一種軋鋼生產過程產品質量在線預測與優化的方法及裝置製造方法
2023-04-25 12:13:01 1
一種軋鋼生產過程產品質量在線預測與優化的方法及裝置製造方法
【專利摘要】本發明公開了一種軋鋼生產過程產品質量在線預測與優化的方法及裝置，涉及質量預測與優化【技術領域】，所述方法包括：對連接現場控制網絡的各個軋鋼生產工序進行數據採集，獲取所述各個軋鋼生產工序的當前生產操作數據；根據當前生產操作數據預測與其對應的當前產品質量指標數據；將預置的目標產品質量指標數據與所預測的當前產品質量指標數據進行比對，並根據比對的結果找到各個軋鋼生產工序的最優操作條件；根據各個軋鋼生產工序的最優操作條件，對各個軋鋼生產工序的生產操作數據進行相應調節，以便優化軋鋼生產的產品質量。本發明能夠對產品生產過程的各種操作變量進行實時控制，實現對軋鋼生產過程的產品實時、有效的質量控制以及質量優化。
【專利說明】-種禮鋼生產過程產品質量在線預測與優化的方法及裝置
【技術領域】
[0001] 本發明涉及質量預測與優化【技術領域】，特別涉及一種社鋼生產過程產品質量在線 預測與優化的方法及裝置。
【背景技術】
[0002] 近年來，我國在社鋼領域有了長足的進步，技術經濟指標進一步完善，社鋼設備現 代化和國產化的重大突破為提高產能、提升鋼品位及質量打下穩固的基礎，高新技術對鋼 鐵工業進行創新和改造方面取得了一批重要成果。然而，目前我國鋼鐵企業問題仍很多，很 多板材產品存在著質量問題，使得生產出來的板材產品在質量和技術含量方面仍無法滿足 市場的需求。因此，對其實施質量控制，是企業急需解決的理論與技術問題。
[0003] 我國鋼鐵企業的社鋼生產過程的產品質量參數，主要基於數學模型並W專家經驗 為指導的，經過較長期的試驗所決定的。然而，得到各種變量與產品質量之間的數學模型， 是一項十分複雜的工作，高精度的產品質量預測模型更是難W建立，且需進行大量的計算 及到現場進行試驗，該樣既消耗很多財力，又存在著嚴重的時間滯後性。
【發明內容】
[0004] 本發明的目的在於提供一種社鋼生產過程產品質量在線預測與優化的方法及裝 置，能夠解決社鋼生產過程中無法高精度地建立產品質量預測模型，W及所存在的操作復 雜、耗費財力和時間滯後性的問題。
[0005] 根據本發明的一個方面，提供了一種社鋼生產過程產品質量在線預測與優化的方 法，包括：
[0006] 對連接現場控制網絡的各個社鋼生產工序進行數據採集，獲取所述各個社鋼生產 工序的當前生產操作數據；
[0007] 根據當前生產操作數據預測與其對應的當前產品質量指標數據；
[0008] 將預置的目標產品質量指標數據與所預測的當前產品質量指標數據進行比對，並 根據比對的結果找到各個社鋼生產工序的最優操作條件；
[0009] 根據各個社鋼生產工序的最優操作條件，對各個社鋼生產工序的生產操作數據進 行相應調節，使調節後的各個社鋼生產工序的生產操作數據與所述最優操作條件相適配， W便優化社鋼生產的產品質量。
[0010] 優選地，根據當前生產操作數據預測與其對應的當前產品質量指標數據包括：
[0011] 利用預置的生產操作數據與產品質量指標數據的對應關係，找到與所採集到的當 前生產操作數據對應的當前產品質量指標數據。
[0012] 優選地，根據當前生產操作數據預測與其對應的當前產品質量指標數據包括：
[0013] 將所述當前產品質量指標數據作為一個產品質量預測模型的輸入變量進行實時 計算；
[0014] 將計算得到的與所述輸入變量對應的輸出變量作為當前產品質量指標數據；
[0015] 其中，所述產品質量預測模型是預先利用神經網絡建立的W歷史生產操作數據為 輸入變量、歷史產品質量指標數據為輸出變量的預測模型。
[0016] 優選地，所述的根據比對的結果找到各個社鋼生產工序的最優操作條件的步驟包 括：
[0017] 根據比對的結果，利用預置的產品操作優化模型找到與所述當前生產操作數據相 適配的最優操作條件；
[0018]其中，所述預置的產品操作優化模型是預先利用粒子群優化算法建立的W生產操 作數據為待優化變量、預置的目標產品質量指標數據為目標變量的優化模型。
