连铸工艺参数的确定方法、系统、设备及介质技术方案

本发明专利技术公开了一种连铸工艺参数的确定方法、系统、设备及介质，该确定方法包括：获取连铸工艺数据；连铸工艺数据包括多个连铸工艺参数；计算连铸工艺参数与连铸机质量间的相关性系数，根据相关性系数从连铸工艺数据中筛选出目标工艺参数；将目标工艺参数循环输入预先训练的评价模型中，直至得到工艺评价分数大于预设阈值为止。本发明专利技术通过计算连铸工艺参数的相关性系数，可以筛选出与连铸机生产质量最为相关的连铸工艺参数，从而仅对更为相关的连铸工艺参数进行评分与调整；通过将连铸工艺参数循环输入模型进行评分，可以不断得到调整后的连铸工艺参数的评分，从而实现精准的调整连铸工艺参数。艺参数。艺参数。

【技术实现步骤摘要】
连铸工艺参数的确定方法、系统、设备及介质


[0001]本申请涉及钢铁铸造
，特别涉及一种连铸工艺参数的确定方法、系统、设备及介质。

技术介绍

[0002]自二十世纪五十年代开始，连铸这一项生产工艺已经在钢铁厂中开始应用，连铸是一种将液态钢水通过连铸机直接铸造成成型钢铁制品的生产工艺，相较于传统的先铸造再轧制的工艺大大缩短了生产时间，提高了工作效率。在制造不同种类的钢铁时，为了使制造得到的钢铁质量良好，需要对连铸机的参数进行调整，然而，连铸机中影响钢铁质量的参数众多，仅依靠经验调节连铸机参数，难以使连铸机达到优异的生产状态。现有技术中存在一些自动调节工艺参数的方法，参见申请号为201811470948.8的专利文件，现有技术基于GA
‑
LS
‑
SVM离线寻优方式，实现高纬度数据的离线寻优，但是对于海量交叉数据的离线寻优情况下并不适用，同时针对连铸工艺下的质量判定场景不适用该方法；或参照申请号为20190139402.2的专利文件，在采用对比分析来进行最优点的选取，同时针对多模式下的工作进行相关数据挖掘，但无法做到工艺数据多维度及数据量大的情况下快速定位最优点查优，同时针对连铸中的质量预判的场景并不适用。
[0003]因此，现有技术均不能在连铸工艺领域快速且准确的调整连铸工艺参数数值至最优值，从而无法充分发挥连铸机的生产质量。

