本发明专利技术公开了一种工业大数据驱动的宽厚钢板质量动态在线识别方法及装置，属于宽厚钢板制造工业大数据自动识别及数据计算技术领域。方法包括步骤：采集宽厚钢板制造全流程中工艺质量信息数据，构建样本数据集；计算过程质量信息，对样本数据集进行扩充；进行特征筛选与变换，确定样本数据集的特征变量；通过计算互信息，确定特征变量与力学性能之间的相关程度，筛选特征变量并构建特征变量数据集；对不同钢种进行聚类，确定力学性能识别所需的子数据集；建立力学性能区间估计模型；通过在线采集宽厚钢板制造全流程工艺质量信息数据，利用力学性能区间估计模型对宽厚钢板的质量进行在线识别。本发明专利技术提高了宽厚钢板质量在线识别的准确性。
【技术实现步骤摘要】
本专利技术涉及一种工业大数据驱动的宽厚钢板质量动态在线识别方法及装置，属于宽厚钢板制造工业大数据自动识别及数据计算。
技术介绍
1、宽厚钢板是钢铁材料中的重要品种之一，广泛应用于海洋船舶、能源装备、交通运输等领域，是国防建设和国民经济发展的重要支撑。中厚钢板普遍采用板坯连铸、铸坯升温再加热、双机架两阶段式的往复式轧制变形、轧制厚度在线冷却等工艺过程进行制造，其生产过程是最复杂的工业控制过程之一。目前，宽厚钢板制造过程中为了降低制造成本、提高生产效率，一般按照批次进行大批量工业化生产，产品力学性能检测按照抽检方式质量检测，按每炉或者每30-60吨检测一个批次。而宽厚钢板全流程上下游多工序之间的工艺信息具有“工艺信息中包涵了变形/温度/尺寸/合金添加等多变量”、“上下工序间工艺参数相互影响强相关耦合”、“各个参数变量之间以及质量与工艺信息之间为非线性关系”等特点，高生产节奏的制造过程中充满了大量“不确定性”，导致产品同板质量稳定性和批次内的各张钢板的质量稳定性控制受到前所未有的挑战，较大程度影响了长寿命、安全可靠服役。
2、宽厚钢板力学性能主要包括强度、韧性、塑性，是宽厚钢板质量的重要体现。质量指标获得方式为：连铸坯轧制成型目标尺寸后切取小尺寸样坯，按照标准采用机械加工将样坯加工成试样，通过拉伸、冲击试验获得力学性能。这种质量获得方式一方面具有很大滞后性，另一方面是相对大尺寸的宽厚钢板而言小尺寸样坯力学型性能难以表征产品全尺寸空间上的全部力学性能信息。这对于高生产节奏的工业化宽厚钢板全流程过程质量控制十分不利。
<
p>3、从宽厚钢板轧制的冶金工艺原理可知，宽厚钢板的显微组织类型、钢中的化学成分种类及其含量、以及生产过程中各阶段的工艺参数三方面的影响因素。现有力学性能预测方法主要包括了冶金工艺学理论、知识专家经验和机器学习方法。物理冶金方法通过实验室试验和数据整理归纳，建立凝固、加热、变形及冷却过程中的组织演化与组织性能的对应关系，但由于工业化生产过程中的加热、成型、冷却、相变等几乎均为非平衡转变，制造工艺条件与实验室条件差异较大，使得所构建的模型存在效率低、通用性差等缺点，不能满足现场工业化生产的需要。专家经验是将专家长期积累的有关材料组分、工艺与性能之间的关联规则建立规则库，设计特定的推理机制，推测出金属材料的力学性能，但存在知识获取量不足、知识规律的数字化表示不准确不全面等缺点。对于机器学习的方法，目前一般单纯的采用制造过程数据构建各类模型来预测力学性能，这些模型是从数据角度构建模型，利用机器学习等人工智能技术建立成分、工艺参数与宽厚钢板力学性能之间的映射关系，对宽厚钢板力学性能的回归建模来预测力学性能。信息虽然能够较为客观且真实的反映并刻画上下游各个工序之间的内在联系，但是一般都忽略了冶金与轧制工艺学理论对力学性能的本质化影响，此外也未充分考虑显微组织、专家经验、产品类别以及工艺制造设计规范的综合影响，没有将这些关键信息进行统一考虑，并忽视了实际工业生产过程中的多变工艺条件约束。因此，现有的技术仍不能准确对产品的力学性能影响因素进行更为客观准确的数字化描述，这导致了所构建的预测模型的分析精度不高、普遍存在“过拟合”现象，更为重要的是缺少足够的自适应能力和协调机制来满足生产实际过程中多变的工艺条件，在面向大规模个性化定制生产时，使得模型难以进行稳定的工程化应用。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种工业大数据驱动的宽厚钢板质量动态在线识别方法及装置，能够在线精准识别宽厚钢板质量，增强大规模定制生产能力的控制稳定性。
2、本专利技术解决其技术问题采取的技术方案是：
3、第一方面，本专利技术实施例提供的一种工业大数据驱动的宽厚钢板质量动态在线识别方法，包括以下步骤：
4、采集宽厚钢板制造全流程中工艺质量信息数据，对采集的工艺质量信息数据进行数据清理处理后构建样本数据集；
5、基于采集的工艺质量信息数据，融合宽厚钢板制造过程中的冶金工艺学原理计算过程质量信息，对样本数据集进行扩充和丰富；
6、对扩充后的样本数据集进行特征筛选与变换，确定样本数据集的特征变量；
7、通过计算互信息，确定样本数据集的特征变量与力学性能之间的相关程度，根据相关程度筛选特征变量并构建特征变量数据集；
8、按照紧致性原则对特征变量数据集中的不同钢种进行聚类计算，确定力学性能识别所需的子数据集；
9、面向每个子数据集建立基于统计重采样的力学性能区间估计模型；
10、通过在线采集宽厚钢板制造全流程工艺质量信息数据，利用力学性能区间估计模型对宽厚钢板的质量进行在线识别。
11、作为本实施例一种可能的实现方式，所述采集宽厚钢板制造全流程中工艺质量信息数据，对采集的工艺质量信息数据进行数据清理处理后构建样本数据集，包括：
