基于正交试验的轧机纵向刚度末端分析和维护方法及装置

权利要求书： 1.一种基于正交试验的轧机纵向刚度末端分析和维护方法，其特征在于，所述方法包括：S1、获取轧机纵向刚度末端的多个影响因子；其中，所述影响因子包括轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度以及轧机牌坊与轴承座之间的配合间隙；

S2、根据所述多个影响因子以及区间水平划分模型，得到所述多个影响因子的最优水平个数；

S3、根据所述多个影响因子以及最优水平个数，得到正交试验表；

S4、计算所述正交试验表中规定的试验方案的轧机刚度保持率；

S5、根据极差分析法对所述轧机刚度保持率进行分析，得到多个影响因子中每个影响因子的极差值，根据所述极差值的大小确定多个影响因子的主次关系，根据所述主次关系确定最优轧机纵向刚度末端维护方案；

所述S3中的根据所述多个影响因子以及最优水平个数，得到正交试验表包括：S31、将多个影响因子的个数作为正交试验表的纵列数 ；

S32、将最优水平数个数作为正交试验表的字码数 ；

S33、根据正交试验表的固有结构，确定正交试验表的行数 ；

S34、根据所述纵列数、字码数以及行数，得到正交试验表 。

2.根据权利要求1所述的方法，其特征在于，所述S1中的获取轧机纵向刚度末端的多个影响因子包括：S11、获取现场轧机设备维护时的多个测量数据；其中，所述多个测量数据中的每个测量数据分别包括多个特征；

S12、根据所述多个特征以及随机森林算法，确定轧机纵向刚度末端的多个影响因子。

3.根据权利要求2所述的方法，其特征在于，所述S12中的根据所述多个特征以及随机森林算法，确定轧机纵向刚度末端的多个影响因子包括：S121、根据随机森林算法计算所述多个测量数据中每个特征的变量重要性评分；

S122、根据所述变量重要性评分，得到所有特征的变量重要性评分的平均值，将所述平均值作为阈值；

S123、获取所有特征中变量重要性评分大于所述阈值的特征，将所述大于所述阈值的特征作为轧机纵向刚度末端的影响因子。

4.根据权利要求3所述的方法，其特征在于，所述S2中的根据所述多个影响因子以及区间水平划分模型，得到所述多个影响因子的最优水平个数包括：S21、获取变量重要性评分最高的影响因子；

S22、根据区间水平划分模型对所述变量重要性评分最高的影响因子进行划分，得到影响因子的水平个数，将所述水平个数作为所述多个影响因子的最优水平个数。

5.根据权利要求4所述的方法，其特征在于，所述S22中的根据区间水平划分模型对所述变量重要性评分最高的影响因子进行划分，得到影响因子的水平个数的计算方法，如下式（1）所示：其中， 为最优水平个数； 为 个最优水平中第 个水平包含数据的个数。

6.根据权利要求1所述的方法，其特征在于，所述S4中的计算所述正交试验表中规定的试验方案的轧机刚度保持率包括：S41、获取末端数据集；所述末端数据集包括多个测量时间以及多个测量时间中每个测量时间所对应的多个影响因子的数据；

S42、在所述末端数据集中获取符合正交试验表中规定的试验方案的数据，得到所述数据的测量时间，根据所述测量时间获取所述测量时间对应的轧机刚度测试数据；

S43、根据所述轧机刚度测试数据计算试验方案的轧机刚度保持率。

7.一种基于正交试验的轧机纵向刚度末端分析和维护装置，其特征在于，所述装置包括：获取模块，用于获取轧机纵向刚度末端的多个影响因子；其中，所述影响因子包括轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度以及轧机牌坊与轴承座之间的配合间隙；

划分模块，用于根据所述多个影响因子以及区间水平划分模型，得到所述多个影响因子的最优水平个数；

试验表获取模块，用于根据所述多个影响因子以及最优水平个数，得到正交试验表；

保持率计算模块，用于计算所述正交试验表中规定的试验方案的轧机刚度保持率；

输出模块，用于根据极差分析法对所述轧机刚度保持率进行分析，得到多个影响因子中每个影响因子的极差值，根据所述极差值的大小确定多个影响因子的主次关系，根据所述主次关系确定最优轧机纵向刚度末端维护方案；

