线材控冷系统轧件温度检测处理方法及装置与流程

本发明涉及控轧控冷技术领域，特别涉及一种线材控冷系统轧件温度检测处理方法及装置。

背景技术：

控轧控冷技术的核心是在轧制过程中通过控制加热温度、轧制过程、冷却条件等工艺参数，进一步提高钢材的强韧性和获得合理的综合性能，并能够降低合金元素含量和碳含量，节约贵重的合金元素，降低生产成本。在轧制高等级、高附加值的钢种(如冷镦钢、弹簧钢、轴承钢等)时，对钢种的冷却温度控制要求极高，往往要求控制在±10度以内，水量稍微偏多、偏少都会使轧材脱离最优相变区，影响产品的最终力学性能，产生质量争议。在自动化的控冷轧制中，控制系统总是根据温度检测点的实测温度数据作为调节冷却水量的依据，这就意味着必须精确测量轧件的温度值，进而才能精确控制给水量，确保冷却效果。

在高速线材穿水冷控制领域，温度信号通过精轧机入口高温计、精轧机出口高温计和吐丝机出口高温计测得，分别为精轧机入口温度t2、精轧机出口温度t3、吐丝机出口温度t4，如图1所示。高温计一般指测量温度高于500℃所使用的温度计，常用的高温计有光学高温计、比色高温计及辐射高温计等，主要利用物体光谱辐射度(即光谱辐射亮度)测量其温度。

在实际应用中，精轧机出口温度t3是进入冷却水箱的轧件的温度，精轧机出口靠近冷却水箱入口，将高温计设置在这里其位置合理，t3(如果可靠的话)可直接反映出该测点的实时温度，但是该测点容易受到水汽、冷却水膜等因素的影响，导致检查出来的温度信号波动剧烈，无法真实反映实际的温度值；同时轧件截面积小，速度高(速度可达110米/秒)，且受冷却水冲击、张力变化等影响，导致轧件上下左右跳动，从而使得检测信号更新周期短，数据窗口时间窄，信号无法快速稳定，出现剧烈波动，具体的温度曲线如图2和3所示。

t2是精轧机入口侧的温度，此处轧件速度较低，截面积较大，同时距离两端水箱较远，不受水汽等影响，此处的温度检测非常可靠，但是距离水箱入口有较长距离，滞后较多，且经过精轧机的轧制，轧件会产生温度变化(温升或温降)，导致其t2无法直接体现进入水箱的轧件温度。

t4是经过穿水冷却后的轧件温度，已经是完成了轧制之后的轧件温度，使用t4去调控给水量会产生滞后效果。

因此，使用上述任何一种单一的温度来实现控冷轧制自动化控制都不理想，且温度控制的精度和可靠性不高。

技术实现要素：

本发明实施例提供了一种线材控冷系统轧件温度检测处理方法及装置，使用多种温度可以很好地实现控冷轧制自动化控制可以很理想，提升了温度控制的精度和可靠性。

该线材控冷系统轧件温度检测处理方法包括：

获取精轧机入口历史温度和精轧机出口历史温度；

根据所述精轧机入口历史温度和精轧机出口历史温度，确定历史温升数据；

根据所述精轧机入口历史温度和所述历史温升数据，确定入口温度与温升数据关系曲线；

获取精轧机入口实测温度和精轧机出口实测温度；

根据所述精轧机入口实测温度、所述精轧机出口实测温度和所述入口温度与温升数据的关系曲线，确定冷却水箱的给水量。

该线材控冷系统轧件温度检测处理装置包括：

温度获取模块，用于获取精轧机入口历史温度和精轧机出口历史温度；

历史温升数据确定模块，用于根据所述精轧机入口历史温度和精轧机出口历史温度，确定历史温升数据；

关系曲线确定模块，用于根据所述精轧机入口历史温度和所述历史温升数据，确定入口温度与温升数据关系曲线；

温度获取模块还用于：获取精轧机入口实测温度和精轧机出口实测温度；

给水量确定模块，用于根据所述精轧机入口实测温度、所述精轧机出口实测温度和所述入口温度与温升数据的关系曲线，确定冷却水箱的给水量。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述方法的计算机程序。

