CN110059892A - 一种多物理量监控以进行工业生产优化的方法 - Google Patents

Abstract

本发明公开了一种多物理量监控以进行工业生产优化的方法，采用监控系统对环境的温度和湿度数据进行采集，并进行去噪处理，同时对生产的合金部件的气孔和针孔含量进行测定，通过对上述整理后的温度和湿度物理量检测数据，与对应的部件的缺陷率数据进行配比，形成温湿度物理量与缺陷率的数据库，并基于此数据库训练神经网络，从而分别建立不同的缺陷率和环境温度与湿度的映射关系，利用训练好的神经网络，输入允许的缺陷率数值，将该临界缺陷率映射到环境的允许湿度，并根据该湿度要求，对生产车间的环境湿度进行相应设置。

Description

一种多物理量监控以进行工业生产优化的方法

技术领域

本发明涉及一种采用多物理量监控，并与生产结果相对照，从而对生产工艺参数进行调整优化的方法。

背景技术

铝是一种轻金属，铝元素在地壳中的含量仅次于氧和硅，居第三位，含量达到8.3％。是地壳中含量最丰富的金属元素。铝有多种优良性能，在其中加入合金元素以改善性能以后，有着极为广泛的用途，在航空、航天、汽车、机械制造、船舶及化学工业中已大量应用。目前铝合金是工业中应用最广泛的一类有色金属结构材料，铝合金作为新型金属功能材料属于新材料产业，目前已经成为国家的战略性新兴产业。

铝是一种很活泼的金属，在进行熔炼时，非常容易吸气，由于大气中的水分，会使铝液产生吸氢现象，在凝固过程中，溶解在铝熔液中的氢元素因溶解度的下降而不断析出成为氢气。逸出后又没有完全浮到铝液表面，留在铝合金中形成针孔和气孔等缺陷，并且导致铝合金的氢脆，严重影响机械性能。铝熔体中氢含量受到多种因素，如温度、熔炼时间、夹杂、环境湿度等的影响。其中，环境温度和湿度决定了铝熔体面临的水分含量的多少，具有非常重要的影响因素，如何通过研究定量化分析环境温湿度等物理量与合金缺陷性能之间的关系，以使生产中的缺陷数量控制在可接受的范围内，具有非常重要的意义。

发明内容

本发明完整的技术方案包括：

一种多物理量监控以进行工业生产优化的方法，其特征在于，采用监控系统进行数据采集，本发明采用的监控系统包括处理器、存储器、温度计和湿度计；其中温度计和湿度计分别与处理器连接，并将测得的环境温度和环境湿度数据传送给处理器，处理器将处理后的数据保存到存储器；具体包括如下步骤：

(1)选取环境湿度和温度发生明显变化的不同时间段进行数据采集，建立环境温度和湿度的数据库，具体数据采集方式为：

利用温度计和湿度计对环境温度和湿度进行采集，并传送给处理器，处理器对数据进行整理，采用正态分布的方法进行数据去噪，所用到的正态分布公式如下式所述：

式中，u为单个的温度或湿度数据，u₀为每组数据的算术平均值，α为每组数据的标准差；

选择去噪后的多组环境温度和湿度数据；

(2)对上述时间段内生产的合金部件的气孔和针孔含量进行测定，具体计算公式为：

式中σ为表示气孔和针孔含量的缺陷率，m为部件重量，m₀为部件的理论重量，获得对应的缺陷率数据；

(3)通过对上述整理后的温度和湿度物理量检测数据，与对应的部件的缺陷率数据进行配比，形成温湿度物理量与缺陷率的数据库，并基于此数据库,建立人工神经网络系统，使用采集的缺陷率，训练神经网络，从而分别建立不同的缺陷率和环境温度与湿度的映射关系；

(4)利用训练好的神经网络，输入允许的缺陷率数值，将该临界缺陷率映射到环境的允许湿度，并根据该湿度要求，对生产车间的环境湿度进行相应设置。

本发明相对于现有技术的优点为：氢脆是金属合金冶炼和零件制造过程中的常见问题，造成应力集中，超过材料的强度极限，在内部形成细小的裂纹，导致材料脆化甚至开裂。上述问题在钢、铝、镁合金中均经常出现，而对于氢脆而言，其最重要的影响因素是熔炼过程中合金液中溶解的氢含量，目前主要采用在后续加热保温的方式，使氢随溶解度逐渐变小，逐渐析出。但上述方式增加了工序，同时也有可能对合金造成破坏。本发明考虑了环境中的湿度对于氢溶解量的影响，采用生产过程中产生的大量数据，进行收集处理分析，采用自学习的方法，分析了环境物理量与与产品缺陷率之间的关系，找到了主要的影响因素，并对工艺进行了一定的优化。

