硅钢产品生产方案的智能设计评估方法技术

本发明专利技术公开了一种硅钢产品生产方案的智能设计评估方法，包括以下步骤：1、采集数据，并集成用户数据、实验室研发数据和大生产数据；2、构建用户数据主题、实验室研发数据主题和大生产数据主题；3、输入硅钢产品的种类、规格和性能需求的需求信息，并根据需求信息生成若干个硅钢产品的生产方案，生产方案包括优化产品的生产方案和新产品的生产方案；4、多维度综合评估步骤3中生成的每个硅钢产品的生产方案，得到硅钢产品生产方案的绿色设计指数，并根据绿色设计指数推荐生产方案。本发明专利技术基于产品设计需求，融合实验研发数据和大生产数据，生成并评估产品设计方案模型，缩短研发周期，提高研发效率。研发效率。研发效率。

【技术实现步骤摘要】
硅钢产品生产方案的智能设计评估方法


[0001]本专利技术涉及一种钢铁产品生产方案，尤其涉及一种硅钢产品生产方案的智能设计评估方法。

技术介绍

[0002]目前，国内外钢铁产品的研发主要依赖专家经验或实验室试错式模拟实验，常规的钢铁产品生产方案从用户需求提出到最终转化成符合要求的钢铁产品，中间包括的流程复杂繁多，例如：需求解析、失效模式分析、研究方案制定、实验室化学成分和工艺路线参数实验、产品试制方案输出、工业大生产试制、工艺再优化、用户认证等等。现有技术的方案设计模式不仅开发周期长，产品研制成本高，对专家主观经验和理论知识的依赖性强；同时，从实验室产品试制方案输出现场试制过程中，由于实验室设备与钢厂工业生产线工艺条件存在差异，造成实验室产品方案存在很大不确定性，某些成分或工艺参数可能需要进行实验室重复论证，延长了开发周期。另外，各生产工序的成材率、能耗、成本等关键指标在现有模式下也无法精确评估。
[0003]电工钢即硅钢是一种软磁性能优异的钢铁产品，主要用来制造各种电机和变压器的铁芯，是电力、电机工业中重要的金属软磁材料。其制造工艺复杂，特别是取向硅钢产品，全工序生产流程包括铁水预处理、RH精炼、连铸、热轧、常化退火、酸洗、冷轧、脱碳退火、涂MgO、高温退火、平整拉伸退火、涂绝缘层等工序，更高级牌号还包括渗氮处理、激光刻痕等工序，炼钢成分、夹杂元素控制严格，全流程工艺参数和影响因素众多，涉及金属凝固、轧制形变、再结晶形核长大控制、抑制剂固溶析出控制、二次再结晶、晶粒择优取向、钢板脱碳脱硫渗氮脱氮控制、表层氧化层控制等等，是个十分复杂的过程。开发硅钢新产品时需要考虑上述全部影响因素，并在实验方案中进行设计和论证，若仅依靠专家经验或实验室试错实验，开发周期很长，同时无法保证产品设计方案的准确性、合理性和可制造性。

