CN117066496B - 一种铸造冷却控制方法及系统 - Google Patents
一种铸造冷却控制方法及系统 Download PDFInfo
- Publication number
- CN117066496B CN117066496B CN202311336823.7A CN202311336823A CN117066496B CN 117066496 B CN117066496 B CN 117066496B CN 202311336823 A CN202311336823 A CN 202311336823A CN 117066496 B CN117066496 B CN 117066496B
- Authority
- CN
- China
- Prior art keywords
- cooling
- temperature
- record
- value
- pipeline
- 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
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 420
- 238000005266 casting Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013507 mapping Methods 0.000 claims abstract description 116
- 238000009826 distribution Methods 0.000 claims abstract description 69
- 230000033228 biological regulation Effects 0.000 claims description 54
- 239000000498 cooling water Substances 0.000 claims description 49
- 230000009467 reduction Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 7
- 230000003213 activating effect Effects 0.000 claims description 6
- 238000011002 quantification Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims 4
- 238000005058 metal casting Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 16
- 230000008859 change Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D46/00—Controlling, supervising, not restricted to casting covered by a single main group, e.g. for safety reasons
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D27/00—Treating the metal in the mould while it is molten or ductile ; Pressure or vacuum casting
- B22D27/04—Influencing the temperature of the metal, e.g. by heating or cooling the mould
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Molds, Cores, And Manufacturing Methods Thereof (AREA)
Abstract
本发明提供了一种铸造冷却控制方法及系统,涉及金属铸造技术领域,包括:当接收到铸造冷却指令时,交互铸造模具型号,激活温度跟踪映射模块,结合模具冷却温度趋势表,关联温度期望下降曲线,基于左侧、右侧、底部冷却管道分布特征和铸造冷却控制温度期望下降曲线,进行历史跟踪寻优,获取第一冷却控制参数,对模具冷却装置进行控制,采集第一模具温度,当和期望下降曲线不一致时,同步至温度跟踪映射模块,获取第二冷却控制参数,对冷却装置进行动态调节。本发明解决了传统方法基于PID的线性控制,无法精确地跟踪铸造模具温度与期望下降曲线之间的差异,导致温度控制稳定性差的技术问题。
Description
技术领域
本发明涉及金属铸造技术领域,具体涉及一种铸造冷却控制方法及系统。
背景技术
铸造冷却控制是铸造工艺中至关重要的环节,在铸造过程中,通过合理的冷却控制可以调节模具温度、提高产品质量和生产效率,传统的铸造冷却控制方法主要采用PID线性控制策略,然而其存在一些技术限制,例如,传统方法无法准确跟踪温度变化曲线、系统响应不够灵活、无法满足严格的温度要求等。因此需要在铸造冷却过程中能够更加精确地调节冷却参数,实现对温度的精准控制。
发明内容
本申请通过提供了一种铸造冷却控制方法及系统,旨在解决基于PID的线性控制,无法精确地跟踪铸造模具温度与期望下降曲线之间的差异,导致温度控制稳定性差的技术问题。
鉴于上述问题,本申请提供了一种铸造冷却控制方法及系统。
本申请公开的第一个方面,提供了一种铸造冷却控制方法,所述方法包括:当接收到铸造冷却指令时,交互铸造模具型号,激活内嵌于冷却控制器的温度跟踪映射模块;结合模具冷却温度趋势表,对所述铸造模具型号和铸造工艺类型关联温度期望下降曲线;基于左侧冷却管道分布特征,右侧冷却管道分布特征、底部冷却管道分布特征和所述温度期望下降曲线进行历史跟踪寻优,获取第一冷却控制参数;基于所述第一冷却控制参数对模具冷却装置进行控制,通过K型热电偶采集第一模具温度;当所述第一模具温度和所述温度期望下降曲线不一致时,将所述第一模具温度和所述温度期望下降曲线同步至所述温度跟踪映射模块,获取第二冷却控制参数;根据所述第二冷却控制参数对所述模具冷却装置进行动态调节。
