CN117066301B - 结合生产质量监测的钛带卷加工调控方法及系统 - Google Patents

Abstract

本发明提供了结合生产质量监测的钛带卷加工调控方法及系统，涉及加工调控技术领域，包括：监测钛带卷取速度、钛带卷取张力、钛带卷取温度，激活张力特征标定表，接收钛带卷取张力，标定卷取直径信息，激活应力分布预测节点进行分析，生成卷取径向应力和卷取周向应力，激活机械性能映射节点进行机械性能失效分析，生成机械性能失效概率，当大于或等于失效概率阈值，对钛带卷取张力、钛带卷取速度和钛带卷取温度进行调节，生成钛带卷取控制寻优结果，对卷取机进行调节。本发明解决了传统的钛带卷加工方法仅依靠预设基线控制加工参数，场景结合度不稳定，客观性较差，无法实时监测和调节加工过程中的关键参数，导致生产质量差的技术问题。

Description

结合生产质量监测的钛带卷加工调控方法及系统

技术领域

本发明涉及加工调控技术领域，具体涉及结合生产质量监测的钛带卷加工调控方法及系统。

背景技术

钛带卷加工是一种对钛金属带材进行加工和制造的过程，钛带是一种具有良好机械性能、耐腐蚀性和轻质特性的材料，广泛应用于航空航天、化工、医疗器械等领域，在传统的钛带卷加工中，通常采用预设的基线控制参数来进行加工操作，这种方法缺乏实时监测和调控，仅仅依靠经验和预设数值进行操作，无法及时发现和纠正加工过程中的质量问题；并且由于钛带卷取过程中涉及多个参数的相互作用，如卷取速度、张力和温度等，造成了加工质量的波动和不稳定性，传统方法难以准确控制和调节这些参数，导致产品的质量和性能难以保证。

因此需要一种新的钛带卷加工调控方法，使得提高钛带卷加工的质量稳定性和性能可控性，进而满足对高质量和高性能钛带产品的需求。

发明内容

本申请通过提供了结合生产质量监测的钛带卷加工调控方法及系统，旨在解决传统的钛带卷加工方法仅依靠预设基线控制加工参数，场景结合度不稳定，客观性较差，无法实时监测和调节加工过程中的关键参数，导致生产质量差的技术问题。

鉴于上述问题，本申请提供了结合生产质量监测的钛带卷加工调控方法及系统。

本申请公开的第一个方面，提供了结合生产质量监测的钛带卷加工调控方法，所述方法包括：通过卷取速度计监测钛带卷取速度，通过卷取张力计监测钛带卷取张力，通过贴片式热敏电阻监测钛带卷取温度；激活张力特征标定表，接收所述钛带卷取张力，标定卷取直径信息；激活应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力；激活机械性能映射节点，对所述卷取径向应力和所述卷取周向应力，结合钛带卷材料特征进行机械性能失效分析，生成机械性能失效概率；当所述机械性能失效概率大于或等于失效概率阈值，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行调节，生成钛带卷取控制寻优结果；根据所述钛带卷取控制寻优结果对卷取机进行调节。

本申请公开的另一个方面，提供了结合生产质量监测的钛带卷加工调控系统，所述系统用于上述方法，所述系统包括：卷取数据获取模块，所述卷取数据获取模块用于通过卷取速度计监测钛带卷取速度，通过卷取张力计监测钛带卷取张力，通过贴片式热敏电阻监测钛带卷取温度；卷取直径标定模块，所述卷取直径标定模块用于激活张力特征标定表，接收所述钛带卷取张力，标定卷取直径信息；应力卷取生成模块，所述应力卷取生成模块用于激活应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力；失效概率生成模块，所述失效概率生成模块用于激活机械性能映射节点，对所述卷取径向应力和所述卷取周向应力，结合钛带卷材料特征进行机械性能失效分析，生成机械性能失效概率；寻优结果生成模块，所述寻优结果生成模块用于当所述机械性能失效概率大于或等于失效概率阈值，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行调节，生成钛带卷取控制寻优结果；卷取机调节模块，所述卷取机调节模块用于根据所述钛带卷取控制寻优结果对卷取机进行调节。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过安装卷取速度计、卷取张力计和贴片式热敏电阻等监测设备，可以实时监测并获取钛带卷取速度、张力和温度等关键参数，为后续步骤提供准确的数据支撑；通过激活张力特征标定表，结合钛带卷取张力，可以准确获取卷取直径信息，提高精度和稳定性；利用应力分布预测节点分析钛带卷取速度、卷取直径、钛带卷取张力和温度等参数，生成卷取过程中的径向应力和周向应力分布，基于卷取的径向应力和周向应力，结合钛带材料特征，通过机械性能映射节点进行失效分析，计算得到机械性能失效概率，当机械性能失效概率大于或等于预设的失效概率阈值时，对钛带卷取张力、速度和温度进行调节，生成钛带卷取控制的优化结果，通过实时监测和调控关键参数，并根据机械性能失效概率进行优化调节，实现提高钛带卷取过程的质量稳定性和性能可控性。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了结合生产质量监测的钛带卷加工调控方法流程示意图；

图2为本申请实施例提供了结合生产质量监测的钛带卷加工调控系统结构示意图。

附图标记说明：卷取数据获取模块10，卷取直径标定模块20，应力卷取生成模块30，失效概率生成模块40，寻优结果生成模块50，卷取机调节模块60。

具体实施方式

本申请实施例通过提供结合生产质量监测的钛带卷加工调控方法，解决了传统的钛带卷加工方法仅依靠预设基线控制加工参数，场景结合度不稳定，客观性较差，无法实时监测和调节加工过程中的关键参数，导致生产质量差的技术问题。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了结合生产质量监测的钛带卷加工调控方法，所述方法包括：