技术实现思路

[0004]本专利技术的目的在于提供一种硅钢产品生产方案的智能设计评估方法，基于产品设计需求，融合实验室研发数据和大生产数据，生成并评估产品设计方案模型，缩短研发周期，提高研发效率。
[0005]本专利技术是这样实现的：
[0006]一种硅钢产品生产方案的智能设计评估方法，包括以下步骤：
[0007]步骤1：采集数据，并集成用户数据、实验室研发数据和大生产数据；
[0008]步骤2：构建用户数据主题、实验室研发数据主题和大生产数据主题；
[0009]步骤3：输入硅钢产品的种类、规格和性能需求的需求信息，并根据需求信息生成若干个硅钢产品的生产方案，所述的生产方案包括优化产品的生产方案和新产品的生产方案；
[0010]步骤4：多维度综合评估步骤3中生成的每个硅钢产品的生产方案，得到硅钢产品
生产方案的绿色设计指数，并根据绿色设计指数推荐生产方案。
[0011]所述的用户数据包括用户对各种类硅钢产品的性能需求指标、用户ID、询单ID、用户的基本信息；
[0012]所述的实验室研发数据包括各种类硅钢产品实验全流程中的化学成分、研发工艺参数、各项性能指标、组织分析结果；
[0013]所述的大生产数据为各种类硅钢产品的大生产全流程中各机组的生产数据，包括化学成分、出钢记号生产物料跟踪信息、生产工艺参数实绩、各项性能数据、检化验数据、表面缺陷数据、质量判定数据、出/入口卷重、成材率、入口卷重分摊量、吨钢能耗、吨钢成本；其中，生产工艺参数实绩包含按钢卷采集的低频数据和按距离或时间间隔采集的高频数据，每个钢卷有一条低频数据和多条高频数据。
[0014]所述的步骤2包括：
[0015]步骤2.1：构建用户需求数据主题；
[0016]步骤2.2：构建硅钢产品的实验室研发数据主题；
[0017]步骤2.3：构建硅钢产品的大生产数据主题。
[0018]所述的步骤2.1包括：基于用户数据中的用户ID和询单ID，将某个用户的基本信息与该用户对硅钢产品的性能需求指标勾连，形成用户需求数据主题；
[0019]所述的步骤2.2包括：
[0020]步骤2.2.1：配置硅钢产品的化学成分、研发工艺参数和性能指标的实验室研发数据异常规则；
[0021]步骤2.2.2：基于实验室研发数据异常规则对实验室研发数据进行预处理；
[0022]步骤2.2.3：基于实验全流程，定义各实验工序的入口样品编号和出口样品编号，以上一实验工序的出口样品编号＝下一实验工序入口样品编号为逻辑，串联硅钢产品的实验全流程数据，构成实验室研发数据主题；
[0023]所述的步骤2.3包括：
[0024]步骤2.3.1：配置硅钢产品的化学成分、生产工艺参数实绩和性能数据的大生产数据异常规则；
[0025]步骤2.3.2：基于大生产数据异常规则对大生产数据进行预处理；
[0026]步骤2.3.4：计算硅钢产品的钢卷高频数据、性能数据特征值；
[0027]步骤2.3.5：基于大生产全流程，定义各道机组的出口卷号和进口卷号，以前道机组的出口卷号＝后道机组的入口卷号为逻辑，串联硅钢产品的大生产全流程数据，构成大生产数据主题。
[0028]所述的步骤3包括：
[0029]步骤3.1：根据需求信息过滤实验室研发数据主题和大生产数据主题，选取两类符合需求信息的相关数据；其中，实验室研发数据主题中的性能指标乘以调整因子后再进行过滤；
[0030]步骤3.2：基于需求信息中的性能需求对每类相关数据分别进行归一化和标准化数据处理；
[0031]步骤3.3：对于每类相关数据，分别计算性能需求与归一化、标准化后的性能数据之间的第一性能相似度；
[0032]步骤3.4：设置性能相似度阈值，若第一性能相似度≥性能相似度阈值时，则将该第一性能相似度对应的硅钢产品标注为优化产品，并执行步骤3.5，若第一性能相似度＜性能相似度阈值时，则将该第一性能相似度对应的硅钢产品标注为新产品，并执行步骤3.6；
[0033]步骤3.5：生成优化产品的生产方案：结合第一性能相似度对应的生产工艺参数实绩与大生产各机组的控制精度，划分的生产工艺参数实绩；
[0034]步骤3.6：基于性能需求，建立性能指标预测模型，并验证最优的新产品的生产方案模型。
[0035]所述的步骤3.6包括：
[0036]步骤3.6.1：从大生产数据中选取历史数据，该历史数据中硅钢产品的种类和规格与输入的硅钢产品种类和规格相同，且大生产数据时间范围为最近一年；
[0037]步骤3.6.2：建立若干个性能指标预测模型；其中，每个性能指标预测模型的输入为研发人员选定的关键的化学成分和关键的工艺参数，输出为性能指标，并通过交叉验证确定若干个性能指标预测模型中的最优性能预测模型；
[0038]步骤3.6.3：计算步骤3.6.1中选取的大生产数据中对应的化学成分、生产工艺参数实绩的平均值，并将该化学成分、生产工艺参数实绩的平均值作为方案基准点；
