一种轧辊辊压控制方法、系统和计算机可读存储介质

摘要

本发明提供一种轧辊辊压控制方法、系统和计算机可读存储介质，所述方法包括：根据成品工件的厚度要求，设置轧辊的初始辊压参数；由调节机构按照初始辊压参数调节轧辊的辊缝；由驱动机构驱动轧辊实施对工件进行辊压作业；由激光测量厚度仪器测量并分析获取辊压后工件沿着垂直于辊压路径的方向的厚度变化趋势；判断厚度变化趋势是否超出预设幅度范围，如果是，则根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令；由调节机构按照厚度调整指令在初始辊压参数的基础上进行重新调整，生成更新后的轧辊参数。本发明能够有效确保辊压后工件的合格率，节省工件投入成本，进一步提升了经济效益。

权利要求

1.一种轧辊辊压控制方法，其特征在于，所述方法包括：

根据成品工件的厚度要求，设置轧辊的初始辊压参数，其中所述轧辊包括上轧辊和下轧辊；

由调节机构按照初始辊压参数调节上轧辊与下轧辊之间的辊缝；

由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业；

由激光测量厚度仪器测量辊压后工件各个位置的厚度，并分析获取辊压后工件沿着垂直于辊压路径的方向的厚度变化趋势；

判断厚度变化趋势是否超出预设幅度范围，如果是，则根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令；

将所述厚度调整指令反馈给所述调节机构，由所述调节机构按照厚度调整指令在所述初始辊压参数的基础上进行重新调整，生成更新后的轧辊参数，并使所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝；

由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，且T为所述轧辊转动一圈的时间；

将每个工件图像按照预设分割方式分割成多个相同形状、尺寸的小块图像，且每一小块图像对应于轧辊上的具体位置；

基于当前的工件图像，将每个小块图像分别与其它小块图像进行差异率比对分析，判断差异率是否大于第一预设阈值，如果是，则标记对应的小块图像为差异块；

基于当前的工件图像，待每个小块图像均与其它小块图像完成差异率比对后，统计每个小块图像为差异块的总数，并判断总数是否大于第二预设阈值，如果是，则将对应的小块图像标记为异常块；

对后续采集的工件图像分别进行异常块的识别、标记，输出后续的工件图像中的异常块；

判断当前的工件图像和后续的工件图像中的相同位置的小块图像是否均标记为异常块，如果是，则基于该异常块在各个工件图像中的位置映射出所述轧辊上对应的坐标位置，并进行缺陷标记，同时发出报警信息，其中所述报警信息包括轧辊上缺陷标记的坐标位置。

2.根据权利要求1所述的一种轧辊辊压控制方法，其特征在于，根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令，具体包括：根据厚度变化趋势获取辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度；

计算成品工件的厚度与辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度之间的差值；

将差值作为轧辊沿着垂直于辊压路径的方向上各个位置的辊缝调整尺寸，并基于所述辊缝调整尺寸生成厚度调整指令。

3.根据权利要求1所述的一种轧辊辊压控制方法，其特征在于，由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，具体包括：获取所述轧辊在各个历史时间段的辊压数据，其中所述辊压数据至少包括对应历史时间段的历史环境数据和历史缺陷实际位置；

构建缺陷预测模型，并基于各个历史时间段的辊压数据对所述缺陷预测模型进行训练，得到训练后的缺陷预测模型；

采集获取当前的环境数据，并将当前的环境数据输入训练后的缺陷预测模型，以输出轧辊上的缺陷预测位置；

如果缺陷预测位置为一个，则将图像采集器直接聚焦在所述缺陷预测位置映射到工件上的辊压区域进行图像采集；如果缺陷预测位置为多个，且分布在不同位置，则通过密度聚类算法对多个缺陷预测位置进行聚类，并获取聚类中心位置，将图像采集器直接聚焦在所述聚类中心位置映射到工件上的辊压区域进行图像采集。

4.根据权利要求1所述的一种轧辊辊压控制方法，其特征在于，在由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业之前，所述方法还包括：预设有多个相同规格的工件需要辊压，预设轧辊的转动速度为ω，且半径为r，则根据转动速度ω和半径r，计算轧辊的线速度v＝ω×r；

获取原始单个工件的厚度h1、长度x1，宽度y1，以及工件辊压后需求的厚度h2，根据原始单个工件的厚度h1、长度x1，宽度y1计算单个工件的体积p＝h1×x1×y1；