所述试验表获取模块，进一步用于：

S31、将多个影响因子的个数作为正交试验表的纵列数 ；

S32、将最优水平数个数作为正交试验表的字码数 ；

S33、根据正交试验表的固有结构，确定正交试验表的行数 ；

S34、根据所述纵列数、字码数以及行数，得到正交试验表 。

8.根据权利要求7所述的装置，其特征在于，获取模块，进一步用于：S121、根据随机森林算法计算所述多个测量数据中每个特征的变量重要性评分；

S122、根据所述变量重要性评分，得到所有特征的变量重要性评分的平均值，将所述平均值作为阈值；

S123、获取所有特征中变量重要性评分大于所述阈值的特征，将所述大于所述阈值的特征作为轧机纵向刚度末端的影响因子。

说明书： 基于正交试验的轧机纵向刚度末端分析和维护方法及装置技术领域[0001] 本发明涉及热轧技术领域，特别是指一种基于正交试验的轧机纵向刚度末端分析和维护方法及装置。背景技术[0002] 轧机纵向刚度是实际轧制过程中一个非常重要的参数，精确的轧机纵向刚度设定对轧机弹跳方程和厚度设定模型的准确构建起着至关重要的作用，同时也是轧辊调平的重要依据。由此可见，轧机纵向刚度对带钢产品质量的提高有重要影响。[0003] 轧机纵向刚度与轧机本身的固有结构有关，因此把对轧机自身设备与轧机纵向刚度的分析称为轧机纵向刚度末端分析，轧机各零部件之间的合理装配是保证实际轧机纵向刚度与目标轧机纵向刚度相接近的条件之一。但是，随着轧制过程的不断进行，轧机设备自身会不可避免地出现磨损和消耗从而导致轧机各零部件之间的配合出现偏差，这一现象往往会导致轧机纵向刚度出现变化，甚至出现不理想的轧机纵向刚度，而由于轧机零部件较多，配合复杂，全盘的维护和修缮往往会造成资源的浪费且不符合现场的轧制节奏，因此，对低刚度评价下的轧机设备因素精确查找具有重要意义，进一步地，对现场不同刚度评价差异下的轧机纵向刚度维护提供科学化、标准化的指导，保障轧机纵向刚度的准确设定具有重大意义。[0004] 通过对当前有关轧机纵向刚度的资料进行查阅，可以得出当前有一些学者进行过探究轧机设备参数与轧机纵向刚度的关系的研究。[0005] 文献1（轧机纵向刚度与测量技术[J]．冶金设备），利用激光跟踪仪测量技术分析了轧机牌坊窗口及轧辊轴承座受力面的形位公差对轧机纵向刚度的影响。[0006] 文献2（带钢热连轧机两侧刚度差的成因分析与对策[J]．中国冶金），利用[0007] 激光追踪仪对轧机部分部件的自身参数和装配数据进行测量，得出牌坊衬板平面度、磨损、倾斜以及位置关系对轧机纵向刚度有重要影响，并通过分析实测数据提出了一系列减小轧机纵向刚度的对策措施。[0008] 公开号为CN114289522A的中国专利公开了一种基于正交试验的森吉米尔二十辊轧机辊系轧制工艺参数的优化方法，其技术方案设计了正交试验表对不同参数下的工作辊与板材的最大接触应力进行试验，得到可以降低辊间接触应力的辊系工艺参数，但其仅仅将标准的正交试验操作步骤加以套用，直接给定了正交试验表的横向参数和纵向参数，容易丢失参数本身所蕴含的信息。[0009] 通过对以上文献的进入总结可以得出，当前对轧机纵向刚度末端分析，即探究轧机设备外形尺寸和装配关系与轧机纵向刚度的关系的研究主要是基于统计分析和经验分析，缺乏一定的科学性和针对性，不能充分挖掘设备测量数据中的信息。同时，未见通过运用数据计算而非直接给定的方式确定正交试验表横向参数纵列数和纵向参数水平个数以及将正交试验应用于探究轧机设备外形尺寸和装配关系与轧机纵向刚度的关系的报道。发明内容[0010] 本发明针对当前对轧机纵向刚度末端分析缺乏一定的科学性和针对性，不能充分挖掘设备测量数据中的信息的问题，提出了本发明。[0011] 为解决上述技术问题，本发明提供如下技术方案：[0012] 一方面，本发明提供了一种基于正交试验的轧机纵向刚度末端分析和维护方法，该方法由电子设备实现，该方法包括：[0013] S1、获取轧机纵向刚度末端的多个影响因子。[0014] S2、根据多个影响因子以及区间水平划分模型，得到多个影响因子的最优水平个数。[0015] S3、根据多个影响因子以及最优水平个数，得到正交试验表。[0016] S4、计算正交试验表中规定的试验方案的轧机刚度保持率。[0017] S5、根据极差分析法对轧机刚度保持率进行分析，得到多个影响因子的主次关系，根据主次关系确定最优轧机纵向刚度末端维护方案。[0018] 可选地，S1中的获取轧机纵向刚度末端的多个影响因子包括：[0019] S11、获取现场轧机设备维护时的多个测量数据；其中，多个测量数据中的每个测量数据分别包括多个特征。[0020] S12、根据多个特征以及随机森林算法，确定轧机纵向刚度末端的多个影响因子。[0021] 可选地，S12中的根据多个特征以及随机森林算法，确定轧机纵向刚度末端的多个影响因子包括：[0022] S121、根据随机森林算法计算多个测量数据中每个特征的变量重要性评分。[0023] S122、根据变量重要性评分，得到所有特征的变量重要性评分的平均值，将平均值作为阈值。[0024] S123、获取所有特征中变量重要性评分大于阈值的特征，将大于阈值的特征作为轧机纵向刚度末端的影响因子；其中，影响因子包括轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度以及轧机牌坊与轴承座之间的配合间隙。[0025] 可选地，S2中的根据多个影响因子以及区间水平划分模型，得到多个影响因子的最优水平个数包括：[0026] S21、获取变量重要性评分最高的影响因子。[0027] S22、根据区间水平划分模型对变量重要性评分最高的影响因子进行划分，得到影响因子的水平个数，将水平个数作为多个影响因子的最优水平个数。[0028] 可选地，S22中的根据区间水平划分模型对变量重要性评分最高的影响因子进行划分，得到影响因子的水平个数的计算方法，如下式（1）所示：[0029][0030] 其中， 为最优水平个数； 、 为 个最优水平中第 个水平包含数据的个数。