技术实现思路

[0004]本专利技术要解决的技术问题是为了克服现有技术中无法快速且准确的筛选出有效的连铸工艺参数缺陷，提供一种连铸工艺参数的确定方法、系统、设备及介质。
[0005]本专利技术是通过下述技术方案来解决上述技术问题：
[0006]第一方面，提供一种连铸工艺参数的确定方法，确定方法包括：
[0007]获取连铸工艺数据；所述连铸工艺数据包括多个连铸工艺参数；
[0008]计算所述连铸工艺参数与连铸机质量间的相关性系数，并根据所述相关性系数从所述连铸工艺数据中筛选出目标工艺参数；
[0009]将所述目标工艺参数循环输入预先训练的评价模型中，直至得到工艺评价分数大于预设阈值为止。
[0010]较佳地，所述确定方法通过以下步骤训练得到所述评价模型，包括：
[0011]获取历史工艺参数和相对应的历史工艺评价分数；
[0012]将所述历史工艺参数作为输入，将所述历史工艺评价分数作为输出训练预设模型，生成所述评价模型；
[0013]所述预设模型包括线性模型、LSTM网络模型和随机森林模型中的至少一种。
[0014]较佳地，所述计算所述连铸工艺参数与连铸机质量间的相关性系数的步骤包括；
[0015]检验所述连铸工艺参数是否满足正态分布；
[0016]当满足正态分布时，计算所述连铸工艺参数的Pearson相关性系数，并针对所述Pearson相关性系数采用卡方检验法计算得到所述相关性系数；
[0017]当不满足正态分布时，计算所述连铸工艺参数的Spearman相关性系数，并针对所述Spearman相关性系数采用所述卡方检验法计算得到所述相关性系数。
[0018]较佳地，
[0019]所述连铸工艺数据包括第一工艺规则，所述将所述目标工艺参数循环输入预先训练的评价模型中的步骤之前，还包括：
[0020]将不符合所述第一工艺规则的目标工艺参数和相对应的工艺评价分数判定为无效数据；
[0021]根据所述无效数据生成第二工艺规则；
[0022]基于所述第一工艺规则和所述第二工艺规则调整所述目标工艺参数。
[0023]第二方面，提供一种连铸工艺参数的确定系统，所述确定系统包括：
[0024]第一获取模块，用于获取连铸工艺数据；所述连铸工艺数据包括多个连铸工艺参数；
[0025]筛选模块，用于计算所述连铸工艺参数与连铸机质量间的相关性系数，并根据所述相关性系数从所述连铸工艺数据中筛选出目标工艺参数；
[0026]调整模块，用于将所述目标工艺参数循环输入预先训练的评价模型中，直至得到工艺评价分数大于预设阈值为止。
[0027]较佳地，所述确定系统通过以下模块训练得到所述评价模型，包括：
[0028]第二获取模块，用于获取历史工艺参数和相对应的历史工艺评价分数；
[0029]输入模块，用于将所述历史工艺参数作为输入，将所述历史工艺评价分数作为输出训练预设模型，生成所述评价模型；所述预设模型包括线性模型、LSTM网络模型和随机森林模型中的至少一种。
[0030]较佳地，所述筛选模块，包括：
[0031]检验单元，用于检验所述连铸工艺参数是否满足正态分布；当满足正态分布时，调用第一计算单元，当不满足正态分布时，调用第二计算单元；
[0032]所述第一计算单元，用于计算所述连铸工艺参数的Pearson相关性系数，并针对所述Pearson相关性系数采用卡方检验法计算得到所述相关性系数；
[0033]所述第二计算单元，用于计算所述连铸工艺参数的Spearman相关性系数，并针对所述Spearman相关性系数采用所述卡方检验法计算得到所述相关性系数。
[0034]较佳地，所述连铸工艺数据包括第一工艺规则，所述确定系统还包括：
[0035]判定模块，用于将不符合所述第一工艺规则的目标工艺参数和相对应的工艺评价分数判定为无效数据；
[0036]生成模块，用于根据所述无效数据生成第二工艺规则；
[0037]调整模块，用于基于所述第一工艺规则和所述第二工艺规则调整所述目标工艺参数。
[0038]第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，处理器执行计算机程序时实现本专利技术的连铸工艺参数的确定方法。
[0039]第四方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本专利技术的连铸工艺参数的确定方法。
[0040]在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。
[0041]本专利技术的积极进步效果在于：通过计算连铸工艺参数的相关性系数，可以筛选出与连铸机生产质量最为相关的连铸工艺参数，从而仅对更为相关的连铸工艺参数进行评分与调整，可以节省计算时间，满足快速调整连铸机工艺参数的需求；通过将连铸工艺参数循环输入模型进行评分，可以不断得到调整后的连铸工艺参数的评分，直至评分高于预设阈值，从而实现精准的调整连铸工艺参数，充分发挥连铸机的生产质量。
附图说明
[0042]图1为本专利技术实施例1提供的连铸工艺参数的确定方法的流程图。
[0043]图2为本专利技术实施例1提供的连铸工艺参数的确定方法的评价模型训练的流程示意图。
[0044]图3为本专利技术实施例2提供的连铸工艺参数的确定方法的调整目标工艺参数的流程示意图。
[0045]图4为本专利技术实施例3提供的连铸工艺参数的确定系统的结构示意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种连铸工艺参数的确定方法，其特征在于，所述确定方法包括：获取连铸工艺数据；所述连铸工艺数据包括多个连铸工艺参数；计算所述连铸工艺参数与连铸机质量间的相关性系数，并根据所述相关性系数从所述连铸工艺数据中筛选出目标工艺参数；将所述目标工艺参数循环输入预先训练的评价模型中，直至得到工艺评价分数大于预设阈值为止。2.如权利要求1所述的连铸工艺参数的确定方法，其特征在于，所述确定方法通过以下步骤训练得到所述评价模型，包括：获取历史工艺参数和相对应的历史工艺评价分数；将所述历史工艺参数作为输入，将所述历史工艺评价分数作为输出训练预设模型，生成所述评价模型；所述预设模型包括线性模型、LSTM网络模型和随机森林模型中的至少一种。3.如权利要求1所述的连铸工艺参数的确定方法，其特征在于，所述计算所述连铸工艺参数与连铸机质量间的相关性系数的步骤包括；检验所述连铸工艺参数是否满足正态分布；当满足正态分布时，计算所述连铸工艺参数的Pearson相关性系数，并针对所述Pearson相关性系数采用卡方检验法计算得到所述相关性系数；当不满足正态分布时，计算所述连铸工艺参数的Spearman相关性系数，并针对所述Spearman相关性系数采用所述卡方检验法计算得到所述相关性系数。4.如权利要求1所述的连铸工艺参数的确定方法，其特征在于，所述连铸工艺数据包括第一工艺规则，所述将所述目标工艺参数循环输入预先训练的评价模型中的步骤之前，还包括：将不符合所述第一工艺规则的目标工艺参数和相对应的工艺评价分数判定为无效数据；根据所述无效数据生成第二工艺规则；基于所述第一工艺规则和所述第二工艺规则调整所述目标工艺参数。5.一种连铸工艺参数的确定系统，其特征在于，所述确定系统包括：第一获取模块，用于获取连铸工艺数据；所述连铸工艺数据包括多个连铸工艺参数；筛选模块，用于计算所述连铸工艺参数与连铸机质量间的相关性系数，并根据所述相关性系数从所述连铸工艺数据中筛选出目标工艺参数；调整模块，...

【专利技术属性】
技术研发人员：余炯，包忞立，
申请(专利权)人：华院计算技术上海股份有限公司，
类型：发明
国别省市：