烧成曲线的自适应预测方法、设备及计算机存储介质技术

本发明专利技术公开了一种烧成曲线的自适应预测方法、设备及计算机存储介质，该方法包括：基于烧成曲线自适应转化模型，将历史烧成曲线自适应转化为历史烧成曲线对应的多项式嵌入参数；利用历史原料成分数据以及多项式嵌入参数训练并生成多项式嵌入参数预测模型；将实时原料成分数据输入多项式嵌入参数预测模型，则输出预测的多项式嵌入参数；将预测的多项式嵌入参数输入烧成曲线自适应转化模型，则输出预测的烧成曲线；本发明专利技术解决了依靠人工经验调整连续加热设备烧成曲线造成的生产质量及效率低下的问题，实现连续加热设备烧成曲线的自适应调整方法，节省人工试错时间，提高生产质量及效率，达到降本增效的目的。

【技术实现步骤摘要】
烧成曲线的自适应预测方法、设备及计算机存储介质
本专利技术涉及数据预测领域，尤其涉及一种烧成曲线的自适应预测方法、设备及计算机存储介质。
技术介绍
现代烧结物工业化生产是一个复杂的工艺过程，从原料加工到成品出库，包含多道工序。其中，连续加热设备烧成以及原料成分配为影响烧结物生产质量最重要的两个生产因素。不同烧结物产品有不同的原料配比需求、不同的原料批次，以及生产过程中的原料配比的系统性误差和人工误差等原因，带来原料化学和物理性质的波动，因此造成烧结物生产质量的波动。工业化生产使用连续加热设备实现连续性生产，烧结物的烧制在不同烧成阶段需要对应的温度设定，与之对应的各连续加热设备的设定温度、压力和气氛需要做调整，连续加热设备烧成曲线分为不同空间和时间数十个表面底面温度点、压力和气氛参数设定，操作复杂。目前的连续加热设备烧成曲线依赖于技术车间的工艺单及连续加热设备人工经验，生产容易出现一些问题，如：1）连续加热设备建议烧成温度、压力和气氛参数阈值过于宽泛，指导意义有限，依赖连续加热设备工人经验调整；2）连续加热设备烧成曲线调整为生产质量波动导向的调整，当生产质量下降后，再调整烧成曲线，调整期间造成时间及经济成本重；3）人工经验调经验较难传授和沉淀，难实现标准化操作。
技术实现思路
有鉴于此，本申请实施例提供一种烧成曲线的自适应预测方法、设备及计算机存储介质，解决依靠人工经验调整连续加热设备烧成曲线造成的生产质量及效率低下的问题。本申请实施例提供了一种烧成曲线的自适应预测方法，所述方法包括：基于烧成曲线自适应转化模型，将历史烧成曲线自适应转化为多项式嵌入参数；利用历史原料成分数据以及所述多项式嵌入参数训练并生成多项式嵌入参数预测模型；将实时原料成分数据输入所述多项式嵌入参数预测模型，则输出预测的多项式嵌入参数；将所述预测的多项式嵌入参数输入所述烧成曲线自适应转化模型，则输出预测的烧成曲线。在一实施例中，所述基于烧成曲线自适应转化模型，将历史烧成曲线自适应转化为多项式嵌入参数，包括将所述历史烧成曲线输入所述烧成曲线自适应转化模型；利用所述烧成曲线自适应转化模型，对所述历史烧成曲线进行自适应的曲线拆解；对曲线拆解生成的多个曲线段进行自适应的多项式拟合，转化为所述历史烧成曲线对应的多项式嵌入参数。在一实施例中，利用所述烧成曲线自适应转化模型，所述对所述历史烧成曲线进行自适应的曲线拆解，包括：对所述历史烧成曲线执行多次不同次幂的多项式回归，生成对应的多项式回归次幂以及决定系数；其中，所述不同次幂为依次递增次幂；基于自适应寻优法则，从多个多项式回归次幂中自适应选取第一多项式回归次幂；基于所述第一多项式回归次幂以及对应的决定系数，进行多项式拟合；基于预设方法，对所述多项式拟合生成的结果进行计算，获得拆分点；基于所述拆分点，将所述历史烧成曲线拆解。