CN113343567B - 一种真空熔铸生产工艺参数优化方法及系统 - Google Patents

一种真空熔铸生产工艺参数优化方法及系统 Download PDF

Info

Publication number
CN113343567B
CN113343567B CN202110601667.7A CN202110601667A CN113343567B CN 113343567 B CN113343567 B CN 113343567B CN 202110601667 A CN202110601667 A CN 202110601667A CN 113343567 B CN113343567 B CN 113343567B
Authority
CN
China
Prior art keywords
data set
regression equation
ingot
protective gas
vacuum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110601667.7A
Other languages
English (en)
Other versions
CN113343567A (zh
Inventor
杨斌
黄晓东
黄学雨
宋小军
陈辉明
党昱翀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Advanced Copper Industry Research Institute
Jiangxi University of Science and Technology
Original Assignee
Jiangxi Advanced Copper Industry Research Institute
Jiangxi University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangxi Advanced Copper Industry Research Institute, Jiangxi University of Science and Technology filed Critical Jiangxi Advanced Copper Industry Research Institute
Priority to CN202110601667.7A priority Critical patent/CN113343567B/zh
Publication of CN113343567A publication Critical patent/CN113343567A/zh
Application granted granted Critical
Publication of CN113343567B publication Critical patent/CN113343567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Abstract

本发明公开了一种真空熔铸生产工艺参数优化方法及系统，该方法包括：构建第一数据集；第一数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以各金属元素的烧损率为输出；构建第二数据集；第二数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以铸锭氧含量为输出；采用人工智能算法分别对第一数据集以及第二数据集进行建模，得到第一回归方程和第二回归方程；基于第一回归方程和第二回归方程构建多目标优化函数；采用遗传算法对多目标优化函数进行求解，得到最优解集。本发明能够对熔炼温度、熔炼时间、真空度、保护性气体气压及流量等生产工艺参数进行优化，从而提高铸锭质量。