[0031] 可选地，S3中的根据多个影响因子以及最优水平个数，得到正交试验表包括：[0032] S31、将多个影响因子的个数作为正交试验表的纵列数 。[0033] S32、将最优水平数个数作为正交试验表的字码数 。[0034] S33、根据正交试验表的固有结构，确定正交试验表的行数 。[0035] S34、根据纵列数、字码数以及行数，得到正交试验表 。[0036] 可选地，S4中的计算正交试验表中规定的试验方案的轧机刚度保持率包括：[0037] S41、获取末端数据集；末端数据集包括多个测量时间以及多个测量时间中每个测量时间所对应的多个影响因子的数据。[0038] S42、在末端数据集中获取符合正交试验表中规定的试验方案的数据，得到数据的测量时间，根据测量时间获取测量时间对应的轧机刚度测试数据。[0039] S43、根据轧机刚度测试数据计算试验方案的轧机刚度保持率。[0040] 可选地，S5中的根据极差分析法对轧机刚度保持率进行分析，得到多个影响因子的主次关系，根据主次关系确定最优轧机纵向刚度末端维护方案包括：[0041] S51、根据极差分析法计算多个影响因子中每个影响因子的极差值。[0042] S52、根据极差值的大小确定多个影响因子的主次关系。[0043] S53、根据主次关系确定最优轧机纵向刚度末端维护方案。[0044] 另一方面，本发明提供了一种基于正交试验的轧机纵向刚度末端分析和维护装置，该装置应用于实现基于正交试验的轧机纵向刚度末端分析和维护方法，该装置包括：[0045] 获取模块，用于获取轧机纵向刚度末端的多个影响因子。[0046] 划分模块，用于根据多个影响因子以及区间水平划分模型，得到多个影响因子的最优水平个数。[0047] 试验表获取模块，用于根据多个影响因子以及最优水平个数，得到正交试验表。[0048] 保持率计算模块，用于计算正交试验表中规定的试验方案的轧机刚度保持率。[0049] 输出模块，用于根据极差分析法对轧机刚度保持率进行分析，得到多个影响因子的主次关系，根据主次关系确定最优轧机纵向刚度末端维护方案。[0050] 可选地，获取模块，进一步用于：[0051] S11、获取现场轧机设备维护时的多个测量数据；其中，多个测量数据中的每个测量数据分别包括多个特征。[0052] S12、根据多个特征以及随机森林算法，确定轧机纵向刚度末端的多个影响因子。[0053] 可选地，获取模块，进一步用于：[0054] S121、根据随机森林算法计算多个测量数据中每个特征的变量重要性评分。[0055] S122、根据变量重要性评分，得到所有特征的变量重要性评分的平均值，将平均值作为阈值。[0056] S123、获取所有特征中变量重要性评分大于阈值的特征，将大于阈值的特征作为轧机纵向刚度末端的影响因子；其中，影响因子包括轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度以及轧机牌坊与轴承座之间的配合间隙。[0057] 可选地，划分模块，进一步用于：[0058] S21、获取变量重要性评分最高的影响因子。[0059] S22、根据区间水平划分模型对变量重要性评分最高的影响因子进行划分，得到影响因子的水平个数，将水平个数作为多个影响因子的最优水平个数。[0060] 可选地，划分模块，进一步用于：[0061][0062] 其中， 为最优水平个数； 、 为 个最优水平中第 个水平包含数据的个数。