本申请公开的另一个方面,提供了一种铸造冷却控制系统,所述系统用于上述方法,所述系统包括:映射模块激活单元,所述映射模块激活单元用于当接收到铸造冷却指令时,交互铸造模具型号,激活内嵌于冷却控制器的温度跟踪映射模块;温度曲线关联单元,所述温度曲线关联单元用于结合模具冷却温度趋势表,对所述铸造模具型号和铸造工艺类型关联温度期望下降曲线;第一参数获取单元,所述第一参数获取单元用于基于左侧冷却管道分布特征,右侧冷却管道分布特征、底部冷却管道分布特征和所述温度期望下降曲线进行历史跟踪寻优,获取第一冷却控制参数;冷却装置控制单元,所述冷却装置控制单元用于基于所述第一冷却控制参数对模具冷却装置进行控制,通过K型热电偶采集第一模具温度;第二参数获取单元,所述第二参数获取单元用于当所述第一模具温度和所述温度期望下降曲线不一致时,将所述第一模具温度和所述温度期望下降曲线同步至所述温度跟踪映射模块,获取第二冷却控制参数;动态调节单元,所述动态调节单元用于根据所述第二冷却控制参数对所述模具冷却装置进行动态调节。
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:
通过内嵌于冷却控制器的温度跟踪映射模块,实现了对铸造模具温度的准确跟踪和映射计算,从而提高了温度控制的精度和稳定性;结合模具冷却温度趋势表和铸造模具型号以及铸造工艺类型,将温度期望下降曲线与具体的铸造模具关联起来,使得温度控制更加智能化和针对性;基于冷却管道分布特征和温度期望下降曲线,利用历史跟踪寻优算法,获取第一冷却控制参数,这个过程通过对历史数据的分析和优化,提高了冷却控制的准确性和稳定性;当第一模具温度与温度期望下降曲线不一致时,将其同步至温度跟踪映射模块,获取第二冷却控制参数,并通过该参数对模具冷却装置进行动态调节,这样可以及时校正温度偏差,使得冷却控制更加精确和稳定。综上所述,该铸造冷却控制方法解决了传统方法无法实现准确温度跟踪和控制稳定性差的技术问题,通过采用温度跟踪映射模块和历史跟踪寻优算法,相较于传统方法,能够更精确地跟踪温度变化,保持温度在期望曲线范围内,并实现更稳定的铸造冷却控制效果。
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一种铸造冷却控制方法流程示意图;
图2为本申请实施例提供了一种铸造冷却控制系统结构示意图。
附图标记说明:映射模块激活单元10,温度曲线关联单元20,第一参数获取单元30,冷却装置控制单元40,第二参数获取单元50,动态调节单元60。
具体实施方式
本申请实施例通过提供一种铸造冷却控制方法,解决了基于PID的线性控制,无法精确地跟踪铸造模具温度与期望下降曲线之间的差异,导致温度控制稳定性差的技术问题。
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一种铸造冷却控制方法,所述方法包括:
当接收到铸造冷却指令时,交互铸造模具型号,激活内嵌于冷却控制器的温度跟踪映射模块。
当接收到铸造冷却指令时,冷却控制系统与操作员进行交互,通过人机界面如触摸屏、键盘等,获取铸造模具的型号信息。冷却控制器内嵌了一个温度跟踪映射模块,用于处理和跟踪模具的温度变化,在接收到铸造模具型号后激活该模块。
进一步而言,当接收到铸造冷却指令时,交互铸造模具型号,激活内嵌于冷却控制器的温度跟踪映射模块,包括:
获取铸造模具表面部署的左侧冷却管道分布特征,右侧冷却管道分布特征和底部冷却管道分布特征;
以所述左侧冷却管道分布特征、所述右侧冷却管道分布特征和所述底部冷却管道分布特征为实验定量,以左侧管道比例阀开度、右侧管道比例阀开度、底部管道比例阀开度、管道冷却水温度、管道冷却水流速、管道冷却时长为实验变量,对预设铸造模具型号进行冷却实验,采集模具冷却控制实验数据集,其中,所述模具冷却控制实验数据集包括实验变量记录集、模具下降温区记录值和温度下降速率记录值;
根据所述模具下降温区记录值和所述实验变量记录集,构建下降温区映射节点;
根据所述温度下降速率记录值和所述实验变量记录集,构建温度下降速率映射节点;
将所述下降温区映射节点和所述温度下降速率映射节点作为并行合并,生成所述温度跟踪映射模块。
观察和记录铸造模具表面左侧部分的冷却管道,获取管道的位置和布局,包括确定管道数量、排列方式、间距等特征,获取左侧冷却管道分布特征。以同样的方式对右侧、底部进行观察,获取右侧冷却管道分布特征和底部冷却管道分布特征。
在实验过程中,记录并收集左侧管道比例阀开度、右侧管道比例阀开度、底部管道比例阀开度、管道冷却水温度、管道冷却水流速、管道冷却时长等实验变量的取值。其中,左侧、右侧、底部管道比例阀开度对冷却水的流量和温度分配起作用;管道冷却水温度表示冷却水在管道中的温度变化情况,反映了不同时刻管道中冷却水的温度情况;管道冷却水流速记录冷却水在管道中的流速变化情况,表示实际冷却水的供应速率;管道冷却时长记录每个冷却控制记录采取的冷却操作持续时间,冷却时长对温度下降效果产生重要影响。这些变量作为输入参数用于模具冷却实验,并在冷却实验中,记录这些值的变化情况,获取实验变量记录集。
在冷却实验中,针对左侧冷却管道分布特征、右侧冷却管道分布特征和底部冷却管道分布特征,记录与这些管道线接近的区域的温度下降值,获取模具下降温区记录值,这些记录值反映了冷却装置对模具不同区域的冷却效果。记录每个区域模具温度的下降速率,以了解冷却装置调节对温度变化的影响,这些记录值描述了模具温度随时间的变化程度。
对于每个记录的模具下降温区值,将其与相应的实验变量记录集相关联,例如左侧冷却管道区域的温度下降值及其对应的左侧管道比例阀开度,通过分析模具下降温区记录值和实验变量记录集,基于BP神经网络,构建下降温区的映射节点,映射节点是一系列的坐标点,其中每个节点都具有实验变量的取值和相应的下降温区值。通过映射节点,可以表示实验变量和下降温区之间的关系图,这样可以更好地理解模具不同区域的温度下降情况,为后续的冷却控制和优化提供参考。
采用构建下降温区映射节点相同的训练方式和函数结构,构建温度下降速率映射节点,为了说明书的简洁,在此不再赘述。
根据构建的下降温区映射节点和温度下降速率映射节点,获取这些节点的数据,基于标识符的对应关系,匹配相同实验变量下的对应温度下降区域和温度下降速率,以此将下降温区映射节点和温度下降速率映射节点进行并行合并,生成温度跟踪映射模块,该模块可以综合考虑下降温区和温度下降速率的信息,提供更准确的温度跟踪和控制参考,以实现更精确的温度跟踪和控制。
进一步而言,根据所述模具下降温区记录值和所述实验变量记录集,构建下降温区映射节点,包括:
