一种酸洗工艺段氢气浓度在线监测预警方法及系统技术方案

本公开属于冷轧处理技术领域，具体提供了一种酸工艺段氢气浓度在线监测预警方法及系统，其中方法包括：通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据；将综合数据进行处理形成样本数据并进行训练后得到氢气浓度预测模型；将酸雾氢气浓度、酸液温度和酸液浓度的实时数据输入到所述氢气浓度预测模型，输出未来一定时间窗口内的预测酸雾氢气浓度；根据预警等级及所述预测酸雾氢气浓度得到未来预警建议。本公开采用全方位在线获取酸洗关键工艺参数，可视化好，且异常时能及时提醒；通过预测未来一定时间窗口内的酸雾氢气浓度温度并给出相应建议，避免氢气聚集到一定浓度后遇火产生氢爆事故。故。故。

【技术实现步骤摘要】
一种酸洗工艺段氢气浓度在线监测预警方法及系统


[0001]本公开涉及冷轧处理
，特别涉及一种酸洗工艺段氢气浓度在线监测预警方法及系统。

技术介绍

[0002]酸洗工艺段主要包括酸洗槽和漂洗槽，酸洗槽内酸液与带钢表面氧化铁皮发生化学反应，去除氧化铁皮，漂洗槽清洗从酸洗槽出来的带钢表面残留的酸洗。
[0003]在酸洗工艺段运行过程中，较难实现恰到好处的酸洗，既不欠酸洗也不过酸洗，为了避免欠酸洗，一般会提高酸液温度、酸液浓度，在此工况下，带钢存在过酸洗，酸液与带钢基体发生反应，产生氢气。如果氢气浓度聚集到一定程度，遇火则会产生氢爆事故，损坏设备，造成机组停产，损失很大。

