基于工业大数据的厚板板形预报方法技术

本发明专利技术公开了一种基于工业大数据的厚板板形预报方法，包括步骤：1、通过模型离线训练生成板形质量预报模型并存在模型数据库(4)中；2、输入厚板号，数据预处理模块(2)从工业数据库(6)调取钢种信息；3、输入生产时间，模型训练模块(3)从模型数据库调取可用的模型ID，选择模型ID；4、模型预报模块(5)从模型数据库调取板形质量预报模型，加载并初始化板形质量预报模型；5、数据预处理模块从工业数据库调取多源异构工业数据并传入模型预报模块；6、模型预报模块进行板形质量预报。本发明专利技术能在厚板的生产过程中准确预报厚板最终的板形质量，用于提前了解厚板的产品性能并指导生产过程，极大改善产品质量，提高产品的合格率。提高产品的合格率。提高产品的合格率。

【技术实现步骤摘要】
基于工业大数据的厚板板形预报方法


[0001]本专利技术涉及一种钢板生产质量的控制方法，尤其涉及一种基于工业大数据的厚板板形预报方法。

技术介绍

[0002]厚板是板带钢产品中厚度为20
‑
60mm的钢板，其生产过程主要包括板坯选取、板坯加热、轧制、轧后加速冷却、热矫直、冷床冷却、剪切、冷矫直等几个阶段。钢板的冷床冷却属于慢过程，若在冷床冷却工序之前及时预报出钢板的最终板形质量，即可在后续生产工序中对钢板板形质量进行及时的修正，并通过调整参数改善后续生产过程，能有效保证钢板的产品质量以及提高生产效率。
[0003]在厚板的生产过程中，其工业大数据来源于多个传感器，具有多源异构的特点。由于传感器采集的数据样本之间维度不同、数据存储格式也不同、不同钢板样本的规格参数不同、传送带的运行速度不同等原因，导致数据维度不统一，故厚板生产的工业大数据包括一维数据(如：过程变量等指标数据)、二维数据(如：温度场、板形仪和轮廓仪等信息)以及三维数据(如：探伤仪、轧制时序等信息)。
[0004]中国专利CN 108637020 A公开了一种自适应变异PSO
‑
BP神经网络带钢凸度的预测方法，该方法利用实际数据对板形预测模型进行修正，通过确定输入、输出并修改预测算法和控制参数，对带钢凸度进行预测。该方法的输入层神经元包括轧机辊缝、工作辊速度、弯辊力、位置反馈、轧制力、轧制力差、张力、温度，但由于多源异构数据样本的维度不同且未统一，降低了钢板板形的预测精度，影响后续厚板的生产质量。
>[0005]中国专利CN 108268979 A公开了一种基于演化模糊关联规则的中厚板质量预测方法，该方法用拟合函数替代模糊关联规则的后件，实现分类功能和回归预测功能。但该方法仅适用于厚度为4.5
‑
25mm的中厚板的生产，且仅适用于钢板的指标数据分析，无法处理厚板生产过程中产生的多源异构数据，对钢板板形预报结果的准确性有较大的影响。
[0006]中国专利CN 103418619 A公开了一种冷轧带钢板形预测控制方法，该方法结合轧制力变化及轧机张力变化建立模糊推理模型，对工作辊弯辊装置进行在线调节，从而对带钢产品的中浪和边浪两种板形缺陷进行控制。该方法只考虑了轧机对钢板板形质量的影响，建模过程中未引入其他工序，丢失了部分有效信息，降低了板形预测的精度，也无法确保后续带钢的生产质量。