在本发明实施例中，根据精轧机入口历史温度和精轧机出口历史温度确定历史温升数据，根据精轧机入口历史温度和历史温升数据确定入口温度与温升数据关系曲线，根据获取的精轧机入口实测温度、精轧机出口实测温度和入口温度与温升数据的关系曲线，确定冷却水箱的给水量。该方案使用多种温度可以很好地实现控冷轧制自动化控制，提升了温度控制的精度和可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是一种温度检测元件布置示意图；

图2是一种精轧机出口温度分布曲线图；

图3是一种精轧机出口实测温度曲线图；

图4是本发明实施例提供的一种线材控冷系统轧件温度检测处理方法流程图；

图5是本发明实施例提供的一种出口温度处理流程图；

图6是本发明实施例提供的一种入口温度与温升数据关系曲线(即温变曲线)图；

图7是本发明实施例提供的一种入口温度处理流程图；

图8是本发明实施例提供的进入自学习优化处理之前的数据处理方法流程图；

图9是本发明实施例提供的对精轧机入口当前实测温度对应的温升数据的自学习优化处理流程图；

图10是本发明实施例提供的对除精轧机入口当前实测温度之外的点的温升数据的自学习优化处理流程图；

图11是本发明实施例提供的一种各个钢种高斯权重分布图；

图12是本发明实施例提供的一种温度采集与自学习流程图(上半部分)；

图13是本发明实施例提供的一种温度采集与自学习流程图(下半部分)；

图14是本发明实施例提供的一种线材控冷系统轧件温度检测处理装置结构框图(一)；

图15是本发明实施例提供的一种线材控冷系统轧件温度检测处理装置结构框图(二)；

图16是本发明实施例提供的一种线材控冷系统轧件温度检测处理装置结构框图(三)。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明实施例中，提供了一种线材控冷系统轧件温度检测处理方法，如图4所示，该方法包括：

步骤401：获取精轧机入口历史温度和精轧机出口历史温度；

步骤402：根据所述精轧机入口历史温度和精轧机出口历史温度，确定历史温升数据；

按照如下公式确定历史温升数据：

δtmea＝t3mea-t2mea；

其中，δtmea表示历史温升数据；t3mea表示获取的精轧机出口历史温度；t2mea表示获取的精轧机入口历史温度。

步骤403：根据所述精轧机入口历史温度和所述历史温升数据，确定入口温度与温升数据关系曲线；

步骤404：获取精轧机入口实测温度和精轧机出口实测温度；

步骤405：根据所述精轧机入口实测温度、所述精轧机出口实测温度和所述入口温度与温升数据的关系曲线，确定冷却水箱的给水量。

:在本发明实施例中，在获取了精轧机入口历史温度和精轧机出口历史温度之后，还需要对所述精轧机入口历史温度和精轧机出口历史温度进行处理，如图5所示，具体处理如下：

步骤501：判断所述精轧机出口历史温度是否大于预设精轧机出口温度最小值：

步骤502：当所述精轧机出口历史温度t3mea小于等于预设精轧机出口温度最小值t3min时，所述精轧机出口历史温度无效，重新获取精轧机出口历史温度；

步骤503：当所述精轧机出口历史温度大于预设精轧机出口温度最小值时，判断所述精轧机出口历史温度的变化率是否小于预设比例：

按照如下公式判断所述精轧机出口历史温度的变化率是否小于预设比例：

|(t3lastmea-t3mea)/t3lastmea|<10％；

其中，t3lastmea表示上一次温度采集时获取的精轧机出口历史温度；t3mea表示当前温度采集获取的精轧机出口历史温度，所述预设比例为10％。

步骤504：当所述精轧机出口历史温度的变化率大于等于预设比例时，所述精轧机出口历史温度无效，重新获取精轧机出口历史温度；

步骤505：当所述精轧机出口历史温度的变化率小于预设比例时，所述精轧机出口历史温度有效。

在经过上述温度数据处理后，步骤402：根据所述精轧机入口历史温度和精轧机出口历史温度，确定历史温升数据，具体包括：

根据所述精轧机入口历史温度和判断为有效的精轧机出口历史温度，确定历史温升数据。

具体的，上述的温度数据处理实际上就是对所述精轧机入口历史温度和精轧机出口历史温度进行模拟量输入信号处理(ai)、拾峰计算(peak)和斜坡限幅(ramp)处理。在该处理过程中，温度值的超限、过大的温度变化等误差得到有效抑制。