技术实现思路

[0004]本公开旨在至少解决现有技术中存在的技术问题之一，提出了一种酸洗工艺段氢气浓度在线监测预警方法及系统。
[0005]第一方面，本公开提供了一种酸工艺段氢气浓度在线监测预警方法，包括：
[0006]通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据；
[0007]将综合数据进行处理形成样本数据并进行训练后得到氢气浓度预测模型；
[0008]将酸雾氢气浓度、酸液温度和酸液浓度的实时数据输入到所述氢气浓度预测模型，输出未来一定时间窗口内的预测酸雾氢气浓度；
[0009]根据预警等级及所述预测酸雾氢气浓度得到未来预警建议。
[0010]优选地，所述通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据，具体包括：
[0011]氢气浓度数据采集与可视化模块通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据；
[0012]将综合数据存储到氢气浓度在线预警服务器，并在氢气浓度在线预警服务器的显示器上可视化显示。
[0013]优选地，所述将综合数据进行处理形成样本数据并进行训练后得到氢气浓度预测模型，具体包括：
[0014]将酸雾氢气浓度、酸液温度和酸液浓度数据进行处理，形成样本数据；
[0015]将所述样本数据划分为训练数据、验证数据及测试数据集；
[0016]基于样本数据，选择DeepAR、Informer、LSTNet、MLP、NBEATS、NHiTS、RNN、SCINet、TCN、TFT或Transformer模型进行训练与验证，直至酸雾氢气浓度模型预测偏差控制在允许的范围内。
[0017]优选地，所述酸雾氢气浓度为待预测目标，带钢牌号、带钢宽度、带钢厚度、带钢速
度、酸液温度、酸液浓度和时间为协变量。
[0018]优选地，所述训练数据、验证数据及测试数据集的比例为7:2:1。
[0019]优选地，所述基于样本数据，选择LSTNet模型进行训练与验证，具体包括：
[0020]首先利用PaddleTS进行模型组网，预定义模型输入的时间序列长度、模型输出的时间序列长度、损失函数、优化算法、优化器参数和训练的最大轮数；
[0021]使用lstm.fit(train_dataset,val_dataset)对样本数据进行模型训练与验证，其中train_dataset是训练数据集，val_dataset是验证数据集；
[0022]训练过程中和训练完成后，均采用MAE(Mean Absolute Error)和MSE(Mean Squared Error)评估模型预测效果，效果达到预设值时便得到氢气浓度预测模型。
[0023]优选地，所述训练过程完成后，使用lstm保存训练好的氢气浓度预测模型。
[0024]优选地，所述预警等级包括：建议关注运行、建议在合适时间进行必要检查、建议近期计划停机内检修、建议第一时间采取检修措施。
[0025]第二方面，本公开提供了一种酸洗工艺段氢气浓度在线监测预警系统，所述系统可用于实现酸洗工艺段氢气浓度在线监测预警方法，所述系统包括：
[0026]数据获取模块，配置为通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据；
[0027]模型训练模块，配置为将综合数据进行处理形成样本数据并进行训练后得到氢气浓度预测模型；
[0028]预测模块，配置为将酸雾氢气浓度、酸液温度和酸液浓度的实时数据输入到所述氢气浓度预测模型，输出未来一定时间窗口内的预测酸雾氢气浓度；
[0029]预警模块，配置为根据预警等级及所述预测酸雾氢气浓度得到未来预警建议。
[0030]第三方面，本公开提供了一种电子设备，包括：
[0031]一个或多个处理器；
[0032]存储器，用于存储一个或多个程序；
[0033]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现酸洗工艺段氢气浓度在线监测预警方法。
附图说明
[0034]图1为本公开实施例提供的一种酸洗工艺段氢气浓度在线监测预警方法的流程图；
[0035]图2为本公开实施例提供的一种酸洗工艺段氢气浓度在线监测预警系统组成图；
[0036]图3是本公开提供的氢气浓度预测训练模块流程图；
[0037]图4为本公开实施例提供的一种电子设备的结构框图。
具体实施方式
[0038]为使本领域技术人员更好地理解本公开的技术方案，下面结合附图和具体实施方式对本公开作进一步详细描述。
[0039]除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并
不为任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不为数量限制，而是为存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于为相对位置关系，当被描述目标的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0040]在各个附图中，相同的元件采用类似的附图标记来为。为了清楚起见，附图中的各个部分并没有都按比例绘制。此外，在图中可能未示出某些公知的部分。
[0041]在下文中描述了本公开的许多特定的细节，例如部件的结构、材料、尺寸、处理工艺和技术，以便更清楚地理解本公开。但正如本领域的技术人员能够理解的那样，可以不按照这些特定的细节来实现本公开。
[0042]如图1和图2所示，本公开实施例提供了一种酸工艺段氢气浓度在线监测预警方法，包括以下步骤：
[0043]S1，通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据；
[0044]S2，将综合数据进行处理形成样本数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种酸工艺段氢气浓度在线监测预警方法，其特征在于，包括：通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据；将综合数据进行处理形成样本数据并进行训练后得到氢气浓度预测模型；将酸雾氢气浓度、酸液温度和酸液浓度的实时数据输入到所述氢气浓度预测模型，输出未来一定时间窗口内的预测酸雾氢气浓度；根据预警等级及所述预测酸雾氢气浓度得到未来预警建议。2.根据权利要求1所述的酸洗工艺段氢气浓度在线监测预警方法，其特征在于，所述通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据，具体包括：氢气浓度数据采集与可视化模块通过机组一级以太网从酸洗工艺段控制器获取酸雾氢气浓度、酸液温度和酸液浓度的综合数据；将综合数据存储到氢气浓度在线预警服务器，并在氢气浓度在线预警服务器的显示器上可视化显示。3.根据权利要求1所述的酸洗工艺段氢气浓度在线监测预警方法，其特征在于，所述将综合数据进行处理形成样本数据并进行训练后得到氢气浓度预测模型，具体包括：将酸雾氢气浓度、酸液温度和酸液浓度数据进行处理，形成样本数据；将所述样本数据划分为训练数据、验证数据及测试数据集；基于样本数据，选择DeepAR、Informer、LSTNet、MLP、NBEATS、NHiTS、RNN、SCINet、TCN、TFT或Transformer模型进行训练与验证，直至酸雾氢气浓度模型预测偏差控制在允许的范围内。4.根据权利要求3所述的酸洗工艺段氢气浓度在线监测预警方法，其特征在于，所述酸雾氢气浓度为待预测目标，带钢牌号、带钢宽度、带钢厚度、带钢速度、酸液温度、酸液浓度和时间为协变量。5.根据权利要求3所述的酸洗工艺段氢气浓度在线监测预警方法，其特征在于，所述训练数据、验证数据及测试数据集的比例为7:2:1。6.根据权利要求3所述的酸洗工艺段氢气浓度在线监测预警方法，其特征在于，所述基于样本数据，选择LSTNet模...

【专利技术属性】
技术研发人员：夏志，王耀，周云根，
申请(专利权)人：中冶南方工程技术有限公司，
类型：发明
国别省市：