[0063] 可选地，试验表获取模块，进一步用于：[0064] S31、将多个影响因子的个数作为正交试验表的纵列数 。[0065] S32、将最优水平数个数作为正交试验表的字码数 。[0066] S33、根据正交试验表的固有结构，确定正交试验表的行数 。[0067] S34、根据纵列数、字码数以及行数，得到正交试验表 。[0068] 可选地，保持率计算模块，进一步用于：[0069] S41、获取末端数据集；末端数据集包括多个测量时间以及多个测量时间中每个测量时间所对应的多个影响因子的数据。[0070] S42、在末端数据集中获取符合正交试验表中规定的试验方案的数据，得到数据的测量时间，根据测量时间获取测量时间对应的轧机刚度测试数据。[0071] S43、根据轧机刚度测试数据计算试验方案的轧机刚度保持率。[0072] 可选地，输出模块，进一步用于：[0073] S51、根据极差分析法计算多个影响因子中每个影响因子的极差值。[0074] S52、根据极差值的大小确定多个影响因子的主次关系。[0075] S53、根据主次关系确定最优轧机纵向刚度末端维护方案。[0076] 一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述基于正交试验的轧机纵向刚度末端分析和维护方法。[0077] 一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于正交试验的轧机纵向刚度末端分析和维护方法。[0078] 本发明实施例提供的技术方案带来的有益效果至少包括：[0079] 上述方案中，提供了一种基于正交试验的轧机纵向刚度末端分析和维护方法，通过随机森林算法确定正交试验表纵列数的具体取值，同时通过建立区间水平划分模型计算最优水平数的具体取值，从而确定了正交试验表横向和纵向两个维度的关键参数，改进了6

以往直接给定的正交试验表制定方式，基于以上方法制定的正交试验表L25(5)共进行25次试验，然后利用极差分析法对试验数据进行分析，确定各个影响因子的主次性从而找到最优的试验方案。与其他试验方法相比，所采用的正交试验表不仅能够在保证得到较好的试验方案，同时有效减少试验次数、试验时间和精力。通过本技术方案有效挖掘轧机纵向刚度的设备因素的主次关系，提高分析效率，能够为现场提供准确的轧机刚度优化以及维护方法和策略，这对于该领域其他科研试验和生产都具有很大的指导意义。