技术实现思路

[0007]本专利技术的目的在于提供一种基于工业大数据的厚板板形预报方法，能在厚板的生产过程中准确预报厚板最终的板形质量，用于提前了解厚板的产品性能，并用于指导生产过程，极大的改善了产品的质量，提高了产品的合格率。
[0008]本专利技术是这样实现的：
[0009]一种基于工业大数据的厚板板形预报方法，该方法基于板形预报系统实现，板形
预报系统包括：
[0010]前端界面，用于输入参数和展示板形质量预报结果；
[0011]模型数据库，用于存储板形质量预报模型及其模型ID；
[0012]工业数据库，用于存储厚板生产过程中的多源异构工业数据；
[0013]模型训练模块，用于离线训练板形质量预报模型，并将训练结束后的板形质量预报模型存储在模型数据库中；
[0014]以及模型预报模块，用于从模型数据库中调取板形质量预报模型，并通过该板形质量预报模型进行板形质量预报，板形质量预报结果发送至前端界面；
[0015]所述的厚板板形预报方法包括以下步骤：
[0016]步骤1：通过模型离线训练对指定厚板生成板形质量预报模型并存储在模型数据库中；
[0017]步骤2：用户通过前端界面输入厚板号，数据预处理模块从工业数据库中调取该厚板号对应的钢种信息，并通过前端界面显示；
[0018]步骤3：用户通过前端界面输入一段连续的生产时间，模型训练模块从模型数据库中调取该段连续的生产时间内可用的板形质量预报模型的模型ID，并通过前端界面显示，用户选择模型ID；
[0019]步骤4：模型预报模块从模型数据库中调取步骤3中选择的模型ID所对应的板形质量预报模型，加载该板形质量预报模型并初始化；
[0020]步骤5：数据预处理模块从工业数据库中调取步骤2中厚板号对应的厚板生产过程中的多源异构工业数据，并传入模型预报模块，同时通过前端界面显示；
[0021]步骤6：模型预报模块通过步骤4中加载的板形质量预报模型对步骤2中厚板号对应的厚板进行板形质量预报，并通过前端界面显示厚板板形质量预报结果。
[0022]所述的步骤1包括：
[0023]步骤1.1：将不同厚板在生产过程中产生的历史数据存储在工业数据库内；
[0024]步骤1.2：用户通过前端界面针对指定厚板发出质量预报执行指令，数据预处理模块从工业数据库中调取指定厚板的历史数据；
[0025]步骤1.3：数据预处理模块对历史数据进行信息截取和数据补齐处理，构成多源异构数据块，并将多源异构数据块传入到模型训练模块中；
[0026]步骤1.4：模型训练模块将板形质量异常进行分类，并对每个板形质量异常类别分别建立异常标准；
[0027]步骤1.5：模型训练模块通过多源异构数据块针对每个板形质量异常类别建立板形质量预报模型；
[0028]步骤1.6：将指定厚板相对应的板形质量预报模型保存在模型数据库中，并分配对应的模型ID。
[0029]所述的数据预处理模块对历史数据进行信息截取的方法是：
[0030]S1.3.1：通过厚板的位置信息分别截取对应位置处若干个温度传感器的测温区间；
[0031]S1.3.2：设定温度跳变参考值，作为温度发生跳变的判断标准，根据温度跳变参考值在测温区间内截取每个温度传感器的温度数据信息。
[0032]每个所述的温度传感器的测温区间截取时保留一定余量，该余量的长度为测温区间长度的5％。
[0033]在每个温度传感器的测温区间中，温度跳变参考值为该测温区间中最高温度与最低温度之间的温度差的50％。
[0034]所述的步骤1.3中，数据补齐包括加热过程数据补齐、轧制过程数据补齐和冷却过程数据补齐；
[0035]所述的加热过程数据补齐方法是：提取一个厚板样本的在炉时间，并根据在炉时间分别截取若干个温度传感器对应的炉温数据，将炉温数据按时间顺序排列成针对该厚板样本的二维炉温数据；以所有厚板样本中炉温数据的最大量为标准，在其余厚板样本中炉温数据的周围补齐零点，使所有厚板样本中炉温数据的维度统一；
[0036]所述的轧制过程数据补齐方法是：以所有厚板样本中道次维度的最大量为标准，在其余厚板样本的道次维度中补齐随机数据，使所有厚板样本中道次维度统一；
[0037]所述的冷却过程数据补齐方法是：以所有厚板样本中数据维度的最大量为标准，在其余厚板样本的数据维度中补齐随机数据，使所有厚板样本中数据维度统一。