根据辊压前后单个工件体积相等原则，则计算工件辊压后的长度x2与宽度y2的乘积根据辊压后工件向长度方向和宽度方向等比例伸张原理，得到公式 推出将式 代入 中，计算得出将计算得出的x2除以线速度v，得到辊压间隔时间极限值

将相邻两个工件的辊压间隔时间范围设定为大于等于 。

5.根据权利要求1所述的一种轧辊辊压控制方法，其特征在于，在所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝之后，所述方法还包括：驱动机构驱动轧辊按照更新调整后的辊缝进行辊压做业；

分析轧辊随着温度变化的膨胀曲线，基于膨胀曲线构建形变预测模型；

采集获取轧辊当前的温度值，并将当前的温度值输入形变预测模型，输出所述轧辊相对于基准尺寸的形变量，其中所述基准尺寸为常温下所述轧辊的尺寸；

基于所述形变量对更新调整后的辊缝进行动态补偿，得到补偿后的辊缝，使轧辊按照补偿后的辊缝对工件进行辊压。

6.一种轧辊辊压控制系统，其特征在于，包括存储器和处理器，所述存储器中包括一种轧辊辊压控制方法程序，所述轧辊辊压控制方法程序被所述处理器执行时实现如下步骤：根据成品工件的厚度要求，设置轧辊的初始辊压参数，其中所述轧辊包括上轧辊和下轧辊；

由调节机构按照初始辊压参数调节上轧辊与下轧辊之间的辊缝；

由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业；

由激光测量厚度仪器测量辊压后工件各个位置的厚度，并分析获取辊压后工件沿着垂直于辊压路径的方向的厚度变化趋势；

判断厚度变化趋势是否超出预设幅度范围，如果是，则根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令；

将所述厚度调整指令反馈给所述调节机构，由所述调节机构按照厚度调整指令在所述初始辊压参数的基础上进行重新调整，生成更新后的轧辊参数，并使所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝；

由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，且T为所述轧辊转动一圈的时间；

将每个工件图像按照预设分割方式分割成多个相同形状、尺寸的小块图像，且每一小块图像对应于轧辊上的具体位置；

基于当前的工件图像，将每个小块图像分别与其它小块图像进行差异率比对分析，判断差异率是否大于第一预设阈值，如果是，则标记对应的小块图像为差异块；

基于当前的工件图像，待每个小块图像均与其它小块图像完成差异率比对后，统计每个小块图像为差异块的总数，并判断总数是否大于第二预设阈值，如果是，则将对应的小块图像标记为异常块；

对后续采集的工件图像分别进行异常块的识别、标记，输出后续的工件图像中的异常块；

判断当前的工件图像和后续的工件图像中的相同位置的小块图像是否均标记为异常块，如果是，则基于该异常块在各个工件图像中的位置映射出所述轧辊上对应的坐标位置，并进行缺陷标记，同时发出报警信息，其中所述报警信息包括轧辊上缺陷标记的坐标位置。

7.根据权利要求6所述的一种轧辊辊压控制系统，其特征在于，根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令，具体包括：根据厚度变化趋势获取辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度；

计算成品工件的厚度与辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度之间的差值；

将差值作为轧辊沿着垂直于辊压路径的方向上各个位置的辊缝调整尺寸，并基于所述辊缝调整尺寸生成厚度调整指令。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种轧辊辊压控制方法程序，所述轧辊辊压控制方法程序被处理器执行时，实现如权利要求1至5中任一项所述的一种轧辊辊压控制方法的步骤。

说明书

一种轧辊辊压控制方法、系统和计算机可读存储介质

技术领域

[0001] 本发明涉及自动化加工技术领域，尤其涉及一种轧辊辊压控制方法、系统和计算机可读存储介质。

背景技术

[0002] 轧辊是轧机上使金属产生连续塑性变形的主要工作部件和工具。轧辊主要由辊身、辊颈和轴头3部分组成。辊身是实际参与轧制金属的轧辊中间部分。它具有光滑的圆柱形或带轧槽的表面。辊颈安装在轴承中，并通过轴承座和压下装置把轧制力传给机架。传动端轴头通过连接轴与齿轮座相连，将电动机的转动力矩传递给轧辊，以使轧辊实施对工件的辊压。