其中，模拟量输入信号处理(ai)接受底层的温度计反馈信号(精轧机入口历史温度t2和精轧机出口历史温度t3，包括但不限于4～20ma类型)，对反馈值进行有效性检查、工程值转化、异常剔除及报警等功能，确保输入的底层信号的稳定可信，当信号反馈通道异常时，发出报警，如正在温度闭环控制过程中，则可根据操作员的与设计，沿用上一次的正确值维持温度闭环，或者报警后自动退出温度闭环，并自动进入流量闭环模式。

拾峰计算(peak)用于快速剔除因水汽、氧化铁皮、阴阳面等造成的温度计检测偏低，拾取设定拾峰区间内的温度峰值。拾峰区间设定可调，拾峰长度设定越短，采样密度越高，温度值实时性就越好。该功能可有效且快速的将“明显的”温度低值剔除出控制系统。

斜坡限幅(ramp)用于抑制采样温度值的变化幅度。由于轧件热惯量的存在，其温度值不可能发生突变，斜坡限幅通过抑制其变化率来限制因轧件弹跳、抖动、现场其他不规律热源(如火焰切割、电气焊)等对温度计反馈造成的影响，该功能可有效且快速的将“明显的”温度低值或温度高值剔除出控制系统。变化率源自工艺指标，在调试阶段确定。

在本发明实施例中，针对不同的轧制钢材品种、规格、速度等参数，所述入口温度与温升数据关系曲线会有所不同，因此，步骤403具体包括：

根据所述精轧机入口历史温度确定层别参数，所述层别参数包括钢规层别、轧制速度层别和投用机架数层别；

根据所述层别参数和所述历史温升数据，确定入口温度与温升数据关系曲线。

举例如：轧制swrch22a_φ6.5规格，精轧机出口速度为40.75-44.34m/s，精轧机投用6个机架时，其温变曲线如图6所示。由图6可知，随着入口温度的逐渐上升，温升数据逐渐减小。

在本发明实施例中，如图7所示，步骤405具体按照如下方式确定冷却水箱的给水量：

步骤4051：确定所述精轧机入口实测温度t2mea是否存在于所述入口温度(t2)与温升数据(δt)的关系曲线(dtt)上：

步骤4052：若所述精轧机入口实测温度t2mea存在于所述入口温度与温升数据的关系曲线上，则从所述入口温度与温升数据的关系曲线中查找与所述精轧机入口实测温度对应的温升数据δtold，根据所述精轧机入口实测温度和对应的温升数据确定精轧机出口理论温度，根据所述精轧机出口理论温度确定冷却水箱的给水量；

步骤4053：若所述精轧机入口实测温度不存在于所述入口温度与温升数据的关系曲线上，则判断在预设范围内是否存在至少两个对应点，所述两个对应点表示两组对应的入口温度与温升数据，预设范围为[入口温度-预设值，入口温度+预设值]，预设值可以是5度，即[t2-5，t2+5]：

步骤4054：若存在至少两个对应点，则利用插值法根据这两个对应点对应的温升数据计算所述精轧机入口实测温度对应的温升数据δtold，根据所述精轧机入口实测温度和计算所得的温升数据确定精轧机出口理论温度，根据所述精轧机出口理论温度确定冷却水箱的给水量，将所述精轧机入口实测温度和计算得到的温升数据添加到所述入口温度与温升数据的关系曲线上；

步骤4055：若不存在两个对应点，则根据所述精轧机入口实测温度和所述精轧机出口实测温度确定温升实际数据，根据所述精轧机出口实测温度确定冷却水箱的给水量，将所述精轧机入口实测温度和所述温升实际数据添加到所述入口温度与温升数据的关系曲线中。