通过卷取速度计监测钛带卷取速度，通过卷取张力计监测钛带卷取张力，通过贴片式热敏电阻监测钛带卷取温度；

卷取速度计用于测量钛卷的卷取速度，通过光电编码等方式实时监测钛卷的卷取速度，并将其转换为相应的电信号，获取钛带卷取速度，即钛带在卷取过程中的线速度，高速度会导致较大的应力集中和变形；

卷取张力计用于监测钛带的卷取张力，安装在卷取机的张力控制系统中，测量钛带在卷取过程中受到的张力，获取钛带卷取张力，较高的张力会导致更大的应力；

贴片式热敏电阻是一种温度传感器，以贴片形式存在，粘贴在钛带表面来监测钛带的卷取温度，通过测量电阻值的变化推导出钛带在卷取过程中的温度信息，获取钛带卷取温度，温度变化可能会引起钛带的热膨胀，进而影响应力分布。

通过以上监测设备实时监测获取钛带的卷取速度、卷取张力和卷取温度，通过这些监测数据，实现对钛带卷加工过程中关键参数的精确掌握，为后续参数的控制优化提供数据支撑。

激活张力特征标定表，接收所述钛带卷取张力，标定卷取直径信息；

进一步而言，激活张力特征标定表，接收所述钛带卷取张力，标定卷取直径信息，包括：

将所述张力特征标定表与物联网通信，接收卷取机型号和钛带型号，检索卷取张力记录值和卷取直径记录值，其中，所述卷取张力记录值和所述卷取直径记录值一一对应；

基于所述钛带卷取张力，设定张力一致邻域，其中，所述张力一致邻域包括方向一致邻域和大小一致邻域；

提取所述卷取张力记录值同时满足所述方向一致邻域和所述大小一致邻域的所述卷取直径记录值；

对所述卷取直径记录值进行自适应聚类，生成多个卷取直径记录值聚类结果，对所述多个卷取直径记录值聚类结果统计类内记录值数量比和类内记录值均值；

以所述类内记录值数量比为权重，对所述类内记录值均值进行加权均值分析，生成所述卷取直径信息。

张力特征标定表是存储了不同条件下钛带卷取张力和卷取直径数据的数据库，用于记录和存储在实际卷取过程中测量到的张力和直径数据。物联网是指通过互联网连接和交互的物理设备和对象之间的网络，通过与物联网通信，可以实现与卷取机和其他设备的数据交换。

卷取机型号是卷取机设备的唯一标识符，用于区分不同类型的卷取机；钛带型号是钛带的唯一标识符，用于区分不同类型的钛带材料。根据所提供的卷取机型号和钛带型号，在张力特征标定表中查找并获取相应型号的卷取张力记录值和卷取直径记录值，这些记录值是在实际卷取过程中通过测量设备得到的值钛带卷取张力和卷取直径的数值记录，记录值一一对应表示它们之间存在直接的关联关系。

根据监测获取的钛带卷取张力，提取钛带卷取张力的张力方向和张力大小，设定该张力方向的相似范围，例如，张力的方向与该张力方向在一定的角度误差范围内相似，如±5°，则认为是在方向一致邻域内；设定该张力大小的相似范围，例如张力的绝对值在一定的百分比误差范围内相似，如±5%，则认为是在大小一致邻域内。

将方向一致邻域和大小一致邻域都满足的作为张力一致邻域，通过设定张力一致邻域，可以筛选出与给定钛带卷取张力在方向和大小上相似的记录值。

对于匹配到的卷取张力记录值，将当前卷取张力记录值与钛带卷取张力进行方向和大小比较，如果方向和大小的误差都在方向误差和大小误差以内，即同时满足所述方向一致邻域和所述大小一致邻域，则将当前卷取直径记录值加入到满足条件的记录值集合中。

循环遍历所有的卷取张力记录值，重复上述步骤，直至所有的卷取张力记录值都筛选完毕，以此提取出所有既满足方向一致邻域又满足大小一致邻域的卷取张力记录值，这些记录值具备与给定钛带的卷取张力一致性。根据所述卷取张力记录值和所述卷取直径记录值的一一对应关系，获取筛选出的卷取张力记录值对应的卷取直径记录值。

使用适应度函数，对所有满足条件的卷取直径记录值进行聚类，聚类的目标是将相似的卷取直径记录值分到同一个类别中，根据聚类算法的输出，获得多个卷取直径记录值聚类结果，每个聚类结果代表一个具有相似特征的卷取直径的集合。

对于每个聚类结果，计算该聚类结果中的类内记录值数量比，即该类别中记录值的数量占总记录值数量的比例；对于每个聚类结果，计算该聚类结果中的类内记录值均值，即该类别中记录值的平均值。这些值表现了卷取直径记录值的分布情况。

对于每个聚类结果，将该类别的类内记录值数量比作为权重，将每个聚类结果的类内记录值均值乘以自身权重，再将每个乘积进行加和平均计算，得到最终的卷取直径信息，即加权平均值。这种加权平均值综合了不同类别的权重差异，能够更准确地反映卷取直径的整体特征，使得结果更加准确。