[0003] 传统的轧机控制方式则由人工直接输入参数，并使轧机按照参数是实施辊压作业，然而，由于轧机的伺服部件出现误差，或者轧辊上出现缺陷，则容易导致辊压后大量工件不符合规格要求，进而造成辊压作业的良率下降，增加了工件投入成本。

发明内容

[0004] 为了解决上述至少一个技术问题，本发明提出了一种轧辊辊压控制方法、系统和计算机可读存储介质，能够有效确保辊压后工件的合格率，节省工件投入成本，进一步提升了经济效益。

[0005] 本发明第一方面提出了一种轧辊辊压控制方法，所述方法包括：

[0006] 根据成品工件的厚度要求，设置轧辊的初始辊压参数，其中所述轧辊包括上轧辊和下轧辊；

[0007] 由调节机构按照初始辊压参数调节上轧辊与下轧辊之间的辊缝；

[0008] 由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业；

[0009] 由激光测量厚度仪器测量辊压后工件各个位置的厚度，并分析获取辊压后工件沿着垂直于辊压路径的方向的厚度变化趋势；

[0010] 判断厚度变化趋势是否超出预设幅度范围，如果是，则根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令；

[0011] 将所述厚度调整指令反馈给所述调节机构，由所述调节机构按照厚度调整指令在所述初始辊压参数的基础上进行重新调整，生成更新后的轧辊参数，并使所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝。

[0012] 本方案中，根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令，具体包括：

[0013] 根据厚度变化趋势获取辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度；

[0014] 计算成品工件的厚度与辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度之间的差值；

[0015] 将差值作为轧辊沿着垂直于辊压路径的方向上各个位置的辊缝调整尺寸，并基于所述辊缝调整尺寸生成厚度调整指令。

[0016] 本方案中，在所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝之后，所述方法还包括：

[0017] 由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，且T为所述轧辊转动一圈的时间；

[0018] 将每个工件图像按照预设分割方式分割成多个相同形状、尺寸的小块图像，且每一小块图像对应于轧辊上的具体位置；

[0019] 基于当前的工件图像，将每个小块图像分别与其它小块图像进行差异率比对分析，判断差异率是否大于第一预设阈值，如果是，则标记对应的小块图像为差异块；

[0020] 基于当前的工件图像，待每个小块图像均与其它小块图像完成差异率比对后，统计每个小块图像为差异块的总数，并判断总数是否大于第二预设阈值，如果是，则将对应的小块图像标记为异常块；

[0021] 对后续采集的工件图像分别进行异常块的识别、标记，输出后续的工件图像中的异常块；

[0022] 判断当前的工件图像和后续的工件图像中的相同位置的小块图像是否均标记为异常块，如果是，则基于该异常块在各个工件图像中的位置映射出所述轧辊上对应的坐标位置，并进行缺陷标记，同时发出报警信息，其中所述报警信息包括轧辊上缺陷标记的坐标位置。

[0023] 本方案中，由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，具体包括：

[0024] 获取所述轧辊在各个历史时间段的辊压数据，其中所述辊压数据至少包括对应历史时间段的历史环境数据和历史缺陷实际位置；

[0025] 构建缺陷预测模型，并基于各个历史时间段的辊压数据对所述缺陷预测模型进行训练，得到训练后的缺陷预测模型；

[0026] 采集获取当前的环境数据，并将当前的环境数据输入训练后的缺陷预测模型，以输出轧辊上的缺陷预测位置；

[0027] 如果缺陷预测位置为一个，则将图像采集器直接聚焦在所述缺陷预测位置映射到工件上的辊压区域进行图像采集；如果缺陷预测位置为多个，且分布在不同位置，则通过密度聚类算法对多个缺陷预测位置进行聚类，并获取聚类中心位置，将图像采集器直接聚焦在所述聚类中心位置映射到工件上的辊压区域进行图像采集。