在本发明实施例中，在实际轧制过程中，有时候根据实际测得的精轧机出口温度确定的冷却水箱的给水量从而获得的最终轧制效果可能会比根据入口温度与温升数据的关系曲线上的精轧机入口实测温度和对应的温升数据确定的精轧机出口理论温度确定的冷却水箱的给从而获得的最终轧制效果要好，那此时，就需要对当前测量得到的精轧机入口实测温度对应的温变曲线上的温升数据进行自学习优化处理。具体的，如图8所示，该自学习优化处理过程包括：

步骤601：获取第一吐丝机出口当前实测温度和第二吐丝机出口当前实测温度，其中，所述第一吐丝机出口当前实测温度为根据所述精轧机入口当前实测温度和对应的温升数据确定的，或所述第一吐丝机出口当前实测温度为根据所述精轧机入口当前实测温度和利用插值法计算的温升数据确定的；所述第二吐丝机出口实测温度为根据所述精轧机出口当前实测温度确定的；

步骤602：将所述第一吐丝机出口当前实测温度与最优吐丝机出口温度做差取绝对值，获得第一差值绝对值；

步骤603：将所述第二吐丝机出口当前实测温度与最优吐丝机出口温度做差取绝对值，获得第二差值绝对值；

步骤604：将所述第一差值绝对值和所述第二差值绝对值进行比较：

步骤605：当所述第一差值绝对值大于所述第二差值绝对值时，根据所述精轧机出口当前实测温度对所述精轧机入口当前实测温度对应的温升数据进行自学习优化处理，获得优化后的温升数据。

步骤606：当所述第一差值绝对值小于所述第二差值绝对值时，不对所述精轧机入口当前实测温度对应的温升数据进行自学习优化处理。

具体的，如图9所示，步骤605具体按照如下方式执行：

步骤6051：确定精轧机出口当前理论温度，所述精轧机出口当前理论温度是根据所述精轧机入口当前实测温度和对应的温升数据确定的，或，根据所述精轧机入口当前实测温度和利用插值法计算的温升数据确定的；

步骤6052：根据所述精轧机出口当前实测温度和所述精轧机出口当前理论温度，确定精轧机出口温度差值；

步骤6053：根据所述精轧机出口温度差值和钢型种类确定变化系数；

步骤6054：根据所述精轧机入口当前实测温度和所述精轧机出口当前实测温度，确定当前温升实际数据；

步骤6055：确定温升变化数据，所述温升数据是根据所述精轧机入口当前实测温度对应的温升数据、当前温升实际数据和变化系数，或，根据所述精轧机入口当前实测温度对应的计算的温升数据、当前温升实际数据和变化系数；

按照如下公式确定温升变化数据：

δtnew＝aδtmea+(1-a)δtold；

其中，δtnew表示温升变化数据；a表示变化系数；δtmea表示当前温升实际数据；δtold表示所述精轧机入口当前实测温度对应的温升数据，或所述精轧机入口当前实测温度对应的计算的温升数据。

具体的，实践表明，a按照表1进行取值时，可实现曲线的快速自适应和稳定输出。

表1

步骤6056：在确定了温升变化数据，还需要判断所述温升变化数据的变化率是否超出预设限值，若所述温升变化数据的变化率超出预设限值，对所述温升变化数据进行限幅调整。

步骤6057：利用所述温升变化数据更新所述精轧机入口当前实测温度对应的温升数据，或，利用所述温升变化数据更新所述精轧机入口当前实测温度对应的计算的温升数据。

在本发明实施例中，在对当前测量得到的精轧机入口实测温度对应的温变曲线上的温升数据进行自学习优化处理之后，还需要对温变曲线上其他的温升数据进行自学习优化处理。如图10所示，该优化处理步骤如下：

步骤1001：确定温升数据改变量，所述温升数据改变量是根据温升变化数据和所述精轧机入口当前实测温度对应的温升数据确定的，或，所述温升数据改变量是根据温升变化数据和所述精轧机入口当前实测温度对应的计算的温升数据确定的；

温升数据改变量按照如下公式确定：

deltat＝δtnew-δtold；

其中，deltat表示温升数据改变量，δtnew表示温升变化数据；δtold表示所述精轧机入口当前实测温度对应的温升数据，或所述精轧机入口当前实测温度对应的计算的温升数据。

