一種軋機扭振預測方法
【專利摘要】本發(fā)明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(shù)和參數(shù)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(qū)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(fā)明扭振預測過程簡單，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】一種軋機扭振預測方法
【技術領域】
[0001]本發(fā)明涉及一種基于支持向量機預測的軋機扭振預測方法。
【背景技術】
[0002]現(xiàn)代工業(yè)對板帶鋼鐵產(chǎn)品的質(zhì)量要求日益提高，對軋機主傳動系統(tǒng)提出了高精度、高動態(tài)性的技術要求，而在實際生產(chǎn)中，常常會出現(xiàn)由于負載擾動的影響、輥隙潤滑狀況、軋機的高速運轉(zhuǎn)等引發(fā)的扭振，阻礙了生產(chǎn)出高質(zhì)量和高精度的板帶鋼鐵產(chǎn)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(shù)方程的方法，對軋機扭振進行預測是不容易實現(xiàn)的。現(xiàn)有軋機扭振預測中存在的需要過多依靠技術人員的現(xiàn)場經(jīng)驗、難以建立準確的預測參數(shù)方程、現(xiàn)有的預測模型復雜、不能實時調(diào)整預測模型以便提高預測精度的問題。
[0003]支持向量機是一種基于統(tǒng)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(xiàn)出許多特有的優(yōu)勢，支持向量機中的核函數(shù)和參數(shù)優(yōu)化程度影響著構建模型的預測精度和泛化能力，本發(fā)明通過實時采用最佳核函數(shù)和參數(shù)的方法，尋找出最佳的軋機扭振預測模型。

【發(fā)明內(nèi)容】

[0004]為解決上述技術問題，本發(fā)明是采用如下技術方案實現(xiàn)的。
[0005]一種軋機扭振預測方法，主要通過支持向量機，采用多項式核函數(shù)、高斯核函數(shù)，輸入產(chǎn)品表面質(zhì)量的參數(shù)、輥隙潤滑情況的參數(shù)及其他不確定因素的參數(shù)，實時比較采用不同核函數(shù)時輸出的軋機扭振預測精度，利用實現(xiàn)預測精度最高的核函數(shù)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(shù)，實時對軋機的扭振進行預測，通過扭振預測值，可以實現(xiàn)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(fā)生。
[0006]一種軋機扭振預測方法，其特征在于包括以下步驟:
[0007]I)搭建扭振實驗平臺，扭振實驗平臺主要由驅(qū)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(qū)動端電機轉(zhuǎn)速與負載端的轉(zhuǎn)速存在轉(zhuǎn)速差時，會在彈性連接軸中產(chǎn)生扭矩，嚴重時發(fā)生扭轉(zhuǎn)現(xiàn)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；
[0008]2)模擬主傳動系統(tǒng)在非線性參數(shù)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(chǎn)品表面質(zhì)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(shù)；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(shù)vr表示，vr (η)表示第η個扭振響應值；[0009]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(shù)，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；
[0010]4)支持向量機利用grid-search算法尋找最佳懲罰參數(shù)c和gamma值,采用多項式核函數(shù)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(shù)對訓練集進行訓練，得到預測模型2，用model2表示；
[0011]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(shù)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(shù)值，用參數(shù)npvl表示；
[0012]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(shù)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(shù)值，用參數(shù)ηρν2表示；
[0013]7)比較npvl和npv2的大小，若npvl < npv2,表明采用多項式核函數(shù)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(shù)c和ga_a值,支持向量機采用多項式核函數(shù)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(shù)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(shù)c和gamma值，采用高斯核函數(shù)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)；
[0014]8)每得到一次預測值pr (m),則計算pr (m)-vr (m)|,當出現(xiàn)pr (m)-vr (m)>5%vr (m)的次數(shù)累加達到二次，則利用5)步?7)步的方法，重新選擇核函數(shù)，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(shù)未達到二次,則繼續(xù)采用現(xiàn)有核函數(shù)，利用支持向量機對未來扭振進行預測。
[0015]所述O < sq< 9,最小單位為I, sq=0表示板帶鋼鐵產(chǎn)品表面質(zhì)量最差，sq=9表示板帶鋼鐵產(chǎn)品表面質(zhì)量最佳。
