参数调整及预测模型获取方法、装置及存储介质制造方法及图纸

本公开提供了参数调整及预测模型获取方法、装置及存储介质，涉及深度学习以及大数据处理等人工智能领域，可适用于各种需要进行智能温控以及智能热管理的场景。其中的方法可包括：在利用加热设备对加热对象进行加热过程中，确定待进入的生产阶段，并获取所述生产阶段对应的预测模型；利用所述预测模型预测出所述生产阶段的参数调整方式，所述参数为预定的加热相关参数；按照所述参数调整方式，对所述生产阶段的所述参数进行调整。应用本公开所述方案，可提升调整结果的准确性等。可提升调整结果的准确性等。可提升调整结果的准确性等。

【技术实现步骤摘要】
参数调整及预测模型获取方法、装置及存储介质


[0001]本公开涉及人工智能
，特别涉及深度学习以及大数据处理等领域的参数调整及预测模型获取方法、装置及存储介质。

技术介绍

[0002]镀锌带钢广泛应用在汽车、家电、建筑以及农业机械等行业，连续热镀锌技术是镀锌带钢的主要生产工艺。在连续热镀锌生产过程中，冷轧或热轧后的钢带以一定的速度在生产线上不间断地运行，并分别经历退火和热镀锌两个主要工艺过程。
[0003]其中，退火炉温度和钢带运行速度决定了退火炉出口的钢带温度，进而直接影响了钢带退火后的力学性能、热镀锌层的粘附能力和表面质量、产线产能以及单位产能能耗等，因此，退火炉温度和钢带运行速度是整个生产过程中最关键的控制因素。

