；步驟五，模型修正，結合統計分析方法、軋制理論相關知識，在不同角度下驗證所述廣義可加模型所得的結果是否為真實規律，如不符合所述真實規律，需結合實際情況及樣本信息對廣義可加模型進行修正。...

【技術特征摘要】
1.一種基于廣義可加模型的熱軋變形抗力預報方法，其特征在于，包括以下步驟：步驟一，變量預分析，對熱軋帶鋼變形抗力的過程數據資料根據研究目的進行分析，根據軋制理論的相關機理、先驗知識，掌握其基本情況及分布特征，以確定連接函數和模型的形式，確定模型的因變量和自變量，所述因變量為變形抗力；步驟二，模型設定，由所述因變量和所述自變量得到廣義可加模型，根據所述因變量的分布特征與數據類型，選擇一個函數作為所述連接函數構建所述廣義可加模型，然后，依據散點圖并結合各項評價指標，確定每個所述自變量函數是參數形式還是非參數形式，以此確定總的所述廣義可加模型的函數形式；步驟三，模型估計，基于所述廣義可加模型，分別對所述連接函數和單變量函數進行估計，得到不同模型，以模型選擇指標來篩選最優模型；步驟四，模型結果及評價，得出模型參數部分的估計值，非參數部分的光滑函數估計及模型預測結果，對各自變量的光滑函數的擬合情況進行評價分析，得到相關評價指標；步驟五，模型修正，結合統計分析方法、軋制理論相關知識，在不同角度下驗證所述廣義可加模型所得的結果是否為真實規律，如不符合所述真實規律，需結合實際情況及樣本信息對廣義可加模型進行修...

【專利技術屬性】
技術研發人員：李偉剛，劉超，馮寧，魯凌云，
申請(專利權)人：武漢科技大學，
類型：發明
國別省市：湖北;42