进一步而言，对所述卷取直径记录值进行自适应聚类，生成多个卷取直径记录值聚类结果，包括：

构建类内适应度函数，其中，所述类内适应度函数为类内直径记录值和类内直径均值的方差；

构建聚类适应度函数，其中，所述聚类适应度函数为所述类内适应度函数之和；

设定类内适应度阈值；

基于所述类内适应度阈值和所述类内适应度函数，对所述卷取直径记录值进行分组，生成第k卷取直径记录值聚类结果；

根据所述聚类适应度函数对所述第k卷取直径记录值聚类结果进行评价，生成第k聚类适应度；

判断所述第k聚类适应度是否小于前k-1次迭代最优适应度；

若小于，将所述第k聚类适应度设为前k次迭代最优适应度，将所述第k卷取直径记录值聚类结果设为前k次迭代最优聚类结果；

若不小于，将所述前k-1次迭代最优适应度设为所述前k次迭代最优适应度，将前k-1次迭代最优聚类结果设为所述前k次迭代最优聚类结果；

判断k是否大于或等于预设k值；

若大于或等于，将所述前k次迭代最优聚类结果，设为所述多个卷取直径记录值聚类结果，否则，重复聚类寻优。

对于任意的两个或多个所述卷取直径记录值，进行随机组合，将一个组合作为一个初始类别，对于一个初始类别，计算该类别内所有直径记录值的均值，得到类内直径均值，然后计算该类别内所有直径记录值与类内直径均值之间的差值，并求各差值的平方，将所有差值平方的和除以簇内直径记录值的数量，得到方差。

将方差作为类内适应度函数的值，用于衡量类内直径记录值的分散程度，方差越大，表示直径记录值的分布越分散，说明聚类结果不够准确或不够稳定；方差越小，表示直径记录值的分布越集中，说明聚类效果越好。

将计算得到的类内适应度函数进行累加，得到聚类适应度函数的值，用于综合评估整个聚类结果的质量和适应性。较小的聚类适应度函数值表示所有聚类结果的类内直径记录值更为集中，聚类效果较好；而较大的聚类适应度函数值表示直径记录值分布更加分散，聚类效果较差。通过构建聚类适应度函数可以支撑选择出最优的聚类结果，使得卷取直径记录值在不同簇之间的差异最小化。

根据聚类的目标和分析需求，确定对于类内适应度的期望程度，例如，如果需要获得高度一致的簇，那么阈值可以设置较小；如果允许一定的差异性，则阈值可以设置较大。同时结合卷取直径记录值的数据特点和分布情况，如果数据本身较为稳定和一致，则选择较小的阈值；如果数据存在较大的波动和差异，则选择较大的阈值。通过设定适合的类内适应度阈值，可以获得更好的聚类效果。

对给定的卷取直径记录值进行重复随机组合，计算每个组合的类内适应度函数值，将计算得到的类内适应度函数值与类内适应度阈值进行比较，筛选出所有小于等于类内适应度阈值的组合，作为第k卷取直径记录值聚类结果，这样分组可以确保每个分组内部的直径记录值更加一致，并且类内适应度满足预设的阈值要求。

对于所述第k卷取直径记录值聚类结果内的所有组合，获取每个组合的类内适应度函数值，并将所有组合的函数值进行加和，获取第k卷取直径记录值聚类结果的聚类适应度值，即第k聚类适应度，聚类适应度越小表示该聚类结果的类内直径记录值越一致和紧凑，聚类效果越好。

获取前k-1次迭代聚类过程中的聚类适应度，并进行大小比对，将聚类适应度最小的作为最优适应度。比较第k个聚类适应度与前k-1次迭代的最优适应度的大小，若小于，则表示第k聚类结果比前面的结果更优秀；若不小于，则表示第k个聚类结果不如前面的结果。

如果第k个聚类适应度小于前k-1次迭代的最优适应度，意味着当前的聚类结果在类内直径记录值的分布方面更加一致、紧凑，比之前的聚类结果更好。以第k聚类适应度作为当前最优，对前k-1次迭代最优适应度进行更新，作为前k次迭代最优适应度；将第k卷取直径记录值聚类结果作为当前最优，对之前的最优聚类结果进行更新，设为前k次迭代的最优聚类结果。以此在迭代过程中持续地跟踪和保存具有更好适应度的聚类结果，保持最佳的聚类效果。

如果第k个聚类适应度不小于前k-1次迭代的最优适应度，意味着之前的聚类结果更好，则保持前k-1次迭代最优适应度作为当前迭代最优适应度，并保持前k-1次迭代最优聚类结果作为当前最优聚类结果。以此，在没有得到更好的聚类效果时，保留在前k-1次迭代中获得的最佳聚类效果，以防止不如前面的结果好的聚类结果被错误地作为当前的最优结果，这样可以确保一直追踪和使用最优的聚类结果进行进一步的分析。

根据具体需求和聚类任务预先设定一个预设k值，用于限制迭代次数，例如设定目标是迭代500次，比较当前迭代次数k与预设k值，如果k大于或等于预设k值，则表示已经达到或超过了预设的聚类迭代次数，并且得到了最终的聚类结果，将前k次迭代的最优聚类结果作为多个卷取直径记录值的聚类结果；

如果k小于预设的k值，则表示还需要进行更多的聚类迭代来达到或接近预设的迭代次数，在这种情况下，重复执行聚类寻优的过程，进行更多的迭代来不断改进优化聚类效果。

激活应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力；

进一步而言，激活应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力，包括：

采集钛带尺寸信息和钛带材料信息回溯钛带卷取实验数据，其中，所述钛带卷取实验数据包括钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值、卷取径向应力记录值和卷取周向应力记录值；

基于钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值和卷取径向应力记录值，基于决策树进行梯度训练，生成卷取径向应力预测子节点；