所述模具下降温区记录值包括左侧下降温区记录值、右侧下降温区记录值、底部下降温区记录值和下降平均温区记录值;
所述实验变量记录集包括左侧实验变量记录集、右侧实验变量记录集和底部实验变量记录集;
构建下降温区映射损失函数:
;
其中,表征下降温区映射损失值,/>~/>表征第一权重到第四权重,/>~分别表征左侧、右侧和底部下降温区终点预测值,/>表征左侧、右侧和底部下降温区终点预测值的平均预测值,/>~/>表征左侧、右侧、底部的下降温区以及下降平均温区的终点温度记录值;
以所述下降温区映射损失函数,对所述左侧下降温区记录值、所述右侧下降温区记录值、所述底部下降温区记录值和所述下降平均温区记录值,以及所述左侧实验变量记录集、所述右侧实验变量记录集和所述底部实验变量记录集,在BP神经网络中进行拟合训练;
当,且/>,且/>均小于或等于预设温差,且下降温区映射损失小于或等于预设损失值,生成所述下降温区映射节点。
使用温度传感器或热电偶等设备,在铸造过程中对模具多个区域进行温度监测,包括左侧区域、右侧区域、底部区域,根据时间间隔,将温度下降情况进行和统计,并记录下每个区域的下降温度,获取左侧下降温区记录值、右侧下降温区记录值、底部下降温区记录值。结合左侧、右侧和底部三个区域的温度下降情况,将各区域的下降温度相加并求平,计算得到下降平均温区记录值。这些记录值将在后续步骤中用于构建下降温区映射节点和计算下降温区的损失函数,以优化铸造冷却控制的效果。
将与左侧下降温区相关的实验变量记录整理为左侧实验变量记录集,包括左侧管道比例阀开度、冷却水温度、冷却水流速等与左侧冷却管道相关的参数。类似地,将与右侧下降温区相关的实验变量记录整理为右侧实验变量记录集,将与底部下降温区相关的实验变量记录整理为底部实验变量记录集。
通过整理和分类实验变量记录,可以更好地区分和使用不同位置的实验变量信息,以生成准确的下降温区映射模块。
在上述公式中,通过计算模型预测的下降温区终点值与实际下降温区终点值之间的差距的平方,来表示下降温区映射损失,该损失函数的目标是最小化预测值与实际值之间的误差,以使生成的下降温区映射节点更加准确,能够更好地预测模具在不同区域的温度下降情况。通过优化损失函数,可以得到更精确的映射节点,并提高冷却控制系统的性能和效果。
将左侧下降温区记录值、右侧下降温区记录值、底部下降温区记录值、下降平均温区记录值以及对应的实验变量记录集组合成用于训练的训练数据集,构建BP神经网络模型,网络的输入层包含左侧、右侧和底部实验变量记录集的节点数,输出层包含分别预测左侧、右侧、底部下降温区的节点数。设置神经网络的相关参数,如学习率、批次大小等,并确定训练停止条件,如准确率、训练次数。
使用构建的训练数据集,在BP神经网络中进行训练,在每个训练迭代中,计算对应于左侧、右侧和底部下降温区的预测值,并根据下降温区映射损失函数对这些预测值与实际记录值之间的差距进行计算。基于计算得到的损失函数值,使用反向传播算法来更新神经网络的权重和偏置,以逐步优化模型的性能。重复进行迭代训练过程,直到达到预设的停止条件。
根据实际情况和具体需求设定预设温差和预设损失值,预设温差和预设损失值表示可接受的温差和损失值的上限,用于对温差和损失值进行判断。检查左侧、右侧和底部下降温区的预测值与实际记录值之间的差距的平方,将其与预设温差进行对比,判断它们是否均小于等于预设温差;监测在训练过程中计算得到的下降温区映射损失函数的数值,并将其与预设损失值进行比对,判断它们是否均小于等于预设损失值。
当上述两个条件均满足时,即预测误差小于或等于预设温差,且下降温区映射损失小于或等于预设损失值,表明模型的预测相对准确且稳定,能够较好地预测模具不同区域的温度下降情况,即可生成下降温区映射节点,生成的节点用于后续的温度跟踪和冷却控制过程,以提供更准确的温度调节参考。
结合模具冷却温度趋势表,对所述铸造模具型号和铸造工艺类型关联温度期望下降曲线;
获取历史铸造冷却数据,提取不同铸造模具型号和铸造工艺类型,及其对应的温度期望下降曲线,并将温度期望下降曲线和铸造模具型号和铸造工艺类型一一关联存储,建立模具冷却温度趋势表,表中包含不同铸造模具型号和铸造工艺类型的温度期望下降曲线。
将接收到的铸造模具型号和铸造工艺类型与模具冷却温度趋势表进行匹配,比较模具型号和类型,找到匹配的曲线,并将其与铸造模具相关联,获取当前铸造模具型号和铸造工艺类型下的温度期望下降曲线。
基于左侧冷却管道分布特征,右侧冷却管道分布特征、底部冷却管道分布特征和所述温度期望下降曲线进行历史跟踪寻优,获取第一冷却控制参数;
进一步而言,基于左侧冷却管道分布特征,右侧冷却管道分布特征、底部冷却管道分布特征和所述温度期望下降曲线进行历史跟踪寻优,获取第一冷却控制参数,包括:
结合所述左侧冷却管道分布特征,所述右侧冷却管道分布特征、所述底部冷却管道分布特征和所述温度期望下降曲线,在所述铸造模具型号和所述铸造工艺类型中进行控制回溯,获取多组历史冷却控制记录值;
其中,任意一组所述历史冷却控制记录值包括左侧管道比例阀开度记录值、右侧管道比例阀开度记录值、底部管道比例阀开度记录值、管道冷却水温度记录值、管道冷却水流速记录值、管道冷却时长记录值和温度下降曲线记录值;
对所述温度下降曲线记录值和所述温度期望下降曲线进行相似度评价,生成下降曲线相似系数;
提取所述下降曲线相似系数的最大值的所述左侧管道比例阀开度记录值、所述右侧管道比例阀开度记录值、所述底部管道比例阀开度记录值、所述管道冷却水温度记录值、所述管道冷却水流速记录值、所述管道冷却时长记录值,设为所述第一冷却控制参数。
通过查询存储的历史数据记录,回顾先前的铸造过程,并根据铸造模具的型号、工艺类型,以及左侧、右侧和底部冷却管道的分布特征,和温度期望下降曲线,提取相关的历史数据,从历史记录中选择与之相关的冷却控制记录值,包括左侧管道比例阀开度记录值、右侧管道比例阀开度记录值、底部管道比例阀开度记录值、管道冷却水温度记录值、管道冷却水流速记录值、管道冷却时长记录值和温度下降曲线记录值。这些记录值反映了每个历史冷却控制记录组中的数据情况,其中,温度下降曲线记录值指示相应冷却操作期间的模具温度下降情况,以时间为自变量,显示温度随时间的变化趋势。
通过记录和整理上述信息,得到多组历史冷却控制记录值,这些记录将用于后续的步骤。
使用相似度评价函数,评估历史温度下降曲线与期望温度下降曲线之间的相似度,计算得到下降曲线的相似系数,该系数描述了历史温度下降曲线与期望温度下降曲线之间的相似程度,数值越接近1表示两条曲线越相似,数值越小则相似度越低,用于衡量历史冷却控制操作中实际温度变化与期望温度变化之间的一致性。