在一实施例中，所述基于自适应寻优法则，从多个多项式回归次幂中自适应选取第一多项式回归次幂，包括：以X轴为所述多项式回归次幂，以Y轴为决定系数，将生成的多个多项式回归次幂以及决定系数绘制出第一关系曲线；将所述第一关系曲线转化为第二关系曲线，获得所述第二关系曲线的极值点，则所述极值点对应的多项式回归次幂为所述第一多项式回归次幂。在一实施例中，所述将所述第一关系曲线转化为第二关系曲线，获得所述第二关系曲线的极值点，则所述极值点对应的多项式回归次幂为所述第一多项式回归次幂，包括：赋值所述第一关系曲线的最大决定系数与最小决定系数为等值，基于第一预设公式获得所述第一关系曲线转化为所述第二关系曲线所需翻转角度；基于所述第一关系曲线对应的矩阵M以及所述所需翻转角度，通过第二预设公式获得所述第二关系曲线对应的矩阵M*；获得所述矩阵M*中决定系数的最值，则所述最值对应的多项式回归次幂为所述第一多项式回归次幂。在一实施例中，所述对曲线拆解生成的多个曲线段进行自适应的多项式拟合，转化为所述历史烧成曲线对应的多项式嵌入参数，包括：对每个所述曲线段分别执行多次不同次幂的多项式回归，生成每个所述曲线段的多项式回归次幂以及决定系数；基于自适应寻优法则，从每个所述曲线段对应生成的多个多项式回归次幂中自适应选取第二多项式回归次幂；其中，所述一个曲线段对应一个第二多项式回归次幂；基于每个所述曲线段的第二多项式回归次幂以及对应的决定系数，进行多项式拟合并转化为所述历史烧成曲线对应的多项式嵌入参数。在一实施例中，所述将所述预测的多项式嵌入参数输入所述烧成曲线自适应转化模型，则输出预测的烧成曲线，包括：基于所述预测的多项式嵌入参数以及第二多项式回归次幂，生成多个曲线段；基于所述拆分点以及所述第一多项式回归次幂，将所述多个曲线段连接并生成所述预测的烧成曲线。在一实施例中，所述方法，还包括：基于所述预测的烧成曲线以及所述预测的烧成曲线包含的烧成曲线参数值，生成最佳烧成曲线建议。为实现上述目的，还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有烧成曲线的自适应预测方法程序，所述烧成曲线的自适应预测方法程序被处理器执行时实现上述任一所述的烧成曲线的自适应预测方法的步骤。为实现上述目的，还提供一种预测烧成曲线的设备，包括存储器，处理器及存储在所述存储器上并可在所述处理器上运行的烧成曲线的自适应预测方法程序，所述处理器执行所述烧成曲线的自适应预测方法程序时实现上述任一所述的烧成曲线的自适应预测方法的步骤。本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：基于烧成曲线自适应转化模型，将历史烧成曲线转化为所述历史烧成曲线对应的多项式嵌入参数；通过烧成曲线自适应转化模型，将历史烧成曲线量化为多项式嵌入参数，保证多项式嵌入参数的正确性，从而提高多项式嵌入参数预测模型的预测结果。利用历史原料成分数据以及所述多项式嵌入参数训练并生成多项式嵌入参数预测模型；通过大数量级的历史原料成分数据以及多项式嵌入参数训练生成多项式嵌入参数预测模型，保证多项式嵌入参数预测模型同时具有历史原料特征以及多项式曲线关系特征，能够更好的预测多项式嵌入参数，从而保证烧成曲线预测的正确性。将实时原料成分数据输入所述多项式嵌入参数预测模型，输出预测的多项式嵌入参数；通过训练好的多项式嵌入参数预测模型，正确的将实时原料成分数据转化为预测的多项式嵌入参数，从而保证正确预测实时的工业化过程的烧成曲线。将所述预测的多项式嵌入参数输入所述烧成曲线自适应转化模型，则输出预测的烧成曲线；保证预测的烧成曲线正确的输出，并可根据预测的结果进行实时的自适应调整，节省人工试错时间，提高生产质量及效率，达到降本增效的目的。附图说明图1为本申请烧成曲线的自适应预测方法的第一实施例的流程示意图；图2为烧成曲线的自适应预测方法的流程本文档来自技高网...