步骤1002：判断所述温升数据改变量是否大于0：

步骤1003：若大于0，则依次遍历所述入口温度与温升数据关系曲线上对应于小于所述精轧机入口当前实测温度的所有入口温度(温变曲线上与t2mea对应左边的点)，并设定控制变量(ct1)为0；

步骤1004：若不大于0，则依次遍历所述入口温度与温升数据关系曲线上对应于大于所述精轧机入口当前实测温度的所有入口温度(温变曲线上与t2mea对应右边的点)，并设定控制变量(ct1)为1；

步骤1005：判断第一入口温度ti是否不等于所述精轧机入口当前实测温度，其中，所述第一入口温度为遍历过的其中任一个入口温度：

步骤1006：若不等于，则利用高斯函数计算所述第一入口温度的第一自学习权重，根据所述温升数据改变量、所述第一自学习权重和所述第一入口温度对应的温升数据，确定所述第一入口温度的第一温升更新数据；

按照如下公式确定第一温升更新数据：

δtinew＝δtiold+k1×deltat；

其中，δtinew表示所述入口温度与温升数据关系曲线上第i个入口温度对应的温升变化数据，其中i等于1、2、……n，n表示所述入口温度与温升数据关系曲线上小于所述精轧机入口当前实测温度的所有入口温度的个数，或n表示所述入口温度与温升数据关系曲线上大于所述精轧机入口当前实测温度的所有入口温度的个数；δtiold表示入口温度与温升数据关系曲线上第i个入口温度对应的温升数据；k1表示第一自学习权重，k1<1；

若等于，则直接使用精轧机入口当前实测温度的温升变化数据即可。

步骤1007：判断所述第一入口温度对应的控制变量是否为0：

步骤1008：若为0(说明是温变曲线上与t2mea对应左边的点)，增加所述第一入口温度对应的温升数据的值，判断所述第一入口温度对应的温升数据是否小于第二入口温度对应的温升数据(即判断温升曲线的变化趋势)，其中，所述第二入口温度为所述入口温度与温升数据关系曲线上位于所述第一入口温度之后的入口温度：

步骤1009：若所述第一入口温度δti对应的温升数据小于第二入口温度δt(i+1)对应的温升数据(也就是后面的点升的比前面的点快，是不符合图6的温升曲线的变化规律的)，因此，利用高斯函数计算所述第一入口温度的第二自学习权重，根据所述第二入口温度的第一温升更新数据和所述第二自学习权重，确定所述第一入口温度的第二温升更新数据；

按照如下公式确定所述第一入口温度的第二温升更新数据：

δt′inew＝k2×δt(i+1)new；

其中，δt′inew表示第二温升更新数据；k2表示第二自学习权重；δt(i+1)new表示第二入口温度的第一温升更新数据；

步骤1010：若所述第一入口温度对应的温升数据不小于第二入口温度对应的温升数据，则根据所述第一入口温度的第一温升更新数据更新所述第一入口温度对应的温升数据；

步骤1011：若不为0(即为1，说明是温变曲线上与t2mea对应右边的点)，则减小所述第一入口温度对应的温升数据的值，判断所述第一入口温度对应的温升数据是否大于第三入口温度对应的温升数据，其中，所述第三入口温度为所述入口温度与温升数据关系曲线上位于所述第一入口温度之前的入口温度：

步骤1012：若所述第一入口温度对应的温升数据δti大于第三入口温度δt(i-1)对应的温升数据(也就是后面的点升的比前面的点快，是不符合图6的温升曲线的变化规律的)，则利用高斯函数计算所述第一入口温度的第三自学习权重，根据所述第三入口温度的第一温升更新数据和所述第三自学习权重，确定所述第一入口温度的第三温升更新数据；

