镁碳滑板的制备方法、系统和电子设备技术方案

本申请涉及智能制造领域，其具体地公开了一种镁碳滑板的制备方法、系统和电子设备，其通过利用在其他组分不变的情况下，改变某一组分后采集的镁碳滑板的物理性能数据以及对应的显微结构图，再基于上下文编码器模型和卷积神经网络模型来对其进行处理以得到所述组分的特征表示，同时还通过规则之间的逻辑运算来构造邻接矩阵，以表示所述各个组分之间的关联关系，进一步再使用图神经网络的技术来获得包含有关联信息的每个所述节点的关联表征向量，以提高解码回归的准确性。这样，以人工智能算法来对所述镁碳滑板的制成材料中各个组分的最佳比例进行确定，以降低实验次数和成本且使得最终制成的镁碳滑板具有更优的理化性能。得最终制成的镁碳滑板具有更优的理化性能。得最终制成的镁碳滑板具有更优的理化性能。

【技术实现步骤摘要】
镁碳滑板的制备方法、系统和电子设备


[0001]本专利技术涉及智能制造设计的领域，且更为具体地，涉及一种镁碳滑板的制备方法、系统和电子设备。

技术介绍

[0002]在现代钢铁冶炼过程中，特别是随着快速高效连铸和二次精炼技术及工艺的发展，滑动水口系统变得越来越重要，成为冶炼中一个不可缺少的部分。滑动水口系统是连铸机浇铸过程中的钢水控制装置，能够精确地调节从钢包到中间包，从中间包到结晶器的钢水流量，使流入和流出的钢水达到平衡，从而是连铸操作更易控制。
[0003]滑板是滑动水口系统中最重要的组成部分，由于它直接控制钢水流量，在满足不同浇筑工艺条件下，需要长时间、反复承受高温钢水的化学侵蚀和物理冲刷，激烈和瞬变的热冲击和机械磨损作用，使用条件极为严苛。对滑板进行性能的改善一直是耐火材料研究的重点内容之一。
[0004]为了消除铝脱氧产物造成的水口堵塞，需要对钢水进行钙处理，但是钢水中的Ca和渣水中CaO的浓度增加，它们会与滑板中的氧化铝成分发生反应生成低熔点物质，从而会造成滑板的损毁。由于氧化镁优良的耐高温和抗侵蚀性，这使得其可以被用来制造浇铸钙处理钢用的滑板，但是这种滑板极易受热震损坏，因此以热导性能良好的碳及碳化物为结合相或以镁铝尖晶石为结合相可以在一定程度上改善镁碳滑板较差的热震稳定性。
[0005]目前，将大量的金属铝粉引入镁碳滑板产生金属相结合，进而提高其热震性和强度。但是金属铝粉大量的引入有可能加剧氧化镁的铝热还原反应，从而生成大量的尖晶石产生膨胀，因此，需要研究金属铝含量高的镁碳材料在不同温度处理后结构与性能的变化，具体内容为金属铝粉、镁砂、鳞片石墨、硫化粉和碳化粉等各自的加入量对空气中不同温度处理的镁碳材料结构与性能的影响。
[0006]传统的都是基于实验的方式来确定镁碳滑板的制成配方中各个组分的最佳配比，但一方面传统的实验采用的都是控制变量法，其忽略了各个组分之间的关联性。同时，考虑到实验的成本，做实验的次数是有限的，其仅能够模糊地得出一些规律，其无法准确地推断出各个组分的最佳配比。因此，为了对镁碳滑板的制成材料中各个组分的最佳比例进行确定，以提高镁碳材料的性能，期望一种镁碳滑板的制备方法。