12、采集
t_time时间周期内宽厚钢板制造全流程工艺质量信息，所述工艺质量信息包括板坯信息数据、冶炼成分数据、制造过程工艺信息数据和力学性能信息数据，所述板坯信息数据包括钢板信息数据和连铸坯原料信息数据，所述钢板信息数据包括钢板宽度、钢板长度和钢板厚度，所述连铸坯原料信息数据包括连铸坯号、炉号、钢板号、钢牌号、连铸坯宽度、连铸坯长度和连铸坯厚度，所述冶炼成分数据包括宽厚钢板中合金元素的重量百分比（%）和碳当量（%），所述合金元素至少包括碳、硅、锰、磷、硫、铬、镍、铜、钼、钒、铝、钛和铌，所述制造过程工艺信息数据包括板坯装炉前温度、铸坯加热温度、轧制厚度、粗轧开轧温度_测量表面、粗轧开轧温度_测量平均、粗轧终止温度_测量表面、粗轧终止温度_测量平均、精轧开轧温度_测量表面、精轧开轧温度_测量平均、精轧终止温度_测量表面、精轧终止温度_测量平均、在线冷却开始温度、在线冷却终止温度和冷却速度，所述力学性能信息数据包括通过力学性能测试获得的上屈服强度、下屈服强度、抗拉强度、延伸率、冲击功和试验温度；
13、根据板坯信息数据中的炉号、板坯号、钢板号和钢牌号信息进行检索，按照成分-工艺-性能的对应关系将
t_time时间周期内宽厚钢板制造全流程工艺质量信息进行数据整理，构建标准结构化宽厚钢板制造全流程工艺质量信息的样本数据集，，其中，为第
n个宽厚钢板样本，；为中厚钢板制造过程中的全流程工艺参数特征信息集合，；为中厚钢板样本的力学性能集合，；
n为数据集合中的样本量数；
e为该宽厚钢板样本力学性能指标的总数；
d为样本特征的总数；
14、通过计算样本之间的欧式距离来识别样本数据集中与缺失样本空间相近的
k个样本，并且使用
k个邻域样本的平均值对缺失数据进行填充；
15、采本文档来自技高网
...
【技术保护点】
1.一种工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述采集宽厚钢板制造全流程中工艺质量信息数据，对采集的工艺质量信息数据进行数据清理处理后构建样本数据集，包括：
3.根据权利要求2所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述基于采集的工艺质量信息数据，融合宽厚钢板制造过程中的冶金工艺学原理计算过程质量信息，对样本数据集进行扩充和丰富，包括：
4.根据权利要求3所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述通过计算互信息，确定样本数据集的特征变量与力学性能之间的相关程度，根据相关程度筛选特征变量并构建特征变量数据集，包括：
5.根据权利要求4所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述按照紧致性原则对特征变量数据集中的不同钢种进行聚类计算，确定力学性能识别所需的子数据集，包括：
6.根据权利要求5所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述面向每个子数据集建立基于统计重采样的力学性能区间估计模型，包括：
7.根据权利要求6所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述通过在线采集宽厚钢板制造全流程工艺质量信息数据，利用力学性能区间估计模型对宽厚钢板的质量进行在线识别，包括：
8.一种工业大数据驱动的宽厚钢板质量动态在线识别装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、存储器及存储在存储器上并可在处理器运行的程序，当所述电子设备运行时，所述处理器执行所述程序时实现如权利要求1-7任一所述的工业大数据驱动的宽厚钢板质量动态在线识别方法的步骤。
10.一种存储介质，其特征在于，该存储介质上存储有程序，该程序被处理器运行时执行如权利要求1-7任一所述的工业大数据驱动的宽厚钢板质量动态在线识别方法的步骤。
...
【技术特征摘要】
1.一种工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述采集宽厚钢板制造全流程中工艺质量信息数据，对采集的工艺质量信息数据进行数据清理处理后构建样本数据集，包括：
3.根据权利要求2所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述基于采集的工艺质量信息数据，融合宽厚钢板制造过程中的冶金工艺学原理计算过程质量信息，对样本数据集进行扩充和丰富，包括：
4.根据权利要求3所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述通过计算互信息，确定样本数据集的特征变量与力学性能之间的相关程度，根据相关程度筛选特征变量并构建特征变量数据集，包括：
5.根据权利要求4所述的工业大数据驱动的宽厚钢板质量动态在线识别方法，其特征在于，所述按照紧致性原则对特征变量数据集中的不同钢种进行聚类计算，确定力学性...
【专利技术属性】
技术研发人员：周平，黄少文，张长宏，徐强，张学民，亓国栋，尹训强，李相前，
申请(专利权)人：山东钢铁股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。