[0019] 優選地，所述的將預置的目標產品質量指標數據與所預測的當前產品質量指標數 據進行比對，根據比對的結果找到各個社鋼生產工序的最優操作條件的步驟包括：
[0020] 生成包括多個粒子的粒子群，其中每個粒子含有一組由各個社鋼生產工序的生產 操作數據組成的數據集；
[0021] 根據所述預置的目標產品質量指標數據與所預測的當前產品質量指標數據進行 比對，得到對應於所述當前生產操作數據的當前粒子的基準質量指標差值；
[0022] 將對應於其他粒子的各個社鋼生產工序的生產操作數據的產品質量指標數據分 別與所述預置的目標產品質量指標數據進行比對，得到其他粒子的質量指標差值；
[0023] 通過將其他粒子的質量指標差值分別與基準質量指標差值進行比較，將質量指標 差值小於基準質量指標差值的粒子選作各個社鋼生產工序的待選粒子集合；
[0024]從所述待選粒子集合中找到與所述當前生產操作數據相適配的粒子作為各個社 鋼生產工序的最優操作條件。
[00巧]優選地，所述的從所述待選粒子集合中找到與所述當前生產操作數據相適配的粒 子作為各個社鋼生產工序的最優操作條件的步驟包括：
[0026] 將對應於所述待選粒子集合中的粒子的各個社鋼生產工序的生產操作數據的產 品質量指標數據依次與所述預置的目標產品質量指標數據進行比較，將得到的最接近所述 預置的目標產品質量指標數據的粒子作為各個社鋼生產工序的最優操作條件。
[0027] 根據本發明的另一方面，提供了一種社鋼生產過程產品質量在線預測與優化的裝 置，包括：
[0028] 採集單元，用於對連接現場控制網絡的各個社鋼生產工序進行數據採集，獲取所 述各個社鋼生產工序的當前生產操作數據；
[0029] 預測單元，用於根據當前生產操作數據預測與其對應的當前產品質量指標數據；
[0030] 最優單元，用於將預置的目標產品質量指標數據與所預測的當前產品質量指標數 據進行比對，並根據比對的結果找到各個社鋼生產工序的最優操作條件；
[0031] 調節單元，用於根據各個社鋼生產工序的最優操作條件，對各個社鋼生產工序的 生產操作數據進行相應調節，使調節後的各個社鋼生產工序的生產操作數據與所述最優操 作條件相適配，W便優化社鋼生產的產品質量。
[0032] 優選地，所述預測單元進一步包括：
[0033] 對應模塊，用於利用預置的生產操作數據與產品質量指標數據的對應關係，找到 與所採集到的當前生產操作數據對應的當前產品質量指標數據。
[0034] 優選地，所述預測單元進一步還包括：
[0035] 計算模塊，用於將所述當前產品質量指標數據作為一個產品質量預測模型的輸入 變量進行實時計算；
[0036] 輸出模塊，用於將計算得到的與所述輸入變量對應的輸出變量作為當前產品質量 指標數據。
[0037] 優選地，所述最優單元進一步包括：
[0038] 粒子群優化模塊，用於根據比對的結果，利用預置的產品操作優化模型找到與所 述當前生產操作數據相適配的最優操作條件。
[0039] 與現有技術相比較，本發明的有益效果在於；能夠利用神經網絡技術建立社鋼生 產過程的高精度產品質量預測模型實現產品質量的在線預測，W及利用優化算法實現產品 質量的在線優化，並W對產品生產過程的各種操作變量進行實時控制的方式，實現對社鋼 生產過程的產品實時、有效的質量控制，優化社鋼生產過程的產品質量。
【專利附圖】
【附圖說明】
[0040] 圖1是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的方法原理 圖；
[0041] 圖2是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的裝置結構 圖；
[0042] 圖3是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的結構示意 圖；
[0043] 圖4是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的在線預測 流程圖；
[0044] 圖5是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的在線優化 流程圖。