所述相似度评价函数为:
;
其中,表征下降曲线相似系数,e为常数,/>表征第k时刻的温度下降曲线记录值的温度值,/>表征第k时刻的温度期望下降曲线的温度值,n表征时刻总数。
这个相似度评价函数根据温度下降曲线记录值与期望曲线之间的温度差异进行相似度量化,可以基于这个评价函数生成准确的下降曲线相似系数来衡量历史冷却控制操作与期望温度下降曲线之间的一致性。
根据计算得到的下降曲线的相似系数,找到最大相似系数对应的历史记录,这表示这组历史记录与期望下降曲线的匹配度最高。从最大相似系数对应的历史记录中提取左侧管道比例阀开度记录值、右侧管道比例阀开度记录值、底部管道比例阀开度记录值、管道冷却水温度记录值、管道冷却水流速记录值以及管道冷却时长记录值,将提取得到的上述参数设定为第一冷却控制参数,这些参数代表了历史冷却控制操作中在最佳匹配下的关键控制因素。
基于所述第一冷却控制参数对模具冷却装置进行控制,通过K型热电偶采集第一模具温度;
根据获取的第一冷却控制参数,调节模具冷却装置对应的参数值,对其进行控制。将一个或多个K型热电偶与模具接触,以采集第一模具的温度,K型热电偶是一种温度传感器,由感温元件、安装固定装置和接线盒等主要部件组成,能够将温度转化为电信号输出。通过将热电偶与模具接触,实时采集获得第一模具的温度值。这样可以提供实时的温度反馈,从而更好地控制铸造过程中的冷却操作。
当所述第一模具温度和所述温度期望下降曲线不一致时,将所述第一模具温度和所述温度期望下降曲线同步至所述温度跟踪映射模块,获取第二冷却控制参数;
进一步而言,当所述第一模具温度和所述温度期望下降曲线不一致时,将所述第一模具温度和所述温度期望下降曲线同步至所述温度跟踪映射模块,获取第二冷却控制参数,包括:
当所述第一模具温度和所述温度期望下降曲线的偏离温差大于或等于一致性温差阈值,视为所述第一模具温度和所述温度期望下降曲线不一致;
以所述第一模具温度为起始温度,以所述温度期望下降曲线的温度为终点温度,构建温度调节区间;
设定温度调节速率,结合所述温度调节区间,基于历史冷却控制记录值对冷却控制参数进行赋值,生成多组历史调节控制记录值;
基于所述温度跟踪映射模块,对所述多组历史调节控制记录值进行映射,获取温度调节区间映射值和温度调节速率映射值;
当所述温度调节区间映射值和所述温度调节区间的偏差小于或等于第一预设偏差,且所述温度调节速率映射值和所述温度调节速率小于或等于第二预设偏差,生成所述第二冷却控制参数进行调节,当所述第一模具温度和所述温度期望下降曲线一致时,转换为所述第一冷却控制参数对模具冷却装置进行控制。
根据具体需求,确定一致性温差阈值,该阈值用来判断第一模具温度和温度期望下降曲线之间的偏离程度。对比第一模具温度与相应时刻的温度期望下降曲线的温度值,计算其绝对差值,得到在各个时刻下的偏离温差。将计算得到的偏离温差与一致性温差阈值进行比较,如果偏离温差大于或等于一致性温差阈值,则判定第一模具温度和温度期望下降曲线不一致。
将第一模具温度作为温度调节区间的起始温度,参考温度期望下降曲线,确定时间点对应的温度值作为温度调节区间的终点温度,构建温度调节区间,这个区间表示需要进行温度调节的范围。
根据系统能力和操作限制,确定在温度调节区间内进行的温度变化速率,即设置温度调节的速度大小,将设定好的温度调节速率与温度调节区间相结合,以确保在给定的时间范围内完成所需的温度变化,使用以往采集到的历史冷却控制记录值,包括左侧管道比例阀开度记录值、右侧管道比例阀开度记录值、底部管道比例阀开度记录值、管道冷却水温度记录值、管道冷却水流速记录值和管道冷却时长记录值等,对冷却控制参数进行赋值,生成多组历史调节控制记录值,这些记录值反映了在给定温度调节速率下,在温度调节区间内实施的具体冷却控制操作。
将多组历史调节控制记录值输入温度跟踪映射模块的下降温区映射节点、温度下降速率映射节点,进行映射计算,获取与温度调节区间相关的映射值,这个映射值表示历史调节控制记录值在温度调节区间中的对应状态;获取与温度调节速率相关的映射值,这个映射值表示历史调节控制记录值中所采用的温度调节速率。
确定第一预设偏差和第二预设偏差,这些偏差用来判断温度调节区间映射值与温度调节区间以及温度调节速率映射值与温度调节速率之间的偏差界限。
将温度调节区间映射值与温度调节区间进行比较,计算它们之间的偏差,如果该偏差小于或等于第一预设偏差,则满足调节区间的一致性要求;将温度调节速率映射值与温度调节速率进行比较,计算它们之间的偏差,如果该偏差小于或等于第二预设偏差,则满足调节速率的一致性要求。
当温度调节区间偏差和温度调节速率偏差都在预设偏差范围内时,生成第二冷却控制参数,这些参数包括管道比例阀开度、冷却水温度、冷却水流速等,以使冷却装置按照新的控制策略进行调节。
如果第一模具温度和温度期望下降曲线一致,在两者之间没有明显的偏差时,则转换为使用第一冷却控制参数对模具冷却装置进行控制,这表示冷却控制已经达到了一致性,无需继续调节。这样能够根据温度调节区间和速率的一致性情况来灵活调整冷却控制策略,以满足期望的温度调节要求。
进一步而言,还包括:
当所述多组历史调节控制记录值,均无法满足所述第一预设偏差和所述第二预设偏差时,获取所述多组历史调节控制记录值中的第一组控制记录值、第二组控制记录值和第三组控制记录值;
其中,所述第一组控制记录值的所述第一预设偏差为最小,所述第二组控制记录值的所述第二预设偏差为最小,所述第三组控制记录值的所述第一预设偏差和所述第二预设偏差的和最小;
遍历冷却控制参数属性,设定扰动幅值区间,对所述第一组控制记录值、所述第二组控制记录值和所述第三组控制记录值进行扰动,生成控制参数扩充值;
结合所述温度跟踪映射模块对所述控制参数扩充值进行筛选,获取所述第二冷却控制参数。
当遍历完所有的历史调节控制记录值,均无法同时满足所述第一预设偏差和所述第二预设偏差时,
对于每组控制记录值,获取使得第一预设偏差最小的记录值,作为第一组控制记录值;获取使得第二预设偏差最小的记录值,作为第二组控制记录值;对于每组控制记录值,计算其第一预设偏差和第二预设偏差的和,获取计算结果最小的记录值,作为第三组控制记录值。筛选的这些记录值在没有最佳记录值的情况下,提供次优的值,作为后续步骤中进行参数扩充和筛选的基础。