【技术保护点】
1.一种烧成曲线的自适应预测方法，其特征在于，所述方法包括：/n基于烧成曲线自适应转化模型，将历史烧成曲线自适应转化为多项式嵌入参数；/n利用历史原料成分数据以及所述多项式嵌入参数训练并生成多项式嵌入参数预测模型；/n将实时原料成分数据输入所述多项式嵌入参数预测模型，输出预测的多项式嵌入参数；/n将所述预测的多项式嵌入参数输入所述烧成曲线自适应转化模型，输出预测的烧成曲线。/n

【技术特征摘要】
1.一种烧成曲线的自适应预测方法，其特征在于，所述方法包括：
基于烧成曲线自适应转化模型，将历史烧成曲线自适应转化为多项式嵌入参数；
利用历史原料成分数据以及所述多项式嵌入参数训练并生成多项式嵌入参数预测模型；
将实时原料成分数据输入所述多项式嵌入参数预测模型，输出预测的多项式嵌入参数；
将所述预测的多项式嵌入参数输入所述烧成曲线自适应转化模型，输出预测的烧成曲线。


2.如权利要求1所述的烧成曲线的自适应预测方法，其特征在于，所述基于烧成曲线自适应转化模型，将历史烧成曲线自适应转化为多项式嵌入参数，包括
将所述历史烧成曲线输入所述烧成曲线自适应转化模型；
利用所述烧成曲线自适应转化模型，对所述历史烧成曲线进行自适应的曲线拆解；
对曲线拆解生成的多个曲线段进行自适应的多项式拟合，转化为所述历史烧成曲线对应的多项式嵌入参数。


3.如权利要求2所述的烧成曲线的自适应预测方法，其特征在于，所述利用所述烧成曲线自适应转化模型，对所述历史烧成曲线进行自适应的曲线拆解，包括：
对所述历史烧成曲线执行多次不同次幂的多项式回归，生成对应的多项式回归次幂以及决定系数；
基于自适应寻优法则，从多个多项式回归次幂中自适应选取第一多项式回归次幂；
基于所述第一多项式回归次幂以及对应的决定系数，进行多项式拟合；
基于预设方法，对所述多项式拟合生成的结果进行计算，获得拆分点；
基于所述拆分点，将所述历史烧成曲线拆解。


4.如权利要求3所述的烧成曲线的自适应预测方法，其特征在于，所述基于自适应寻优法则，从多个多项式回归次幂中自适应选取第一多项式回归次幂，包括：
以X轴为所述多项式回归次幂，以Y轴为决定系数，将生成的多个多项式回归次幂以及决定系数绘制出第一关系曲线；
将所述第一关系曲线转化为第二关系曲线，获得所述第二关系曲线的极值点，则所述极值点对应的多项式回归次幂为所述第一多项式回归次幂。


5.如权利要求4所述的烧成曲线的自适应预测方法，其特征在于，所述将所述第一关系曲线转化为第二关系曲线，获得所述第二关系曲线的极值点，则所述极值点对应的多项式回归次幂为所述第一多项式回归次幂，包括：
赋值所述第一关...

【专利技术属性】
技术研发人员：叶兴达，王金明，周霄天，
申请(专利权)人：深圳坤湛科技有限公司，
类型：发明
国别省市：广东;44