[0028] 本方案中，在由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业之前，所述方法还包括：

[0029] 预设有多个相同规格的工件需要辊压，预设轧辊的转动速度为 ，且半径为 ，则根据转动速度 和半径 ，计算轧辊的线速度 ；

[0030] 获取原始单个工件的厚度 、长度 ，宽度 ，以及工件辊压后需求的厚度 ，根据原始单个工件的厚度 、长度 ，宽度 计算单个工件的体积 ；

[0031] 根据辊压前后单个工件体积相等原则，则计算工件辊压后的长度 与宽度 的乘积 ；

[0032] 根据辊压后工件向长度方向和宽度方向等比例伸张原理，得到公式 ，推出；

[0033] 将式 代入 中，计算得出 ；

[0034] 将计算得出的 除以线速度 ，得到辊压间隔时间极限值 ；

[0035] 将相邻两个工件的辊压间隔时间范围设定为大于等于 。

[0036] 本方案中，在所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝之后，所述方法还包括：

[0037] 驱动机构驱动轧辊按照更新调整后的辊缝进行辊压做业；

[0038] 分析轧辊随着温度变化的膨胀曲线，基于膨胀曲线构建形变预测模型；

[0039] 采集获取轧辊当前的温度值，并将当前的温度值输入形变预测模型，输出所述轧辊相对于基准尺寸的形变量，其中所述基准尺寸为常温下所述轧辊的尺寸；

[0040] 基于所述形变量对更新调整后的辊缝进行动态补偿，得到补偿后的辊缝，使轧辊按照补偿后的辊缝对工件进行辊压。

[0041] 本发明第二方面还提出一种轧辊辊压控制系统，包括存储器和处理器，所述存储器中包括一种轧辊辊压控制方法程序，所述轧辊辊压控制方法程序被所述处理器执行时实现如下步骤：

[0042] 根据成品工件的厚度要求，设置轧辊的初始辊压参数，其中所述轧辊包括上轧辊和下轧辊；

[0043] 由调节机构按照初始辊压参数调节上轧辊与下轧辊之间的辊缝；

[0044] 由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业；

[0045] 由激光测量厚度仪器测量辊压后工件各个位置的厚度，并分析获取辊压后工件沿着垂直于辊压路径的方向的厚度变化趋势；

[0046] 判断厚度变化趋势是否超出预设幅度范围，如果是，则根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令；

[0047] 将所述厚度调整指令反馈给所述调节机构，由所述调节机构按照厚度调整指令在所述初始辊压参数的基础上进行重新调整，生成更新后的轧辊参数，并使所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝。

[0048] 本方案中，根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令，具体包括：

[0049] 根据厚度变化趋势获取辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度；

[0050] 计算成品工件的厚度与辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度之间的差值；

[0051] 将差值作为轧辊沿着垂直于辊压路径的方向上各个位置的辊缝调整尺寸，并基于所述辊缝调整尺寸生成厚度调整指令。

[0052] 本方案中，在所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝之后，所述轧辊辊压控制方法程序被所述处理器执行时还实现如下步骤：

[0053] 由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，且T为所述轧辊转动一圈的时间；

[0054] 将每个工件图像按照预设分割方式分割成多个相同形状、尺寸的小块图像，且每一小块图像对应于轧辊上的具体位置；

[0055] 基于当前的工件图像，将每个小块图像分别与其它小块图像进行差异率比对分析，判断差异率是否大于第一预设阈值，如果是，则标记对应的小块图像为差异块；

[0056] 基于当前的工件图像，待每个小块图像均与其它小块图像完成差异率比对后，统计每个小块图像为差异块的总数，并判断总数是否大于第二预设阈值，如果是，则将对应的小块图像标记为异常块；

[0057] 对后续采集的工件图像分别进行异常块的识别、标记，输出后续的工件图像中的异常块；

[0058] 判断当前的工件图像和后续的工件图像中的相同位置的小块图像是否均标记为异常块，如果是，则基于该异常块在各个工件图像中的位置映射出所述轧辊上对应的坐标位置，并进行缺陷标记，同时发出报警信息，其中所述报警信息包括轧辊上缺陷标记的坐标位置。

[0059] 本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种轧辊辊压控制方法程序，所述轧辊辊压控制方法程序被处理器执行时，实现如上述的一种轧辊辊压控制方法的步骤。

[0060] 本发明提出的一种轧辊辊压控制方法、系统和计算机可读存储介质，能够有效确保辊压后工件的合格率，节省工件投入成本，进一步提升了经济效益。

[0061] 本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

[0062] 图1示出了本发明一种轧辊辊压控制方法的流程图；

[0063] 图2示出了本发明一种轧辊辊压控制系统的框图。

具体实施方式

[0064] 为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

[0065] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

[0066] 图1示出了本发明一种轧辊辊压控制方法的流程图。

[0067] 如图1所示，本发明第一方面提出一种轧辊辊压控制方法，所述方法包括：

[0068] S102，根据成品工件的厚度要求，设置轧辊的初始辊压参数，其中所述轧辊包括上轧辊和下轧辊；

[0069] S104，由调节机构按照初始辊压参数调节上轧辊与下轧辊之间的辊缝；

[0070] S106，由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业；

[0071] S108，由激光测量厚度仪器测量辊压后工件各个位置的厚度，并分析获取辊压后工件沿着垂直于辊压路径的方向的厚度变化趋势；

[0072] S110，判断厚度变化趋势是否超出预设幅度范围，如果是，则根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令；