对于每个冷却控制参数属性,例如管道比例阀开度、冷却水温度、冷却水流速等,依次设定一个扰动幅值区间,这个幅值区间决定了在进行参数扩充时允许的变化范围。在每个冷却控制参数属性上,以设定的扰动幅值区间为基准,在第一组、第二组和第三组控制记录值的原始值上进行扰动操作,可以增加或减少相应的数值,使其偏离原始值。对扰动后的控制记录值进行保存,作为控制参数的扩充值,这些扩充值包含冷却控制参数属性在扰动幅值区间内的变化信息。
通过温度跟踪映射模块,对控制参数扩充值进行映射计算,这个映射过程考虑了控制参数扩充值的各个属性,以及它们与温度调节区间映射值和温度调节速率映射值之间的关系。基于温度跟踪映射模块的输出,筛选出满足要求的控制参数扩充值,这些符合要求的扩充值表示在考虑存储的温度调节区间和速率下,能够达到期望的温度调节要求。从经过筛选的控制参数扩充值中提取出第二冷却控制参数,这些参数包括经过扰动和筛选后的管道比例阀开度、冷却水温度、冷却水流速等参数,用于进一步的模具冷却装置控制。
根据所述第二冷却控制参数对所述模具冷却装置进行动态调节。
使用获取到的第二冷却控制参数,调整一系列的控制设备,如管道比例阀开度、冷却水温度、冷却水流速等,完成对模具冷却装置的动态调节,在调整过程中,实时监测和记录模具的温度变化,将采集到的温度数据与期望下降曲线进行比较,从而确保调节结果与预期一致。这样可以根据实时的温度情况和期望下降曲线优化冷却控制,使模具在铸造过程中获得更好的冷却效果,提高产品质量和生产效率。
综上所述,本申请实施例所提供的一种铸造冷却控制方法及系统具有如下技术效果:
1.通过内嵌于冷却控制器的温度跟踪映射模块,实现了对铸造模具温度的准确跟踪和映射计算,从而提高了温度控制的精度和稳定性;
2.结合模具冷却温度趋势表和铸造模具型号以及铸造工艺类型,将温度期望下降曲线与具体的铸造模具关联起来,使得温度控制更加智能化和针对性;
3.基于冷却管道分布特征和温度期望下降曲线,利用历史跟踪寻优算法,获取第一冷却控制参数,这个过程通过对历史数据的分析和优化,提高了冷却控制的准确性和稳定性;
4.当第一模具温度与温度期望下降曲线不一致时,将其同步至温度跟踪映射模块,获取第二冷却控制参数,并通过该参数对模具冷却装置进行动态调节,这样可以及时校正温度偏差,使得冷却控制更加精确和稳定。
综上所述,该铸造冷却控制方法解决了传统方法无法实现准确温度跟踪和控制稳定性差的技术问题,通过采用温度跟踪映射模块和历史跟踪寻优算法,相较于传统方法,能够更精确地跟踪温度变化,保持温度在期望曲线范围内,并实现更稳定的铸造冷却控制效果。
实施例二
基于与前述实施例中一种铸造冷却控制方法相同的发明构思,如图2所示,本申请提供了一种铸造冷却控制系统,所述系统包括:
映射模块激活单元10,所述映射模块激活单元10用于当接收到铸造冷却指令时,交互铸造模具型号,激活内嵌于冷却控制器的温度跟踪映射模块;
温度曲线关联单元20,所述温度曲线关联单元20用于结合模具冷却温度趋势表,对所述铸造模具型号和铸造工艺类型关联温度期望下降曲线;
第一参数获取单元30,所述第一参数获取单元30用于基于左侧冷却管道分布特征,右侧冷却管道分布特征、底部冷却管道分布特征和所述温度期望下降曲线进行历史跟踪寻优,获取第一冷却控制参数;
冷却装置控制单元40,所述冷却装置控制单元40用于基于所述第一冷却控制参数对模具冷却装置进行控制,通过K型热电偶采集第一模具温度;
第二参数获取单元50,所述第二参数获取单元50用于当所述第一模具温度和所述温度期望下降曲线不一致时,将所述第一模具温度和所述温度期望下降曲线同步至所述温度跟踪映射模块,获取第二冷却控制参数;
动态调节单元60,所述动态调节单元60用于根据所述第二冷却控制参数对所述模具冷却装置进行动态调节。
进一步而言,所述系统还包括映射节点生成模块,以执行如下操作步骤:
获取铸造模具表面部署的左侧冷却管道分布特征,右侧冷却管道分布特征和底部冷却管道分布特征;
以所述左侧冷却管道分布特征所述右侧冷却管道分布特征和所述底部冷却管道分布特征为实验定量,以左侧管道比例阀开度、右侧管道比例阀开度、底部管道比例阀开度、管道冷却水温度、管道冷却水流速、管道冷却时长为实验变量,对预设铸造模具型号进行冷却实验,采集模具冷却控制实验数据集,其中,所述模具冷却控制实验数据集包括实验变量记录集、模具下降温区记录值和温度下降速率记录值;
根据所述模具下降温区记录值和所述实验变量记录集,构建下降温区映射节点;
根据所述温度下降速率记录值和所述实验变量记录集,构建温度下降速率映射节点;
将所述下降温区映射节点和所述温度下降速率映射节点作为并行合并,生成所述温度跟踪映射模块。
进一步而言,所述系统还包括下降温区映射节点生成模块,以执行如下操作步骤:
所述模具下降温区记录值包括左侧下降温区记录值、右侧下降温区记录值、底部下降温区记录值和下降平均温区记录值;
所述实验变量记录集包括左侧实验变量记录集、右侧实验变量记录集和底部实验变量记录集;
构建下降温区映射损失函数:
;
其中,表征下降温区映射损失值,/>~/>表征第一权重到第四权重,/>~分别表征左侧、右侧和底部下降温区终点预测值,/>表征左侧、右侧和底部下降温区终点预测值的平均预测值,/>~/>表征左侧、右侧、底部的下降温区以及下降平均温区的终点温度记录值;
以所述下降温区映射损失函数,对所述左侧下降温区记录值、所述右侧下降温区记录值、所述底部下降温区记录值和所述下降平均温区记录值,以及所述左侧实验变量记录集、所述右侧实验变量记录集和所述底部实验变量记录集,在BP神经网络中进行拟合训练;
当,且/>,且/>均小于或等于预设温差,且下降温区映射损失小于或等于预设损失值,生成所述下降温区映射节点。
进一步而言,所述系统还包括控制参数生成模块,以执行如下操作步骤:
结合所述左侧冷却管道分布特征,所述右侧冷却管道分布特征、所述底部冷却管道分布特征和所述温度期望下降曲线,在所述铸造模具型号和所述铸造工艺类型中进行控制回溯,获取多组历史冷却控制记录值;
其中,任意一组所述历史冷却控制记录值包括左侧管道比例阀开度记录值、右侧管道比例阀开度记录值、底部管道比例阀开度记录值、管道冷却水温度记录值、管道冷却水流速记录值、管道冷却时长记录值和温度下降曲线记录值;
对所述温度下降曲线记录值和所述温度期望下降曲线进行相似度评价,生成下降曲线相似系数;
提取所述下降曲线相似系数的最大值的所述左侧管道比例阀开度记录值、所述右侧管道比例阀开度记录值、所述底部管道比例阀开度记录值、所述管道冷却水温度记录值、所述管道冷却水流速记录值、所述管道冷却时长记录值,设为所述第一冷却控制参数。