附图说明[0080] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。[0081] 图1是本发明实施例提供的基于正交试验的轧机纵向刚度末端分析和维护方法流程示意图；[0082] 图2是本发明实施例提供的各影响因子对刚度保持率的影响示意图；[0083] 图3是本发明实施例提供的基于正交试验的轧机纵向刚度末端分析和维护装置框图；[0084] 图4是本发明实施例提供的一种电子设备的结构示意图。具体实施方式[0085] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。[0086] 如图1所示，本发明实施例提供了一种基于正交试验的轧机纵向刚度末端分析和维护方法，该方法可以由电子设备实现。如图1所示的基于正交试验的轧机纵向刚度末端分析和维护方法流程图，该方法的处理流程可以包括如下的步骤：[0087] S1、获取轧机纵向刚度末端的多个影响因子。[0088] 可选地，S1中的获取轧机纵向刚度末端的多个影响因子包括：[0089] S11、获取现场轧机设备维护时的多个测量数据。[0090] 其中，多个测量数据包括但不限于轧机牌坊测量数据、轧辊轴承座测量数据以及轧机承压件测量数据。[0091] 多个测量数据中的每个测量数据分别包括多个特征。[0092] 举例来说，多个特征可以是轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度、轧机牌坊与轴承座配合间隙、入口至中分面距离、出口至中分面距离、窗口偏差、中心对称偏差、开档尺寸以及轴承座开档尺寸等。[0093] S12、根据多个特征以及随机森林算法，确定轧机纵向刚度末端的多个影响因子。[0094] 可选地，S12中的根据多个特征以及随机森林算法，确定轧机纵向刚度末端的多个影响因子包括：[0095] S121、根据随机森林算法计算多个测量数据中每个特征的变量重要性评分。[0096] S122、根据变量重要性评分，得到所有特征的变量重要性评分的平均值，将平均值作为阈值。[0097] S123、获取所有特征中变量重要性评分大于阈值的特征，将大于阈值的特征作为轧机纵向刚度末端的影响因子；其中，影响因子包括轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度以及轧机牌坊与轴承座之间的配合间隙。[0098] 一种可行的实施方式中，根据随机森林算法计算每一个特征的变量重要性评分（重要度），以所有特征的变量重要性评分的平均值为阈值，将测量数据中变量重要性评分大于阈值的特征作为轧机纵向刚度的影响因子，确定六种影响因子为轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度、轧机牌坊与轴承座之间的配合间隙。[0099] 举例来说，本技术方案具体应用于某热轧厂的2250热连轧产线，以该产线采集的F7机架数据为例，采用本技术方案对进行轧机纵向刚度末端和维护分析。[0100] 统计整理现场实际测量数据，根据基于随机森林算法的特征重要性排序模型计算现场实际测量数据中各个特征的重要性，特征重要性计算结果如表1所示：[0101] 表1[0102][0103] 根据特征计算结果，从实测测量数据中选择重要度大于平均值的特征作为轧机纵向刚度影响因子，因此将符合条件的表1中前6种特征确定为轧机纵向刚度影响因子，具体特征分别为：轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度、轧机牌坊与轴承座配合间隙，为便于表示将以上影响因子分别标记为A，B，C，D，E，F，以上数据构成末端数据集，部分末端数据集如表2所示：[0104] 表2[0105][0106] S2、根据多个影响因子以及区间水平划分模型，得到多个影响因子的最优水平个数。[0107] 可选地，S2中的根据多个影响因子以及区间水平划分模型，得到多个影响因子的最优水平个数包括：[0108] S21、获取变量重要性评分最高的影响因子。[0109] S22、根据区间水平划分模型对变量重要性评分最高的影响因子进行划分，得到影响因子的水平个数，将水平个数作为多个影响因子的最优水平个数。[0110] 可选地，S22中的根据区间水平划分模型对变量重要性评分最高的影响因子进行划分，得到影响因子的水平个数的计算方法，如下式（1）所示：[0111][0112] 其中， 为最优水平个数，其取值根据正交实验表水平数必须为素数或者素数平方的原则且参考常用正交试验表水平数进行约束； 、 为 个最优水平中第 个水平包含原始数据的个数。[0113] 一种可行的实施方式中，区间水平划分模型用于计算轧机纵向刚度特征重要度最大的影响因子取值应当被划分的水平个数，并将其作为其他所有影响因子的最优水平数。[0114] 举例来说，将包含表1数据在内的2021年在现场所获得的全部实测末端数据进行处理，统计表1中特征重要性最大的轧机牌坊衬板平面度特征在不同水平划分情况下每一个水平所包含的数据个数，并利用式（1）进行计算，结果如表3所示：[0115] 表3[0116][0117] 根据表3计算结果可知，当 时可令式（1）中 函数最小，式（1）计算结果为： 。[0118] 根据区间水平划分模型确定每一种影响因子的最优水平数为5，因此将每一种影响因子的整体取值范围平均地划分为5个水平，为便于表示将五个水平分别标记为1，2，3，4，5，具体结果如表4所示：

[0119] 表4[0120][0121] S3、根据多个影响因子以及最优水平个数，得到正交试验表。[0122] 可选地，S3中的根据多个影响因子以及最优水平个数，得到正交试验表包括：[0123] S31、将多个影响因子的个数作为正交试验表的纵列数 。[0124] S32、将最优水平数个数作为正交试验表的字码数 。[0125] S33、根据正交试验表的固有结构，确定正交试验表的行数 。[0126] S34、根据纵列数、字码数以及行数，得到正交试验表 。[0127] 一种可行的实施方式中，基于区间水平划分模型确定每一种影响因子的最优水平数为5，因此将每一种影响因子的整体取值范围平均地划分为5个水平。[0128] 基于计算分析得到的影响因子个数和影响因子数值最优水平数，确定正交试验表6