按照如下公式确定所述第一入口温度的第二温升更新数据：

δt′inew＝k3×δt(i-1)new；

其中，δt′inew表示第三温升更新数据；k3表示第三自学习权重；δt(i-1)new表示第三入口温度的第一温升更新数据；

步骤1013：若所述第一入口温度对应的温升数据不大于第三入口温度对应的温升数据，则根据所述第一入口温度的第一温升更新数据更新所述第一入口温度对应的温升数据。

在实际生产中，本点的学习数据会对温变曲线上其他点的趋势产生影响，在确保系统稳定的情况下，如何快速、平稳的调整其他点的曲线趋势一直是个难题。本发明独创的基于高斯分布函数，利用其他点与测量点之差动态计算其他点的自学习权重，有效的解决了该问题。高斯函数如下所示：

经过现场持续优化，并结合实际控制效果，确定在高斯函数中，当a′＝1，b＝0，c根据表2的进行取值时，自学习效果最优。

表2典型钢种取值

轧制不同钢种时，其他点自学习权重曲线如图11所示。

整个线材控冷系统轧件温度检测处理方法的流程图如图12和图13所示。

基于同一发明构思，本发明实施例中还提供了一种线材控冷系统轧件温度检测处理装置，如下面的实施例所述。由于线材控冷系统轧件温度检测处理装置解决问题的原理与线材控冷系统轧件温度检测处理方法相似，因此线材控冷系统轧件温度检测处理装置的实施可以参见线材控冷系统轧件温度检测处理方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图14是本发明实施例的线材控冷系统轧件温度检测处理装置的结构框图，如图14所示，包括：

温度获取模块1401，用于获取精轧机入口历史温度和精轧机出口历史温度；

历史温升数据确定模块1402，用于根据所述精轧机入口历史温度和精轧机出口历史温度，确定历史温升数据；

关系曲线确定模块1403，用于根据所述精轧机入口历史温度和所述历史温升数据，确定入口温度与温升数据关系曲线；

温度获取模块1401还用于：获取精轧机入口实测温度和精轧机出口实测温度；

给水量确定模块1404，用于根据所述精轧机入口实测温度、所述精轧机出口实测温度和所述入口温度与温升数据的关系曲线，确定冷却水箱的给水量。

下面对该结构进行说明。

在本发明实施例中，如图15所示，该还包括：温度处理模块1405，用于：

在获取精轧机入口历史温度和精轧机出口历史温度之后，将所述精轧机出口历史温度与预设精轧机出口温度最小值进行比较：

当所述精轧机出口历史温度小于等于预设精轧机出口温度最小值时，所述精轧机出口历史温度无效，重新获取精轧机出口历史温度；

当所述精轧机出口历史温度大于预设精轧机出口温度最小值时，判断所述精轧机出口历史温度的变化率是否小于预设比例：

当所述精轧机出口历史温度的变化率大于等于预设比例时，所述精轧机出口历史温度无效，重新获取精轧机出口历史温度；

当所述精轧机出口历史温度的变化率小于预设比例时，所述精轧机出口历史温度有效；

根据所述精轧机入口历史温度和精轧机出口历史温度，确定历史温升数据，包括：

根据所述精轧机入口历史温度和判断为有效的精轧机出口历史温度，确定历史温升数据。

在本发明实施例中，所述温度处理模块1405具体用于：

按照如下公式判断所述精轧机出口历史温度的变化率是否小于预设比例：

|(t3lastmea-t3mea)/t3lastmea|<10％；

其中，t3lastmea表示上一次温度采集时获取的精轧机出口历史温度；t3mea表示当前温度采集获取的精轧机出口历史温度，所述预设比例为10％。

在本发明实施例中，所述历史温升数据确定模块1402具体用于：

按照如下公式根据所述精轧机入口历史温度和精轧机出口历史温度，确定历史温升数据：

δtmea＝t3mea-t2mea；

其中，δtmea表示历史温升数据；t3mea表示获取的精轧机出口历史温度；t2mea表示获取的精轧机入口历史温度。

在本发明实施例中，所述关系曲线确定模块1403具体用于：

根据所述精轧机入口历史温度确定层别参数，所述层别参数包括钢规层别、轧制速度层别和投用机架数层别；

根据所述层别参数和所述历史温升数据，确定入口温度与温升数据关系曲线。

在本发明实施例中，所述给水量确定模块1404具体用于：

确定所述精轧机入口实测温度是否存在于所述入口温度与温升数据的关系曲线上：

若所述精轧机入口实测温度存在于所述入口温度与温升数据的关系曲线上，则从所述入口温度与温升数据的关系曲线中查找与所述精轧机入口实测温度对应的温升数据，根据所述精轧机入口实测温度和对应的温升数据确定精轧机出口理论温度，根据所述精轧机出口理论温度确定冷却水箱的给水量；