[0073] S112，将所述厚度调整指令反馈给所述调节机构，由所述调节机构按照厚度调整指令在所述初始辊压参数的基础上进行重新调整，生成更新后的轧辊参数，并使所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝。

[0074] 需要说明的是，在设置轧辊的初始辊压参数后，受到内部是伺服部件以及轧辊误差方面的影响，则可能会导致辊压后工件的厚度不符合成品工件的厚度要求，如果继续按照初始辊压参数进行后续辊压作业，则势必会造成更多的不良品。本发明则通过激光测量厚度仪器测量辊压后工件各个位置的厚度，并基于辊压后工件各个位置的厚度来反向对初始辊压参数进行调整更新，并使更新后的辊压参数补偿伺服部件以及轧辊误差方面的影响，并使辊压后工件满足成品工件的厚度要求。从而提升辊压做业的工件良率，进一步节省工件投入成本，提升经济效益。

[0075] 可以理解，通常上轧辊与下轧辊的轴线平行设置，然而由于伺服部件的影响，而导致上轧辊与下轧辊的轴线不平行，进而造成不同位置处的工件辊压厚度不同。

[0076] 可以理解，根据用户需求，辊压后工件不同位置的厚度允许在预设浮动范围内变化，如果超过，则认定不合格。本发明则判断厚度变化趋势是否超出预设幅度范围，如果超过，则需要初始辊压参数进行调整更新；如果不超过，则无需调整，从而减少调整的频率，避免频繁调整而造成工件的生产效率下降现象。

[0077] 根据本发明的实施例，根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令，具体包括：

[0078] 根据厚度变化趋势获取辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度；

[0079] 计算成品工件的厚度与辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度之间的差值；

[0080] 将差值作为轧辊沿着垂直于辊压路径的方向上各个位置的辊缝调整尺寸，并基于所述辊缝调整尺寸生成厚度调整指令。

[0081] 可以理解，上述差值可以为正数或负数，如果是正数，则说明辊压后工件在该位置的厚度不足成品工件的厚度，则需要增大该位置处的上、下轧辊的辊缝。如果是负数，则说明辊压后工件在该位置的厚度超过成品工件的厚度，则需要减小该位置处的上、下轧辊的辊缝。本发明通过基于辊压后的工件厚度来触发调节机构进行更新调整，从而使后续辊压后的工件符合成品工件的厚度要求，提升工件的整体合格率。

[0082] 根据本发明的实施例，在所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝之后，所述方法还包括：

[0083] 由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，且T为所述轧辊转动一圈的时间；

[0084] 将每个工件图像按照预设分割方式分割成多个相同形状、尺寸的小块图像，且每一小块图像对应于轧辊上的具体位置；

[0085] 基于当前的工件图像，将每个小块图像分别与其它小块图像进行差异率比对分析，判断差异率是否大于第一预设阈值，如果是，则标记对应的小块图像为差异块；

[0086] 基于当前的工件图像，待每个小块图像均与其它小块图像完成差异率比对后，统计每个小块图像为差异块的总数，并判断总数是否大于第二预设阈值，如果是，则将对应的小块图像标记为异常块；

[0087] 对后续采集的工件图像分别进行异常块的识别、标记，输出后续的工件图像中的异常块；

[0088] 判断当前的工件图像和后续的工件图像中的相同位置的小块图像是否均标记为异常块，如果是，则基于该异常块在各个工件图像中的位置映射出所述轧辊上对应的坐标位置，并进行缺陷标记，同时发出报警信息，其中所述报警信息包括轧辊上缺陷标记的坐标位置。

[0089] 根据本发明的具体实施例，将每个小块图像分别与其它小块图像进行差异率比对分析，具体包括：

[0090] 获取每个小块图像各个像素点的灰度值，并将每个小块图像的各个像素点的灰度值与其它小块图像的各个像素点的灰度值进行作差比对；

[0091] 如果差值超过第三预设阈值，则判定对应像素点为差异像素点；

[0092] 统计每个小块图像中的差异像素点总数量，并将其除以每个小块图像的所有像素点总数量，得到每个小块图像的差异率。

[0093] 需要说明的是，本发明通过对工件进行图像采集，以此反推识别出轧辊上的缺陷（如凸点或凹点）。可以理解，通常轧辊是转动辊压作业，如果轧辊上有一个缺陷点，则由于轧辊运动，则较难识别出，可以通过图像采集器采集工件图像，并通过分析工件图像上的异常块位置来推出轧辊上的缺陷位置。在分析出缺陷位置，即可进行报警，以便于对轧辊进行修复处理，提升后续工件的合格率。

[0094] 可以理解，由于轧辊是周期性辊压做业，如果是轧辊上出现缺陷，则工件上的异常块也应该成规律分布，即连续的多个工件图像在相同位置的小块图像均被标记为异常块，否者，则无法认定为是轧辊上的缺陷。

[0095] 根据本发明的具体实施例，在将对应的小块图像标记为异常块之后，所述方法还包括：

[0096] 从当前的工件图像中选定出不为异常块的小块图像；

[0097] 并将每个异常块的小块图像分别与不为异常块的小块图像进行逐一差异比对；

[0098] 判断某个异常块的小块图像与不为异常块的小块图像的差异率是否小于第三预设阈值，如果是，则记录该异常块的小块图像为误判一次；

[0099] 统计各个异常块的小块图像误判总数，并判断每个异常块的小块图像误判总数是否大于第四预设阈值，如果是，则将对应小块图像的异常块标记进行删除。

[0100] 需要说明的是，由于各个小块图像之间对比过程中，可能存在一定误判现，例如，将第一预设阈值和第二预设阈值的大小设置偏低，则可能会将正常的小块图像误判成异常块，本发明为了减少误判的影响，则将异常块进一步与不为异常块的小块图像进行差异比对，从而剔除误判的异常块，提升了轧辊缺陷的检测准确度。

[0101] 根据本发明的具体实施例，在将对应小块图像的异常块标记进行删除之后，所述方法还包括：

[0102] 预设每个工件图像对应一个工件，统计每个工件图像上的所有有效的异常块以及对应的位置区域；

[0103] 预设不同位置区域对工件的重要程度不同，基于不同位置区域对工件的重要程度设定出不同位置区域的影响权重；

[0104] 将每个工件图像中各个有效的异常块的影响权重进行累加，得到每个工件图像的权重和；

[0105] 判断所述权重和是否大于预设限定值，如果是，则判定对应的工件不合格，并发出提示信息，并由传送机构传送至不合格区域。

[0106] 可以理解，根据每个工件上的异常块的位置，且不同的位置具有相应的影响权重，例如靠近中间的权重大，边缘部分的权重较小，则累计每个工件的异常块的影响权重，对累加后的权重和与预设限定值进行比对，如果大于，则判定工件不合格。

[0107] 根据本发明的实施例，由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，具体包括：

[0108] 获取所述轧辊在各个历史时间段的辊压数据，其中所述辊压数据至少包括对应历史时间段的历史环境数据和历史缺陷实际位置；

[0109] 构建缺陷预测模型，并基于各个历史时间段的辊压数据对所述缺陷预测模型进行训练，得到训练后的缺陷预测模型；

[0110] 采集获取当前的环境数据，并将当前的环境数据输入训练后的缺陷预测模型，以输出轧辊上的缺陷预测位置；

[0111] 如果缺陷预测位置为一个，则将图像采集器直接聚焦在所述缺陷预测位置映射到工件上的辊压区域进行图像采集；如果缺陷预测位置为多个，且分布在不同位置，则通过密度聚类算法对多个缺陷预测位置进行聚类，并获取聚类中心位置，将图像采集器直接聚焦在所述聚类中心位置映射到工件上的辊压区域进行图像采集。

[0112] 需要说明的是，预设工件的宽度较大，图像采集器无法一次性采集完整的工件图像，本发明则根据历史辊压数据进行构建轧辊的缺陷预测模型，并预测出对应的缺陷位置，并基于预测的缺陷位置针对工件进行聚焦性图像采集，便于快速锁定异常块，进而提升轧辊的缺陷检测效率。