[0016]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。
[0017]所述uf為[O, 10]之間的隨機數(shù)，Uf的最小單位為0.01。
[0018]與現(xiàn)有技術相比本發(fā)明的有益效果是:
[0019]1.本發(fā)明所述的一種軋機扭振預測方法與已有的依靠技術人員經(jīng)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。
[0020]2.本發(fā)明所述的一種軋機扭振預測方法與已有的利用建立參數(shù)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。
[0021]3.本發(fā)明所述的一種軋機扭振預測方法與已有的利用支持向量機實現(xiàn)軋機扭振預測方法相比，具有可以更新核函數(shù)，以便實現(xiàn)更高扭振預測精度的特點。
[0022]4.本發(fā)明所述的一種軋機扭振預測方法，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】
[0023]圖1為本發(fā)明所述的扭振試驗平臺示意圖。
[0024]圖2為本發(fā)明所述的一種軋機扭振預測方法流程示意圖。
【具體實施方式】
[0025]下面結(jié)合附圖對本發(fā)明作詳細的描述:
[0026]1.參閱圖1，用交流變頻電動機、減速器，負載端的工作軋輥以及扭振傳感器、彈性連接軸、測速傳感器和上位機搭建扭振實驗平臺，通過上位機中的串口，測速傳感器將軋機的軋制速度傳輸給上位機，扭振傳感器將檢測到的彈性連接軸中的扭振響應傳輸給上位機，設置軋制速度V在20m/s至100m/S間改變，軋制精度P在10%至0.1%間改變，板帶鋼鐵產(chǎn)品表面質(zhì)量sq在O至9之間改變，輥隙潤滑等級rl在O至9之間改變，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。
[0027]2、取V、p、sq、rl的25組不同組合,用c (I)~c (25)表示，同時取相對應的uf
(I)~uf (25)共25個隨機數(shù)，把c (n)、uf (η)歸一化，如表1所示；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;
[0028]表lv、p、sq、rl, uf, vr 的 25 組值
[0029]
【權利要求】
1.一種軋機扭振預測方法，其特征在于包括以下步驟: 1)搭建扭振實驗平臺，扭振實驗平臺主要由驅(qū)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(qū)動端電機轉(zhuǎn)速與負載端的轉(zhuǎn)速存在轉(zhuǎn)速差時，會在彈性連接軸中產(chǎn)生扭矩，嚴重時發(fā)生扭轉(zhuǎn)現(xiàn)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(tǒng)在非線性參數(shù)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(chǎn)品表面質(zhì)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(shù)；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(shù)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(shù)，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)支持向量機采用多項式核函數(shù)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(shù)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(shù)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 (η),則認為扭振預測值不準確，記錄不準確數(shù)值，用參數(shù)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(shù)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 (η),則認為扭振預測值不準確，記錄不準確數(shù)值，用參數(shù)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(shù)時具有較高的扭振預測值精度，則輸入c (26)~c (30),uf (26)~uf (30)，支持向量機采用多項式核函數(shù)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);若npvl〈npv2,表明采用高斯核函數(shù)時具有較高的扭振預測值精度,則輸Ac (26)~c (30)、uf (26)~uf (30)，支持向量機采用高斯核函數(shù)對未來的扭振進行預測，得到預測值Pr (m)，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(xiàn)pr (m) -vr (m)>5%vr (m)的次數(shù)累加達到二次，則利用5)步~7)步的方法，重新選擇核函數(shù)，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(shù)未達到二次,則繼續(xù)采用現(xiàn)有核函數(shù)，利用支持向量機對未來扭振進行預測。
2.根據(jù)權利要求1所述的一種軋機扭振預測方法，其特征在于:所述O< sq ( 9，最小單位為I, sq=0表示板帶鋼鐵產(chǎn)品表面質(zhì)量最差，sq=9表示板帶鋼鐵產(chǎn)品表面質(zhì)量最佳。
3.根據(jù)權利要求1所述的一種軋機扭振預測方法，其特征在于:所述O< rl ( 9，最小單位為1，rl=0表示輥隙潤滑情況最差，rl=9表示輥隙潤滑情況最佳。
4.根據(jù)權利要求1所述的一種軋機扭振預測方法，其特征在于:所述uf為[O，10]之間的隨機數(shù)，uf的最小單位為0.01`。`
【文檔編號】G06F19/00GK103752620SQ201310753422
【公開日】2014年4月30日 申請日期:2013年12月31日 優(yōu)先權日:2013年12月31日
【發(fā)明者】白晶, 武海巍, 邢吉生, 牛國成, 浦鐵成, 徐宇, 楊勇 申請人:北華大學