技术实现思路

[0004]本公开提供了参数调整及预测模型获取方法、装置及存储介质。
[0005]一种参数调整方法，包括：
[0006]在利用加热设备对加热对象进行加热过程中，确定待进入的生产阶段，并获取所述生产阶段对应的预测模型；
[0007]利用所述预测模型预测出所述生产阶段的参数调整方式，所述参数为预定的加热相关参数；
[0008]按照所述参数调整方式，对所述生产阶段的所述参数进行调整。
[0009]一种预测模型获取方法，包括：
[0010]针对利用加热设备对加热对象进行加热过程中的预定的生产阶段，获取所述生产阶段对应的训练数据，所述训练数据为基于真实的历史生产数据生成的训练数据；
[0011]利用所述训练数据训练得到所述生产阶段对应的预测模型，所述预测模型用于在所述加热过程中、预测出所述生产阶段的参数调整方式以便按照所述参数调整方式对所述生产阶段的所述参数进行调整，所述参数为预定的加热相关参数。
[0012]一种参数调整装置，包括：第一获取模块、预测模块以及调整模块；
[0013]所述第一获取模块，用于在利用加热设备对加热对象进行加热过程中，确定待进入的生产阶段，并获取所述生产阶段对应的预测模型；
[0014]所述预测模块，用于利用所述预测模型预测出所述生产阶段的参数调整方式，所述参数为预定的加热相关参数；
[0015]所述调整模块，用于按照所述参数调整方式，对所述生产阶段的所述参数进行调整。
[0016]一种预测模型获取装置，包括：第二获取模块以及训练模块；
[0017]所述第二获取模块，用于针对利用加热设备对加热对象进行加热过程中的预定的生产阶段，获取所述生产阶段对应的训练数据，所述训练数据为基于真实的历史生产数据
生成的训练数据；
[0018]所述训练模块，用于利用所述训练数据训练得到所述生产阶段对应的预测模型，所述预测模型用于在所述加热过程中、预测出所述生产阶段的参数调整方式以便按照所述参数调整方式对所述生产阶段的所述参数进行调整，所述参数为预定的加热相关参数。
[0019]一种电子设备，包括：
[0020]至少一个处理器；以及
[0021]与所述至少一个处理器通信连接的存储器；其中，
[0022]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。
[0023]一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。
[0024]一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。
[0025]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0026]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0027]图1为本公开所述参数调整方法实施例的流程图；
[0028]图2为本公开所述预测模型获取方法实施例的流程图；
[0029]图3为本公开所述第一预测模型的物理信息神经网络架构示意图；
[0030]图4为本公开所述第二预测模型的物理信息神经网络架构示意图；
[0031]图5为本公开所述参数调整装置实施例500的组成结构示意图；
[0032]图6为本公开所述预测模型获取装置实施例600的组成结构示意图；
[0033]图7示出了可以用来实施本公开的实施例的电子设备700的示意性框图。
具体实施方式
[0034]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0035]另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0036]图1为本公开所述参数调整方法实施例的流程图。如图1所示，包括以下具体实现方式。
[0037]在步骤101中，在利用加热设备对加热对象进行加热过程中，确定待进入的生产阶段，并获取所述生产阶段对应的预测模型。
[0038]在步骤102中，利用所述预测模型预测出所述生产阶段的参数调整方式，所述参数
为预定的加热相关参数。
[0039]在步骤103中，按照所述参数调整方式，对所述生产阶段的所述参数进行调整。
[0040]本公开的一个实施例中，加热设备可为退火炉，加热对象可为钢带，所述参数可为退火炉的明火加热段的炉温以及钢带运行速度。
[0041]传统方式中，主要依赖人工经验来调整退火炉温度(如上述的退火炉的明火加热段的炉温)以及钢带运行速度，准确性较差。
[0042]而采用本公开方法实施例所述方案，可利用预测模型预测出参数调整方式，如上述的明火加热段的炉温以及钢带运行速度的调整方式，进而可对明火加热段的炉温以及钢带运行速度进行相应的调整，从而提升了调整结果的准确性，并摆脱了对人工经验的依赖，提升了产品合格率以及产品性能的稳定性等。
[0043]另外，本公开所述方案中的加热设备和加热对象不限于退火炉和钢带，对于其它的加热设备和加热对象同样适用。
[0044]本公开所述方案可适用于各种需要进行智能温控以及智能热管理的场景，比如，本公开所述方案可适用于冶金行业连续热镀锌退火炉智能温控、工业炉窑(熔炼炉、熔化炉、煅烧炉、加热炉、热处理炉、干燥炉、焦炉、煤气发生炉等)智能温控、石油化工反应釜智能温控、电厂加热设备智能温控以及航天器设备智能热管理等场景，相应地，在不同的场景下，加热设备和加热对象的具体形式也会不同。
[0045]以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种参数调整方法，包括：在利用加热设备对加热对象进行加热过程中，确定待进入的生产阶段，并获取所述生产阶段对应的预测模型；利用所述预测模型预测出所述生产阶段的参数调整方式，所述参数为预定的加热相关参数；按照所述参数调整方式，对所述生产阶段的所述参数进行调整。2.根据权利要求1所述的方法，其中，所述加热设备包括：退火炉；所述加热对象包括：钢带；所述参数包括：所述退火炉的明火加热段的炉温以及钢带运行速度。3.根据权利要求2所述的方法，其中，所述生产阶段包括：钢带规格未发生变化的稳态阶段；所述利用所述预测模型预测出所述生产阶段的参数调整方式包括：利用所述稳态阶段对应的第一预测模型，预测出所述稳态阶段的所述参数的参数值；所述对所述生产阶段的所述参数进行调整包括：将所述参数调整为所述参数值。4.