[0113] 根据本发明的具体实施例，在输出轧辊上的缺陷预测位置之后，所述方法还包括：

[0114] 针对各个历史时间段的历史环境数据进行特征计算，得到各个历史时间段的历史环境数据的第一特征；

[0115] 针对当前的环境数据进行特征计算，得到当前的环境数据的第二特征；

[0116] 将当前的环境数据的第二特征分别与各个历史时间段的历史环境数据的第一特征进行相似度比对；

[0117] 将相似度大于第五预设阈值的对应历史时间段的辊压数据保存在第一数据库中；

[0118] 将第一数据库中的各个历史时间段的历史环境数据分别输入缺陷预测模型，输出第一数据库中的各个历史时间段的历史缺陷预测位置；

[0119] 分别计算第一数据库中的各个历史时间段的历史缺陷实际位置与历史缺陷预测位置之间的向量，并对及所有向量取平均值，得出校正偏移量；

[0120] 将轧辊的缺陷预测位置基于所述修正偏移量进行校正，得到校正后的缺陷预测位置。

[0121] 根据本发明的实施例，在由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业之前，所述方法还包括：

[0122] 预设有多个相同规格的工件需要辊压，预设轧辊的转动速度为 ，且半径为 ，则根据转动速度 和半径 ，计算轧辊的线速度 ；

[0123] 获取原始单个工件的厚度 、长度 ，宽度 ，以及工件辊压后需求的厚度 ，根据原始单个工件的厚度 、长度 ，宽度 计算单个工件的体积 ；

[0124] 根据辊压前后单个工件体积相等原则，则计算工件辊压后的长度 与宽度 的乘积 ；

[0125] 根据辊压后工件向长度方向和宽度方向等比例伸张原理，得到公式 ，推出；

[0126] 将式 代入 中，计算得出 ；

[0127] 将计算得出的 除以线速度 ，得到辊压间隔时间极限值 ；

[0128] 将相邻两个工件的辊压间隔时间范围设定为大于等于 。

[0129] 需要说明的是，为了提升多个工件的辊压效率，应尽可能减少相邻两个工件之间的间隔距离，然而如果相邻两个工件之前的间隔距离过度减小，则可能会导致相邻两个工件辊压过程发生重叠或边缘抵触现象，本发明为了避免相邻两个工件之间造成辊压干扰，影响每个工件辊压的良率，则通过计算出辊压间隔时间极限值 ，并使相邻两个工件的辊压间隔时间范围设定为大于等于 。

[0130] 根据本发明的实施例，在所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝之后，所述方法还包括：

[0131] 驱动机构驱动轧辊按照更新调整后的辊缝进行辊压做业；

[0132] 分析轧辊随着温度变化的膨胀曲线，基于膨胀曲线构建形变预测模型；

[0133] 采集获取轧辊当前的温度值，并将当前的温度值输入形变预测模型，输出所述轧辊相对于基准尺寸的形变量，其中所述基准尺寸为常温下所述轧辊的尺寸；

[0134] 基于所述形变量对更新调整后的辊缝进行动态补偿，得到补偿后的辊缝，使轧辊按照补偿后的辊缝对工件进行辊压。

[0135] 需要说明的是，由于轧辊为金属材料，在辊压过程中，将会产生热量，进而使轧辊升温，根据金属材料的热变属性，则温度越高，则膨胀形变越大，进而会导致上、下轧辊之间的辊缝会缩小。本发明为了减少轧辊膨胀或收缩而导致辊缝变化的影响，则通过形变预测模型预测出轧辊的当前形变量，并基于形变量对辊缝进行动态补偿，进而提升了工件辊压的合格率。