若所述精轧机入口实测温度不存在于所述入口温度与温升数据的关系曲线上，则判断在预设范围内是否存在至少两个对应点，所述两个对应点表示两组对应的入口温度与温升数据，预设范围为[入口温度-预设值，入口温度+预设值]：

若存在至少两个对应点，则利用插值法根据这两个对应点对应的温升数据计算所述精轧机入口实测温度对应的温升数据，根据所述精轧机入口实测温度和计算所得的温升数据确定精轧机出口理论温度，根据所述精轧机出口理论温度确定冷却水箱的给水量，将所述精轧机入口实测温度和计算得到的温升数据添加到所述入口温度与温升数据的关系曲线上；

若不存在两个对应点，则根据所述精轧机入口实测温度和所述精轧机出口实测温度确定温升实际数据，根据所述精轧机出口实测温度确定冷却水箱的给水量，将所述精轧机入口实测温度和所述温升实际数据添加到所述入口温度与温升数据的关系曲线中。

在本发明实施例中，如图16所示，还包括：自学习优化处理1406，用于：

获取第一吐丝机出口当前实测温度和第二吐丝机出口当前实测温度，其中，所述第一吐丝机出口当前实测温度为根据所述精轧机入口当前实测温度和对应的温升数据确定的，或所述第一吐丝机出口当前实测温度为根据所述精轧机入口当前实测温度和利用插值法计算的温升数据确定的；所述第二吐丝机出口实测温度为根据所述精轧机出口当前实测温度确定的；

将所述第一吐丝机出口当前实测温度与最优吐丝机出口温度做差取绝对值，获得第一差值绝对值；

将所述第二吐丝机出口当前实测温度与最优吐丝机出口温度做差取绝对值，获得第二差值绝对值；

将所述第一差值绝对值和所述第二差值绝对值进行比较，当所述第一差值绝对值大于所述第二差值绝对值时，根据所述精轧机出口当前实测温度对所述精轧机入口当前实测温度对应的温升数据进行自学习优化处理，获得优化后的温升数据。

在本发明实施例中，所述自学习优化处理1406具体用于：

按照如下方式根据所述精轧机出口当前实测温度对所述精轧机入口当前实测温度对应的温升数据进行自学习优化处理，获得优化后的温升数据：

确定精轧机出口当前理论温度，所述精轧机出口当前理论温度是根据所述精轧机入口当前实测温度和对应的温升数据确定的，或，根据所述精轧机入口当前实测温度和利用插值法计算的温升数据确定的；

根据所述精轧机出口当前实测温度和所述精轧机出口当前理论温度，确定精轧机出口温度差值；

根据所述精轧机出口温度差值和钢型种类确定变化系数；

根据所述精轧机入口当前实测温度和所述精轧机出口当前实测温度，确定当前温升实际数据；

确定温升变化数据，所述温升数据是根据所述精轧机入口当前实测温度对应的温升数据、当前温升实际数据和变化系数，或，根据所述精轧机入口当前实测温度对应的计算的温升数据、当前温升实际数据和变化系数；

利用所述温升变化数据更新所述精轧机入口当前实测温度对应的温升数据，或，利用所述温升变化数据更新所述精轧机入口当前实测温度对应的计算的温升数据。

在本发明实施例中，所述自学习优化处理1406还用于：

判断所述温升变化数据的变化率是否超出预设限值，若所述温升变化数据的变化率超出预设限值，对所述温升变化数据进行限幅调整。

在本发明实施例中，所述自学习优化处理1406具体用于：

按照如下公式确定温升变化数据：

δtnew＝aδtmea+(1-a)δtold；

其中，δtnew表示温升变化数据；a表示变化系数；δtmea表示当前温升实际数据；δtold表示所述精轧机入口当前实测温度对应的温升数据，或所述精轧机入口当前实测温度对应的计算的温升数据。