根据权利要求3所述的方法，其中，所述利用所述稳态阶段对应的第一预测模型，预测出所述稳态阶段的所述参数的参数值包括：将所述稳态阶段的钢带规格作为所述第一预测模型的输入，得到输出的所述参数值。5.根据权利要求2、3或4所述的方法，其中，所述生产阶段包括：钢带规格发生变化的过渡阶段；所述利用所述预测模型预测出所述生产阶段的参数调整方式包括：利用所述过渡阶段对应的第二预测模型，预测出所述过渡阶段的所述参数的动态调整曲线；所述对所述生产阶段的所述参数进行调整包括：按照所述动态调整曲线对所述过渡阶段的所述参数进行实时调整。6.根据权利要求5所述的方法，其中，所述利用所述过渡阶段对应的第二预测模型，预测出所述过渡阶段的所述参数的动态调整曲线包括：获取所述过渡阶段之前的稳态阶段的操作点变量以及所述过渡阶段之后的稳态阶段的操作点变量，所述操作点变量包括：钢带规格、钢带运行速度以及明火加热段的炉温；将获取到的所述操作点变量作为所述第二预测模型的输入，得到输出的所述动态调整曲线。7.一种预测模型获取方法，包括：针对利用加热设备对加热对象进行加热过程中的预定的生产阶段，获取所述生产阶段对应的训练数据，所述训练数据为基于真实的历史生产数据生成的训练数据；利用所述训练数据训练得到所述生产阶段对应的预测模型，所述预测模型用于在所述加热过程中、预测出所述生产阶段的参数调整方式以便按照所述参数调整方式对所述生产阶段的所述参数进行调整，所述参数为预定的加热相关参数。8.根据权利要求7所述的方法，其中，所述加热设备包括：退火炉；所述加热对象包括：钢带；
所述参数包括：所述退火炉的明火加热段的炉温以及钢带运行速度。9.根据权利要求8所述的方法，其中，所述生产阶段包括：钢带规格未发生变化的稳态阶段；所述利用所述训练数据训练得到所述生产阶段对应的预测模型包括：利用所述训练数据训练得到所述稳态阶段对应的第一预测模型。10.根据权利要求9所述的方法，其中，所述利用所述训练数据训练得到所述稳态阶段对应的第一预测模型包括：针对当前的训练数据，执行以下第一处理：获取所述第一预测模型对应于所述训练数据的第一输出结果；根据所述训练数据以及所述第一输出结果确定出预定的中间参数；根据所述第一输出结果以及所述中间参数确定出损失，利用所述损失对所述第一预测模型进行更新；响应于确定所述第一预测模型收敛，将最新得到的所述第一预测模型作为所述稳态阶段对应的所述第一预测模型，否则，针对下一条训练数据，重复执行所述第一处理。11.根据权利要求10所述的方法，其中，所述获取所述第一预测模型对应于所述训练数据的第一输出结果包括：将所述训练数据中的钢带规格以及空间坐标作为所述第一预测模型的输入，得到所述第一输出结果，所述第一输出结果包括：钢带温度、钢带运行速度以及明火加热段的炉温，所述空间坐标为从所述退火炉的进口到出口的任一位置的坐标。12.根据权利要求11所述的方法，其中，所述根据所述训练数据以及所述第一输出结果确定出预定的中间参数包括：将所述训练数据中的钢带规格、所述第一输出结果中的钢带运行速度以及所述第一输出结果中的明火加热段的炉温作为预先训练得到的预热段炉温预测模型的输入，得到输出的预热段的炉温，所述退火炉中包括所述预热段以及所述明火加热段；将所述训练数据中的钢带规格、所述第一输出结果中的钢带运行速度以及所述第一输出结果中的明火加热段的炉温作为预先训练得到的退火炉热参数预测模型的输入，得到输出的预热段复合对流换热系数以及明火加热段复合对流换热系数。13.根据权利要求12所述的方法，其中，所述第一预测模型以及所述退火炉热参数预测模型均为基于物理信息的神经网络模型；所述根据所述第一输出结果以及所述中间参数确定出损失包括：根据所述第一输出结果以及所述中间参数，确定出满足传热机理约束的损失。14.根据权利要求8所述的方法，其中，所述生产阶段包括：钢带规格发生变化的过渡阶段；所述利用所述训练数据训练得到所述生产阶段对应的预测模型包括：利用所述训练数据训练得到所述过渡阶段对应的第二预测模型。15.根据权利要求14所述的方法，其中，所述利用所述训练数据训练得到所述过渡阶段对应的第二预测模型包括：针对当前的训练数据，执行以下第二处理：
获取所述第二预测模型对应于所述训练数据的第二输出结果；根据所述训练数据以及所述第二输出结果确定出预定的中间参数；根据所述第二输出结果以及所述中间参数确定出损失，利用所述损失对所述第二预测模型进行更新；响应于确定所述第二预测模型收敛，将最新得到的所述第二预测模型作为所述过渡阶段对应的所述第二预测模型，否则，针对下一条训练数据，重复执行所述第二处理。16.根据权利要求15所述的方法，其中，所述获取所述第二预测模型对应于所述训练数据的第二输出结果包括：将所述训练数据中的空间坐标、时间坐标、所述过渡阶段之前的稳态阶段的操作点变量以及所述过渡阶段之后的稳态阶段的操作点变量作为所述第二预测模型的输入，得到所述第二输出结果；所述操作点变量包括：钢带规格、钢带运行速度以及明火加热段的炉温，所述第二输出结果包括：钢带温度、焊点的移动距离、钢带运行速度以及明火加热段的炉温，所述焊点用于连接不同规格的钢带，所述空间坐标为从所述退火炉的进口到出口的任一位置的坐标，所述时间坐标为所述过渡阶段的任一时间点的坐标。17.根据权利要求16所述的方法，其中，所述根据所述训练数据以及所述第二输出结果确定出预定的中间参数包括：根据所述过渡阶段之前的稳态阶段的操作点变量中的钢带规格以及所述过渡阶段之后的稳态阶段的操作点变量中的钢带规格，确定出综合钢带规格；将所述综合钢带规格、所述第二输出结果中的钢带运行速度以及所述第二输出结果中的明火加热段的炉温作为作为预先训练得到的预热段炉温预测模型的输入，得到输出的预热段的炉温，所述退火炉中包括所述预热段以及所述明火加热段；将所述综合钢带规格、所述第二输出结果中的钢带运行速度以及所述第二输出结果中的明火加热段的炉温作为预先训练得到的退火炉热参数预测模型的输入，得到输出的预热段复合对流换热系数以及明火加热段复合对流换热系数。18.根据权利要求17所述的方法，其中，所述第二预测模型以及所述退火炉热参数预测模型均为基于物理信息的神经网络模型；所述根据所述第二输出结果以及所述中间参数确定出损失包括：根据所述第二输出结果以及所述中间参数，确定出满足传热机理约束的损失。19...

【专利技术属性】
技术研发人员：陈凯，解鑫，黄锋，袁晓敏，刘颖，徐进，许铭，李飞，金莹，张金义，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：