基于钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值和卷取周向应力记录值，基于决策树进行梯度训练，生成卷取周向应力预测子节点；

合并所述卷取径向应力预测子节点和所述卷取周向应力预测子节点，生成应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力。

使用激光测长仪、千分尺等工具测量目标钛带的长度、宽度、厚度等尺寸参数，获取钛带尺寸信息；使用测试仪器，如光谱仪、扫描电子显微镜等，进行材料特性的分析和测量，获取钛带材料信息。

所述卷取径向应力表示垂直于卷取方向的应力，所述卷取周向应力表示和卷取方向平行的应力。

设计并执行钛带卷取实验，包括设定卷取速度、卷取直径、钛带张力、卷取温度等参数，并记录每个实验条件下的实验值；使用压力传感器，例如压力敏感薄膜，对卷取过程中的径向应力和周向应力进行实时监测，通过传感器采集到的应力数据，记录每个实验条件下的卷取径向应力和卷取周向应力记录值。其中，实验值和应力记录值具有对应关系。

将钛带卷取实验数据作为训练数据集合，每个样本包括卷取速度、卷取直径、钛带卷取张力、钛带卷取温度实验值作为输入特征，以及对应的卷取径向应力记录值作为目标变量，将数据集分为训练集和验证集。

使用训练集，基于梯度提升决策树算法进行模型训练，该算法通过迭代地训练多个决策树，每次学习一个新的决策树来纠正上一棵树的错误，在每次训练中，根据当前模型的预测结果与实际目标值之间的误差，调整下一棵决策树的拟合目标，使得模型逐步减小误差。

使用验证集数据对训练好的模型进行评估，计算预测值与真实值之间的误差指标，如果模型的性能达到预期，则输出所述卷取径向应力预测子节点，可以将其应用于新的未知数据进行预测。

采用前述完全相同的方法训练获得卷取周向应力预测子节点，为了说明书的简洁在此不再赘述。

将经过梯度训练得到的卷取径向应力预测子节点和卷取周向应力预测子节点进行合并，例如将两个预测子节点的输出连接在一起，这样，最终的应力分布预测节点的输出就包含卷取径向应力和卷取周向应力的预测结果。将所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度作为输入数据，输入合并后的应力分布预测节点，模型基于给定的特征值和训练获得的参数，生成预测的卷取径向应力和卷取周向应力。

进一步而言，基于钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值和卷取径向应力记录值，基于决策树进行梯度训练，生成卷取径向应力预测子节点，包括：

构建梯度训练损失函数：

；

其中，表征第i次训练的损失值，/>~/>分别表征钛带卷取速度实验值、卷取直径实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值，/>表征卷取径向应力记录值，/>表征决策树拟合值；

基于所述梯度训练损失函数，对任意一组的所述钛带卷取速度实验值、所述卷取直径实验值、所述钛带卷取张力实验值、所述钛带卷取温度实验值进行训练，结合所述卷取径向应力记录值输出第一训练损失值；

当所述第一训练损失值大于或等于训练损失阈值，获取第一训练残差；

根据所述第一训练残差和决策树拟合值，基于决策树进行梯度训练，调取所述梯度训练损失函数，结合所述卷取径向应力记录值输出第二训练损失值；

当所述第二训练损失值小于所述训练损失阈值，更新其它训练数据基于当前子节点拓扑结构进行训练；

否则，重复梯度训练；

当连续预设次数训练损失值小于所述训练损失阈值，生成所述卷取径向应力预测子节点。

构建上述的梯度训练损失函数，用于评估模型的拟合程度，通过最小化损失值来优化模型的参数，使其能够更准确地预测钛带卷取的径向应力，其中，第一个模型的训练是拟合训练数据，其它子模型用于拟合残差。

选取任意一组钛带卷取实验数据，包括卷取速度实验值、卷取直径实验值、钛带卷取张力实验值和钛带卷取温度实验值，以及对应的卷取径向应力记录值，将实验值作为输入特征，将卷取径向应力记录值作为目标变量。

使用梯度训练损失函数对实验数据进行训练，初始时，模型的决策树拟合值可以设置为一个初始预测值，通过最小化损失函数，调整决策树的拟合值，使得模型能够更准确地预测卷取径向应力记录值，将训练得到的模型应用于训练数据集，并计算预测值与实际卷取径向应力记录值之间的差异，使用梯度训练损失函数，结合这些差异，计算得到第一训练损失值，这个损失值用来评估模型在当前训练数据上的拟合效果，以及指导后续的模型优化过程。

将得到的第一训练损失值与预设的训练损失阈值进行比较，当大于训练损失阈值时，表示模型的预测结果与目标值存在较大偏差。将预测值与目标值进行比较，其中，预测值即为模型输出的值，目标值即为卷取径向应力记录值，计算二者的差值，这个差值就是第一训练残差。

使用决策树作为基本模型，基于第一训练残差和决策树拟合值进行梯度训练，通过最小化梯度训练损失函数，调整决策树的拟合值，使模型能够更准确地预测卷取径向应力记录值，重复上述训练过程，输出第二训练损失值，这个损失值反映了模型在考虑了第一训练残差的情况下的拟合效果。

当得到的第二训练损失值小于所述训练损失阈值，意味着模型在当前子节点上取得了较好的拟合效果，选取另外一组钛带卷取实验数据对训练数据进行更新，使用更新后的训练数据，基于当前子节点的拓扑结构进行梯度训练，保持决策树的结构不变，仅调整决策树节点上的拟合值，调用梯度训练损失函数，结合卷取径向应力记录值，输出训练损失值。

