System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及板带生产,特别是指一种基于数据驱动的冷轧罩退抽芯预测及决策方法。
技术介绍
1、罩式退火是一种热处理工艺,通过淬火和回火过程,能够有效提高金属材料的硬度、强度,并在回火阶段调整韧性,使其在性能上取得平衡。该热处理工艺具备微观结构可控性,能够满足不同工程需求,使其广泛应用于钢铁、合金钢等材料的制造中。而其工艺参数可调,且通过合适的工艺控制,能够提高材料的质量和生产效率;而由于罩式退火时出现应力积累,变形不当等问题,可能会导致抽芯的问题,影响到产品的质量。因此,研究适用于冷轧罩式退火中抽芯问题的预测及决策方法具有现实意义。
2、针对上述问题,业内提出了许多方法,目前主要集中在经验法和涨紧装置法。经验法方面,依靠基于工艺操作员的经验,通过调整罩式退火的温度、时间、冷却速率等工艺参数,以降低抽芯问题的发生概率。并且实施更加严格的质量控制和检测措施,及时发现金属板的表面缺陷和其他潜在问题,以采取有效的纠正措施,防止抽芯问题的发生。涨紧装置法方面,主要是将冷轧钢卷在通过罩式炉退火之前利用涨紧装置使钢卷内径涨紧后进行板头焊接,可以提高板头的焊接质量,避免了钢卷内径的抽芯和折叠。
3、但上述方法存在许多问题,经验法虽然可以在短期内提供实际可行的解决方案,并为进一步的分析和改进提供基础,但是无法发现隐藏在大量数据背后的潜在模式和关联。对于复杂的工艺问题,这可能导致错过一些潜在的影响因素和解决方案,并且其决策过程通常是非定量的,难以量化影响因素的权重和效果。这使得难以进行系统性的优化和改进,无法实现最大程度的工
技术实现思路
1、本专利技术提供了一种基于数据驱动的冷轧罩退抽芯预测及决策方法,以解决现有技术所存在的无法实现最大程度的工艺优化,耗费时间长且主观因素大、精确度不高,以及可能受金属板材料和工艺参数影响,适用性受限的技术问题。
2、为解决上述技术问题,本专利技术提供了如下技术方案:
3、一方面,本专利技术提供了一种基于数据驱动的冷轧罩退抽芯预测及决策方法,所述基于数据驱动的冷轧罩退抽芯预测及决策方法包括:
4、采集板带生产中与冷轧罩式退火抽芯问题相关的历史数据,并对采集到的所述历史数据进行预处理,利用预处理后的历史数据构建历史抽芯数据集;
5、构建抽芯预测模型,并利用所述历史抽芯数据集对构建的抽芯预测模型进行训练;其中,所述抽芯预测模型的输入为抽芯诱导因素数据,输出为当前所输入的抽芯诱导因素数据所对应的钢卷在进行罩式退火时是否发生抽芯;
6、利用训练好的抽芯预测模型,预测待退火钢卷在罩式退火时是否发生抽芯;
7、当预测出待退火钢卷在罩式退火时会发生抽芯时,确定相应的防抽芯决策。
8、进一步地,所述历史数据包括:历史生产数据和历史抽芯数据;其中,
9、所述历史生产数据包括:冷轧机组历史生产数据和罩式退火机组生产数据;其中,所述冷轧机组历史生产数据包括:钢卷的宽度、厚度、内径和外径;所述罩式退火机组生产数据包括:罩式退火机组温度数据、罩式退火机组时间数据以及钢卷内部温度数据;其中,所述罩式退火机组温度数据包括:加热阶段温度上升速率数据、恒温阶段温度数据以及冷却阶段温度下降速率数据;所述罩式退火机组时间数据包括:升温时间数据、恒温时间数据以及冷却时间数据;
10、所述历史抽芯数据包括:进行罩式退火的钢卷是否发生抽芯的记录数据。
11、进一步地,所述采集板带生产中与冷轧罩式退火抽芯问题相关的历史数据,并对采集到的所述历史数据进行预处理,利用预处理后的历史数据构建历史抽芯数据集,包括:
12、按照钢卷编号和钢种牌号,收集对应钢卷的历史生产数据和历史抽芯数据;
13、将收集到的历史抽芯数据和历史生产数据,按照钢卷编号和钢种牌号一一对应,得到每一钢种牌号下每一钢卷编号所对应的历史数据,形成历史数据集;
14、对所述历史数据集中的数据进行数据清洗;
15、基于完成数据清洗后的历史数据集计算各指标的权重系数;其中,所述指标包括:钢卷的宽度、钢卷的厚度、钢卷的内径、钢卷的外径、加热阶段温度上升速率数据、恒温阶段温度数据、冷却阶段温度下降速率数据、升温时间数据、恒温时间数据、冷却时间数据以及钢卷内部温度数据;
16、基于各指标的权重系数,从完成数据清洗后的历史数据集中,筛选出抽芯诱导因素数据,利用筛选出的抽芯诱导因素数据和各条抽芯诱导因素数据所对应的钢卷在进行罩式退火时是否发生抽芯的记录数据,构建历史抽芯数据集。
17、进一步地,对所述历史数据集中的数据进行数据清洗,包括:
18、对所述历史数据集进行预处理;其中,所述预处理包括:对所述历史数据集中的缺失值与异常值进行识别,并删除含有缺失值或异常值的样本;
19、对预处理后的历史数据集中的数据进行去重,得到去重后的历史数据集。
20、进一步地,所述对预处理后的历史数据集中的数据进行去重,包括:
21、对比同牌号钢种的历史数据情况,分析其间的参数差异,若出现钢卷间差异小于预设差异阈值,则认为钢卷对应的数据重复,此时仅保留其中一条钢卷的历史数据,将其余钢卷的历史数据删除,以完成数据去重。