[0136] 根据本发明的具体实施例，在输出所述轧辊相对于基准尺寸的形变量之后，所述方法还包括：

[0137] 记录轧辊在历史各种温度下的真实形变数据；

[0138] 基于历史各种温度分别通过形变预测模型，输出对应的预测形变数据；

[0139] 将历史各种温度的真实形变数据与预测形变数据进行相减，得到历史各种温度的形变修正值；

[0140] 构建形变修正预测模型，并基于历史各种温度以及对应的形变修正值对形变修正预测模型进行训练，得到优化后的形变修正预测模型；

[0141] 将当前的温度值输入优化后的形变修正预测模型，输出当前温度的形变修正值；

[0142] 基于形变修正值对所述形变量进行修正，得到修正后的形变量。

[0143] 需要说明的是，本发明可以通过形变感测器来感测轧辊在各种温度下的真实形变数据，然后将其与形变预测模型输出的预测形变数据进行作差计算得到形变修正值，可以理解，不同温度下的形变修正值不同，本发明根据形变修正值进行深度学习，得到优化后的形变修正预测模型，并由优化后的形变修正预测模型预测得到当前温度的形变修正值，最后基于形变修正值对所述形变量进行修正，得到修正后的形变量，即可根据修正后的形变量进行辊缝补偿，因此，本发明能够实现对工件的均匀辊压，保持工件的不同位置，或者不同时间段的相同工件的辊压厚度一致，进一步提升辊压的合格率。

[0144] 图2示出了本发明一种轧辊辊压控制系统的框图。

[0145] 如图2所示，本发明第二方面还提出一种轧辊辊压控制系统2，包括存储器21和处理器22，所述存储器中包括一种轧辊辊压控制方法程序，所述轧辊辊压控制方法程序被所述处理器执行时实现如下步骤：

[0146] 根据成品工件的厚度要求，设置轧辊的初始辊压参数，其中所述轧辊包括上轧辊和下轧辊；

[0147] 由调节机构按照初始辊压参数调节上轧辊与下轧辊之间的辊缝；

[0148] 由驱动机构驱动上轧辊与下轧辊实施对工件进行辊压作业；

[0149] 由激光测量厚度仪器测量辊压后工件各个位置的厚度，并分析获取辊压后工件沿着垂直于辊压路径的方向的厚度变化趋势；

[0150] 判断厚度变化趋势是否超出预设幅度范围，如果是，则根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令；

[0151] 将所述厚度调整指令反馈给所述调节机构，由所述调节机构按照厚度调整指令在所述初始辊压参数的基础上进行重新调整，生成更新后的轧辊参数，并使所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝。

[0152] 根据本发明的实施例，根据厚度变化趋势以及成品工件的厚度要求触发生成厚度调整指令，具体包括：

[0153] 根据厚度变化趋势获取辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度；

[0154] 计算成品工件的厚度与辊压后工件沿着垂直于辊压路径的方向上各个位置的厚度之间的差值；

[0155] 将差值作为轧辊沿着垂直于辊压路径的方向上各个位置的辊缝调整尺寸，并基于所述辊缝调整尺寸生成厚度调整指令。

[0156] 根据本发明的实施例，在所述调节机构按照更新后的辊压参数调节上轧辊与下轧辊之间的辊缝之后，所述轧辊辊压控制方法程序被所述处理器执行时还实现如下步骤：

[0157] 由图像采集器按照周期T依次采集辊压输出相同长度的工件图像，且T为所述轧辊转动一圈的时间；

[0158] 将每个工件图像按照预设分割方式分割成多个相同形状、尺寸的小块图像，且每一小块图像对应于轧辊上的具体位置；

[0159] 基于当前的工件图像，将每个小块图像分别与其它小块图像进行差异率比对分析，判断差异率是否大于第一预设阈值，如果是，则标记对应的小块图像为差异块；

[0160] 基于当前的工件图像，待每个小块图像均与其它小块图像完成差异率比对后，统计每个小块图像为差异块的总数，并判断总数是否大于第二预设阈值，如果是，则将对应的小块图像标记为异常块；

[0161] 对后续采集的工件图像分别进行异常块的识别、标记，输出后续的工件图像中的异常块；

[0162] 判断当前的工件图像和后续的工件图像中的相同位置的小块图像是否均标记为异常块，如果是，则基于该异常块在各个工件图像中的位置映射出所述轧辊上对应的坐标位置，并进行缺陷标记，同时发出报警信息，其中所述报警信息包括轧辊上缺陷标记的坐标位置。

[0163] 本发明第三方面还提出一种计算机可读存储介质，所述计算机可读存储介质中包括一种轧辊辊压控制方法程序，所述轧辊辊压控制方法程序被处理器执行时，实现如上述的一种轧辊辊压控制方法的步骤。

[0164] 本发明提出的一种轧辊辊压控制方法、系统和计算机可读存储介质，能够有效确保辊压后工件的合格率，节省工件投入成本，进一步提升了经济效益。

[0165] 在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

[0166] 上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

[0167] 另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

[0168] 本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

[0169] 或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

[0170] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。