如果训练损失值仍然大于或等于所设的训练损失阈值，则重复进行梯度训练，以继续改进模型的预测能力。

预设连续次数阈值，例如30次，用于对连续训练次数进行限制。使用更新后的训练数据，基于当前子节点的拓扑结构进行梯度训练，调用梯度训练损失函数，结合卷取径向应力记录值，输出训练损失值，检查训练损失值是否小于设定的所述训练损失阈值，如果小于阈值，则连续次数加一；否则，连续次数重置为零。检查连续次数是否达到预设的连续次数阈值，如果达到了，说明模型在连续多次训练中表现良好，根据当前子节点的拓扑结构和训练结果生成卷取径向应力预测子节点，这个子节点基于训练数据和模型的拟合结果，用于预测钛带卷取的径向应力值。

激活机械性能映射节点，对所述卷取径向应力和所述卷取周向应力，结合钛带卷材料特征进行机械性能失效分析，生成机械性能失效概率；

进一步而言，激活机械性能映射节点，对所述卷取径向应力和所述卷取周向应力，结合钛带卷材料特征进行机械性能失效分析，生成机械性能失效概率，包括：

所述机械性能映射节点包括应力阈值标定表，其中，所述应力阈值标定表具有预设的钛带材料类型和应力阈值特征；

根据所述应力阈值标定表，接收所述钛带卷材料特征进行应力阈值标定，生成钛带卷应力失效阈值；

当所述卷取径向应力或/和所述卷取周向应力大于或等于所述钛带卷应力失效阈值时，所述机械性能失效概率等于1；

当所述卷取径向应力且所述卷取周向应力小于所述钛带卷应力失效阈值时，激活机械性能失效概率评价函数，计算所述机械性能失效概率；

根据钛带材料的化学成分和物理性质，获取钛带材料类型；应力阈值特征表示钛带材料在不同应力情况下出现失效的界限值，这些特征可以是实验测量得到的实验参数。创建一个表格来存储应力阈值标定信息，每一行代表一个钛带材料类型，每一列代表一个应力阈值特征，将预设的钛带材料类型和应力阈值特征填入表中，获取应力阈值标定表。

当需要对新的钛带卷材料进行机械性能失效分析时，首先确定其材料类型在应力阈值标定表中找到对应的材料类型行，根据该行所列出的应力阈值特征，即可获取相应的预设阈值，这些预设阈值可作为机械性能失效分析的基准，用于判断卷取径向应力和卷取周向应力是否超过了失效的界限。

根据钛带材料信息，提取其化学成分、物理性质等，生成钛带卷材料特征，遍历所述应力阈值标定表中的每一行，比较其中的钛带材料类型与待标定的钛带卷材料特征是否匹配，当找到匹配的钛带材料类型，获取该行对应的应力阈值特征，基于所获得的应力阈值特征，提取出相应的数值，这些数值构成钛带卷的应力失效阈值。

将卷取径向应力和卷取周向应力分别与所述钛带卷应力失效阈值进行比较，如果其中任意一个或者全部大于失效阈值，则说明机械性能失效是必然发生的，在这种情况下，机械性能失效概率确定为1。

当卷取径向应力和卷取周向应力全部小于失效阈值，则激活机械性能失效概率评价函数，所述机械性能失效概率评价函数为：

；

其中，表征卷取径向应力和卷取周向应力，/>表征机械性能失效概率，/>和为预设权重参数，二者之和为1，/>表征径向应力失效阈值，/>表征周向应力失效阈值，/>表征卷取径向应力，/>表征卷取周向应力。

其中，和/>为预设权重参数，它们的默认值都为0.5，且二者之和为1，这些权重参数用于调节卷取径向应力和卷取周向应力在计算机械性能失效概率时的相对重要性。表征径向应力失效阈值，/>表征周向应力失效阈值，这些阈值用于确定卷取径向应力和卷取周向应力超过了多大程度时被认为会导致机械性能失效。

在函数中，根据卷取径向应力和卷取周向应力的数值，应用预设的权重参数、径向应力失效阈值和周向应力失效阈值，计算得到机械性能失效概率的数值。

当所述机械性能失效概率大于或等于失效概率阈值，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行调节，生成钛带卷取控制寻优结果；

当机械性能失效概率大于或等于设定的失效概率阈值时，说明当前参数不符合预设要求，则需要进行钛带卷取控制参数寻优来降低机械性能失效的风险，具体的，设定优化的目标，例如最小化机械性能失效概率，选择合适的优化算法来搜索最优解，例如遗传算法、粒子群算法、模拟退火算法等，这些算法根据指定的优化目标和约束条件，在参数空间中搜索最优解。

在钛带卷取过程中，确定可以调节的参数，包括钛带卷取张力、卷取速度和卷取温度，将设定的失效概率阈值作为约束条件，并将钛带卷取张力、卷取速度和卷取温度作为变量，运行优化算法以搜索最优解。根据优化算法的结果，得到钛带卷取张力、卷取速度和卷取温度的最优组合，这些参数的调节可以降低机械性能失效概率，使钛带卷取过程更为稳定和可靠。

进一步而言，当所述机械性能失效概率大于或等于失效概率阈值，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行调节，生成钛带卷取控制寻优结果，包括：

基于卷取机型号，获得张力约束区间、卷取速度约束区间和卷取温度约束区间，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行扩充赋值，生成卷取控制扩充解；

