一种铝锆碳滑板的工艺参数优化方法、系统和电子设备技术方案

本申请涉及智能制造设计领域，其具体地公开了一种铝锆碳滑板的工艺参数优化方法、系统和电子设备，其采用基于上下文的编码器模型对改变铝锆碳滑板的制成配方中某一组分后制得的铝锆碳滑板的物理性能参数进行上下文编码以获得全局性的物理参数关联信息，并进一步再利用高斯密度图来修正数据在高维特征空间中的分布，从而对所述参数特征向量进行适当的融合，以使得各个特征分布能够相对于彼此在型面上收敛。同时在此基础上还引入了显微结构的图像作为中介来提高所述参数之间的关联关系，并且基于高斯密度图的响应性估计，以使得解码回归结果的准确性更高，这样，通过人工智能算法来确定硅粉的最佳粒度和最佳含量，以使得最终烧成铝锆碳材料具有更优的理化性能。烧成铝锆碳材料具有更优的理化性能。烧成铝锆碳材料具有更优的理化性能。

【技术实现步骤摘要】
一种铝锆碳滑板的工艺参数优化方法、系统和电子设备


[0001]本专利技术涉及镶嵌铝锆碳滑板工艺的领域，且更为具体地，涉及一种铝锆碳滑板的工艺参数优化方法、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。
[0004]从材质来讲，由原来的高铝质、刚玉莫来石质、铝碳质、无硅铝碳质发展到锆铝碳质以及碱性的碳镁质、镁尖晶石质、尖晶石碳质和镁尖晶石碳质。从生产工艺来看，滑板可分为不烧滑板、轻烧滑板和烧成滑板。
[0005]目前，在钢水中加入Ca的主要目的就是控制钢中夹杂物的形态和放置连铸水口堵塞，但结果会导致钢水中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。为提高浇铸高Ca的钢种用滑板的耐用性，可使用不会生成CaO和低熔点物质的原料。氧化锆原料的成分与CaO反应生成的化合物熔点以及固溶体熔点在2000℃以上，而且热膨胀系数也比较低，因此，它是抗热震性和耐腐蚀性都好的原料。
[0006]但是，锆质材料成本高、比重大，由于与FeO反应而不示意浇筑高氧钢，另外还存在重复操作不方面等缺点，于是“镶嵌式”滑板应运而生，它综合锆质材料的优缺点，其基体采用价格较低的材料制成，它不与钢液直接接触，关键部位如铸孔周围采用氧化锆制作成环，两者镶嵌在一起以形成基于镶嵌锆环连体的滑板。
[0007]在基于镶嵌锆环连体的滑动水口的组装过程中，铝锆碳滑板的性能是前提条件。经研究发现，硅粉对烧成铝锆碳试样物理性能和显微结构会产生影响。因此，选择最佳的粒度和最佳的硅粉含量是保证烧成铝锆碳材料质量好坏的关键。
[0008]传统的都是基于实验的方式来确定铝锆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。
[0009]因此，为了对硅粉的最佳粒度和最佳含量进行确定，期望一种铝锆碳滑板的工艺参数优化方法。