进一步而言,所述相似度评价函数为:
;
其中,表征下降曲线相似系数,e为常数,/>表征第k时刻的温度下降曲线记录值的温度值,/>表征第k时刻的温度期望下降曲线的温度值,n表征时刻总数。
进一步而言,所述系统还包括装置控制模块,以执行如下操作步骤:
当所述第一模具温度和所述温度期望下降曲线的偏离温差大于或等于一致性温差阈值,视为所述第一模具温度和所述温度期望下降曲线不一致;
以所述第一模具温度为起始温度,以所述温度期望下降曲线的温度为终点温度,构建温度调节区间;
设定温度调节速率,结合所述温度调节区间,基于历史冷却控制记录值对冷却控制参数进行赋值,生成多组历史调节控制记录值;
基于所述温度跟踪映射模块,对所述多组历史调节控制记录值进行映射,获取温度调节区间映射值和温度调节速率映射值;
当所述温度调节区间映射值和所述温度调节区间的偏差小于或等于第一预设偏差,且所述温度调节速率映射值和所述温度调节速率小于或等于第二预设偏差,生成所述第二冷却控制参数进行调节,当所述第一模具温度和所述温度期望下降曲线一致时,转换为所述第一冷却控制参数对模具冷却装置进行控制。
进一步而言,所述系统还包括第二冷却控制参数生成模块,以执行如下操作步骤:
当所述多组历史调节控制记录值,均无法满足所述第一预设偏差和所述第二预设偏差时,获取所述多组历史调节控制记录值中的第一组控制记录值、第二组控制记录值和第三组控制记录值;
其中,所述第一组控制记录值的所述第一预设偏差为最小,所述第二组控制记录值的所述第二预设偏差为最小,所述第三组控制记录值的所述第一预设偏差和所述第二预设偏差的和最小;
遍历冷却控制参数属性,设定扰动幅值区间,对所述第一组控制记录值、所述第二组控制记录值和所述第三组控制记录值进行扰动,生成控制参数扩充值;
结合所述温度跟踪映射模块对所述控制参数扩充值进行筛选,获取所述第二冷却控制参数。
本说明书通过前述对一种铸造冷却控制方法的详细描述,本领域技术人员可以清楚得知道本实施例中一种铸造冷却控制方法及系统,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)
1.一种铸造冷却控制方法,其特征在于,所述方法包括:
当接收到铸造冷却指令时,交互铸造模具型号,激活内嵌于冷却控制器的温度跟踪映射模块,包括,
获取铸造模具表面部署的左侧冷却管道分布特征,右侧冷却管道分布特征和底部冷却管道分布特征;
以所述左侧冷却管道分布特征所述右侧冷却管道分布特征和所述底部冷却管道分布特征为实验定量,以左侧管道比例阀开度、右侧管道比例阀开度、底部管道比例阀开度、管道冷却水温度、管道冷却水流速、管道冷却时长为实验变量,对预设铸造模具型号进行冷却实验,采集模具冷却控制实验数据集,其中,所述模具冷却控制实验数据集包括实验变量记录集、模具下降温区记录值和温度下降速率记录值;
根据所述模具下降温区记录值和所述实验变量记录集,构建下降温区映射节点,包括,
所述模具下降温区记录值包括左侧下降温区记录值、右侧下降温区记录值、底部下降温区记录值和下降平均温区记录值;
所述实验变量记录集包括左侧实验变量记录集、右侧实验变量记录集和底部实验变量记录集;
构建下降温区映射损失函数:
;
其中,表征下降温区映射损失值,/>~/>表征第一权重到第四权重,/>~/>分别表征左侧、右侧和底部下降温区终点预测值,/>表征左侧、右侧和底部下降温区终点预测值的平均预测值,/>~/>表征左侧、右侧、底部的下降温区以及下降平均温区的终点温度记录值;
以所述下降温区映射损失函数,对所述左侧下降温区记录值、所述右侧下降温区记录值、所述底部下降温区记录值和所述下降平均温区记录值,以及所述左侧实验变量记录集、所述右侧实验变量记录集和所述底部实验变量记录集,在BP神经网络中进行拟合训练;
当,且/>,且/>均小于或等于预设温差,且下降温区映射损失小于或等于预设损失值,生成所述下降温区映射节点;
根据所述温度下降速率记录值和所述实验变量记录集,构建温度下降速率映射节点;
将所述下降温区映射节点和所述温度下降速率映射节点作为并行合并,生成所述温度跟踪映射模块;
结合模具冷却温度趋势表,对所述铸造模具型号和铸造工艺类型关联温度期望下降曲线;
基于左侧冷却管道分布特征,右侧冷却管道分布特征、底部冷却管道分布特征和所述温度期望下降曲线进行历史跟踪寻优,获取第一冷却控制参数,包括,
结合所述左侧冷却管道分布特征,所述右侧冷却管道分布特征、所述底部冷却管道分布特征和所述温度期望下降曲线,在所述铸造模具型号和所述铸造工艺类型中进行控制回溯,获取多组历史冷却控制记录值;
其中,任意一组所述历史冷却控制记录值包括左侧管道比例阀开度记录值、右侧管道比例阀开度记录值、底部管道比例阀开度记录值、管道冷却水温度记录值、管道冷却水流速记录值、管道冷却时长记录值和温度下降曲线记录值;
对所述温度下降曲线记录值和所述温度期望下降曲线进行相似度评价,生成下降曲线相似系数,生成下降曲线相似系数,包括,
所述相似度评价函数为:
;
其中,表征下降曲线相似系数,e为常数,/>表征第k时刻的温度下降曲线记录值的温度值,/>表征第k时刻的温度期望下降曲线的温度值,n表征时刻总数;
提取所述下降曲线相似系数的最大值的所述左侧管道比例阀开度记录值、所述右侧管道比例阀开度记录值、所述底部管道比例阀开度记录值、所述管道冷却水温度记录值、所述管道冷却水流速记录值、所述管道冷却时长记录值,设为所述第一冷却控制参数;
基于所述第一冷却控制参数对模具冷却装置进行控制,通过K型热电偶采集第一模具温度;
当所述第一模具温度和所述温度期望下降曲线不一致时,将所述第一模具温度和所述温度期望下降曲线同步至所述温度跟踪映射模块,获取第二冷却控制参数;
根据所述第二冷却控制参数对所述模具冷却装置进行动态调节。
2.如权利要求1所述的方法,其特征在于,当所述第一模具温度和所述温度期望下降曲线不一致时,将所述第一模具温度和所述温度期望下降曲线同步至所述温度跟踪映射模块,获取第二冷却控制参数,包括:
当所述第一模具温度和所述温度期望下降曲线的偏离温差大于或等于一致性温差阈值,视为所述第一模具温度和所述温度期望下降曲线不一致;
以所述第一模具温度为起始温度,以所述温度期望下降曲线的温度为终点温度,构建温度调节区间;
设定温度调节速率,结合所述温度调节区间,基于历史冷却控制记录值对冷却控制参数进行赋值,生成多组历史调节控制记录值;
基于所述温度跟踪映射模块,对所述多组历史调节控制记录值进行映射,获取温度调节区间映射值和温度调节速率映射值;
当所述温度调节区间映射值和所述温度调节区间的偏差小于或等于第一预设偏差,且所述温度调节速率映射值和所述温度调节速率小于或等于第二预设偏差,生成所述第二冷却控制参数进行调节,当所述第一模具温度和所述温度期望下降曲线一致时,转换为所述第一冷却控制参数对模具冷却装置进行控制。
3.如权利要求2所述的方法,其特征在于,还包括:
当所述多组历史调节控制记录值,均无法满足所述第一预设偏差和所述第二预设偏差时,获取所述多组历史调节控制记录值中的第一组控制记录值、第二组控制记录值和第三组控制记录值;
其中,所述第一组控制记录值的所述第一预设偏差为最小,所述第二组控制记录值的所述第二预设偏差为最小,所述第三组控制记录值的所述第一预设偏差和所述第二预设偏差的和最小;
遍历冷却控制参数属性,设定扰动幅值区间,对所述第一组控制记录值、所述第二组控制记录值和所述第三组控制记录值进行扰动,生成控制参数扩充值;
结合所述温度跟踪映射模块对所述控制参数扩充值进行筛选,获取所述第二冷却控制参数。
4.一种铸造冷却控制系统,其特征在于,用于实施权利要求1-3任一项所述的一种铸造冷却控制方法,包括:
映射模块激活单元,所述映射模块激活单元用于当接收到铸造冷却指令时,交互铸造模具型号,激活内嵌于冷却控制器的温度跟踪映射模块;
温度曲线关联单元,所述温度曲线关联单元用于结合模具冷却温度趋势表,对所述铸造模具型号和铸造工艺类型关联温度期望下降曲线;
第一参数获取单元,所述第一参数获取单元用于基于左侧冷却管道分布特征,右侧冷却管道分布特征、底部冷却管道分布特征和所述温度期望下降曲线进行历史跟踪寻优,获取第一冷却控制参数;
冷却装置控制单元,所述冷却装置控制单元用于基于所述第一冷却控制参数对模具冷却装置进行控制,通过K型热电偶采集第一模具温度;
第二参数获取单元,所述第二参数获取单元用于当所述第一模具温度和所述温度期望下降曲线不一致时,将所述第一模具温度和所述温度期望下降曲线同步至所述温度跟踪映射模块,获取第二冷却控制参数;
动态调节单元,所述动态调节单元用于根据所述第二冷却控制参数对所述模具冷却装置进行动态调节;
管道分布特征获取单元,所述管道分布特征获取单元用于获取铸造模具表面部署的左侧冷却管道分布特征,右侧冷却管道分布特征和底部冷却管道分布特征;
实验数据集获取单元,所述实验数据集获取单元用于以所述左侧冷却管道分布特征所述右侧冷却管道分布特征和所述底部冷却管道分布特征为实验定量,以左侧管道比例阀开度、右侧管道比例阀开度、底部管道比例阀开度、管道冷却水温度、管道冷却水流速、管道冷却时长为实验变量,对预设铸造模具型号进行冷却实验,采集模具冷却控制实验数据集,其中,所述模具冷却控制实验数据集包括实验变量记录集、模具下降温区记录值和温度下降速率记录值;
下降温区映射节点构建单元,所述下降温区映射节点构建单元用于根据所述模具下降温区记录值和所述实验变量记录集,构建下降温区映射节点;
下降速率映射节点构建单元,所述下降速率映射节点构建单元用于根据所述温度下降速率记录值和所述实验变量记录集,构建温度下降速率映射节点;
温度跟踪映射模块构建单元,所述温度跟踪映射模块构建单元用于将所述下降温区映射节点和所述温度下降速率映射节点作为并行合并,生成所述温度跟踪映射模块;
下降温区记录值说明单元,所述模具下降温区记录值包括左侧下降温区记录值、右侧下降温区记录值、底部下降温区记录值和下降平均温区记录值;
实验变量记录集说明单元,所述实验变量记录集包括左侧实验变量记录集、右侧实验变量记录集和底部实验变量记录集;
损失函数构建单元,所述损失函数构建单元用于构建下降温区映射损失函数:
;
其中,表征下降温区映射损失值,/>~/>表征第一权重到第四权重,/>~/>分别表征左侧、右侧和底部下降温区终点预测值,/>表征左侧、右侧和底部下降温区终点预测值的平均预测值,/>~/>表征左侧、右侧、底部的下降温区以及下降平均温区的终点温度记录值;
拟合训练单元,所述拟合训练单元用于以所述下降温区映射损失函数,对所述左侧下降温区记录值、所述右侧下降温区记录值、所述底部下降温区记录值和所述下降平均温区记录值,以及所述左侧实验变量记录集、所述右侧实验变量记录集和所述底部实验变量记录集,在BP神经网络中进行拟合训练;
下降温区映射节点生成单元,所述下降温区映射节点生成单元用于当,且/>,且/>均小于或等于预设温差,且下降温区映射损失小于或等于预设损失值,生成所述下降温区映射节点;
控制回溯单元,所述控制回溯单元用于结合所述左侧冷却管道分布特征,所述右侧冷却管道分布特征、所述底部冷却管道分布特征和所述温度期望下降曲线,在所述铸造模具型号和所述铸造工艺类型中进行控制回溯,获取多组历史冷却控制记录值;
历史冷却控制记录值说明单元,其中,任意一组所述历史冷却控制记录值包括左侧管道比例阀开度记录值、右侧管道比例阀开度记录值、底部管道比例阀开度记录值、管道冷却水温度记录值、管道冷却水流速记录值、管道冷却时长记录值和温度下降曲线记录值;
相似度评价单元,所述相似度评价单元用于对所述温度下降曲线记录值和所述温度期望下降曲线进行相似度评价,生成下降曲线相似系数;
第一冷却控制参数设置单元,所述第一冷却控制参数设置单元用于提取所述下降曲线相似系数的最大值的所述左侧管道比例阀开度记录值、所述右侧管道比例阀开度记录值、所述底部管道比例阀开度记录值、所述管道冷却水温度记录值、所述管道冷却水流速记录值、所述管道冷却时长记录值,设为所述第一冷却控制参数;
相似度评价函数说明单元,所述相似度评价函数为:
;
其中,表征下降曲线相似系数,e为常数,/>表征第k时刻的温度下降曲线记录值的温度值,/>表征第k时刻的温度期望下降曲线的温度值,n表征时刻总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336823.7A CN117066496B (zh) | 2023-10-17 | 2023-10-17 | 一种铸造冷却控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336823.7A CN117066496B (zh) | 2023-10-17 | 2023-10-17 | 一种铸造冷却控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117066496A CN117066496A (zh) | 2023-11-17 |
CN117066496B true CN117066496B (zh) | 2024-01-23 |
Family
ID=88717640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311336823.7A Active CN117066496B (zh) | 2023-10-17 | 2023-10-17 | 一种铸造冷却控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117066496B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117556712B (zh) * | 2024-01-10 | 2024-05-03 | 张家港广大特材股份有限公司 | 一种特种钢材铸造成型的控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112427624A (zh) * | 2020-11-04 | 2021-03-02 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的铸锻双控成型系统及参数优化方法 |
CN113642160A (zh) * | 2021-07-26 | 2021-11-12 | 南京工业大学 | 一种基于bp神经网络和鱼群算法的铝合金发动机缸体铸造工艺设计优化方法 |
CN116595383A (zh) * | 2023-06-14 | 2023-08-15 | 镇江香江云动力科技有限公司 | 一种数据中心存储单元的智能冷却方法 |
CN116727637A (zh) * | 2023-08-14 | 2023-09-12 | 中信戴卡股份有限公司 | 一种数字模温控制压铸机 |
CN116882585A (zh) * | 2023-07-28 | 2023-10-13 | 燕山大学 | 一种遗传算法和神经网络耦合的铝合金轮毂低压铸造工艺优化方法 |
-
2023
- 2023-10-17 CN CN202311336823.7A patent/CN117066496B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112427624A (zh) * | 2020-11-04 | 2021-03-02 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的铸锻双控成型系统及参数优化方法 |
CN113642160A (zh) * | 2021-07-26 | 2021-11-12 | 南京工业大学 | 一种基于bp神经网络和鱼群算法的铝合金发动机缸体铸造工艺设计优化方法 |
CN116595383A (zh) * | 2023-06-14 | 2023-08-15 | 镇江香江云动力科技有限公司 | 一种数据中心存储单元的智能冷却方法 |
CN116882585A (zh) * | 2023-07-28 | 2023-10-13 | 燕山大学 | 一种遗传算法和神经网络耦合的铝合金轮毂低压铸造工艺优化方法 |
CN116727637A (zh) * | 2023-08-14 | 2023-09-12 | 中信戴卡股份有限公司 | 一种数字模温控制压铸机 |
Also Published As
Publication number | Publication date |
---|---|
CN117066496A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117066496B (zh) | 一种铸造冷却控制方法及系统 | |
TWI543102B (zh) | 異因分析與校正方法與系統 | |
CN109583585B (zh) | 一种电站锅炉壁温预测神经网络模型的构建方法 | |
CN109976147B (zh) | 一种基于智能学习的大体积混凝土温控方法 | |
CN109992921B (zh) | 一种燃煤电厂锅炉热效率的在线软测量方法及系统 | |
CN106990763A (zh) | 一种基于数据挖掘的立磨运行调控系统及方法 | |
CN116625134B (zh) | 基于5g技术的电炉温度监测控制方法及系统 | |
CN107239066B (zh) | 一种基于数据挖掘的立磨运行闭环控制装置及方法 | |
CN103543719A (zh) | 一种基于工况的流程行业操作模式自适应调整方法 | |
CN114036452B (zh) | 一种应用于离散型生产线的产能评估方法 | |
CN111254243A (zh) | 一种高炉出铁过程堵铁口时间智能确定方法及系统 | |
CN113515049A (zh) | 一种燃气蒸汽联合循环发电机组运行调控系统及调控方法 | |
CN106777652B (zh) | 一种预测高炉透气性的方法 | |
CN111340269B (zh) | 用于流程工业过程的实时优化方法 | |
CN102129242A (zh) | 基于两层混合智能优化的批处理生产过程产品质量控制方法 | |
CN112199365A (zh) | 供热系统监测数据异常识别方法 | |
CN118009418A (zh) | 用于火电机组的供热抽气控制方法及系统 | |
CN116915122B (zh) | 一种煤矿变频设备的自适应控制方法及系统 | |
CN117232317B (zh) | 换热机组远程控制方法和远程控制系统 | |
JP2013137774A (ja) | プロセスの状態予測方法およびプロセス状態予測システム | |
CN116595383A (zh) | 一种数据中心存储单元的智能冷却方法 | |
CN112132428B (zh) | 基于大数据的蒸汽热网配汽站预测性调控决策方法 | |
CN107766972B (zh) | 一种能源流量延迟时间的获取方法和装置 | |
CN117054734B (zh) | 一种铜板熔炼能耗的监测方法及系统 | |
CN117574290B (zh) | 基于机理与数据协同驱动的热力数据异常检测及修复方法 |
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 |