将所述机械性能失效概率设为寻优适应度，在所述卷取控制扩充解进行分选，生成所述钛带卷取控制寻优结果。

根据所使用的具体卷取机型号，获取相关的技术规格或设备性能说明，从中提取张力、速度和温度的可调节范围，确定张力约束区间、卷取速度约束区间和卷取温度约束区间，约束区间定义了钛带卷取张力、速度、温度的最大和最小可行范围。基于约束区间，对钛带卷取张力、速度、温度进行扩充赋值，例如在约束区间内均匀或随机地选择一些取值点，以此生成多个钛带卷取的控制参数组合，为后续的卷取控制优化提供更多的可行解空间。

将机械性能失效概率作为衡量卷取控制解质量的指标，概率越小表示卷取控制质量越好，将每个卷取控制扩充解中的钛带卷取张力、卷取速度和卷取温度组合应用于卷取过程中，通过模拟实验方法对这些卷取控制参数组合进行评估，计算得到机械性能失效概率，根据设定的失效概率阈值，筛选出机械性能失效概率小于阈值的卷取控制扩充解，这些被选中的卷取控制扩充解即为钛带卷取控制的寻优结果。

根据所述钛带卷取控制寻优结果对卷取机进行调节。

钛带卷取控制寻优结果包括最优卷取张力参数、最优卷取速度参数、最优卷取温度参数，以这些参数调节卷取机的张力控制模块、速度控制模块、温度控制，使得钛带的卷取张力、速度、温度符合优化结果中的最优值。通过调控这些关键参数，实现提高钛带卷取过程的质量稳定性和性能可控性。

综上所述，本申请实施例所提供的结合生产质量监测的钛带卷加工调控方法及系统具有如下技术效果：

1.通过安装卷取速度计、卷取张力计和贴片式热敏电阻等监测设备，可以实时监测并获取钛带卷取速度、张力和温度等关键参数，为后续步骤提供准确的数据支撑；

2.通过激活张力特征标定表，结合钛带卷取张力，可以准确获取卷取直径信息，提高精度和稳定性；

3.利用应力分布预测节点分析钛带卷取速度、卷取直径、钛带卷取张力和温度等参数，生成卷取过程中的径向应力和周向应力分布，基于卷取的径向应力和周向应力，结合钛带材料特征，通过机械性能映射节点进行失效分析，计算得到机械性能失效概率，当机械性能失效概率大于或等于预设的失效概率阈值时，对钛带卷取张力、速度和温度进行调节，生成钛带卷取控制的优化结果，通过实时监测和调控关键参数，并根据机械性能失效概率进行优化调节，实现提高钛带卷取过程的质量稳定性和性能可控性。

总而言之，该结合生产质量监测的钛带卷加工调控方法有效解决了传统方法中缺乏实时监测和调节的问题，实现了对钛带卷取过程的精细控制和参数优化，从而提高了钛带卷加工质量和性能的可靠性和稳定性。

实施例二

基于与前述实施例中结合生产质量监测的钛带卷加工调控方法相同的发明构思，如图2所示，本申请提供了结合生产质量监测的钛带卷加工调控系统，所述系统包括：

卷取数据获取模块10，所述卷取数据获取模块10用于通过卷取速度计监测钛带卷取速度，通过卷取张力计监测钛带卷取张力，通过贴片式热敏电阻监测钛带卷取温度；

卷取直径标定模块20，所述卷取直径标定模块20用于激活张力特征标定表，接收所述钛带卷取张力，标定卷取直径信息；

应力卷取生成模块30，所述应力卷取生成模块30用于激活应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力；

失效概率生成模块40，所述失效概率生成模块40用于激活机械性能映射节点，对所述卷取径向应力和所述卷取周向应力，结合钛带卷材料特征进行机械性能失效分析，生成机械性能失效概率；

寻优结果生成模块50，所述寻优结果生成模块50用于当所述机械性能失效概率大于或等于失效概率阈值，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行调节，生成钛带卷取控制寻优结果；

卷取机调节模块60，所述卷取机调节模块60用于根据所述钛带卷取控制寻优结果对卷取机进行调节。

进一步而言，所述系统还包括卷取直径信息生成模块，以执行如下操作步骤：

将所述张力特征标定表与物联网通信，接收卷取机型号和钛带型号，检索卷取张力记录值和卷取直径记录值，其中，所述卷取张力记录值和所述卷取直径记录值一一对应；

基于所述钛带卷取张力，设定张力一致邻域，其中，所述张力一致邻域包括方向一致邻域和大小一致邻域；

提取所述卷取张力记录值同时满足所述方向一致邻域和所述大小一致邻域的所述卷取直径记录值；

对所述卷取直径记录值进行自适应聚类，生成多个卷取直径记录值聚类结果，对所述多个卷取直径记录值聚类结果统计类内记录值数量比和类内记录值均值；

以所述类内记录值数量比为权重，对所述类内记录值均值进行加权均值分析，生成所述卷取直径信息。

进一步而言，所述系统还包括聚类模块，以执行如下操作步骤：

构建类内适应度函数，其中，所述类内适应度函数为类内直径记录值和类内直径均值的方差；

构建聚类适应度函数，其中，所述聚类适应度函数为所述类内适应度函数之和；

设定类内适应度阈值；

基于所述类内适应度阈值和所述类内适应度函数，对所述卷取直径记录值进行分组，生成第k卷取直径记录值聚类结果；

根据所述聚类适应度函数对所述第k卷取直径记录值聚类结果进行评价，生成第k聚类适应度；

判断所述第k聚类适应度是否小于前k-1次迭代最优适应度；

若小于，将所述第k聚类适应度设为前k次迭代最优适应度，将所述第k卷取直径记录值聚类结果设为前k次迭代最优聚类结果；

若不小于，将所述前k-1次迭代最优适应度设为所述前k次迭代最优适应度，将前k-1次迭代最优聚类结果设为所述前k次迭代最优聚类结果；

判断k是否大于或等于预设k值；

若大于或等于，将所述前k次迭代最优聚类结果，设为所述多个卷取直径记录值聚类结果，否则，重复聚类寻优。

进一步而言，所述系统还包括应力生成模块，以执行如下操作步骤：

采集钛带尺寸信息和钛带材料信息回溯钛带卷取实验数据，其中，所述钛带卷取实验数据包括钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值、卷取径向应力记录值和卷取周向应力记录值；