22、进一步地,基于完成数据清洗后的历史数据集计算各指标的权重系数,包括:
23、基于完成数据清洗后的历史数据集,以进行罩式退火的钢卷是否发生抽芯为目标值,建立随机森林算法模型,计算出各项指标的权重系数。
24、进一步地,所述基于各指标的权重系数,从完成数据清洗后的历史数据集中,筛选出抽芯诱导因素数据,利用筛选出的抽芯诱导因素数据和各条抽芯诱导因素数据所对应的钢卷在进行罩式退火时是否发生抽芯的记录数据,构建历史抽芯数据集,包括:
25、若指标的权重系数超过预设权重阈值,则判定其属于抽芯诱导因素;
26、若指标的权重系数不超过预设权重阈值,则判定其不属于抽芯诱导因素;
27、整理抽芯诱导因素,形成抽芯诱导指标集,从完成数据清洗后的历史数据集中筛选出属于抽芯诱导因素的数据,利用筛选出的抽芯诱导因素数据和各条抽芯诱导因素数据所对应的钢卷在本文档来自技高网...
【技术保护点】
1.一种基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,包括:
2.如权利要求1所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述历史数据包括:历史生产数据和历史抽芯数据;其中,
3.如权利要求1所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述采集板带生产中与冷轧罩式退火抽芯问题相关的历史数据,并对采集到的所述历史数据进行预处理,利用预处理后的历史数据构建历史抽芯数据集,包括:
4.如权利要求3所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,对所述历史数据集中的数据进行数据清洗,包括:
5.如权利要求4所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述对预处理后的历史数据集中的数据进行去重,包括:
6.如权利要求3所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,基于完成数据清洗后的历史数据集计算各指标的权重系数,包括:
7.如权利要求3所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述基于各指标的权重系数,从完成数据清洗后
8.如权利要求1所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述抽芯预测模型为遗传算法模型。
9.如权利要求1所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,在利用训练好的抽芯预测模型,预测待退火钢卷在罩式退火时是否发生抽芯时,若抽芯预测模型预测出当前待退火钢卷在罩式退火时会发生抽芯,则判定当前待退火无法进行罩式退火;若抽芯预测模型预测出当前待退火钢卷在罩式退火时不会发生抽芯,则判定当前待退火钢卷能够进行罩式退火。
10.如权利要求9所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述当预测出待退火钢卷在罩式退火时会发生抽芯时,确定相应的防抽芯决策,包括:
...【技术特征摘要】
1.一种基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,包括:
2.如权利要求1所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述历史数据包括:历史生产数据和历史抽芯数据;其中,
3.如权利要求1所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述采集板带生产中与冷轧罩式退火抽芯问题相关的历史数据,并对采集到的所述历史数据进行预处理,利用预处理后的历史数据构建历史抽芯数据集,包括:
4.如权利要求3所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,对所述历史数据集中的数据进行数据清洗,包括:
5.如权利要求4所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,所述对预处理后的历史数据集中的数据进行去重,包括:
6.如权利要求3所述的基于数据驱动的冷轧罩退抽芯预测及决策方法,其特征在于,基于完成数据清洗后的历史数据集计算各指标的权重系数,包括:
7.如权利要求3所述的基于...
【专利技术属性】
技术研发人员:杨庭松,樊朔,郑帅帅,孙文权,袁雨田,高紫明,
申请(专利权)人:北京科技大学,
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。