技术实现思路

[0010]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铝锆碳滑板
的工艺参数优化方法、系统和电子设备，其采用基于上下文的编码器模型对改变铝锆碳滑板的制成配方中某一组分后制得的铝锆碳滑板的物理性能参数进行上下文编码以获得全局性的物理参数关联信息，并进一步再利用高斯密度图来修正数据在高维特征空间中的分布，从而对所述参数特征向量进行适当的融合，以使得各个特征分布能够相对于彼此在型面上收敛。同时在此基础上还引入了显微结构的图像作为中介来提高所述参数之间的关联关系，并且基于高斯密度图的响应性估计，以使得解码回归结果的准确性更高，这样，通过人工智能算法来确定硅粉的最佳粒度和最佳含量，以使得最终烧成铝锆碳材料具有更优的理化性能。
[0011]根据本申请的一个方面，提供了一种铝锆碳滑板的工艺参数优化方法，其包括：
[0012]获取在调整制成材料中硅粉的粒度和含量后制成的铝锆碳滑板的多个物理性能参数，其中，所述铝锆碳滑板的制成材料包括板状刚玉、电熔锆刚玉、白刚玉微粉、α
‑
Al2O3微粉、鳞片石墨、碳黑、铝粉和硅粉，所述物理性能参数包括体积密度、显气孔率和耐压值；
[0013]使用基于上下文编码的编码器模型对所述多个物理性能参数进行上下文编码以获得参数特征向量的序列，其中，所述参数特征向量的序列中的每个参数特征向量包含所述多个物理性能参数的全局特征；
[0014]获取与所述多个物理性能参数对应的所述铝锆碳滑板的显微结构图像；
[0015]将所述显微结构图像通过作为过滤器的卷积神经网络以获得微结构特征向量；
[0016]基于所述参数特征向量的序列中所有参数特征向量来构造第一高斯密度图其中μ
k
是各个所述参数特征向量的第k个位置的特征值的均值，而σ
k
是各个所述参数特征向量的第k个位置的特征值的方差；
[0017]基于所述参数特征向量的序列中每个参数特征向量和所述微结构特征向量来构造n个第二高斯密度图其中，n为所述参数特征向量的数量，是第i个所述参数特征向量与所述微结构特征向量的第k个位置的特征值的均值，而∑
i
是第i个所述参数特征向量与所述微结构特征向量的协方差矩阵；
[0018]以所述第一高斯密度图为先验概率并基于高斯密度图的响应性估计来计算融合高斯密度图作为后验概率，其中，所述基于高斯密度图的响应性估计为所述先验概率对于所述第二高斯密度图的加权和的响应性；
[0019]对所述融合高斯密度图中各个位置的高斯分布进行高斯离散化以获得用于回归的回归特征矩阵；以及
[0020]将所述回归特征矩阵通过解码器进行回归以获得回归值，其中，所述回归值为所需硅粉的最佳粒度和最佳含量。
[0021]在上述铝锆碳滑板的工艺参数优化方法中，使用基于上下文编码的编码器模型对所述多个物理性能参数进行上下文编码以获得参数特征向量的序列，包括：使用所述编码器模型的词嵌入层将所述多个物理性能参数中的各个物理性能参数转化为输入向量以获得输入向量的序列；以及，将所述输入向量的序列通过所述编码器模型的转换器模型以获得所述参数特征向量的序列。
[0022]在上述铝锆碳滑板的工艺参数优化系统中，使用基于上下文编码的编码器模型对所述多个物理性能参数进行上下文编码以获得参数特征向量的序列，包括：使用所述编码
器模型的词嵌入层将所述多个物理性能参数中的各个物理性能参数转化为输入向量以获得输入向量的序列；以及，将所述输入向量的序列通过所述编码器模型的双向LSTM模型的编码层以获得所述参数特征向量的序列。
[0023]在上述铝锆碳滑板的工艺参数优化系统中，将所述显微结构图像通过作为过滤器的卷积神经网络以获得微结构特征向量，包括：所述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像进行卷积处理以获得微结构特征图；以及，所述卷积神经网络的最后一层对所述微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微结构特征向量。