基于钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值和卷取径向应力记录值，基于决策树进行梯度训练，生成卷取径向应力预测子节点；

基于钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值和卷取周向应力记录值，基于决策树进行梯度训练，生成卷取周向应力预测子节点；

合并所述卷取径向应力预测子节点和所述卷取周向应力预测子节点，生成应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力。

进一步而言，所述系统还包括预测子节点生成模块，以执行如下操作步骤：

构建梯度训练损失函数：

；

其中，表征第i次训练的损失值，/>~/>分别表征钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值，/>表征卷取径向应力记录值，/>表征决策树拟合值；

基于所述梯度训练损失函数，对任意一组的所述钛带卷取速度实验值、所述卷取直径实验值、所述钛带卷取张力实验值、所述钛带卷取温度实验值进行训练，结合所述卷取径向应力记录值输出第一训练损失值；

当所述第一训练损失值大于或等于训练损失阈值，获取第一训练残差；

根据所述第一训练残差和决策树拟合值，基于决策树进行梯度训练，调取所述梯度训练损失函数，结合所述卷取径向应力记录值输出第二训练损失值；

当所述第二训练损失值小于所述训练损失阈值，更新其它训练数据基于当前子节点拓扑结构进行训练；

否则，重复梯度训练；

当连续预设次数训练损失值小于所述训练损失阈值，生成所述卷取径向应力预测子节点。

进一步而言，所述系统还包括性能失效概率生成模块，以执行如下操作步骤：

所述机械性能映射节点包括应力阈值标定表，其中，所述应力阈值标定表具有预设的钛带材料类型和应力阈值特征；

根据所述应力阈值标定表，接收所述钛带卷材料特征进行应力阈值标定，生成钛带卷应力失效阈值；

当所述卷取径向应力或/和所述卷取周向应力大于或等于所述钛带卷应力失效阈值时，所述机械性能失效概率等于1；

当所述卷取径向应力且所述卷取周向应力小于所述钛带卷应力失效阈值时，激活机械性能失效概率评价函数，计算所述机械性能失效概率；

其中，所述机械性能失效概率评价函数为：

；

其中，表征卷取径向应力和卷取周向应力,/>表征机械性能失效概率，/>和为预设权重参数，二者之和为1，/>表征径向应力失效阈值，/>表征周向应力失效阈值，/>表征卷取径向应力，/>表征卷取周向应力。

进一步而言，所述系统还包括控制寻优结果生成模块，以执行如下操作步骤：

基于卷取机型号，获得张力约束区间、卷取速度约束区间和卷取温度约束区间，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行扩充赋值，生成卷取控制扩充解；

将所述机械性能失效概率设为寻优适应度，在所述卷取控制扩充解进行分选，生成所述钛带卷取控制寻优结果。

本说明书通过前述对结合生产质量监测的钛带卷加工调控方法的详细描述，本领域技术人员可以清楚得知道本实施例中结合生产质量监测的钛带卷加工调控方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.结合生产质量监测的钛带卷加工调控方法，其特征在于，所述方法包括：

通过卷取速度计监测钛带卷取速度，通过卷取张力计监测钛带卷取张力，通过贴片式热敏电阻监测钛带卷取温度；

激活张力特征标定表，接收所述钛带卷取张力，标定卷取直径信息；

激活应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力；

激活机械性能映射节点，对所述卷取径向应力和所述卷取周向应力，结合钛带卷材料特征进行机械性能失效分析，生成机械性能失效概率；

当所述机械性能失效概率大于或等于失效概率阈值，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行调节，生成钛带卷取控制寻优结果；

根据所述钛带卷取控制寻优结果对卷取机进行调节；

其中，激活张力特征标定表，接收所述钛带卷取张力，标定卷取直径信息，包括：

将所述张力特征标定表与物联网通信，接收卷取机型号和钛带型号，检索卷取张力记录值和卷取直径记录值，其中，所述卷取张力记录值和所述卷取直径记录值一一对应；

基于所述钛带卷取张力，设定张力一致邻域，其中，所述张力一致邻域包括方向一致邻域和大小一致邻域；

提取所述卷取张力记录值同时满足所述方向一致邻域和所述大小一致邻域的所述卷取直径记录值；

对所述卷取直径记录值进行自适应聚类，生成多个卷取直径记录值聚类结果，对所述多个卷取直径记录值聚类结果统计类内记录值数量比和类内记录值均值；

以所述类内记录值数量比为权重，对所述类内记录值均值进行加权均值分析，生成所述卷取直径信息；

激活应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力，包括：

采集钛带尺寸信息和钛带材料信息回溯钛带卷取实验数据，其中，所述钛带卷取实验数据包括钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值、卷取径向应力记录值和卷取周向应力记录值；

基于钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值和卷取径向应力记录值，基于决策树进行梯度训练，生成卷取径向应力预测子节点；