[0038]所述的步骤1.4中，板形质量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业大数据的厚板板形预报方法，其特征是：该方法基于板形预报系统实现，板形预报系统包括：前端界面(1)，用于输入参数和展示板形质量预报结果；模型数据库(4)，用于存储板形质量预报模型及其模型ID；工业数据库(6)，用于存储厚板生产过程中的多源异构工业数据；模型训练模块(3)，用于离线训练板形质量预报模型，并将训练结束后的板形质量预报模型存储在模型数据库(4)中；模型预报模块(5)，用于从模型数据库(4)中调取板形质量预报模型，并通过该板形质量预报模型进行板形质量预报，板形质量预报结果发送至前端界面(1)；以及数据预处理模块(2)，用于调取工业数据库(6)中的数据样本，并对数据样本进行预处理后传入模型训练模块(3)和模型预报模块(5)；所述的厚板板形预报方法包括以下步骤：步骤1：通过模型离线训练对指定厚板生成板形质量预报模型并存储在模型数据库(4)中；步骤2：用户通过前端界面(1)输入厚板号，数据预处理模块(2)从工业数据库(6)中调取该厚板号对应的钢种信息，并通过前端界面(1)显示；步骤3：用户通过前端界面(1)输入一段连续的生产时间，模型训练模块(3)从模型数据库(4)中调取该段连续的生产时间内可用的板形质量预报模型的模型ID，并通过前端界面(1)显示，用户选择模型ID；步骤4：模型预报模块(5)从模型数据库(4)中调取步骤3中选择的模型ID所对应的板形质量预报模型，加载该板形质量预报模型并初始化；步骤5：数据预处理模块(2)从工业数据库(6)中调取步骤2中厚板号对应的厚板生产过程中的多源异构工业数据，并传入模型预报模块(5)，同时通过前端界面(1)显示；步骤6：模型预报模块(5)通过步骤4中加载的板形质量预报模型对步骤2中厚板号对应的厚板进行板形质量预报，并通过前端界面(1)显示厚板板形质量预报结果。2.根据权利要求1所述的基于工业大数据的厚板板形预报方法，其特征是：所述的步骤1包括：步骤1.1：将不同厚板在生产过程中产生的历史数据存储在工业数据库(6)内；步骤1.2：用户通过前端界面(1)针对指定厚板发出质量预报执行指令，数据预处理模块(2)从工业数据库(6)中调取指定厚板的历史数据；步骤1.3：数据预处理模块(2)对历史数据进行信息截取和数据补齐处理，构成多源异构数据块，并将多源异构数据块传入到模型训练模块(3)中；步骤1.4：模型训练模块(3)将板形质量异常进行分类，并对每个板形质量异常类别分别建立异常标准；步骤1.5：模型训练模块(3)通过多源异构数据块针对每个板形质量异常类别建立板形质量预报模型；步骤1.6：将指定厚板相对应的板形质量预报模型保存在模型数据库(4)中，并分配对应的模型ID。3.根据权利要求2所述的基于工业大数据的厚板板形预报方法，其特征是：所述的数据
预处理模块(2)对历史数据进行信息截取的方法是：S1.3.1：通过厚板的位置信息分别截取对应位置处若干个温度传感器的测温区间；S1.3.2：设定温度跳变参考值，作为温度发生跳变的判断标准，根据温度跳变参考值在测温区间内截取每个温度传感器的温度数据信息。4.根据权利要求3所述的基于工业大数据的厚板板形预报方法，其特征是：每个所述的温度传感器的测温区间截取时保留一定余量，该余量的长度为测温区间长度的5％。5.根据权利要求3所述的基于工业大数据的厚板板形预报方法，其特征是：在每个温度传感器的测温区间中，温度跳变参考值为该测温区间中最高温度与最低温度之间的温度差的50％。6.根据权利要求2所述的基于工业大数据的厚板板形预报方法，其特征是：所述的步骤1.3中，数据补齐包括加热过程数据补齐、轧制过程数据补齐和冷却过程数据补齐；所述的加热过程数据补齐方法是：提取一个厚板样本的在炉时间，并根据在炉时间分别截取若干个温度传感器对应的炉温数据，将炉温数据按时间顺序排列成针对该厚板样本的二维炉温数据；以所有厚板样本中炉温数据的最大量为标准，在其余厚板样本中炉温数据的周围补齐零点，使所有厚板样本中炉温数据的维度统一；所述的轧制过程数据补齐方法是：以所有厚板样本中道次维度的最大量为标准，在其余厚板样本的道次维度中补齐随机数据，使所有厚板样本中道次维度统一；所述的冷却过程...

【专利技术属性】
技术研发人员：刘晔，裴德昭，贾俊彪，陈欢欢，
申请(专利权)人：宝山钢铁股份有限公司，
类型：发明
国别省市：