技术实现思路

[0007]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种镁碳滑板的制备方法、系统和电子设备，其通过利用在其他组分不变的情况下，改变某一组分后采集的镁碳滑板的物理性能数据，以及所述镁碳滑板的显微结构图，再基于上下文编码器模型和卷积神经网络模型来对其进行处理以得到所述组分的特征表示，同时还通过规则之间的逻辑运算来构造邻接矩阵，以表示所述各个组分之间的关联关系，进一步再使用图神经网络的技术来获得包含有关联信息的每个所述节点的关联表征向量，以提高解码回归的准确
性。这样，可以对所述镁碳滑板的制成材料中各个组分的最佳比例进行确定，从而能够提高镁碳材料的性能。
[0008]根据本申请的一个方面，提供了一种镁碳滑板的制备方法，其包括：
[0009]获取镁碳滑板的制成材料中各个组分对应的最优物理性能数据和显微结构图，其中，所述镁碳滑板的制成材料包括镁砂、鳞片石墨、carbores p、球状沥青、铝硅合金粉、硫化粉、碳化粉、热固性酚醛树脂和carbores T60，所述物理性能数据包括线变化率、重量变化率、体积密度、显气孔率和常温耐压强度；
[0010]对于所述各个组分对应的最优物理性能数据，将各个所述物理性能数据通过词嵌入层以获得多个参数输入向量；
[0011]将所述各个组分对应的所述显微结构图输入作为过滤器的第一卷积神经网络以获得结构输入向量；
[0012]将所述多个参数输入向量和所述结构输入向量通过基于上下文编码的编码器以获得编码特征向量的序列；
[0013]将所述编码特征向量的序列中的所有编码特征向量进行级联以获得所述各个组分对应的特征表示向量；
[0014]基于所述镁碳滑板的制成材料中各个组分之间的合取和析取的逻辑运算规则来构建所述各个组分对应的特征表示向量之间的合取邻接矩阵和析取邻接矩阵，其中，合取逻辑运算规则表示规则之间的并列关系，析取逻辑运算表示规则之间的替换关系；
[0015]将所述合取邻接矩阵和所述析取邻接矩阵通过第二卷积神经网络以获得第一特征矩阵和第二特征矩阵，其中，所述第一特征矩阵与所述合取邻接矩阵具有相同的尺度，所述第二特征矩阵与所述析取邻接矩阵具有相同的尺度；
[0016]计算所述第一特征矩阵和所述第二特征矩阵之间的按位置点加以获得融合后的类邻接矩阵；
[0017]将所述各个组分对应的特征表示向量进行二维拼接以获得组分特征矩阵；
[0018]将所述组分特征矩阵和所述类邻接矩阵通过图神经网络以获得图结构特征矩阵，所述图结构特征矩阵的每一行为相应组分的包含有关联信息的关联表征向量，其中，所述图神经网络适于处理处于不规则的非欧几里得空中的图数据以提取出数据样本由于特征信息和不规则的拓扑结构信息而存在的关联信息；以及
[0019]将所述每个组分的关联表征向量通过用于回归的解码器以获得该组分的最佳比例。
[0020]在上述镁碳滑板的制备方法中，将所述各个组分对应的所述显微结构图输入作为过滤器的第一卷积神经网络以获得结构输入向量，包括：所述第一卷积神经网络的除最后一层以外的各层对所述显微结构图进行卷积处理以获得结构特征图；以及，所述第一卷积神经网络的最后一层对所述结构特征图进行基于特征矩阵的全局平均池化以获得所述结构输入向量。
[0021]在上述镁碳滑板的制备方法中，将所述多个参数输入向量和所述结构输入向量通过基于上下文编码的编码器以获得编码特征向量的序列，包括：将所述多个参数输入向量和所述结构输入向量通过所述编码器的转换器模型以获得所述编码特征向量的序列。
[0022]在上述镁碳滑板的制备方法中，基于所述镁碳滑板的制成材料中各个组分之间的
合取和析取的逻辑运算规则来构建所述各个组分对应的特征表示向量之间的合取邻接矩阵和析取邻接矩阵，包括：基于所述镁碳滑板的制成材料中各个组分之间的合取逻辑运算规则以如下公式来构建所述各个组分对应的特征表示向量之间的合取邻接矩阵；
[0023]其中，所述公式为：
[0024][0025]其中，是合取邻接矩阵，用于表示相应的一对规则构成合取范式时矩阵位置取1，而非合取范式时矩阵位置取0。
[0026]在上述镁碳滑板的制备方法中，基于所述镁碳滑板的制成材料中各个组分之间的析取的逻辑运算规则以如下公式来构建所述各个组分对应的特征表示向量之间的析取邻接矩阵；
[0027]其中，所述公式为：
[0028][0029]其中，是析取邻接矩阵，用于表示相应的一对规则构成析取范式时矩阵位置取1，而非析取范式时矩阵位置取0。