具体实施方式

以铝合金为例，根据具体实施方式对发明做进一步说明。

氢是铝中唯一有明显溶解度的气体,氢在铝中的溶解度随温度下降而下降。尤其在熔点附近,氢在固态及液态铝中溶解度的差值相当大，凝固时,超过固态溶解度的气体一部分以气泡形式逸出液面或被“冻结”在固态金属中形成气孔、疏松等冶金缺陷；另一部分则以过饱和状态保留在合金中。当潮湿气氛、温度变化、未烘干炉体、工具或原料和铝液接触时,可通过下列反应生成氢并为铝液吸收。

其中，在所有的控制因素中，环境温度和湿度无疑是对氢脆影响可能性最大的因素，因此本发明采用工业生产中所储备的大量数据，对其进行建立映射关系。

本发明采用的系统包括处理器、存储器、温度计和湿度计。其中温度计和湿度计分别与处理器连接，并将测得的环境温度和环境湿度数据传送给处理器，处理器将处理后的数据保存到存储器，

具体采集方式如下：

温度计每隔5min采集一次环境温度，并将温度数据传送给处理器，处理器每隔半小时将采集的6次温度数据计算算数平均值，得到平均温度值。湿度计每隔5min采集一次环境湿度，并将湿度数据传送给处理器，处理器每隔半小时将采集的6次湿度数据计算算数平均值，得到平均湿度值。将每一次测得的温度和湿度数据存储为一组数据。

上述数据每天采集15h，每天共得到30组环境温度和湿度数据。

对每天获得的30组数据分别采用正态分布的方法进行数据去噪，所用到的正态分布公式如下式所述：

式中，u为单个的温度或湿度数据，u₀为每组数据的算术平均值，α为每组数据的标准差。通过上述方法，对测量误差造成的明显偏差的数据去除，每天选择去噪后的20组环境温度和湿度数据。

选取环境湿度和温度发生明显变化的不同时间段，如春秋、夏天或冬天等不同季节，共采集100天的数据，总计得到2000组环境温度和湿度数据，建立环境温度和湿度的数据库。

对上述时间段内每天生产的20个铝合金部件的气孔和针孔含量进行测定，具体计算公式为：

式中σ为表示气孔和针孔含量的缺陷率，m为部件重量，m₀为部件的理论重量，其中该理论重量通过部件体积乘以所用铝合金的理论密度获得，该理论密度可以通过查阅文献，或采用无缺陷的铝合金小件实测获得。获得2000个缺陷率数据。

通过对上述整理后的温度和湿度等物理量检测数据，与对应的部件的缺陷率数据进行配比，形成温湿度物理量与缺陷率的数据库，并基于此数据库,建立人工神经网络系统，这里所用的人工神经网络可以采用现有的模型，包括输入层，多个隐藏层和输出层。输入层采用所获得的环境温度和湿度数据，而输出层则采用缺陷率数据。使用采集的缺陷率，基于梯度下降的方法，训练神经网络，从而分别建立不同的缺陷率和环境温度与湿度的映射关系。

通过训练发现，环境湿度对缺陷率的影响较明显，具体体现在环境湿度每上升10％，缺陷率则上升约2‰，而环境温度的变化则对缺陷率几乎没有影响。利用训练好的神经网络，输入允许的缺陷率数值，将该临界缺陷率映射到环境的允许湿度。并根据该湿度要求，对生产车间的环境湿度进行相应设置。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (1)

1.一种多物理量监控以进行工业生产优化的方法，其特征在于，采用监控系统进行数据采集，本发明采用的监控系统包括处理器、存储器、温度计和湿度计；其中温度计和湿度计分别与处理器连接，并将测得的环境温度和环境湿度数据传送给处理器，处理器将处理后的数据保存到存储器；具体包括如下步骤：

(1)选取环境湿度和温度发生明显变化的不同时间段进行数据采集，建立环境温度和湿度的数据库，具体数据采集方式为：

利用温度计和湿度计对环境温度和湿度进行采集，并传送给处理器，处理器对数据进行整理，采用正态分布的方法进行数据去噪，所用到的正态分布公式如下式所述：

式中，u为单个的温度或湿度数据，u₀为每组数据的算术平均值，α为每组数据的标准差；

选择去噪后的多组环境温度和湿度数据；

(2)对上述时间段内生产的合金部件的气孔和针孔含量进行测定，具体计算公式为：

式中σ为表示气孔和针孔含量的缺陷率，m为部件重量，m₀为部件的理论重量，获得对应的缺陷率数据；

(3)通过对上述整理后的温度和湿度物理量检测数据，与对应的部件的缺陷率数据进行配比，形成温湿度物理量与缺陷率的数据库，并基于此数据库,建立人工神经网络系统，使用采集的缺陷率，训练神经网络，从而分别建立不同的缺陷率和环境温度与湿度的映射关系；

(4)利用训练好的神经网络，输入允许的缺陷率数值，将该临界缺陷率映射到环境的允许湿度，并根据该湿度要求，对生产车间的环境湿度进行相应设置。