参数为： ，建立L25(5)标准正交表，其中， 为正交表纵列

数，由影响因子个数决定； 为字码数，由最优水平数决定； 为正交表行数，由正交试验表固有结构决定。

[0129] 举例来说，根据表2和表4中的数据信息来确定正交试验表的各个参数，从而确定最终的正交试验表结构。[0130] 具体地，由表2可以得出，待分析数据集有6个影响因子，根据正交试验参数选择原则，正交试验表的纵列数 应定为6；进一步地，从表4可以得出数据集平均地被划分为5个水平，因此，正交试验表的字码数 应定为5；最后假定因素间无交互作用，可根据下式（2）选择正交表行数：[0131][0132] 式中， 为所考察因素及交互作用的自由度之和。根据正交表行数计算公式得出，应选择正交表行数为 。综上，确定正交试验表各参数如表5所示。[0133] 表5[0134][0135] 根据表5结果，可以确定正交试验表L25(56)，其结构和试验方案如表6所示。[0136] S4、计算正交试验表中规定的试验方案的轧机刚度保持率。[0137] 可选地，S4中的计算正交试验表中规定的试验方案的轧机刚度保持率包括：[0138] S41、获取末端数据集；末端数据集包括多个测量时间以及多个测量时间中每个测量时间所对应的多个影响因子的数据。[0139] S42、在末端数据集中获取符合正交试验表中规定的试验方案的数据，得到数据的测量时间，根据测量时间获取测量时间对应的轧机刚度测试数据。[0140] S43、根据轧机刚度测试数据计算试验方案的轧机刚度保持率。[0141] 一种可行的实施方式中，基于正交表确定的试验方案，整理并筛选与各组试验对应的现场数据，计算每组试验条件下的轧机刚度保持率，现场数据为通过追溯所测量轧机牌坊、轧辊轴承座、轧机承压件的最后一次上机时的轧机刚度测试数据。[0142] 举例来说，根据正交试验表所规定的试验方案，从末端数据集中选择符合试验方案的每一条数据，并随即追溯该条数据测量时间对应的轧机刚度测试数据用于计算试验表中轧机刚度保持率。以表4中序号1的试验方案为例，该试验方案中要求6种影响因子均在第1水平时，计算对应的轧机刚度保持率。刚度保持率是轧机刚度的一个重要评价指标，其反映了轧机刚度的实际值与目标值的接近程度，其计算方式如下式（3）所示：

[0143][0144] 式中， 为轧机操作侧刚度， 为轧机传动侧刚度， 为现场生产工艺目标轧机刚度值。[0145] 根据这一试验方案的要求，从末端数据集中选择A、B、C、D、E、F六种影响因子分别在第1水平，即0?0.30mm、0?0.12mm、0?0.03mm、0.1?0.18mm、0?0.30mm、0?0.30mm范围内的数据，通过查询表2可得序号为5的数据符合这一要求，进一步按照该条数据的测量时间确定刚度保持率，作为表4中序号1试验方案的试验结果。同理，按照正交试验表规定的试验方案依次进行正交试验并分析试验结果。[0146] S5、根据极差分析法对轧机刚度保持率进行分析，得到多个影响因子的主次关系，根据主次关系确定最优轧机纵向刚度末端维护方案。[0147] 可选地，S5中的根据极差分析法对轧机刚度保持率进行分析，得到多个影响因子的主次关系，根据主次关系确定最优轧机纵向刚度末端维护方案包括：[0148] S51、根据极差分析法计算多个影响因子中每个影响因子的极差值。[0149] 一种可行的实施方式中，极差值的计算公式，如下式（4）所示：[0150][0151] 式中， 为轧机纵向刚度的同一影响因子下 水平的试验结果之和。[0152] S52、根据极差值的大小确定多个影响因子的主次关系。[0153] 一种可行的实施方式中，A,B,C,D,E,F六个影响因子的极差值R从大到小的顺序代表六个影响因子的主次关系。[0154] S53、根据主次关系确定最优轧机纵向刚度末端维护方案。[0155] 一种可行的实施方式中，各影响因子下 值最大的水平作为最优水平，其与影响因子的主次关系共同构成最优方案。[0156] 举例来说，利用极差法对试验结果进行分析，根据式（4）计算各个影响因子的极差值。[0157] 例如，针对表3中刚度保持率这一指标中的A影响因子，其极差值为：[0158][0159] 分析A,B,C,D,E,F六种影响因子的极差值R从大到小的顺序代表六个影响因子的主次关系，各影响因子下值最大的水平作为最优水平，将其与影响因子的主次关系共同构成轧机刚度评价的最优方案。综上，对正交表中每个指标的每列均进行极差计算和结果分析，最终结果如表6所示：[0160] 表6[0161][0162][0163] 根据表6可以看出，影响刚度保持率的主次分别是轴承座衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊衬板平面度、轧机牌坊与轴承座之间的配合间隙、轧机牌坊窗口平面度、轴承座对称度，且当轴承座衬板平面度在表2规定的水平5范围、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差在水平3范围、轧机牌坊衬板平面度在水平1范围、轧机牌坊与轴承座之间的配合间隙在水平1范围、轧机牌坊窗口平面度在水平3范围以及轴承座对称度在水平1范围时，可以获得最优的刚度保持率。[0164] 可选地，还包括对主次关系和最优方案的结论进行验证，检验最终结论是否符合现场工艺要求，并对现场人员维护工作进行指导。[0165] 一种可行的实施方式中，结合现场实际工艺要求和标准对以上结论进行验证分析，轴承座衬板平面度是影响刚度保持率的主要原因，其次是轧机牌坊与轴承座之间的配合间隙等参数，这符合现场工艺的实际情况。进一步地，六个影响因子中的三个(轧机牌坊衬板平面度、轧机牌坊与轴承座之间的配合间隙、轴承座对称度)都是在第一水平范围内会构成最优方案，这也符合现场的部分工艺参数越接近0值越理想的工艺常识。另外，其它的三个影响因子在第四、第五水平构成最优方案，这看似不符合常识，但是第四、第五水平的因素均与人为主观定义的管理标准有关，这一定程度上反映了现场定义的管理标准的准确性，对现场定义的管理标准的准确设定也具有重要的参考意义。综上所述，采用本技术方案对轧机纵向刚度末端分析得到的结论符合现场工艺要求。[0166] 根据以上获得的结论，可以作为现场操作人员维护不同刚度保持率差异下轧机刚度的科学化、标准化的指导，保障轧制稳定性。例如，某热轧厂2250产线的精轧机组在2022年1月份和2022年2月份的平均刚度保持率如表7所示，可以看出某热轧厂2250产线在2022年1月和2月这段时期出现下游机架刚度保持率普遍偏低的现象，可运用本技术方案的方法和结论进行分析和维护。[0167] 表7[0168][0169] 针对F7机架刚度保持率过低的现象，根据具体实施例中得到的结论，对轧机进行维护时应该按照轴承座衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊衬板平面度、轧机牌坊与轴承座之间的配合间隙、轧机牌坊窗口平面度以及轴承座对称度的顺序进行维护，并使得轴承座衬板平面度在0.40 0.48mm范围、轧机牌坊开档~尺寸值与现场规定的工艺标准之间的偏差在0.24 0.36mm范围、轧机牌坊衬板平面度在0~ ~