【具體實施方式】
[0045]W下結合附圖對本發明的優選實施例進行詳細說明，應當理解，W下所說明的優 選實施例僅用於說明和解釋本發明，並不用於限定本發明。
[0046] 圖1是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的方法原理 圖，如圖1所示，具體步驟如下：
[0047] 步驟S1 ;對連接現場控制網絡的各個社鋼生產工序進行數據採集，獲取所述各個 社鋼生產工序的當前生產操作數據；
[0048] 步驟S2 ;根據當前生產操作數據預測與其對應的當前產品質量指標數據；
[0049] 在步驟S2中，利用預置的生產操作數據與產品質量指標數據的對應關係，找到與 所採集到的當前生產操作數據對應的當前產品質量指標數據。
[0050] 還包括：
[0051] 將所述當前產品質量指標數據作為一個產品質量預測模型的輸入變量進行實時 計算；
[0052] 將計算得到的與所述輸入變量對應的輸出變量作為當前產品質量指標數據；
[0053] 其中，所述產品質量預測模型是預先利用神經網絡建立的W歷史生產操作數據為 輸入變量、歷史產品質量指標數據為輸出變量的預測模型。
[0054] 步驟S3;將預置的目標產品質量指標數據與所預測的當前產品質量指標數據進 行比對，並根據比對的結果找到各個社鋼生產工序的最優操作條件；
[0055] 在步驟S3中，所述的根據比對的結果找到各個社鋼生產工序的最優操作條件的 步驟包括：
[0056] 根據比對的結果，利用預置的產品操作優化模型找到與所述當前生產操作數據相 適配的最優操作條件；
[0057] 其中，所述預置的產品操作優化模型是預先利用粒子群優化算法建立的W生產操 作數據為待優化變量、預置的目標產品質量指標數據為目標變量的優化模型。
[0058] 進一步地，所述的將預置的目標產品質量指標數據與所預測的當前產品質量指標 數據進行比對，根據比對的結果找到各個社鋼生產工序的最優操作條件的步驟包括：
[0059] 生成包括多個粒子的粒子群，其中每個粒子含有一組由各個社鋼生產工序的生產 操作數據組成的數據集；
[0060] 根據所述預置的目標產品質量指標數據與所預測的當前產品質量指標數據進行 比對，得到對應於所述當前生產操作數據的當前粒子的基準質量指標差值；
[0061] 將對應於其他粒子的各個社鋼生產工序的生產操作數據的產品質量指標數據分 別與所述預置的目標產品質量指標數據進行比對，得到其他粒子的質量指標差值；
[0062] 通過將其他粒子的質量指標差值分別與基準質量指標差值進行比較，將質量指標 差值小於基準質量指標差值的粒子選作各個社鋼生產工序的待選粒子集合；
[0063] 從所述待選粒子集合中找到與所述當前生產操作數據相適配的粒子作為各個社 鋼生產工序的最優操作條件。
[0064] 進一步地，所述的從所述待選粒子集合中找到與所述當前生產操作數據相適配的 粒子作為各個社鋼生產工序的最優操作條件的步驟包括：
[0065] 將對應於所述待選粒子集合中的粒子的各個社鋼生產工序的生產操作數據的產 品質量指標數據依次與所述預置的目標產品質量指標數據進行比較，將得到的最接近所述 預置的目標產品質量指標數據的粒子作為各個社鋼生產工序的最優操作條件。
[006引步驟S4;根據各個社鋼生產工序的最優操作條件，對各個社鋼生產工序的生產操 作數據進行相應調節，使調節後的各個社鋼生產工序的生產操作數據與所述最優操作條件 相適配，W便優化社鋼生產的產品質量。
[0067] 圖2是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的裝置結構 圖，如圖2所示，包括：採集單元、預測單元、最優單元和調節單元。
[0068] 所述採集單元用於對連接現場控制網絡的各個社鋼生產工序進行數據採集，獲取 所述各個社鋼生產工序的當前生產操作數據。
[0069] 所述預測單元用於根據當前生產操作數據預測與其對應的當前產品質量指標數 據。其中，所述預測單元的對應模塊用於利用預置的生產操作數據與產品質量指標數據的 對應關係，找到與所採集到的當前生產操作數據對應的當前產品質量指標數據。例如，根據 歷史生產操作數據和歷史產品質量指標數據的對應關係建立生產操作數據和產品質量指 標數據的映射表，通過採集當前生產操作數據，找到與所述當前生產操作數據相對應的當 前產品質量指標數據。