在本发明实施例中，所述自学习优化处理1406还用于：

在对所述精轧机入口当前实测温度对应的温升数据进行自学习优化处理后，对所述入口温度与温升数据关系曲线上的其他温升数据进行自学习优化处理；

包括：

确定温升数据改变量，所述温升数据改变量是根据温升变化数据和所述精轧机入口当前实测温度对应的温升数据确定的，或，所述温升数据改变量是根据温升变化数据和所述精轧机入口当前实测温度对应的计算的温升数据确定的；

判断所述温升数据改变量是否大于0：

若大于0，则依次遍历所述入口温度与温升数据关系曲线上对应于小于所述精轧机入口当前实测温度的所有入口温度，并设定控制变量为0；

若不大于0，则依次遍历所述入口温度与温升数据关系曲线上对应于大于所述精轧机入口当前实测温度的所有入口温度，并设定控制变量为1；

判断第一入口温度是否不等于所述精轧机入口当前实测温度，其中，所述第一入口温度为遍历过的其中任一个入口温度：

若不等于，则利用高斯函数计算所述第一入口温度的第一自学习权重，根据所述温升数据改变量、所述第一自学习权重和所述第一入口温度对应的温升数据，确定所述第一入口温度的第一温升更新数据；

判断所述第一入口温度对应的控制变量是否为0：

若为0，增加所述第一入口温度对应的温升数据的值，判断所述第一入口温度对应的温升数据是否小于第二入口温度对应的温升数据，其中，所述第二入口温度为所述入口温度与温升数据关系曲线上位于所述第一入口温度之后的入口温度：

若所述第一入口温度对应的温升数据小于第二入口温度对应的温升数据，则利用高斯函数计算所述第一入口温度的第二自学习权重，根据所述第二入口温度的第一温升更新数据和所述第二自学习权重，确定所述第一入口温度的第二温升更新数据；

若所述第一入口温度对应的温升数据不小于第二入口温度对应的温升数据，则根据所述第一入口温度的第一温升更新数据更新所述第一入口温度对应的温升数据；

若不为0，则减小所述第一入口温度对应的温升数据的值，判断所述第一入口温度对应的温升数据是否大于第三入口温度对应的温升数据，其中，所述第三入口温度为所述入口温度与温升数据关系曲线上位于所述第一入口温度之前的入口温度：

若所述第一入口温度对应的温升数据大于第三入口温度对应的温升数据，则利用高斯函数计算所述第一入口温度的第三自学习权重，根据所述第三入口温度的第一温升更新数据和所述第三自学习权重，确定所述第一入口温度的第三温升更新数据；

若所述第一入口温度对应的温升数据不大于第三入口温度对应的温升数据，则根据所述第一入口温度的第一温升更新数据更新所述第一入口温度对应的温升数据。

在本发明实施例中，所述自学习优化处理1406具体用于：

按照如下公式确定第一温升更新数据：

δtinew＝δtiold+k1×deltat；

其中，δtinew表示所述入口温度与温升数据关系曲线上第i个入口温度对应的温升变化数据，其中i等于1、2、……n，n表示所述入口温度与温升数据关系曲线上小于所述精轧机入口当前实测温度的所有入口温度的个数，或n表示所述入口温度与温升数据关系曲线上大于所述精轧机入口当前实测温度的所有入口温度的个数；δtiold表示入口温度与温升数据关系曲线上第i个入口温度对应的温升数据；k1表示第一自学习权重；deltat表示温升数据改变量，deltat＝δtnew-δtold，δtnew表示温升变化数据；δtold表示所述精轧机入口当前实测温度对应的温升数据，或所述精轧机入口当前实测温度对应的计算的温升数据。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述所述方法的计算机程序。

综上所述，本发明提出的线材控冷系统轧件温度检测处理方法及装置，解决了目前高线控冷系统中温度检测信号的可靠性问题，可以有效抑制乃至剔除轧件表面阴阳面(冷却不均匀产生)、水汽、冷却水膜、轧件弹跳等恶劣外部因素的影响，对于温度实际值信号的处理非常准确、快速，为进一步控制和相关高级算法的应用奠定了良好的数据基础。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。