[0030]在上述镁碳滑板的制备方法中，将所述合取邻接矩阵和所述析取邻接矩阵通过第二卷积神经网络以获得第一特征矩阵和第二特征矩阵，包括：所述第二卷积神经网络的除最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种镁碳滑板的制备方法，其特征在于，包括：获取镁碳滑板的制成材料中各个组分对应的最优物理性能数据和显微结构图，其中，所述镁碳滑板的制成材料包括镁砂、鳞片石墨、carbores p、球状沥青、铝硅合金粉、硫化粉、碳化粉、热固性酚醛树脂和carbores T60，所述物理性能数据包括线变化率、重量变化率、体积密度、显气孔率和常温耐压强度；对于所述各个组分对应的最优物理性能数据，将各个所述物理性能数据通过词嵌入层以获得多个参数输入向量；将所述各个组分对应的所述显微结构图输入作为过滤器的第一卷积神经网络以获得结构输入向量；将所述多个参数输入向量和所述结构输入向量通过基于上下文编码的编码器以获得编码特征向量的序列；将所述编码特征向量的序列中的所有编码特征向量进行级联以获得所述各个组分对应的特征表示向量；基于所述镁碳滑板的制成材料中各个组分之间的合取和析取的逻辑运算规则来构建所述各个组分对应的特征表示向量之间的合取邻接矩阵和析取邻接矩阵，其中，合取逻辑运算规则表示规则之间的并列关系，析取逻辑运算表示规则之间的替换关系；将所述合取邻接矩阵和所述析取邻接矩阵通过第二卷积神经网络以获得第一特征矩阵和第二特征矩阵，其中，所述第一特征矩阵与所述合取邻接矩阵具有相同的尺度，所述第二特征矩阵与所述析取邻接矩阵具有相同的尺度；计算所述第一特征矩阵和所述第二特征矩阵之间的按位置点加以获得融合后的类邻接矩阵；将所述各个组分对应的特征表示向量进行二维拼接以获得组分特征矩阵；将所述组分特征矩阵和所述类邻接矩阵通过图神经网络以获得图结构特征矩阵，所述图结构特征矩阵的每一行为相应组分的包含有关联信息的关联表征向量，其中，所述图神经网络适于处理处于不规则的非欧几里得空中的图数据以提取出数据样本由于特征信息和不规则的拓扑结构信息而存在的关联信息；以及将所述每个组分的关联表征向量通过用于回归的解码器以获得该组分的最佳比例。2.根据权利要求1所述的镁碳滑板的制备方法，其中，将所述各个组分对应的所述显微结构图输入作为过滤器的第一卷积神经网络以获得结构输入向量，包括：所述第一卷积神经网络的除最后一层以外的各层对所述显微结构图进行卷积处理以获得结构特征图；以及所述第一卷积神经网络的最后一层对所述结构特征图进行基于特征矩阵的全局平均池化以获得所述结构输入向量。3.根据权利要求2所述的镁碳滑板的制备方法，其中，将所述多个参数输入向量和所述结构输入向量通过基于上下文编码的编码器以获得编码特征向量的序列，包括：将所述多个参数输入向量和所述结构输入向量通过所述编码器的转换器模型以获得所述编码特征向量的序列。4.根据权利要求3所述的镁碳滑板的制备方法，其中，基于所述镁碳滑板的制成材料中各个组分之间的合取和析取的逻辑运算规则来构建所述各个组分对应的特征表示向量之
间的合取邻接矩阵和析取邻接矩阵，包括：基于所述镁碳滑板的制成材料中各个组分之间的合取逻辑运算规则以如下公式来构建所述各个组分对应的特征表示向量之间的合取邻接矩阵；其中，所述公式为：其中，是合取邻接矩阵，用于表示相应的一对规则构成合取范式时矩阵位置取1，而非合取范式时矩阵位置取0。5.根据权利要求4所述的镁碳滑板的制备方法，其中，基于所述镁碳滑板的制成材料中各个组分之间的析取的逻辑运算规则以如下公式来构建所述各个组分对应的特征表示向量之间的析取邻接矩阵；其中，所述公式为：其中，是析取邻接矩阵，用于表示相应的一对规则构成析取范式时矩阵位置取1，而非析取范式时矩阵位置取0。6.根据权利要求5所述的镁碳滑板的制备方法，其中，将所述合取邻接矩阵和所述析取邻接矩阵通过第二卷积神经网络以获得第一特征矩阵和第二特征矩阵，包括：所述第二卷积神经网络的除最后一层以外的各层以如下公式对所述合取邻接矩阵和所述析取邻接矩阵进行显式空间编码以获得第一特征图和第二特征图，其中，所述公式为：f
i
＝active(N
i
×
f
i
...

【专利技术属性】
技术研发人员：曹锋，宋婉嫕，毛亚平，孟凡冰，王丽娜，金阳，黄粟，
申请(专利权)人：鞍山浦项特种耐火材料有限公司，
类型：发明
国别省市：