基于钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值和卷取周向应力记录值，基于决策树进行梯度训练，生成卷取周向应力预测子节点；

合并所述卷取径向应力预测子节点和所述卷取周向应力预测子节点，生成应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力；

激活机械性能映射节点，对所述卷取径向应力和所述卷取周向应力，结合钛带卷材料特征进行机械性能失效分析，生成机械性能失效概率，包括：

所述机械性能映射节点包括应力阈值标定表，其中，所述应力阈值标定表具有预设的钛带材料类型和应力阈值特征；

根据所述应力阈值标定表，接收所述钛带卷材料特征进行应力阈值标定，生成钛带卷应力失效阈值；

当所述卷取径向应力或/和所述卷取周向应力大于或等于所述钛带卷应力失效阈值时，所述机械性能失效概率等于1；

当所述卷取径向应力小于所述钛带卷应力失效阈值，且所述卷取周向应力小于所述钛带卷应力失效阈值时，激活机械性能失效概率评价函数，计算所述机械性能失效概率；

其中，所述机械性能失效概率评价函数为：

；

其中，表征卷取径向应力和卷取周向应力,/>表征机械性能失效概率，/>和/>为预设权重参数，二者之和为1，/>表征径向应力失效阈值，/>表征周向应力失效阈值，表征卷取径向应力，/>表征卷取周向应力；

当所述机械性能失效概率大于或等于失效概率阈值，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行调节，生成钛带卷取控制寻优结果，包括：

基于卷取机型号，获得张力约束区间、卷取速度约束区间和卷取温度约束区间，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行扩充赋值，生成卷取控制扩充解；

将所述机械性能失效概率设为寻优适应度，在所述卷取控制扩充解进行分选，生成所述钛带卷取控制寻优结果。

2.如权利要求1所述的方法，其特征在于，对所述卷取直径记录值进行自适应聚类，生成多个卷取直径记录值聚类结果，包括：

构建类内适应度函数，其中，所述类内适应度函数为类内直径记录值和类内直径均值的方差；

构建聚类适应度函数，其中，所述聚类适应度函数为所述类内适应度函数之和；

设定类内适应度阈值；

基于所述类内适应度阈值和所述类内适应度函数，对所述卷取直径记录值进行分组，生成第k卷取直径记录值聚类结果；

根据所述聚类适应度函数对所述第k卷取直径记录值聚类结果进行评价，生成第k聚类适应度；

判断所述第k聚类适应度是否小于前k-1次迭代最优适应度；

若小于，将所述第k聚类适应度设为前k次迭代最优适应度，将所述第k卷取直径记录值聚类结果设为前k次迭代最优聚类结果；

若不小于，将所述前k-1次迭代最优适应度设为所述前k次迭代最优适应度，将前k-1次迭代最优聚类结果设为所述前k次迭代最优聚类结果；

判断k是否大于或等于预设k值；

若大于或等于，将所述前k次迭代最优聚类结果，设为所述多个卷取直径记录值聚类结果，否则，重复聚类寻优。

3.如权利要求1所述的方法，其特征在于，基于钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值和卷取径向应力记录值，基于决策树进行梯度训练，生成卷取径向应力预测子节点，包括：

构建梯度训练损失函数：

；

其中，表征第i次训练的损失值，/>~/>分别表征钛带卷取速度实验值、卷取直径实验值、钛带卷取张力实验值、钛带卷取温度实验值，/>表征卷取径向应力记录值，/>表征决策树拟合值；

基于所述梯度训练损失函数，对任意一组的所述钛带卷取速度实验值、所述卷取直径实验值、所述钛带卷取张力实验值、所述钛带卷取温度实验值进行训练，结合所述卷取径向应力记录值输出第一训练损失值；

当所述第一训练损失值大于或等于训练损失阈值，获取第一训练残差；

根据所述第一训练残差和决策树拟合值，基于决策树进行梯度训练，调取所述梯度训练损失函数，结合所述卷取径向应力记录值输出第二训练损失值；

当所述第二训练损失值小于所述训练损失阈值，更新其它训练数据基于当前子节点拓扑结构进行训练；

否则，重复梯度训练；

当连续预设次数训练损失值小于所述训练损失阈值，生成所述卷取径向应力预测子节点。

4.结合生产质量监测的钛带卷加工调控系统，其特征在于，用于实施权利要求1-3任一项所述的结合生产质量监测的钛带卷加工调控方法，包括：

卷取数据获取模块，所述卷取数据获取模块用于通过卷取速度计监测钛带卷取速度，通过卷取张力计监测钛带卷取张力，通过贴片式热敏电阻监测钛带卷取温度；

卷取直径标定模块，所述卷取直径标定模块用于激活张力特征标定表，接收所述钛带卷取张力，标定卷取直径信息；

应力卷取生成模块，所述应力卷取生成模块用于激活应力分布预测节点，对所述钛带卷取速度、所述卷取直径信息、所述钛带卷取张力和所述钛带卷取温度进行分析，生成卷取径向应力和卷取周向应力；

失效概率生成模块，所述失效概率生成模块用于激活机械性能映射节点，对所述卷取径向应力和所述卷取周向应力，结合钛带卷材料特征进行机械性能失效分析，生成机械性能失效概率；

寻优结果生成模块，所述寻优结果生成模块用于当所述机械性能失效概率大于或等于失效概率阈值，对所述钛带卷取张力、所述钛带卷取速度和所述钛带卷取温度进行调节，生成钛带卷取控制寻优结果；

卷取机调节模块，所述卷取机调节模块用于根据所述钛带卷取控制寻优结果对卷取机进行调节。