一種軋機扭振預測方法技術

本發明專利技術涉及一種軋機扭振預測方法，包括搭建扭振實驗平臺，并通過實時采用最佳核函數和參數的方法，尋找出最佳的軋機扭振預測模型。扭振實驗平臺主要由驅動端的交流變頻電動機、減速器，負載端的工作軋輥，扭振傳感器、彈性連接軸、測速傳感器和上位機組成，測速傳感器用來測量交流變頻電機通過減速器后傳輸給彈性連接軸的速度，該速度用來代表軋機的軋制速度，扭振傳感器則用來測量彈性連接軸中的扭矩大小，兩個傳感器通過上位機中的串口將檢測到的信號傳輸給上位機。本發明專利技術扭振預測過程簡單，預測精度高，增加了扭振客觀評價標準，步驟清晰，省時，省力。

【技術實現步驟摘要】
【專利摘要】本專利技術涉及，包括搭建扭振實驗平臺，并通過實時采用最佳核函數和參數的方法，尋找出最佳的軋機扭振預測模型。扭振實驗平臺主要由驅動端的交流變頻電動機、減速器，負載端的工作軋輥，扭振傳感器、彈性連接軸、測速傳感器和上位機組成，測速傳感器用來測量交流變頻電機通過減速器后傳輸給彈性連接軸的速度，該速度用來代表軋機的軋制速度，扭振傳感器則用來測量彈性連接軸中的扭矩大小，兩個傳感器通過上位機中的串口將檢測到的信號傳輸給上位機。本專利技術扭振預測過程簡單，預測精度高，增加了扭振客觀評價標準，步驟清晰，省時，省力。【專利說明】
本專利技術涉及一種基于支持向量機預測的軋機扭振預測方法。
技術介紹
現代工業對板帶鋼鐵產品的質量要求日益提高，對軋機主傳動系統提出了高精度、高動態性的技術要求，而在實際生產中，常常會出現由于負載擾動的影響、輥隙潤滑狀況、軋機的高速運轉等引發的扭振，阻礙了生產出高質量和高精度的板帶鋼鐵產品，并且對軋機機械設備帶來了嚴重損壞。這種扭振往往是瞬時的、隨機的，不具有周期性的特點，因此，利用建立參數方程的方法，對軋機扭振進行預測是不容易實現的。現有軋機扭振預測中存在的需要過多依靠技術人員的現場經驗、難以建立準確的預測參數方程、現有的預測模型復雜、不能實時調整預測模型以便提高預測精度的問題。支持向量機是一種基于統計學習理論的機器學習方法，在解決小樣本、非線性及高維模式識別中表現出許多特有的優勢，支持向量機中的核函數和參數優化程度影響著構建模型的預測精度和泛化能力，本專利技術通過實時采用最佳核函數和參數的方法，尋找出最佳的軋機扭振預測模型。【
技術實現思路
】為解決上述技術問題，本專利技術是采用如下技術方案實現的。，主要通過支持向量機，采用多項式核函數、高斯核函數，輸入產品表面質量的參數、輥隙潤滑情況的參數及其他不確定因素的參數，實時比較采用不同核函數時輸出的軋機扭振預測精度，利用實現預測精度最高的核函數對該軋機扭振進行預測。通過支持向量機不斷尋找和利用對扭振預測精度最高的核函數，實時對軋機的扭振進行預測，通過扭振預測值，可以實現對軋機扭振情況的提前預知，便于技術人員提前采取相應的補償控制方法，抑制軋機主傳動扭振的發生。，其特征在于包括以下步驟:I)搭建扭振實驗平臺，扭振實驗平臺主要由驅動端的交流變頻電動機、減速器，負載端的工作軋輥，扭振傳感器、彈性連接軸、測速傳感器和上位機組成，測速傳感器用來測量交流變頻電機通過減速器后傳輸給彈性連接軸的速度，該速度用來代表軋機的軋制速度，當驅動端電機轉速與負載端的轉速存在轉速差時，會在彈性連接軸中產生扭矩，嚴重時發生扭轉現象，扭振傳感器則用來測量彈性連接軸中的扭矩大小，兩個傳感器通過上位機中的串口將檢測到的信號傳輸給上位機，上位機中安裝支持向量機；2)模擬主傳動系統在非線性參數下的扭振情況:在扭振試驗平臺上，V表示軋機的軋制速度；P表示軋制精度；sq表示鋼鐵產品表面質量；rl表示輥隙潤滑情況；uf表示其他不確定因素；對于V、P、sq、rl取不同的組合值,用c表示，c (η)表示第η個組合值；uf(η)表示第η個隨機數；用扭振傳感器檢測扭振信號，得到在外界干擾情況下的扭振響應，用參數vr表示，vr (η)表示第η個扭振響應值；3)取v、p、sq、rl的30組不同組合,用c (I)?c (30)表示，同時取相對應的uf(I)?uf (30)共30個隨機數，把c (n)、uf (η)歸一化；用扭振傳感器檢測得到I?25組每一組組合對應的扭振響應vr ;將前20組的c (I)?c (20),uf (I)?uf (20)和vr(I)?vr (20)作為訓練集；4)支持向量機利用grid-search算法尋找最佳懲罰參數c和gamma值,采用多項式核函數對訓練集進行訓練，得到預測模型1，用modell表示，支持向量機采用高斯核函數對訓練集進行訓練，得到預測模型2，用model2表示；5)將21?25組歸一化后的C (21)?c (25),uf (21)?uf (25)作為預測集，利用modell進行預測，得到扭振預測值，用參數prl表示，prl (η)表示第η個扭振預測值，比較21?25組中各個prl (η)和vr (η),若prl (n) -vr (n) | >5%vr (n),則認為扭振預測值不準確，記錄不準確數值，用參數npvl表示；6)將21?25組歸一化后的c (21)?c (25),uf (21)?uf (25)作為預測集，利用model2進行預測，得到扭振預測值，用參數pr2表示，pr2 (η)表示第η個扭振預測值，比較21?25組中各個pr2 (η)和vr (η),若pr2 (η) -vr (η) | >5%vr (n),則認為扭振預測值不準確，記錄不準確數值，用參數ηρν2表示；7)比較npvl和npv2的大小，若npvl < npv2,表明采用多項式核函數時具有較高的扭振預測值精度，則輸入c (26)?c (30)、uf (26)?uf (30)，支持向量機利用grid-search算法尋找最佳懲罰參數c和ga_a值,支持向量機采用多項式核函數對未來某一時刻的扭振進行預測，得到預測值Pr Cm),同時利用扭振傳感器隨機檢測扭振的真實值vr (m) ;gnpvl > npv2,表明采用高斯核函數時具有較高的扭振預測值精度,則輸入c(26)?c (30)、uf (26)?uf (30),支持向量機利用grid-search算法尋找最佳懲罰參數c和gamma值，采用高斯核函數對未來的扭振進行預測，得到預測值pr Cm),同時利用扭振傳感器隨機檢測扭振的真實值vr (m)；8)每得到一次預測值pr (m),則計算pr (m)-vr (m)|,當出現pr (m)-vr (m)>5%vr (m)的次數累加達到二次，則利用5)步?7)步的方法，重新選擇核函數，利用支持向量機對未來扭振進行預測；若|pr (n)-vr (n) | >5%vr (n)的次數未達到二次,則繼續采用現有核函數，利用支持向量機對未來扭振進行預測。所述O < sq< 9,最小單位為I, sq=0表示板帶鋼鐵產品表面質量最差，sq=9表示板帶鋼鐵產品表面質量最佳。所述OSrK 9，最小單位為I，rl=0表示輥隙潤滑情況最差，r 1=9表示輥隙潤滑情況最佳。所述uf為之間的隨機數，Uf的最小單位為0.01。與現有技術相比本專利技術的有益效果是:1.本專利技術所述的與已有的依靠技術人員經驗判斷的方法相比，具有使用簡單、增加了客觀評價標準的特點。2.本專利技術所述的與已有的利用建立參數方程的預測方法相比，具有建立模型簡單，使用方便，并且具有自主學習的能力，可以實時提高預測精度的特點。3.本專利技術所述的與已有的利用支持向量機實現軋機扭振預測方法相比，具有可以更新核函數，以便實現更高扭振預測精度的特點。4.本專利技術所述的，其扭振預測過程簡單，預測精度高，增加了扭振客觀評價標準，避免了不同技術人員具有不同主觀判斷標準的缺陷，并且過程簡單、方便，速度快，步驟清晰，省時，省力。【專利附圖】【附圖說明】圖1為本專利技術所述的扭振試驗平臺示意圖。圖2為本專利技術所述的流程示意圖。【具體實施方式本文檔來自技高網...

【技術保護點】

【技術特征摘要】

【專利技術屬性】
技術研發人員：白晶，武海巍，邢吉生，牛國成，浦鐵成，徐宇，楊勇，
申請(專利權)人：北華大學，
類型：發明
國別省市：