Description

一种真空熔铸生产工艺参数优化方法及系统
技术领域
本发明涉及真空熔铸技术领域，特别是涉及一种真空熔铸生产工艺参数优化方法及系统。
背景技术
熔炼温度、熔炼时间、真空度、保护性气体流量是真空熔铸生产过程中需要事先设定的关键生产工艺参数，这些生产工艺参数设定值的合理与否，所熔炼金属的烧损量对铸锭质量等构成直接影响。目前，真空熔铸生产实践中主要根据经验确定及调整生产工艺参数，这是导致铸锭质量不稳定及合金元素烧损过高的主要原因。
发明内容
本发明的目的是提供一种真空熔铸生产工艺参数优化方法及系统，对熔炼温度、熔炼时间、真空度、保护性气体气压及流量等生产工艺参数进行优化，从而提高铸锭质量。
为实现上述目的，本发明提供了如下方案：
一种真空熔铸生产工艺参数优化方法，包括：
构建第一数据集；所述第一数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以各金属元素的烧损率为输出；
构建第二数据集；所述第二数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以铸锭氧含量为输出；
采用人工智能算法分别对所述第一数据集以及所述第二数据集进行建模，得到第一回归方程和第二回归方程；
基于所述第一回归方程和所述第二回归方程构建多目标优化函数；
采用遗传算法对所述多目标优化函数进行求解，得到最优解集；所述最优解集为最优的真空熔铸生产工艺参数。
进一步地，按投料批号采集投料重量、炉料配比及成分、熔炼温度、熔炼时间、真空室气压以及保护性气体流量。
进一步地，按产品批号采集铸锭重量、铸锭成分以及铸锭氧含量。
进一步地，根据所述投料重量、所述炉料配比及成分、所述铸锭重量以及所述铸锭成分计算生产合金中各金属元素的烧损率。
进一步地，根据单炉产出铸锭数量、单位产品重量与投料重量之比及投料产出时间间隔对产品批号与投料批号进行对应匹配。
进一步地，所述各金属元素的烧损率的计算公式如下：
Figure BDA0003092866060000021
其中，Si为第i种金属元素烧损率，T为投料重量，Pi为第i种金属元素在炉料中重量占比，Z为铸锭重量，Di为第i种金属元素在铸锭中重量比。
进一步地，所述第一回归方程如下：
Si＝0.000132X1+0.0425X2+0.0234X3+0.0083X4+0.0201
其中，Si为第i种金属元素烧损率，X1为熔炼温度，X2为熔炼时间，X3为真空室气压，X4为保护性气体流量。
进一步地，所述第二回归方程如下：
Y＝-0.000102X1-0.00385X2-0.00219X3-0.0075X4+0.00117
其中，Y为铸锭氧含量，X1为熔炼温度，X2为熔炼时间，X3为真空室气压，X4为保护性气体流量。
本发明还提供了一种真空熔铸生产工艺参数优化系统，包括：
第一数据集构建模块，用于构建第一数据集；所述第一数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以各金属元素的烧损率为输出；
第二数据集构建模块，用于构建第二数据集；所述第二数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以铸锭氧含量为输出；
建模模块，用于采用人工智能算法分别对所述第一数据集以及所述第二数据集进行建模，得到第一回归方程和第二回归方程；
多目标优化函数计算模块，用于基于所述第一回归方程和所述第二回归方程构建多目标优化函数；
求解模块，用于采用遗传算法对所述多目标优化函数进行求解，得到最优解集；所述最优解集为最优的真空熔铸生产工艺参数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种真空熔铸生产工艺参数优化方法及系统，该方法包括：构建第一数据集；所述第一数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以各金属元素的烧损率为输出；构建第二数据集；所述第二数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以铸锭氧含量为输出；采用人工智能算法分别对所述第一数据集以及所述第二数据集进行建模，得到第一回归方程和第二回归方程；基于所述第一回归方程和所述第二回归方程构建多目标优化函数；采用遗传算法对所述多目标优化函数进行求解，得到最优解集；所述最优解集为最优的真空熔铸生产工艺参数。本发明能够对熔炼温度、熔炼时间、真空度、保护性气体气压及流量等生产工艺参数进行优化，从而提高铸锭质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例真空熔铸生产工艺参数优化方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种真空熔铸生产工艺参数优化方法及系统，对熔炼温度、熔炼时间、真空度、保护性气体气压及流量等生产工艺参数进行优化，从而提高铸锭质量。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供的一种真空熔铸生产工艺参数优化方法包括以下步骤：
步骤101：构建第一数据集(如表1所示)；所述第一数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以各金属元素的烧损率为输出。
在进行某种牌号合金铸锭生产过程中，按投料批号采集投料重量、炉料配比及成分、单炉能耗及所设定的熔炼温度、熔炼时间、真空室气压、保护性气体流量等数据。
根据所述投料重量、所述炉料配比及成分、所述铸锭重量以及所述铸锭成分计算生产合金中各金属元素的烧损率。
Figure BDA0003092866060000041
其中，Si为第i种金属元素烧损率，T为投料重量，Pi为第i种金属元素在炉料中重量占比，Z为铸锭重量，Di为第i种金属元素在铸锭中重量比。
表1第一数据集：
Figure BDA0003092866060000042
步骤102：构建第二数据集(如表2所示)；所述第二数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以铸锭氧含量为输出。
按产品批号采集铸锭重量、铸锭成分以及铸锭氧含量等铸锭物理性能相关检测数据。
表2第二数据集
Figure BDA0003092866060000051
根据单炉产出铸锭数量、单位产品重量与投料重量之比及投料产出时间间隔进行对产品批号与投料批号进行对应匹配。例如，假设单炉投料量为300Kg，单个铸锭重量为100kg，则产品批号与投料批号对应关系如表3所示：
表3产品批号与投料批号对应关系
产品批号 投料批号
2021.3.30-1-1 2021.3.30-1
2021.3.30-1-2 2021.3.30-1
2021.3.30-1-3 2021.3.30-1