[0070] 此外，還包括另一種預測當前產品質量指標數據的方法，即所述預測單元的計算 模塊用於將所述當前產品質量指標數據作為一個產品質量預測模型的輸入變量進行實時 計算；所述預測單元的輸出模塊用於將計算得到的與所述輸入變量對應的輸出變量作為當 前產品質量指標數據。
[0071] 所述最優單元用於將預置的目標產品質量指標數據與所預測的當前產品質量指 標數據進行比對，並根據比對的結果找到各個社鋼生產工序的最優操作條件。其中，所述最 優單元的粒子群優化模塊用於根據比對的結果，利用預置的產品操作優化模型找到與所述 當前生產操作數據相適配的最優操作條件。
[0072] 所述調節單元用於根據各個社鋼生產工序的最優操作條件，對各個社鋼生產工序 的生產操作數據進行相應調節，使調節後的各個社鋼生產工序的生產操作數據與所述最優 操作條件相適配，W便優化社鋼生產的產品質量。
[0073] 圖3是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的結構示意 圖，如圖3所示，包括；數據採集器、資料庫伺服器、應用伺服器和客戶端。
[0074] 數據採集器用於採集來自各個工序（如，板逐準備工序、板逐加熱工序、粗社工序 和卷取工序）的生產操作數據，並將其輸出給資料庫伺服器。
[0075] 資料庫伺服器用於存儲生產操作數據、產品質量指標數據、預測結果和優化結果。
[0076] 應用伺服器用於接收並處理資料庫伺服器所存儲的生產操作數據W及計算出產 品質量指標數據，並將計算出的與該生產操作數據相適配的預測結果和優化結果輸出給數 據庫伺服器。
[0077] 客戶端連接資料庫伺服器，用於顯示預測結果和優化結果。
[0078] 具體實現步驟如下：
[0079] 步驟1 ;利用採集到的歷史生產操作數據和歷史產品質量指標數據建立建模數據 庫。
[0080] 步驟2 ;利用BP神經網絡建立產品質量預測模型。
[0081] 步驟3;利用步驟2訓練好的產品質量預測模型實時計算各項產品質量指標，W達 到產品質量的在線預測。
[0082] 步驟4;利用粒子群優化算法對生產操作數據進行優化，尋找最優操作條件，從而 指導操作人員對操作參數的調節。
[0083] 在步驟1中，生產操作數據包括；煉鐵、煉鋼過程中的20個化學元素含量、板逐加 熱階段的在爐時間和抽取溫度、粗社階段的板逐厚度、卷取階段的鋼卷厚度、卷取溫度和終 牽L溫度。
[0084]產品質量指標數據包括；產品的斷裂延伸率巧LI)、屈服強度（YS_Rel)、抗拉強度 aS_Rml)。
[0085] 圖4是本發明實施例提供的社鋼生產過程產品質量在線預測與優化的在線預測 流程圖，如圖4所示，在步驟2中，產品質量預測模型建立的具體步驟如下：
[0086] 利用神經網絡強大的自學習、自組織與自適應性，將其應用在多目標控制要求的 社鋼複雜生產過程中，並通過步驟1將積累的原始生產操作數據作為輸入變量X，原始產品 質量指標數據作為輸出變量Y，設BP網絡每層具有N個處理單元，訓練數據集包括M個樣本 模式對狂k，Yk)，k= 1，2,AM，對第P個訓練樣本，單元j的輸出總和記為netpj.，輸出記為 則
[0087]
【權利要求】
1. 一種軋鋼生產過程產品質量在線預測與優化的方法，其特徵在於， 對連接現場控制網絡的各個軋鋼生產工序進行數據採集，獲取所述各個軋鋼生產工序 的當前生產操作數據； 根據當前生產操作數據預測與其對應的當前產品質量指標數據； 將預置的目標產品質量指標數據與所預測的當前產品質量指標數據進行比對，並根據 比對的結果找到各個軋鋼生產工序的最優操作條件； 根據各個軋鋼生產工序的最優操作條件，對各個軋鋼生產工序的生產操作數據進行相 應調節，使調節後的各個軋鋼生產工序的生產操作數據與所述最優操作條件相適配，以便 優化軋鋼生產的產品質量。