0.3mm范围、轧机牌坊与轴承座之间的配合间隙在0 0.3mm范围、轧机牌坊窗口平面度在~

0.06 0.09mm范围以及轴承座对称度在0 0.3mm范围，最终提高刚度保持率。

~ ~

[0170] 针对F1?F6机架，若出现刚度保持率持续较低的现象，同样利用本技术方案进行分析并将分析结论在维护时进行运用，最终相应机架的提高刚度保持率，实现轧机刚度科学化、标准化的维护。[0171] 本发明实施例提供了一种基于正交试验的热轧轧机纵向刚度末端分析和维护方法，结合轧机设备维护时的测量数据，确定轧机纵向刚度各个影响因子以及影响因子的主次顺序，科学性地探究轧机设备外形尺寸和装配关系与轧机刚度的关系，实现为现场不同刚度评价差异下的轧机刚度维护提供科学化、标准化的指导的目的。[0172] 本发明实施例中，提供了一种基于正交试验的轧机纵向刚度末端分析和维护方法，通过随机森林算法确定正交试验表纵列数的具体取值，同时通过建立区间水平划分模型计算最优水平数的具体取值，从而确定了正交试验表横向和纵向两个维度的关键参数，6

改进了以往直接给定的正交试验表制定方式，基于以上方法制定的正交试验表L25(5)共进行25次试验，然后利用极差分析法对试验数据进行分析，确定各个影响因子的主次性从而找到最优的试验方案。与其他试验方法相比，所采用的正交试验表不仅能够在保证得到较好的试验方案，同时有效减少试验次数、试验时间和精力。通过本技术方案有效挖掘轧机纵向刚度的设备因素的主次关系，提高分析效率，能够为现场提供准确的轧机刚度优化以及维护方法和策略，这对于该领域其他科研试验和生产都具有很大的指导意义。