步骤103：采用人工智能算法分别对所述第一数据集以及所述第二数据集进行建模，得到第一回归方程和第二回归方程。
所述第一回归方程如下：
Si＝0.000132X1+0.0425X2+0.0234X3+0.0083X4+0.0201
其中，Si为第i种金属元素烧损率，X1为熔炼温度，X2为熔炼时间，X3为真空室气压，X4为保护性气体流量。
所述第二回归方程如下：
Y＝-0.000102X1-0.00385X2-0.00219X3-0.0075X4+0.00117
其中，Y为铸锭氧含量，X1为熔炼温度，X2为熔炼时间，X3为真空室气压，X4为保护性气体流量。
步骤104：基于所述第一回归方程和所述第二回归方程构建多目标优化函数。
兼顾合金元素烧损量和铸锭氧含量都尽可能低，构建多目标优化函数：
Max(F1(X)，F2(X))
F1(X)＝0.000132X1+0.0425X2+0.0234X3+0.0083X4+0.0201
F2(X)＝-0.000102X1-0.00385X2-0.00219X3-0.0075X4+0.00117
约束条件：
1050＜X1＜1150；10＜X2＜60；100＜X3＜200；5＜X4＜50。
步骤105：采用遗传算法对所述多目标优化函数进行求解，得到最优解集(如表4所示)；所述最优解集为最优的真空熔铸生产工艺参数。
表4最优解集
Figure BDA0003092866060000061
在以上优化解集中选取熔炼工艺参数组合，可获得较低的合金元素烧损率及铸锭氧含量。
本发明还提供了一种真空熔铸生产工艺参数优化系统，包括：
第一数据集构建模块，用于构建第一数据集；所述第一数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以各金属元素的烧损率为输出；
第二数据集构建模块，用于构建第二数据集；所述第二数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以铸锭氧含量为输出；
建模模块，用于采用人工智能算法分别对所述第一数据集以及所述第二数据集进行建模，得到第一回归方程和第二回归方程；
多目标优化函数计算模块，用于基于所述第一回归方程和所述第二回归方程构建多目标优化函数；
求解模块，用于采用遗传算法对所述多目标优化函数进行求解，得到最优解集；所述最优解集为最优的真空熔铸生产工艺参数。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种真空熔铸生产工艺参数优化方法，其特征在于，包括：
构建第一数据集；所述第一数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以各金属元素的烧损率为输出；
构建第二数据集；所述第二数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以铸锭氧含量为输出；
采用人工智能算法分别对所述第一数据集以及所述第二数据集进行建模，得到第一回归方程和第二回归方程；
基于所述第一回归方程和所述第二回归方程构建多目标优化函数；
采用遗传算法对所述多目标优化函数进行求解，得到最优解集；所述最优解集为最优的真空熔铸生产工艺参数；
所述第一回归方程如下：
Si＝0.000132X1+0.0425X2+0.0234X3+0.0083X4+0.0201
其中，Si为第i种金属元素烧损率，X1为熔炼温度，X2为熔炼时间，X3为真空室气压，X4为保护性气体流量；
所述第二回归方程如下：
Y＝-0.000102X1-0.00385X2-0.00219X3-0.0075X4+0.00117
其中，Y为铸锭氧含量，X1为熔炼温度，X2为熔炼时间，X3为真空室气压，X4为保护性气体流量。
2.根据权利要求1所述的真空熔铸生产工艺参数优化方法，其特征在于，按投料批号采集投料重量、炉料配比及成分、熔炼温度、熔炼时间、真空室气压以及保护性气体流量。
3.根据权利要求2所述的真空熔铸生产工艺参数优化方法，其特征在于，按产品批号采集铸锭重量、铸锭成分以及铸锭氧含量。
4.根据权利要求3所述的真空熔铸生产工艺参数优化方法，其特征在于，根据所述投料重量、所述炉料配比及成分、所述铸锭重量以及所述铸锭成分计算生产合金中各金属元素的烧损率。
5.根据权利要求3所述的真空熔铸生产工艺参数优化方法，其特征在于，根据单炉产出铸锭数量、单位产品重量与投料重量之比及投料产出时间间隔对产品批号与投料批号进行对应匹配。
6.根据权利要求4所述的真空熔铸生产工艺参数优化方法，其特征在于，所述各金属元素的烧损率的计算公式如下：
Figure FDA0003464188300000021
其中，Si为第i种金属元素烧损率，T为投料重量，Pi为第i种金属元素在炉料中重量占比，Z为铸锭重量，Di为第i种金属元素在铸锭中重量比。
7.一种真空熔铸生产工艺参数优化系统，其特征在于，包括：
第一数据集构建模块，用于构建第一数据集；所述第一数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以各金属元素的烧损率为输出；
第二数据集构建模块，用于构建第二数据集；所述第二数据集以熔炼温度、熔炼时间、真空室气压、保护性气体流量为输入，以铸锭氧含量为输出；
建模模块，用于采用人工智能算法分别对所述第一数据集以及所述第二数据集进行建模，得到第一回归方程和第二回归方程；
多目标优化函数计算模块，用于基于所述第一回归方程和所述第二回归方程构建多目标优化函数；
求解模块，用于采用遗传算法对所述多目标优化函数进行求解，得到最优解集；所述最优解集为最优的真空熔铸生产工艺参数；
所述第一回归方程如下：
Si＝0.000132X1+0.0425X2+0.0234X3+0.0083X4+0.0201
其中，Si为第i种金属元素烧损率，X1为熔炼温度，X2为熔炼时间，X3为真空室气压，X4为保护性气体流量；
所述第二回归方程如下：
Y＝-0.000102X1-0.00385X2-0.00219X3-0.0075X4+0.00117
其中，Y为铸锭氧含量，X1为熔炼温度，X2为熔炼时间，X3为真空室气压，X4为保护性气体流量。
CN202110601667.7A 2021-05-31 2021-05-31 一种真空熔铸生产工艺参数优化方法及系统 Active CN113343567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110601667.7A CN113343567B (zh) 2021-05-31 2021-05-31 一种真空熔铸生产工艺参数优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110601667.7A CN113343567B (zh) 2021-05-31 2021-05-31 一种真空熔铸生产工艺参数优化方法及系统

