钢材的参数预测方法及终端设备技术

本发明专利技术适用于轧钢技术领域，提供了一种钢材的参数预测方法及终端设备，包括：获取钢材生产过程中的历史生产数据，并根据历史生产数据构建训练样本集；训练样本集包括携带标签的热轧参数，携带标签的热轧参数所携带的标签为对应的力学性能参数；利用携带标签的热轧参数对力学性能预测模型进行训练，最后将第一目标热轧参数值输入训练完成的力学性能预测模型计算得到第一目标力学性能参数值。本发明专利技术通过对以往钢材生产过程中的历史生产数据进行分析建立钢材的力学性能参数预测模型，并根据钢材的热轧参数以及力学性能预测模型得到钢材的力学性能参数，计算速度快，无需切割样本进行测试，节省人工及材料成本，提高了钢材性能参数的确定效率。

Parameter prediction method and terminal equipment of steel

【技术实现步骤摘要】
钢材的参数预测方法及终端设备
本专利技术属于轧钢
，尤其涉及一种钢材的参数预测方法及终端设备。
技术介绍
热轧钢作为一种经济型结构用钢在高层建筑、铁路桥梁、电站建设及石化工程等各个领域得到了广泛的应用，热轧钢的需求量也越来越大。现有技术中对热轧钢产品的性能及质量的检测多为在批量钢材上切割得到样本钢材，通过对样本钢材进行测试得到同批次热轧钢产品的性能及质量，测试过程操作繁琐、效率低且浪费人工，同时造成了钢材的浪费。
技术实现思路
有鉴于此，本专利技术实施例提供了一种钢材的参数预测方法及终端设备，以解决现有技术中对热轧钢产品的性能及质量的检测需切割样本钢材进行检测，效率低、浪费人工及钢材的问题。本专利技术实施例的第一方面提供了一种钢材的参数预测方法，包括：获取钢材生产过程中的历史生产数据，并根据所述历史生产数据构建训练样本集；所述训练样本集包括携带标签的热轧参数，所述携带标签的热轧参数所携带的标签为对应的力学性能参数；构建力学性能预测模型，利用所述携带标签的热轧参数对所述力学性能预测模型进行训练，得到训练完成的力学性能预测模型；获取第一目标热轧参数值，并将所述第一目标热轧参数值输入所述训练完成的力学性能预测模型得到第一目标力学性能参数值。本专利技术实施例的第二方面提供了一种钢材的参数预测装置，包括：参数获取模块，获取钢材生产过程中的历史生产数据，并根据所述历史生产数据构建训练样本集；所述训练样本集包括携带标签的热轧参数，所述携带标签的热轧参数所携带的标签为对应的力学性能参数；第一模型训练模块，用于构建力学性能预测模型，利用所述携带标签的热轧参数对所述力学性能预测模型进行训练，得到训练完成的力学性能预测模型；第一结果输出模块，用于获取第一目标热轧参数值，并将所述第一目标热轧参数值输入所述训练完成的力学性能预测模型得到第一目标力学性能参数值。本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如本专利技术实施例第一方面所述的钢材的参数预测方法的步骤。本专利技术实施例的第四方面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计算机程序，所述计算机程序被处理器执行时实现如本专利技术实施例第一方面所述的钢材的参数预测方法的步骤。本专利技术实施例获取钢材生产过程中的历史生产数据，并根据历史生产数据构建训练样本集；其中，训练样本集包括携带标签的热轧参数，携带标签的热轧参数所携带的标签为对应的力学性能参数；利用携带标签的热轧参数对力学性能预测模型进行训练，最后将第一目标热轧参数值输入训练完成的力学性能预测模型计算得到第一目标力学性能参数值。本专利技术实施例通过对以往钢材生产过程中的历史生产数据进行分析建立钢材的力学性能参数预测模型，并根据钢材的热轧参数以及力学性能预测模型自动计算得到钢材的力学性能参数，计算速度快，无需切割样本进行测试，节省人工及材料成本，提高了钢材性能参数的确定效率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种钢材的参数预测方法的实现流程示意图；图2是本专利技术实施例提供的又一种钢材的参数预测方法的实现流程示意图；图3是本专利技术实施例提供的历史生产数据获取路径示意图；图4是本专利技术实施例提供的初始样本集中各样本的霍特林T2值示意图；图5是本专利技术实施例提供的中间样本集中各样本的霍特林T2值示意图；图6是本专利技术实施例提供的各个初始热轧参数的决定系数示意图；图7是本专利技术实施例提供的屈服强度的预测结果及准确率示意图；图8是本专利技术实施例提供的抗拉强度的预测结果及准确率示意图；图9是本专利技术实施例提供的延伸率的预测结果及准确率示意图；图10是本专利技术实施例提供的热轧带钢力学性能在线预测系统的界面一；图11是本专利技术实施例提供的热轧带钢力学性能在线预测系统的界面二；图12为本专利技术实施例提供的一种钢材的参数预测装置的示意图；图13为本专利技术实施例提供的一种终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。参考图1，本专利技术实施例提供了一种钢材的参数预测方法，包括：步骤S101：获取钢材生产过程中的历史生产数据，并根据历史生产数据构建训练样本集；训练样本集包括携带标签的热轧参数，携带标签的热轧参数所携带的标签为对应的力学性能参数。钢材生产过程中，热轧生产线会将生产过程中的生产数据进行存储，包括热轧参数及力学性能参数，热轧参数包括工艺参数及化学成分，例如，工艺参数可以包括：粗轧出口温度(RDT)、精轧出口温度(FDT)、精轧出口厚度(FDH)、卷取温度(CT)、卷取温度设定值(CET)、压下率(ε)及加热炉出炉温度(SRT)等；化学成分可以包括：碳含量(C)、硅含量(Si)、锰含量(Mn)、硫含量(S)、钒含量(V)及磷(P)含量等；力学性能参数可以包括：屈服强度、抗拉强度及延伸率。在不同的工艺参数及不同的化学成分条件下，生产出来的钢材的力学性能参数值不同，力学性能参数与钢材的热轧参数之间按照物理冶金学规律存在一定的对应关系。1780生产线数据量大、数据点多、数据完善，以1780热轧带钢为例，参考图3，历史生产数据存储在二级服务器数据库、过程质量系统、三级服务器数据库以及物化视图数据库中，各个数据存储服务器中分别存储不同的参数。根据所需数据及各级数据服务器之间的权限，利用SQL语句从二级服务器数据库、三级服务器数据库以及物化视图数据库中调取数据，并调用动态链接库从过程质量系统中调取数据。由于同一个钢卷的钢材热轧参数及性能参数相同，以钢卷号及炉号为关键字将四个数据存储服务器中的数据进行匹配，将钢材生产过程中的热轧参数及对应的力学性能参数一一对应存储，从而获取得到以往钢材生产过程中的历史生产数据。根据一一对应存储的各条历史生产数据构建训练样本集，其中，训练样本集包括携带标签的热轧参数，携带标签的热轧参数所携带的标签为对应的力学性能参数。一些实施例中，为保证历史生产数据的全面性，历史生产数据包括多钢种的数据。一些实施例中，根据历史生产数据构建训练样本集，可以包括：步骤S1011：根据历史生产数据构建初始样本集，并对初始样本集进行预处本文档来自技高网...

【技术保护点】
1.一种钢材的参数预测方法，其特征在于，包括：/n获取钢材生产过程中的历史生产数据，并根据所述历史生产数据构建训练样本集；所述训练样本集包括携带标签的热轧参数，所述携带标签的热轧参数所携带的标签为对应的力学性能参数；/n构建力学性能预测模型，利用所述携带标签的热轧参数对所述力学性能预测模型进行训练，得到训练完成的力学性能预测模型；/n获取第一目标热轧参数值，并将所述第一目标热轧参数值输入所述训练完成的力学性能预测模型得到第一目标力学性能参数值。/n

【技术特征摘要】
1.一种钢材的参数预测方法，其特征在于，包括：
获取钢材生产过程中的历史生产数据，并根据所述历史生产数据构建训练样本集；所述训练样本集包括携带标签的热轧参数，所述携带标签的热轧参数所携带的标签为对应的力学性能参数；
构建力学性能预测模型，利用所述携带标签的热轧参数对所述力学性能预测模型进行训练，得到训练完成的力学性能预测模型；
获取第一目标热轧参数值，并将所述第一目标热轧参数值输入所述训练完成的力学性能预测模型得到第一目标力学性能参数值。


2.如权利要求1所述的钢材的参数预测方法，其特征在于，所述训练样本集还包括携带标签的力学性能参数，所述携带标签的力学性能参数所携带的标签为对应的热轧参数；
所述钢材的参数预测方法还包括：
构建热轧参数预测模型，利用所述训练样本集对所述热轧参数预测模型进行训练，得到训练完成的热轧参数预测模型；
获取第二目标力学性能参数值，并将所述第二目标力学性能参数值输入所述训练完成的热轧参数预测模型得到第二目标热轧参数值。


3.如权利要求1所述的钢材的参数预测方法，其特征在于，所述根据所述历史生产数据构建训练样本集，包括：
根据所述历史生产数据构建初始样本集，并对所述初始样本集进行预处理得到中间样本集；
根据所述中间样本集确定影响力学性能参数的目标热轧参数集合，并在所述中间样本集中提取所述目标热轧参数集合的数据及对应的力学性能参数的数据构建训练样本集。


4.如权利要求3所述的钢材的参数预测方法，其特征在于，所述对所述初始样本集进行预处理得到中间样本集，包括：
确定所述初始样本集的控制限及所述初始样本集中的各个样本的霍特林T2值；
若所述各个样本的霍特林T2值均不大于所述初始样本集的控制限，则所述初始样本集为所述中间样本集；
若所述初始样本集中存在霍特林T2值大于所述初始样本集的控制限的目标样本，则去除所述初始样本集中的所述目标样本，得到第一样本集，并将所述第一样本集作为新的初始样本集，并继续执行所述确定所述初始样本集的控制限及所述初始样本集中的各个样本的霍特林T2值的步骤。


5.如权利要求3所述的钢材的参数预测方法，其特征在于，所述中间样本集包括力学性能参数与初始热轧参数集合的对应关系，所述初始热轧参数集合包括多个初始热轧参数；所述根据所述中间样本集确定影响力学性能参数的目标热轧参数集合，包括：
根据所述力学性能参数与初始热轧参数集合的对应关系，建立力学性能参数与各个初始热轧参数分别对应的一元线性回归模型，并根据各个一元线性回归模型和所述中间样本集计算各个初始热轧参...

【专利技术属性】
技术研发人员：胡德勇，曹光明，周少见，崔春圆，陆凤慧，孙超，
申请(专利权)人：河钢股份有限公司承德分公司，东北大学，河钢股份有限公司，
类型：发明
国别省市：河北;13