(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210594877.2 (22)申请日 2022.05.27 (71)申请人 燕山大学 地址 066004 河北省秦皇岛市海港区河北 大街西段438号 (72)发明人 彭艳　张政　张学微　王瑾　郭鑫　 崔金星　赵向阳　 (74)专利代理 机构 大连东方专利代理有限责任 公司 21212 专利代理师 李洪福 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) B21B 38/00(2006.01)B21B 38/08(2006.01) G06F 111/06(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于POS算法的热轧产线轧机刚度及刚 度差辨识方法 (57)摘要 本发明提供了一种基于POS算法的热轧产线 轧机刚度及刚度差辨识方法， 涉及轧机刚度技术 领域， 包括如下步骤： 利用直接测量轧制压力的 测压元件对 热轧产线进行测量， 得到热轧产线实 际生产过程中轧机两侧轧制力数据； 对所述动力 学响应预测模 型进行求解， 得到目标轧制状态下 轧机两侧状态空间模型的损失函数； 根据所述待 估计参数矩 阵得到目标轧制状态下轧机两侧的 刚度与轧机两侧的刚度差。 本专利充分挖掘了热 轧机组实际的振动数据以及轧制数据所包含的 信息来辨识轧机操作侧和传动侧的刚度及刚度 差， 并且在此基础上还可以进一步分析板带在不 同轧制宽度和轧制速度等情况下， 对机架两侧刚 度及刚度差的影 响程度， 动态跟踪热轧机组刚度 及刚度差的变化情况。 权利要求书2页 说明书8页 附图5页 CN 115034004 A 2022.09.09 CN 115034004 A 1.一种基于POS算法的热轧产线轧机 刚度及刚度差辨识方法， 其特征在于， 所述方法包 括如下步骤： 利用直接测量轧制压力的测压元件对热轧产线进行测量， 得到热轧产线实际生产 过程 中轧机两侧轧制力数据； 根据所述轧机 两侧轧制力数据得到轧制力波动函数表达式； 利用振动测试平台测量热轧产线实际生产过程中轧机 两侧的振动数据； 对所述振动数据进行处 理得到加速度波动数据、 速度波动数据和位移波动数据； 选取目标轧制状态， 根据时间筛选目标轧制状态相对应的轧制力波动函数表达式、 加 速度波动数据、 速度波动数据和位移波动数据； 根据轧制力波动 函数表达 式和轧机系统两侧的结构状态， 建立轧机两侧的动力学系统 数学模型； 将所述动力学系统数学模型依据状态空间模型的转化原则转化为状态空间模型的状 态方程和控制方程； 对所述状态方程和控制方程进行求解， 利用求解得到的参数矩阵得到动力学响应预测 模型； 根据所述加速度波动数据、 速度波动数据和位移波动数据与动力学响应预测模型， 得 到目标轧制状态下轧机 两侧状态空间模型的损失函数； 利用MATLAB软件平台搭建基于粒子群优化 算法的动力学参数辨识模型的虚拟环境； 对所述虚拟环境进行初始化， 基于POS算法对轧机两侧的状态空间模型的损失函数进 行寻优， 得到轧机 两侧状态空间模型的最小损失函数 下的待估计参数矩阵； 根据所述待估计参数矩阵得到目标轧制状态下轧机两侧的刚度、 阻尼与轧机两侧的刚 度差。 2.根据权利要求1所述的基于POS算法的热轧产线轧机 刚度及刚度差辨识方法， 其特征 在于， 还包括优化 步骤， 所述优化 步骤为： 将所述振动数据截为 三组数据； 对三组数据分别进行辨识， 得到三组数据的刚度、 阻尼与轧机 两侧的刚度差； 将三组数据的刚度、 阻尼与轧机两侧的刚度差进行求平均处理， 得到优化后的刚度、 阻 尼与轧机 两侧的刚度差数据。 3.根据权利要求1所述的基于POS算法的热轧产线轧机 刚度及刚度差辨识方法， 其特征 在于， 所述根据所述轧机两侧轧制力得到轧制力波动函数表达式包括： 对轧制力数据进行 小波分解， 分析轧制力数据细节成分进而获得轧制力波动的频率， 通过对轧制力数据进行 去趋势化处 理， 分析去趋势化后数据的波动幅值进 而获得轧制力波动的幅值。 4.根据权利要求1所述的基于POS算法的热轧产线轧机 刚度及刚度差辨识方法， 其特征 在于， 对所述振动数据进行处 理包括小 波分解、 重构和除噪处 理。 5.根据权利要求2所述的基于POS算法的热轧产线轧机 刚度及刚度差辨识方法， 其特征 在于， 所述优化后的刚度、 阻尼与轧机两侧的刚度差数据包括以相同轧制 速度轧制相同材 料， 相同厚度， 不同板宽的板带， 以不同轧制速度轧制相同材料， 相同厚度， 相同板宽的板带 等情况下， 轧机操作侧 和传动侧的动态轧制刚度及两侧的刚度差 。 6.根据权利要求1所述的基于POS算法的热轧产线轧机 刚度及刚度差辨识方法， 其特征权　利　要　求　书 1/2 页 2 CN 115034004 A 2在于， 所述虚拟环境的搭建步骤 包括： 设置初始化参数， 所述初始化参数包括粒子群参数个数、 粒子种群规模、 最大迭代次 数、 待辨识参数的定义范围、 粒子寻优速度的定义范围和权 重学习因子； 设置初始化 位置和速度； 设置粒子位置和速度更新方式； 设置局部最优和全局最优的设定方式。 7.根据权利要求1所述的基于POS算法的热轧产线轧机 刚度及刚度差辨识方法， 其特征 在于， 所述损失函数为各数据节点预测加速度与实际加速度之差的平方和、 各数据节点预 测速度与实际速度之差的平方和或各数据 节点预测位移与实际位移之差的平 方和， 所述损 失函数依据理想解的相对差值进行获取。 8.根据权利要求7所述的基于POS算法的热轧产线轧机 刚度及刚度差辨识方法， 其特征 在于， 所述理想解的相对差值 为： 其中， V为目标函数和理想解的相对差值， 为每个目标设计准则的极值， n为目标函数 个数， Qi为每个目标损失函数的实际值。权　利　要　求　书 2/2 页 3 CN 115034004 A 3