[0039]步骤3.6.4：从方案基准点出发对性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种硅钢产品生产方案的智能设计评估方法，其特征是：包括以下步骤：步骤1：采集数据，并集成用户数据、实验室研发数据和大生产数据；步骤2：构建用户数据主题、实验室研发数据主题和大生产数据主题；步骤3：输入硅钢产品的种类、规格和性能需求的需求信息，并根据需求信息生成若干个硅钢产品的生产方案，所述的生产方案包括优化产品的生产方案和新产品的生产方案；步骤4：多维度综合评估步骤3中生成的每个硅钢产品的生产方案，得到硅钢产品生产方案的绿色设计指数，并根据绿色设计指数推荐生产方案。2.根据权利要求1所述的硅钢产品生产方案的智能设计评估方法，其特征是：所述的用户数据包括用户对各种类硅钢产品的性能需求指标、用户ID、询单ID、用户的基本信息；所述的实验室研发数据包括各种类硅钢产品实验全流程中的化学成分、研发工艺参数、各项性能指标、组织分析结果；所述的大生产数据为各种类硅钢产品的大生产全流程中各机组的生产数据，包括化学成分、出钢记号生产物料跟踪信息、生产工艺参数实绩、各项性能数据、检化验数据、表面缺陷数据、质量判定数据、出/入口卷重、成材率、入口卷重分摊量、吨钢能耗、吨钢成本。3.根据权利要求1所述的硅钢产品生产方案的智能设计评估方法，其特征是：所述的生产工艺参数实绩包含按钢卷采集的低频数据和按距离或时间间隔采集的高频数据，每个钢卷有一条低频数据和多条高频数据。4.根据权利要求1所述的硅钢产品生产方案的智能设计评估方法，其特征是：所述的步骤2包括：步骤2.1：构建用户需求数据主题；步骤2.2：构建硅钢产品的实验室研发数据主题；步骤2.3：构建硅钢产品的大生产数据主题。5.根据权利要求4所述的硅钢产品生产方案的智能设计评估方法，其特征是：所述的步骤2.1包括：基于用户数据中的用户ID和询单ID，将某个用户的基本信息与该用户对硅钢产品的性能需求指标勾连，形成用户需求数据主题；所述的步骤2.2包括：步骤2.2.1：配置硅钢产品的化学成分、研发工艺参数和性能指标的实验室研发数据异常规则；步骤2.2.2：基于实验室研发数据异常规则对实验室研发数据进行预处理；步骤2.2.3：基于实验全流程，定义各实验工序的入口样品编号和出口样品编号，以上一实验工序的出口样品编号＝下一实验工序入口样品编号为逻辑，串联硅钢产品的实验全流程数据，构成实验室研发数据主题；所述的步骤2.3包括：步骤2.3.1：配置硅钢产品的化学成分、生产工艺参数实绩和性能数据的大生产数据异常规则；步骤2.3.2：基于大生产数据异常规则对大生产数据进行预处理；步骤2.3.4：计算硅钢产品的钢卷高频数据、性能数据特征值；步骤2.3.5：基于大生产全流程，定义各道机组的出口卷号和进口卷号，以前道机组的出口卷号＝后道机组的入口卷号为逻辑，串联硅钢产品的大生产全流程数据，构成大生产
数据主题。6.根据权利要求1所述的硅钢产品生产方案的智能设计评估方法，其特征是：所述的步骤3包括：步骤3.1：根据需求信息过滤实验室研发数据主题和大生产数据主题，选取两类符合需求信息的相关数据；其中，实验室研发数据主题中的性能指标乘以调整因子后再进行过滤；步骤3.2：基于需求信息中的性能需求对每类相关数据分别进行归一化和标准化数据处理；步骤3.3：对于每类相关数据，分别计算性能需求与归一化、标准化后的性能数据之间的第一性能相似度；步骤3.4：设置性能相似度阈值，若第一性能相似度≥性能相似度阈值时，则将该第一性能相似度对应的硅钢产品标注为优化产品，并执行步骤3.5，若第一性能相似度＜性能相似度阈值时，则将该第一性能相似度对应的硅钢产品标注为新产品，并执行步骤3.6；步骤3.5：生成优化产品的生产方案：结合第一性能相似度对应的生产工艺参数实绩与大生产各机组的控制精度，划分的生产工艺参数实绩；步骤3.6：基于性能需求，建立性能指标预测模型，并验证最优的新产品的生产方案模型。7.根据权利要求6所述的硅钢产品生产方案的智能设计评估方法，其特征是：所述的步骤3.6包括：步骤3.6.1：从大生产数据中选取历史数据，该历史数据中硅钢产品的种类和规格与输入的硅钢产品种类和规格相同，且大生产数据时间范围为最近一年；步骤3.6.2：建立若干个性能指标预测模型；其中，每个性能指标预测模型的输入为研发人员选定的关键的化学成分和关键的工艺参数，输出为性能指标，并通过交叉验证确定若干个性能指标预测模型中的最优性能预测模型；步骤3.6.3：计算步骤3.6.1中选取的大生产数据中对应的化学成分、生产工艺参数实绩的平均值，并将该化学成分、生产工艺参数实绩的平均值作为方案基准点；步骤3.6.4：从方案基准点出发对性能指标预测模型进行网格化搜索。8.根据权利要求1所述的硅钢产品生产方案的智能设计评估方法，其特征是：所述的步骤4中，评估维度包括性能相似度、成材率、吨钢能耗和吨钢成本。9.根据权利要求1所述的硅钢产品生产方案的智能设计评估方法，其特征是：对于每个所述的优化产品的生产方案，其多维度综合评估方法为：步骤4.11：计算优化产品的生产方案的性能数据与大生产实际性能数据之间的第二性能相似度，若完全满足，即优化产品的生产方案的性能数据与大生产实际性能数据完全匹配，则第一性能评分记为100分，转至步骤4.13，若不完全满足，则执行步骤4.12；步骤4.12：分别计算优化产品的生产方案的磁感和铁损与大生产实际磁感和铁损的相似度，并基于权重进行性能评估，得到第三性能相似度S3，评估公式为：S3＝λ
11
*S
磁感1
+λ
21
*S
铁损1
，第一性能评分记为S3；其中，S
磁感1
为优化产品的生产方案性能数据的磁感与大生产实际性能数据磁感之间的相似度，λ
11
为S
磁感1
的权重；S
铁损1
为优化产品的生产方案性能数据的磁感与大生产实际性能数据的...

【专利技术属性】
技术研发人员：房现石，刘宝军，沈侃毅，黄望芽，马长松，
申请(专利权)人：宝山钢铁股份有限公司，
类型：发明
国别省市：