[0173] 如图3所示，本发明实施例提供了一种基于正交试验的轧机纵向刚度末端分析和维护装置300，该装置300应用于实现基于正交试验的轧机纵向刚度末端分析和维护方法，该装置300包括：[0174] 获取模块310，用于获取轧机纵向刚度末端的多个影响因子。[0175] 划分模块320，用于根据多个影响因子以及区间水平划分模型，得到多个影响因子的最优水平个数。[0176] 试验表获取模块330，用于根据多个影响因子以及最优水平个数，得到正交试验表。[0177] 保持率计算模块340，用于计算正交试验表中规定的试验方案的轧机刚度保持率。[0178] 输出模块350，用于根据极差分析法对轧机刚度保持率进行分析，得到多个影响因子的主次关系，根据主次关系确定最优轧机纵向刚度末端维护方案。[0179] 可选地，获取模块310，进一步用于：[0180] S11、获取现场轧机设备维护时的多个测量数据；其中，多个测量数据中的每个测量数据分别包括多个特征。[0181] S12、根据多个特征以及随机森林算法，确定轧机纵向刚度末端的多个影响因子。[0182] 可选地，获取模块310，进一步用于：[0183] S121、根据随机森林算法计算多个测量数据中每个特征的变量重要性评分。[0184] S122、根据变量重要性评分，得到所有特征的变量重要性评分的平均值，将平均值作为阈值。[0185] S123、获取所有特征中变量重要性评分大于阈值的特征，将大于阈值的特征作为轧机纵向刚度末端的影响因子；其中，影响因子包括轧机牌坊衬板平面度、轧机牌坊开档尺寸值与现场规定的工艺标准之间的偏差、轧机牌坊窗口平面度、轴承座衬板平面度、轴承座对称度以及轧机牌坊与轴承座之间的配合间隙。[0186] 可选地，划分模块320，进一步用于：[0187] S21、获取变量重要性评分最高的影响因子。[0188] S22、根据区间水平划分模型对变量重要性评分最高的影响因子进行划分，得到影响因子的水平个数，将水平个数作为多个影响因子的最优水平个数。[0189] 可选地，划分模块320，进一步用于：[0190][0191] 其中， 为最优水平个数； 、 为 个最优水平中第 个水平包含数据的个数。

[0192] 可选地，试验表获取模块330，进一步用于：[0193] S31、将多个影响因子的个数作为正交试验表的纵列数 。[0194] S32、将最优水平数个数作为正交试验表的字码数 。[0195] S33、根据正交试验表的固有结构，确定正交试验表的行数 。[0196] S34、根据纵列数、字码数以及行数，得到正交试验表 。[0197] 可选地，保持率计算模块340，进一步用于：[0198] S41、获取末端数据集；末端数据集包括多个测量时间以及多个测量时间中每个测量时间所对应的多个影响因子的数据。[0199] S42、在末端数据集中获取符合正交试验表中规定的试验方案的数据，得到数据的测量时间，根据测量时间获取测量时间对应的轧机刚度测试数据。[0200] S43、根据轧机刚度测试数据计算试验方案的轧机刚度保持率。[0201] 可选地，输出模块350，进一步用于：[0202] S51、根据极差分析法计算多个影响因子中每个影响因子的极差值。[0203] S52、根据极差值的大小确定多个影响因子的主次关系。[0204] S53、根据主次关系确定最优轧机纵向刚度末端维护方案。[0205] 本发明实施例中，提供了一种基于正交试验的轧机纵向刚度末端分析和维护方法，通过随机森林算法确定正交试验表纵列数的具体取值，同时通过建立区间水平划分模型计算最优水平数的具体取值，从而确定了正交试验表横向和纵向两个维度的关键参数，6

改进了以往直接给定的正交试验表制定方式，基于以上方法制定的正交试验表L25(5)共进行25次试验，然后利用极差分析法对试验数据进行分析，确定各个影响因子的主次性从而找到最优的试验方案。与其他试验方法相比，所采用的正交试验表不仅能够在保证得到较好的试验方案，同时有效减少试验次数、试验时间和精力。通过本技术方案有效挖掘轧机纵向刚度的设备因素的主次关系，提高分析效率，能够为现场提供准确的轧机刚度优化以及维护方法和策略，这对于该领域其他科研试验和生产都具有很大的指导意义。

[0206] 图4是本发明实施例提供的一种电子设备400的结构示意图，该电子设备400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessingunits，CPU）401和一个或一个以上的存储器402，其中，存储器402中存储有至少一条指令，至少一条指令由处理器401加载并执行以实现下述基于正交试验的轧机纵向刚度末端分析和维护方法：[0207] S1、获取轧机纵向刚度末端的多个影响因子。[0208] S2、根据多个影响因子以及区间水平划分模型，得到多个影响因子的最优水平个数。[0209] S3、根据多个影响因子以及最优水平个数，得到正交试验表。[0210] S4、计算正交试验表中规定的试验方案的轧机刚度保持率。[0211] S5、根据极差分析法对轧机刚度保持率进行分析，得到多个影响因子的主次关系，根据主次关系确定最优轧机纵向刚度末端维护方案。[0212] 在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述基于正交试验的轧机纵向刚度末端分析和维护方法。例如，计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD?ROM、磁带、软盘和光数据存储设备等。[0213] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。[0214] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，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。