2. 根據權利要求1所述的方法，其特徵在於，根據當前生產操作數據預測與其對應的 當前產品質量指標數據包括： 利用預置的生產操作數據與產品質量指標數據的對應關係，找到與所採集到的當前生 產操作數據對應的當前產品質量指標數據。
3. 根據權利要求1所述的方法，其特徵在於，根據當前生產操作數據預測與其對應的 當前產品質量指標數據包括： 將所述當前產品質量指標數據作為一個產品質量預測模型的輸入變量進行實時計 算； 將計算得到的與所述輸入變量對應的輸出變量作為當前產品質量指標數據； 其中，所述產品質量預測模型是預先利用神經網絡建立的以歷史生產操作數據為輸入 變量、歷史產品質量指標數據為輸出變量的預測模型。
4. 根據權利要求1所述的方法，其特徵在於，所述的根據比對的結果找到各個軋鋼生 產工序的最優操作條件的步驟包括： 根據比對的結果，利用預置的產品操作優化模型找到與所述當前生產操作數據相適配 的最優操作條件； 其中，所述預置的產品操作優化模型是預先利用粒子群優化算法建立的以生產操作數 據為待優化變量、預置的目標產品質量指標數據為目標變量的優化模型。
5. 根據權利要求4所述的方法，其特徵在於，所述的將預置的目標產品質量指標數據 與所預測的當前產品質量指標數據進行比對，根據比對的結果找到各個軋鋼生產工序的最 優操作條件的步驟包括： 生成包括多個粒子的粒子群，其中每個粒子含有一組由各個軋鋼生產工序的生產操作 數據組成的數據集； 根據所述預置的目標產品質量指標數據與所預測的當前產品質量指標數據進行比對， 得到對應於所述當前生產操作數據的當前粒子的基準質量指標差值； 將對應於其他粒子的各個軋鋼生產工序的生產操作數據的產品質量指標數據分別與 所述預置的目標產品質量指標數據進行比對，得到其他粒子的質量指標差值； 通過將其他粒子的質量指標差值分別與基準質量指標差值進行比較，將質量指標差值 小於基準質量指標差值的粒子選作各個軋鋼生產工序的待選粒子集合； 從所述待選粒子集合中找到與所述當前生產操作數據相適配的粒子作為各個軋鋼生 產工序的最優操作條件。
6. 根據權利要求5所述的方法，其特徵在於，所述的從所述待選粒子集合中找到與所 述當前生產操作數據相適配的粒子作為各個軋鋼生產工序的最優操作條件的步驟包括： 將對應於所述待選粒子集合中的粒子的各個軋鋼生產工序的生產操作數據的產品質 量指標數據依次與所述預置的目標產品質量指標數據進行比較，將得到的最接近所述預置 的目標產品質量指標數據的粒子作為各個軋鋼生產工序的最優操作條件。
7. -種軋鋼生產過程產品質量在線預測與優化的裝置，其特徵在於， 採集單元，用於對連接現場控制網絡的各個軋鋼生產工序進行數據採集，獲取所述各 個軋鋼生產工序的當前生產操作數據； 預測單元，用於根據當前生產操作數據預測與其對應的當前產品質量指標數據； 最優單元，用於將預置的目標產品質量指標數據與所預測的當前產品質量指標數據進 行比對，並根據比對的結果找到各個軋鋼生產工序的最優操作條件； 調節單元，用於根據各個軋鋼生產工序的最優操作條件，對各個軋鋼生產工序的生產 操作數據進行相應調節，使調節後的各個軋鋼生產工序的生產操作數據與所述最優操作條 件相適配，以便優化軋鋼生產的產品質量。
8. 根據權利要求7所述的裝置，其特徵在於，所述預測單元進一步包括： 對應模塊，用於利用預置的生產操作數據與產品質量指標數據的對應關係，找到與所 採集到的當前生產操作數據對應的當前產品質量指標數據。
9. 根據權利要求8所述的裝置，其特徵在於，所述預測單元進一步還包括： 計算模塊，用於將所述當前產品質量指標數據作為一個產品質量預測模型的輸入變量 進行實時計算； 輸出模塊，用於將計算得到的與所述輸入變量對應的輸出變量作為當前產品質量指標 數據。
10. 根據權利要求7所述的裝置，其特徵在於，所述最優單元進一步包括： 粒子群優化模塊，用於根據比對的結果，利用預置的產品操作優化模型找到與所述當 前生產操作數據相適配的最優操作條件。
【文檔編號】G05B19/418GK104375478SQ201410449579
【公開日】2015年2月25日 申請日期:2014年9月4日 優先權日:2014年9月4日
【發明者】趙金元, 郎娜, 羅峰明, 顧曉軍 申請人:太極計算機股份有限公司