[0024]在上述铝锆碳滑板的工艺参数优化系统中，在基于所述参数特征向量的序列中所有参数特征向量来构造第一高斯密度图和基于所述参数特征向量的序列中每个参数特征向量和所述微结构特征向量来构造n个第二高斯密度图之前，进一步包括：将所述微结构特征向量和所述参数特征向量的序列中的所有参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铝锆碳滑板的工艺参数优化方法，其特征在于，包括：获取在调整制成材料中硅粉的粒度和含量后制成的铝锆碳滑板的多个物理性能参数，其中，所述铝锆碳滑板的制成材料包括板状刚玉、电熔锆刚玉、白刚玉微粉、α
‑
Al2O3微粉、鳞片石墨、碳黑、铝粉和硅粉，所述物理性能参数包括体积密度、显气孔率和耐压值；使用基于上下文编码的编码器模型对所述多个物理性能参数进行上下文编码以获得参数特征向量的序列，其中，所述参数特征向量的序列中的每个参数特征向量包含所述多个物理性能参数的全局特征；获取与所述多个物理性能参数对应的所述铝锆碳滑板的显微结构图像；将所述显微结构图像通过作为过滤器的卷积神经网络以获得微结构特征向量；基于所述参数特征向量的序列中所有参数特征向量来构造第一高斯密度图其中μ
k
是各个所述参数特征向量的第k个位置的特征值的均值，而σ
k
是各个所述参数特征向量的第k个位置的特征值的方差；基于所述参数特征向量的序列中每个参数特征向量和所述微结构特征向量来构造n个第二高斯密度图其中，n为所述参数特征向量的数量，是第i个所述参数特征向量与所述微结构特征向量的第k个位置的特征值的均值，而∑
i
是第i个所述参数特征向量与所述微结构特征向量的协方差矩阵；以所述第一高斯密度图为先验概率并基于高斯密度图的响应性估计来计算融合高斯密度图作为后验概率，其中，所述基于高斯密度图的响应性估计为所述先验概率对于所述第二高斯密度图的加权和的响应性；对所述融合高斯密度图中各个位置的高斯分布进行高斯离散化以获得用于回归的回归特征矩阵；以及将所述回归特征矩阵通过解码器进行回归以获得回归值，其中，所述回归值为所需硅粉的最佳粒度和最佳含量。2.根据权利要求1所述的铝锆碳滑板的工艺参数优化方法，其中，使用基于上下文编码的编码器模型对所述多个物理性能参数进行上下文编码以获得参数特征向量的序列，包括：使用所述编码器模型的词嵌入层将所述多个物理性能参数中的各个物理性能参数转化为输入向量以获得输入向量的序列；以及将所述输入向量的序列通过所述编码器模型的转换器模型以获得所述参数特征向量的序列。3.根据权利要求2所述的铝锆碳滑板的工艺参数优化方法，其中，使用基于上下文编码的编码器模型对所述多个物理性能参数进行上下文编码以获得参数特征向量的序列，包括：使用所述编码器模型的词嵌入层将所述多个物理性能参数中的各个物理性能参数转化为输入向量以获得输入向量的序列；以及将所述输入向量的序列通过所述编码器模型的双向LSTM模型的编码层以获得所述参数特征向量的序列。4.根据权利要求3所述的铝锆碳滑板的工艺参数优化方法，其中，将所述显微结构图像
通过作为过滤器的卷积神经网络以获得微结构特征向量，包括：所述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像进行卷积处理以获得微结构特征图；以及所述卷积神经网络的最后一层对所述微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微结构特征向量。5.根据权利要求4所述的铝锆碳滑板的工艺参数优化方法，其中，在基于所述参数特征向量的序列中所有参数特征向量来构造第一高斯密度图和基于所述参数特征向量的序列中每个参数特征向量和所述微结构特征向量来构造n个第二高斯密度图之前，进一步包括：将所述微结构特征向量和所述参数特征向量的序列中的所有参数特征向量转化到概率空间中。6.根据权利要求5所述的铝锆碳滑板的工艺参数优化方法，其中，以所述第一高斯密度图为先验概率并基于高斯密度图的响应性估计来计算融合高斯密度图作为后验概率，包括：以所述第一高斯密度图为先验概率并基于高斯密度图的响应性估计以如下公式来计算所述融合高斯密度图作为后验概率；其中，所述公式...

【专利技术属性】
技术研发人员：孟凡冰，宋婉嫕，毛亚平，王丽娜，曹锋，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：