Publications (2)

Publication Number Publication Date
CN113343567A CN113343567A (zh) 2021-09-03
CN113343567B true CN113343567B (zh) 2022-03-22

Family

ID=77472937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110601667.7A Active CN113343567B (zh) 2021-05-31 2021-05-31 一种真空熔铸生产工艺参数优化方法及系统

Country Status (1)

Country Link
CN (1) CN113343567B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918702A (zh) * 2019-01-03 2019-06-21 上海交通大学 一种高炉配料与操作的协同多目标优化方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7761263B2 (en) * 2005-06-01 2010-07-20 Gm Global Technology Operations, Inc. Casting design optimization system (CDOS) for shape castings
CN103382515B (zh) * 2013-07-19 2015-06-17 东北大学 一种在线实时监测rh精炼过程钢水温度的系统及方法
CN106373023A (zh) * 2015-07-23 2017-02-01 中国科学院沈阳自动化研究所 一种基于新型多目标人工蜂群算法的配料优化方法
CN105483310B (zh) * 2015-11-23 2017-05-10 东北大学 一种面向全流程生产的炼钢组批与排产方法
CN110400009A (zh) * 2019-07-09 2019-11-01 浙江大学 基于自适应遗传算法的高炉炼铁多目标智能优化方法
CN110669963A (zh) * 2019-10-12 2020-01-10 北京机电研究所有限公司 一种铝合金熔铸配料系统
CN110874511B (zh) * 2019-11-19 2022-09-16 武汉晨曦芸峰科技有限公司 一种智能炉料配比计算方法
CN111260157B (zh) * 2020-02-21 2022-09-09 天津开发区精诺瀚海数据科技有限公司 一种基于优化小生境遗传算法的熔炼配料优化方法
CN112699524A (zh) * 2020-11-26 2021-04-23 冶金自动化研究设计院 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918702A (zh) * 2019-01-03 2019-06-21 上海交通大学 一种高炉配料与操作的协同多目标优化方法

Also Published As

Publication number Publication date
CN113343567A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN106636606B (zh) 一种基于仿真模型的加热炉炉温控制方法
CN102115831B (zh) 一种海绵钛生产方法
CN104388613A (zh) 一种高炉炉缸活跃性定量评价的方法
CN111375746B (zh) 基于固—液界面稳恒控制的高温合金单晶叶片定向凝固方法
CN110205427B (zh) 一种智能热风炉优化控制系统及方法
CN108546832A (zh) 一种二氧化锗连续氢还原方法
CN104404418A (zh) 一种镍基高温合金的热处理方法
CN113343567B (zh) 一种真空熔铸生产工艺参数优化方法及系统
CN103031435A (zh) 烧结终点位置控制方法及系统
CN109967674B (zh) 核电蒸汽发生器用高温合金锻件的制造方法
CN102337475A (zh) 一种超低氧低膨胀合金的制造方法
CN116736907A (zh) 一种低硼硅玻璃生产温度智能调控方法
CN101914687B (zh) 控铝无缝钢管用钢的电渣重熔方法
CN113265498A (zh) 一种高炉炉型管控方法
CN111074023B (zh) 确定不同燃料比下吨铁氧耗的方法
CN108681794A (zh) 一种获得低碳钢最优升温曲线的方法
CN115261650A (zh) 一种镍铬中间合金的制备工艺
JP6915754B2 (ja) プロセスの制御方法、操業ガイダンス方法、高炉の操業方法、溶銑の製造方法およびプロセスの制御装置
CN110766253B (zh) 炼钢连铸计划物流流向设定的炼钢量分配控制方法
CN104894314A (zh) 高炉冶炼天然磁铁矿转钒钛烧结矿冶炼快速达产的方法
CN117709805B (zh) 一种基于多数据的磁体生产质量评估方法
CN114645105B (zh) 钒钛矿高炉炉况稳定性评价方法
CN112080599B (zh) 高炉加风方法和电子设备
CN116334694B (zh) 一种基于过热度数据驱动的铝电解智能控制方法
CN116401491A (zh) 一种根据炉况波动水平量化高炉最大风量的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant