CN117077991B - 一种用于铝合金的性能自适应优化方法 - Google Patents
一种用于铝合金的性能自适应优化方法 Download PDFInfo
- Publication number
- CN117077991B CN117077991B CN202311346183.8A CN202311346183A CN117077991B CN 117077991 B CN117077991 B CN 117077991B CN 202311346183 A CN202311346183 A CN 202311346183A CN 117077991 B CN117077991 B CN 117077991B
- Authority
- CN
- China
- Prior art keywords
- product
- aluminum alloy
- parameter
- preset
- information
- 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
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 158
- 238000005457 optimization Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004519 manufacturing process Methods 0.000 claims abstract description 175
- 238000004458 analytical method Methods 0.000 claims abstract description 80
- 238000011156 evaluation Methods 0.000 claims abstract description 73
- 238000012216 screening Methods 0.000 claims abstract description 48
- 229910045601 alloy Inorganic materials 0.000 claims abstract description 43
- 239000000956 alloy Substances 0.000 claims abstract description 43
- 239000000203 mixture Substances 0.000 claims abstract description 15
- 238000013507 mapping Methods 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000013506 data mapping Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 6
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 239000011701 zinc Substances 0.000 description 3
- 229910052725 zinc Inorganic materials 0.000 description 3
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910052748 manganese Inorganic materials 0.000 description 2
- 239000011572 manganese Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005275 alloying Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 231100000956 nontoxicity Toxicity 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种用于铝合金的性能自适应优化方法,属于自适应优化技术领域,包括:步骤1:获取铝合金的产品应用需求以及产品性能要求,并生成产品需求信息;步骤2:基于产品需求信息,在配料数据库中获取相应合金元素的配比和成分信息,构建预设标准参数表;步骤3:获取产品生产过程中的实时运行参数信息,并与预设标准参数表进行对比分析,基于对比分析结果在指令数据库中筛选出相应的参数调整指令,并对相应的运行参数进行优化调整;步骤4:获取与产品需求信息相匹配的性能指标,并对优化后的运行参数信息进行参数评估,生成评估结果。本发明可以减小铝合金的产品缺陷,提升铝合金产品生产的成品质量以及提高铝合金的生产效率。
Description
技术领域
本发明涉及自适应优化技术领域,特别涉及一种用于铝合金的性能自适应优化方法。
背景技术
铝合金是工业中应用最广泛的一类有色金属结构材料,铝合金具有密度低、力学性能佳、加工性能好、无毒、易回收、导电性、传热性及抗腐蚀性能优良等特点,在船用行业、化工行业、航空航天、金属包装、交通运输等领域广泛使用。
目前,在铝合金产品的生产过程中,容易出现缩孔、砂眼、气孔和夹渣等缺陷,为了使得生产出的铝合金产品符合产品的性能需求,还需对这些存在缺陷的铝合金产品进行修复,这不仅增加了铝合金生产的生产成本,而且还大幅降低了铝合金生产的效率和成品质量。
因此,本发明提供一种用于铝合金的性能自适应优化方法。
发明内容
本发明提供一种用于铝合金的性能自适应优化方法,用以降低铝合金生产的生产成本,减小铝合金的产品缺陷,提升铝合金产品生产的成品质量以及提高铝合金的生产效率。
本发明提供一种用于铝合金的性能自适应优化方法,包括:
步骤1:获取铝合金的产品应用需求以及铝合金的产品性能要求,同时,基于所述产品应用需求、产品性能要求生成产品需求信息;
步骤2:基于所述产品需求信息,在配料数据库中获取相应合金元素的配比和成分信息,构建预设标准参数表;
步骤3:获取产品生产过程中的实时运行参数信息,并与预设标准参数表进行对比分析,基于对比分析结果在指令数据库中筛选出相应的参数调整指令,并对相应的运行参数进行优化调整;
步骤4:获取与所述产品需求信息相匹配的性能指标,并基于所述性能指标对优化后的运行参数信息进行参数评估,生成评估结果。
优选的,步骤1中,包括:
获取铝合金产品的应用领域,得到第一内容;
同时,获取所述应用领域内目标产品的应用需求,并得到第二内容;
基于应用领域以及与应用领域对应的应用需求,在预设需求-性能匹配表中获取与目标产品匹配的性能要求,得到第三内容;
基于所述第一内容、第二内容以及第三内容,生成铝合金产品的产品需求信息。
优选的,步骤2中,包括:
基于所述产品需求信息,在预设产品需求-元素映射表中筛选得到相应合金元素的成分信息;
同时,结合预设性能-成分-配比对照表,在配料数据库中筛选出相应合金元素的配比信息;
将所述合金元素的成分信息以及配比信息与生产数据库进行匹配,得到生产流程,并分别根据所述生产流程中每个生产步骤下的标准生产参数以及合金元素的标准匹配参数,构建得到与铝合金目标产品匹配的预设标准参数表。
优选的,步骤2中,还包括:
基于所述合金元素的成分信息以及配比信息,构建第一配比方案;
同时,基于预设性能-成分-配比对照表以及第一配比方案,构建合金元素的成分或配比信息中至少有一处不同的第二配比方案;
基于所述第一配比方案与每个第二配比方案的方案异同,且结合产品的设定生产流程,分别向生产流程中的每个生产步骤匹配调节信息;
根据每个方案异同下的配比信息、成分信息以及调节信息,生成备用标准参数表;
当所述预设标准参数表与实际运行参数信息不匹配时,调用备用标准参数表进行对比分析。
优选的,步骤3中,包括:
获取预设标准参数表中的标准成分参数和标准配比参数,并分别构建相应的第一标准参数集、第二标准参数集;
获取铝合金产品生产过程中的实时成分参数和实时配比参数,分别构建第一运行参数集、第二运行参数集;
将产品生产过程中的同个生产步骤下的第一运行参数集与第一标准参数集中进行参数对比分析,得到第一对比结果;
同时,将产品生产过程中的同个生产步骤下的第二运行参数集与第二标准参数集中进行参数对比分析,得到第二对比结果;
基于预设数据分析模型对所述第一对比结果和第二对比结果进行综合分析,得到综合对比分析结果;
基于所述综合对比分析结果在指令数据库中筛选相应的参数调整指令,并对相应的运行参数进行优化调整。
优选的,步骤3中,基于所述综合对比分析结果在指令数据库中筛选相应的参数调整指令,并对相应的运行参数进行优化调整,包括:
对所述综合对比分析结果进行内容解析,得到与第一运行参数集对应的第一解析包以及与第二运行参数集对应的第二解析包;
分别对所述第一解析包、第二解析包中的数据内容进行特征提取,并按照提取的特征类型分别对所述第一解析包、第二解析包中的数据内容进行归类处理,并将所述第一解析包、第二解析包划分为多个与归类处理结果对应的待处理数据包;
同时,将每一归类下的待处理数据包分别与所述第一运行参数集、第二运行参数集中相应的参数类别进行类别匹配,同时,结合所述第一标准参数集、第二标准参数集,建立待处理数据包与运行参数、标准参数之间的映射关系,并生成数据映射表;
将所述数据映射表输入预设策略匹配模型中进行分析处理,得到每一归类下的优化因子;
基于产品需求信息,获取铝合金产品的每一归类下的参数优化优先级,并对每一优化因子进行优先级排序,生成优化因子排序表;
基于所述优化因子排序表,在所述预设策略匹配模型中匹配当前产品运行参数相应的优化策略;
基于所述优化策略,在预设策略数据库中筛选出匹配度大于第一预设度的优化方法以及匹配度大于第二预设度的优化函数;
基于所述优化方法和优化函数,且结合预设方法-函数-指令映射表在指令数据库中选取相应的参数调整指令;
基于所述参数调整指令,对铝合金产品生产过程中的运行参数进行优化调整。
优选的,步骤4中,包括:
基于所述产品需求信息,将所述产品应用需求输入预设需求-指标筛选模块中,得到第一筛选因子;
同时,将所述产品性能要求输入预设要求-指标筛选模块中,得到第二筛选因子;
结合所述第一筛选因子、第二筛选因子,在指标数据库中匹配得到与所述产品需求信息匹配的性能指标;
建立性能指标与运行参数之间的映射关系,同时,获取优化前的第一运行参数以及优化后的第二运行参数,并计算每一运行参数下的所述第一运行参数与第二运行参数之间的差值,生成第一调整差;
同时,获取与所述产品需求信息匹配的历史优化数据,获取历史优化前的运行参数与历史优化后的运行参数的第二调整差;
将同个运行参数下的第一调整差、第二调整差输入预设参数评估模块中,且结合预设标准参数表对所述第一调整差、第二调整差进行分析评估,得到对应运行参数的第一评估结果;
结合性能指标与运行参数之间的映射关系,获取每一性能指标下所有运行参数的所述第一评估结果;
根据预设结果-因子对照表,获取每一性能指标下的所有第一评估结果对应的第一评估因子;
利用预设参数评估函数对每一性能指标下的所有第一评估因子进行评估,得到与每一性能指标匹配的第二评估结果;
结合与每一性能指标对应的第二评估因子,对铝合金产品的所有性能指标的第二评估结果进行综合分析处理,得到铝合金产品的参数优化评估表。
优选的,确定所述生产流程中每个生产步骤下的标准生产参数,具体包括:
对生产流程中的每个生产步骤进行n1次生产模拟,来获取同个生产步骤之间的第一执行差异以及同个生产步骤在不同生产模拟之间的第二执行差异,并对同个生产步骤按照不同尺度算法进行差异值计算;
按照不同尺度算法的理论计算精准性的排序结果,生成第一曲线;
同时,对不同尺度算法进行随机排序,生成第二曲线;
锁定第一曲线中最大差异值以及第二大差异值,同时,锁定最大精度的第一差异值以及第二大精度的第二差异值;
按照所述第一差异值、第二差异值以及所述第一曲线中除去最大差异值以及第二大差异值的第三曲线的拟合差异值,对所述最大差异值以及第二大差异值进行调节,得到第四曲线;
;
其中,G1表示调节后的差异值;G0表示未调节前的差异值;B1表示第一差异值;B2表示第二差异值;B3表示拟合差异值;a01表示差异阈值;表示所述第一曲线中除去最大差异值以及第二大差异值之后的剩余差异值的方差;
同时,获取第二曲线的拟合差异值,并对所述第四曲线中的差异值进行调节,得到第五曲线;
;其中,R0表示第四曲线上未调节之前的相应坐标点的差异值;R1表示第四曲线上调节之后的相应坐标点的差异值;/>表示基于第二曲线的拟合差异值以及第二曲线上大于预设精准性算法所对应差异值的方差;L1表示第四曲线的拟合直线;
求取所述第五曲线的平均差异值,若所述平均差异值小于预设差异值,判定对应生产步骤执行合理;
否则,根据执行差异中存在的差异因素以及每个差异因素的差异权重,对相应生产步骤的原始设定参数进行模拟优化,得到标准生产参数。
本发明的工作原理以及有益效果是:本发明通过根据不同产品的应用需求以及产品性能要求匹配得到相应的铝合金产品的生产流程以及相应流程下铝合金产品的参数信息,同时对铝合金各个生产流程下的实时运行参数进行监测,并根据监测结果与预先设立的参数表进行对比分析,不断对铝合金的生产流程进行优化调整,不断减少铝合金成品的缺陷,从而可以提升铝合金产品的成品质量以及生产效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种用于铝合金的性能自适应优化方法的流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
参照图1,本发明实施例提供一种用于铝合金的性能自适应优化方法,包括:
步骤1:获取铝合金的产品应用需求以及铝合金的产品性能要求,同时,基于产品应用需求、产品性能要求生成产品需求信息;
步骤2:基于产品需求信息,在配料数据库中获取相应合金元素的配比和成分信息,构建预设标准参数表;
步骤3:获取产品生产过程中的实时运行参数信息,并与预设标准参数表进行对比分析,基于对比分析结果在指令数据库中筛选出相应的参数调整指令,并对相应的运行参数进行优化调整;
步骤4:获取与产品需求信息相匹配的性能指标,并基于性能指标对优化后的运行参数信息进行参数评估,生成评估结果。
该实施例中,产品应用需求:铝合金产品在实际使用时的应用需求,包括铝合金产品的应用领域以及使用目的,例如,航空航天领域的发动机零部件、汽车工业领域的车身结构、建筑领域的幕墙等;
该实施例中,产品性能要求:基于铝合金产品的使用场景和用途,对生产的铝合金产品的性能要求,例如硬度、强度、耐腐蚀性等;
该实施例中,产品需求信息:包含有铝合金产品的产品应用需求以及产品性能要求的需求信息;
该实施例中,配料数据库:包含有大量各种铝合金产品的配料信息的数据库,可以根据产品需求信息得到相应的铝合金产品的生产配料信息;
该实施例中,配比:在生产铝合金产品时对应的各合金元素的占比信息;
该实施例中,成分信息:不同铝合金产品的包含的所有合金元素的组成成分,例如铜、锌、锰、硅、铬等元素;
该实施例中,预设标准参数表:根据铝合金产品对应的合金元素的配比和成分信息得到的包含有产品各项标准参数的表格,用于与铝合金产品的参数信息进行对比分析,是预先设定好的;
该实施例中,实时运行参数信息:铝合金生产过程中产品的实时参数,例如铝合金产品在生产过程中的温度、压力、成分、流动性等参数;
该实施例中,对比分析结果:将铝合金产品的实时运行参数信息与预设标准参数表中对应的参数信息进行对比分析后得出的分析结果;
该实施例中,指令数据库:包含有大量用于调整铝合金生产过程中各个流程下的各个设备的操作指令的数据库;
该实施例中,参数调整指令:基于对比分析结果在指令数据库中筛选得到用于调整相应参数的操作指令;
该实施例中,性能指标:与铝合金产品的产品需求信息匹配的铝合金产品的性能要求,满足所有性能指标的铝合金产品为合格产品;
该实施例中,参数评估:用于对优化调整后的参数进行评估的方法;
该实施例中,评估结果:经过对优化调整前后的运行参数进行参数评估得出的结果。
上述技术方案的工作原理及有益效果是:本发明通过根据不同产品的应用需求以及产品性能要求生成相应的产品需求信息,进而将在配料数据库中获取相应合金元素的配比信息和成分信息构建得到预设标准参数表,并对铝合金生产过程中各个生产流程下的实时运行参数进行监测,并根据监测结果与预设标准参数表进行对比分析,不断对铝合金的生产流程进行优化调整,并对优化调整前后的参数信息进行参数评估,提高铝合金在进行优化调整时的可视性,不断减少铝合金成品的缺陷,进而可以提升铝合金产品的成品质量以及生产效率。
本发明实施例提供一种用于铝合金的性能自适应优化方法,步骤1中,包括:
获取铝合金产品的应用领域,得到第一内容;
同时,获取应用领域内目标产品的应用需求,并得到第二内容;
基于应用领域以及与应用领域对应的应用需求,在预设需求-性能匹配表中获取与目标产品匹配的性能要求,得到第三内容;
基于第一内容、第二内容以及第三内容,生成铝合金产品的产品需求信息。
该实施例中,应用领域:包括但不限于:航空航天、汽车工业、建筑、电子和电气工业、包装行业、船舶制造等领域;
该实施例中,第一内容:即当前生产的铝合金产品对应的应用领域信息;
该实施例中,应用需求:铝合金产品应用场景对铝合金产品的各种需求信息;
该实施例中,第二内容:即当前生产的铝合金产品的应用需求信息;
该实施例中,预设需求-性能匹配表:包含有应用领域、应用需求与性能要求之间映射关系的表格,用于根据铝合金的应用领域以及应用需求筛选出相应的生产性能要求,是预先设定好的;
该实施例中,第三内容:即当前生产的铝合金产品的性能要求信息;
该实施例中,产品需求信息:根据应用领域、应用需求以及性能要求构成的铝合金产品的需求信息。
上述技术方案的工作原理及有益效果是:本发明首先对铝合金产品应用领域进行获取,其次通过铝合金产品在相应应用领域中的使用目的以及使用场景得到铝合金产品的应用需求,进一步的通过应用领域以及应用需求在预设需求-性能匹配表中筛选得到当前铝合金产品的性能要求,并根据铝合金产品的应用领域、应用需求、性能要求生成铝合金产品的产品需求信息,从而可以准确获取铝合金产品的需求。
本发明实施例提供一种用于铝合金的性能自适应优化方法,步骤2中,包括:
基于产品需求信息,在预设产品需求-元素映射表中筛选得到相应合金元素的成分信息;
同时,结合预设性能-成分-配比对照表,在配料数据库中筛选出相应合金元素的配比信息;
将合金元素的成分信息以及配比信息与生产数据库进行匹配,得到生产流程,并分别根据生产流程中每个生产步骤下的标准生产参数以及合金元素的标准匹配参数,构建得到与铝合金目标产品匹配的预设标准参数表。
该实施例中,预设产品需求-元素映射表:包含有产品应用需求与铝合金产品合金元素之间映射关系的表,是预先设定好的,用于根据产品应用需求得到对应铝合金产品的合金元素的组成成分信息;
该实施例中,成分信息:构成铝合金产品的各种合金元素成分的信息;
该实施例中,预设性能-成分-配比对照表:包含有铝合金产品的性能要求、成分信息与相应合金元素的配比信息之间的映射关系的表格,是预先设定好的,用于根据铝合金产品的性能要求和成分信息筛选出各合金元素的配比信息;
该实施例中,生产数据库:包含有铝合金的生产流程、每个生产流程下的各个生产步骤以及各个生产步骤下的标准生产参数的数据库;
该实施例中,生产流程:铝合金产品在生产过程中的流程;
该实施例中,生产步骤:铝合金产品在各个生产流程中对应的生产顺序以及方法;
该实施例中,标准生产参数:铝合金产品在生产步骤中的理想生产参数,包括但不限于:产品成分信息、产品温度、流动性等;
该实施例中,标准匹配参数:铝合金产品的各合金元素与标准生产参数进行匹配的参数;
上述技术方案的工作原理及有益效果是:本发明通过根据铝合金产品的产品需求信息在预设产品需求-元素映射表中筛选得到构成铝合金产品的各合金元素的成分信息,进而通过预设性能-成分-配比对照表在配料数据库中选取得到各合金元素的配比信息,提升了配比信息与产品需求的匹配精度,减少了误匹配情况发生的可能性;本发明还将成分信息、配比信息与生产数据库进行匹配得到铝合金产品的生产流程,并结合合金元素的标准匹配参数与每个生产步骤下的标准生产参数,构建得到用于对铝合金产品生产过程中的各项参数进行对比的预设标准参数表,不仅提升了铝合金产品生产的有序性,而且可以对不同流程下的各个生产步骤中关键生产参数进行监测和分析,提高铝合金产品的监测水平。
本发明实施例提供一种用于铝合金的性能自适应优化方法,步骤2中,还包括:
基于合金元素的成分信息以及配比信息,构建第一配比方案;
同时,基于预设性能-成分-配比对照表以及第一配比方案,构建合金元素的成分或配比信息中至少有一处不同的第二配比方案;
基于第一配比方案与每个第二配比方案的方案异同,且结合产品的设定生产流程,分别向生产流程中的每个生产步骤匹配调节信息;
根据每个方案异同下的配比信息、成分信息以及调节信息,生成备用标准参数表;
当预设标准参数表与实际运行参数信息不匹配时,调用备用标准参数表进行对比分析。
该实施例中,第一配比方案:根据合金元素的成分信息以及配比信息得到的配比方案;
该实施例中,第二配比方案:根据铝合金产品的性能要求得到的各合金元的成分信息或配比信息与第一配比方案相比至少有一处不同的配比方案,第二配比方案的个数大于等于1,例如,第一配比方案中的铜、锌、锰元素的占比分别为1%、3%和0.5%,第二配比方案中的铜、锌、锰元素的占比分别为2%、1%和0.8%;
该实施例中,方案异同:第一配比方案与第二配比方案的差别和不同;
该实施例中,设定生产流程:与当前铝合金产品的第一配比方案以及每一第二配比方案匹配的生产流程;
该实施例中,调节信息:根据第一配比方案与第二配比方案中各合金元素成分信息的不同或配比信息的不同,当第一配比方案在生产过程中无法继续进行,用于对相应生产流程中的每个生产步骤进行调节的信息;
该实施例中,备用标准参数表:根据每个方案异同下的配比信息、成分信息以及调节信息构成的标准参数表,当预设标准参数表与运行参数不匹配时备用。
上述技术方案的工作原理及有益效果是:本发明通过根据铝合金产品的相同性能要求构建合金元素的第一配比方案,以及与第一配比方案中的成分信息或配比信息至少有一处不同的第二配比方案,并结合每个第二配比方案与第一配比方案之间的方案异同以及相应每个方案下的配比信息、成分信息以及调节信息构建与预设标准参数表不同的备用标准参数表,以便在第一配比方案无法进行时及时对铝合金产品的生产参数进行调整,减少因合金元素的成分信息或配比信息发生异常时导致铝合金生产停滞的情况发生,从而提升了铝合金生产的稳定性以及生产效率。
本发明实施例提供一种用于铝合金的性能自适应优化方法,步骤3中,包括:
获取预设标准参数表中的标准成分参数和标准配比参数,并分别构建相应的第一标准参数集、第二标准参数集;
获取铝合金产品生产过程中的实时成分参数和实时配比参数,分别构建第一运行参数集、第二运行参数集;
将产品生产过程中的同个生产步骤下的第一运行参数集与第一标准参数集中进行参数对比分析,得到第一对比结果;
同时,将产品生产过程中的同个生产步骤下的第二运行参数集与第二标准参数集中进行参数对比分析,得到第二对比结果;
基于预设数据分析模型对第一对比结果和第二对比结果进行综合分析,得到综合对比分析结果;
基于综合对比分析结果在指令数据库中筛选相应的参数调整指令,并对相应的运行参数进行优化调整。
该实施例中,标准成分参数:预设标准参数表中与铝合金产品匹配的各个成产步骤下的合金元素成分的标准参数;
该实施例中,标准配比参数:预设标准参数表中与铝合金产品匹配的各个生产步骤下的合金元素配比的标准参数;
该实施例中,第一标准参数集:由各个生产步骤下的标准成分参数构成的参数集合;
该实施例中,第二标准参数集:由各个生产步骤下的标准配比参数构成的参数集合;
该实施例中,实时成分参数:铝合金产品在生产过程中的每个生产步骤下的成分的实时参数;
该实施例中,实时配比参数:铝合金产品在生产过程中的每个生产步骤下的配比的实时参数;
该实施例中,第一运行参数集:由每个生产步骤下的实时成分参数构成的参数集合;
该实施例中,第二运行参数集:由每个生产步骤下的实时配比参数构成的参数集合;
该实施例中,第一对比结果:根据同个生产步骤下的实时成分参数与标准成分参数进行对比分析后得到的结果;
该实施例中,第二对比结果:根据同个生产步骤下的实时配比参数与标准配比参数进行对比分析后得到的结果;
该实施例中,预设数据分析模型:预先通过大数据训练好的,且用于对第一对比结果和第二对比结果进行综合分析的模型;
该实施例中,综合对比分析结果:通过预设数据分析模型对第一对比结果和第二对比结果的分析处理得到的,且用于对铝合金产品生产过程中各合金元素的成分参数以及配比参数进行评估的分析结果。
上述技术方案的工作原理及有益效果是:本发明通过将铝合金产品生产过程中同一生产步骤下的实时成分参数、实时配比参数分别与预设标准参数表中的标准成分参数、标准配比参数下进行对比分析,得到第一对比结果和第二对比结果,随后通过预先经过大数据训练的预设数据分析模型对第一对比结果和第二对比结果进行综合分析,进而根据综合对比分析结果在指令数据库中筛选得到参数调整指令,并对相应步骤下的成分参数和配比参数进行优化调整,这不仅提高了对各个步骤下的合金元素的成分参数以及配比参数的监测精度,而且可以对每一步骤下的成分参数和配比参数进行实时优化调整,从而提升了铝合金产品的生产效率。
本发明实施例提供一种用于铝合金的性能自适应优化方法,步骤3中,基于综合对比分析结果在指令数据库中筛选相应的参数调整指令,并对相应的运行参数进行优化调整,包括:
对综合对比分析结果进行内容解析,得到与第一运行参数集对应的第一解析包以及与第二运行参数集对应的第二解析包;
分别对第一解析包、第二解析包中的数据内容进行特征提取,并按照提取的特征类型分别对第一解析包、第二解析包中的数据内容进行归类处理,并将第一解析包、第二解析包划分为多个与归类处理结果对应的待处理数据包;
同时,将每一归类下的待处理数据包分别与第一运行参数集、第二运行参数集中相应的参数类别进行类别匹配,同时,结合第一标准参数集、第二标准参数集,建立待处理数据包与运行参数、标准参数之间的映射关系,并生成数据映射表;
将数据映射表输入预设策略匹配模型中进行分析处理,得到每一归类下的优化因子;
基于产品需求信息,获取铝合金产品的每一归类下的参数优化优先级,并对每一优化因子进行优先级排序,生成优化因子排序表;
基于优化因子排序表,在预设策略匹配模型中匹配当前产品运行参数相应的优化策略;
基于优化策略,在预设策略数据库中筛选出匹配度大于第一预设度的优化方法以及匹配度大于第二预设度的优化函数;
基于优化方法和优化函数,且结合预设方法-函数-指令映射表在指令数据库中选取相应的参数调整指令;
基于参数调整指令,对铝合金产品生产过程中的运行参数进行优化调整。
该实施例中,第一解析包:对综合对比分析结果进行内容解析后产生的解析内容中与第一运行参数集对应的内容数据包;
该实施例中,第二解析包:对综合对比分析结果进行内容解析后产生的解析内容中与第二运行参数集对应的内容数据包;
该实施例中,特征提取:对第一解析包、第二解析包中的数据内容中的数据特征进行提取的操作;
该实施例中,特征类型:根据特征提取出的各种数据特征所属的种类或类型;
该实施例中,归类处理:根据特征类型将提取出的各种数据特征进行分类处理的操作;
该实施例中,待处理数据包:每个特征归类下的第一解析包、第二解析包中对应的数据内容组成的数据包;
该实施例中,参数类别:第一运行参数集、第二运行参数集中所有参数所属的种类或类型;
该实施例中,数据映射表:由待处理数据包、运行参数和标准参数之间的映射关系组成的关系表;
该实施例中,预设策略匹配模型:预先经过大数据训练好的,且用于对数据映射表进行处理分析的模型;
该实施例中,优化因子:用于对每一个特征归类下的相应运行参数进行优化的系数;
该实施例中,参数优化优先级:根据铝合金产品的产品需求信息,得到的用于对参数进行优化处理的优先等级,优先级高的参数优先被优化;
该实施例中,优化因子排序表:根据优化因子对应的参数优化优先级对所有优先因子进行优先级排序后生成的排序表;
该实施例中,优化策略:基于优化因子排序表,在预先训练好的预设策略匹配模型中筛选得到的用于对当前铝合金产品的运行参数进行优化调整的策略;
该实施例中,第一预设度:用于在预设策略数据库中筛选出匹配度大于预设条件的优化方法的阈值;
该实施例中,第二预设度:用于在预设策略数据库中筛选出匹配度大于预设条件的优化函数的阈值;
该实施例中,预设方法-函数-指令映射表:包含有优化方法、优化函数与参数调整指令直接映射关系的表,用于根据优化方法和优化函数在指令数据库中筛选出相应的参数调整指令。
上述技术方案的工作原理及有益效果是:本发明通过对综合对比分析结果进行内容解析,进而根据解析内容中的不同种类的数据特征对综合对比分析结果中的对比参数进行归类分析,并将每一归类下的包含有对比参数的待处理数据包与运行参数、标准参数建立映射关系并生成数据映射表,随后通过预设策略匹配模型对数据映射表进行分析,筛选出相应的优化策略、优化方法以及优化函数,进一步通过预设方法-函数-指令映射表在指令数据库中匹配相应的参数调整指令,从而实现了对铝合金生产过程中各个生产步骤中的参数进行优化调整的目的,这不仅进一步提升了对铝合金生产过程中运行参数的监测水平,而且减少了铝合金产品的缺陷,从而提高了铝合金产品的质量和生产效率。
本发明实施例提供一种用于铝合金的性能自适应优化方法,步骤4中,包括:
基于产品需求信息,将产品应用需求输入预设需求-指标筛选模块中,得到第一筛选因子;
同时,将产品性能要求输入预设要求-指标筛选模块中,得到第二筛选因子;
结合第一筛选因子、第二筛选因子,在指标数据库中匹配得到与产品需求信息匹配的性能指标;
建立性能指标与运行参数之间的映射关系,同时,获取优化前的第一运行参数以及优化后的第二运行参数,并计算每一运行参数下的第一运行参数与第二运行参数之间的差值,生成第一调整差;
同时,获取与产品需求信息匹配的历史优化数据,获取历史优化前的运行参数与历史优化后的运行参数的第二调整差;
将同个运行参数下的第一调整差、第二调整差输入预设参数评估模块中,且结合预设标准参数表对第一调整差、第二调整差进行分析评估,得到对应运行参数的第一评估结果;
结合性能指标与运行参数之间的映射关系,获取每一性能指标下所有运行参数的第一评估结果;
根据预设结果-因子对照表,获取每一性能指标下的所有第一评估结果对应的第一评估因子;
利用预设参数评估函数对每一性能指标下的所有第一评估因子进行评估,得到与每一性能指标匹配的第二评估结果;
结合与每一性能指标对应的第二评估因子,对铝合金产品的所有性能指标的第二评估结果进行综合分析处理,得到铝合金产品的参数优化评估表。
该实施例中,预设需求-指标筛选模块:用于根据输入的产品应用需求获取相应的第一筛选因子的模块,是预先通过大数据训练好的;
该实施例中,预设要求-指标筛选模块:用于根据输入的产品性能要求获取相应的第二筛选因子的模块,是预先通过大数据训练好的;
该实施例中,性能指标:基于第一筛选因子、第二筛选因子,在指标数据库中筛选得到的与铝合金产品需求信息匹配的关于性能的指标,满足所有性能指标要求的铝合金产品为合格产品;
该实施例中,第一运行参数:优化前的实时运行参数;
该实施例中,第二运行参数:执行参数优化操作后的实时运行参数;
该实施例中,第一调整差:优化前后的第一运行参数与第二运行参数之间的差值,用于表征优化调整操作引起的参数数值变化量;
该实施例中,历史优化数据:与铝合金产品的需求信息相匹配的参数优化的历史数据记录,用于与当前参数优化数据进行对比参考;
该实施例中,第二调整差:历史优化数据中优化前后的运行参数之间的差值,用于表征历史参数优化时的参数数值变化量,与第一调整差相对应;
该实施例中,预设参数评估模块:预先通过大数据训练好的参数评估模块,用于结合预设标准参数表对输入的同个运行参数下的第一调整差、第二调整差进行评估处理;
该实施例中,第一评估结果:结合预设标准参数表,且通过预设参数评估模块对同一运行参数下的第一调整差、第二调整差进行分析评估得到的评估结果;
该实施例中,性能指标与运行参数之间的映射关系:铝合金产品的性能指标与铝合金生产过程中每个生产步骤中的运行参数之间的映射关系;
该实施例中,预设结果-因子对照表:包含有第一评估结果与第一评估因子之间对应关系的对照表,是预先设定好的,用于根据第一评估结果获取相应的第一评估因子;
该实施例中,第一评估因子:将第一评估结果输入预设结果-因子对照表中筛选得出的结果;
该实施例中,预设参数评估函数:用于对同一性能指标下的所有第一评估因子进行评估的函数,是预先设定好的;
该实施例中,第二评估结果:通过预设参数评估函数对同一性能指标下的所有第一评估因子进行评估后得到的评估结果,且与每一性能指标一一对应;
该实施例中,第二评估因子:预先设置好的,且与每一性能指标一一对应的评估系数;
该实施例中,参数优化评估表:结合第二评估因子,通过对铝合金产品的所有性能指标对应的第二评估结果进行综合分析,得到的用于对铝合金参数优化的效果进行评估的数据表。
上述技术方案的工作原理及有益效果是:本发明通过铝合金产品需求信息中的产品应用需求、产品性能要求在指标数据库中筛选得到与产品需求信息相匹配的性能指标,同时建立铝合金生产过程中各运行参数与性能指标之间的映射关系,从而可以根据每一运行参数的数值变化精确判定铝合金的性能参数,从而判别当前铝合金产品的产品性能是否满足性能指标的要求,减少了因因单一数据的误差导致性能评估误判的可能性,从而提升了铝合金产品性能评估的精确性;同时,本发明通过当前的参数优化操作对应的同一运行参数下的历史优化数据进行分析评估,将历史参数优化操作的数据作为参考,对铝合金产品的所有性能指标下的运行参数进行评估,并生成能够反应当前铝合金生产过程中参数优化效果的参数优化评估表,大幅提升了参数评估结果的精确性。
本发明实施例提供一种用于铝合金的性能自适应优化方法,其中,确定所述生产流程中每个生产步骤下的标准生产参数,具体包括:
对生产流程中的每个生产步骤进行n1次生产模拟,来获取同个生产步骤之间的第一执行差异以及同个生产步骤在不同生产模拟之间的第二执行差异,并对同个生产步骤按照不同尺度算法进行差异值计算;
按照不同尺度算法的理论计算精准性的排序结果,生成第一曲线;
同时,对不同尺度算法进行随机排序,生成第二曲线;
锁定第一曲线中最大差异值以及第二大差异值,同时,锁定最大精度的第一差异值以及第二大精度的第二差异值;
按照所述第一差异值、第二差异值以及所述第一曲线中除去最大差异值以及第二大差异值的第三曲线的拟合差异值,对所述最大差异值以及第二大差异值进行调节,得到第四曲线;
;其中,G1表示调节后的差异值;G0表示未调节前的差异值;B1表示第一差异值;B2表示第二差异值;B3表示拟合差异值;a01表示差异阈值;/>表示所述第一曲线中除去最大差异值以及第二大差异值之后的剩余差异值的方差;
同时,获取第二曲线的拟合差异值,并对所述第四曲线中的差异值进行调节,得到第五曲线;
;其中,R0表示第四曲线上未调节之前的相应坐标点的差异值;R1表示第四曲线上调节之后的相应坐标点的差异值;/>表示基于第二曲线的拟合差异值以及第二曲线上大于预设精准性算法所对应差异值的方差;L1表示第四曲线的拟合直线;
求取所述第五曲线的平均差异值,若所述平均差异值小于预设差异值,判定对应生产步骤执行合理;
否则,根据执行差异中存在的差异因素以及每个差异因素的差异权重,对相应生产步骤的原始设定参数进行模拟优化,得到标准生产参数。
该实施例中,n1次生产模拟的次数至少大于5。
该实施例中,第一执行差异指的是同个生产步骤之间的差异,主要是生产步骤1在某次生产模拟中的生产参数与标准参数之间的差异;
第二执行差值指的是同个生产步骤在n1次生产模拟下的生产参数之间的差异,比如,第1次的参数依次为:y1、y2、y3,第2次的参数依次为x1,x2,x3,此时,是确定y1、y2、y3与x1,x2,x3之间的差异。
该实施例中,尺度算法是根据生产流程与流程-算法映射表匹配得到的,该映射表中是包含预先设定好的各种算法以及与生产流程在内,主要是对第一执行差异以及第二执行差异进行分析,得到差异值,也就是每次生产模拟都存在一个差异值。
该实施例中,预设差异值是预先设定好的。
该实施例中,差异因素指的是每次模拟后的参数差异组合所对应的差异因素,从组合-因素映射表中映射得到,该映射表是包含若干组合以及匹配因素在内,比如,差异组合为:c1、c2、c3,所匹配的因素为u1。
该实施例中,模拟优化是对原始设定参数进行调节,方便得到标准生产参数,比如,对原始设定参数y1按照u1进行调节之后,成为y01。
比如,差异权重大于等于预设权重(预先设定好的),则需要按照差异因素的调节量与原始设定参数相加即可得到。
如果差异权重小于预设权重,如果差异因素的调节量大于预设量,则按照调节量与原始设定参数相加即可得到。
否则,原始设定参数保持不变。
上述技术方案的工作原理及有益效果是:通过对生产步骤进行模拟,来确定步骤之间不同模拟下的同步骤之间的差异,且按照不同算法进行差异值计算,方便进行后续的曲线构建,通过对曲线以及差异值的分析及调节,来确定步骤的合理性,保证后续调节控制的可靠性,提高自适应优化的效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种用于铝合金的性能自适应优化方法,其特征在于,包括:
步骤1:获取铝合金的产品应用需求以及铝合金的产品性能要求,同时,基于所述产品应用需求、产品性能要求生成产品需求信息;
步骤2:基于所述产品需求信息,在配料数据库中获取相应合金元素的配比和成分信息,构建预设标准参数表;
步骤3:获取产品生产过程中的实时运行参数信息,并与预设标准参数表进行对比分析,基于对比分析结果在指令数据库中筛选出相应的参数调整指令,并对相应的运行参数进行优化调整;
步骤4:获取与所述产品需求信息相匹配的性能指标,并基于所述性能指标对优化后的运行参数信息进行参数评估,生成评估结果;
其中,步骤4中,包括:
基于所述产品需求信息,将所述产品应用需求输入预设需求-指标筛选模块中,得到第一筛选因子;
同时,将所述产品性能要求输入预设要求-指标筛选模块中,得到第二筛选因子;
结合所述第一筛选因子、第二筛选因子,在指标数据库中匹配得到与所述产品需求信息匹配的性能指标;
建立性能指标与运行参数之间的映射关系,同时,获取优化前的第一运行参数以及优化后的第二运行参数,并计算每一运行参数下的所述第一运行参数与第二运行参数之间的差值,生成第一调整差;
同时,获取与所述产品需求信息匹配的历史优化数据,获取历史优化前的运行参数与历史优化后的运行参数的第二调整差;
将同个运行参数下的第一调整差、第二调整差输入预设参数评估模块中,且结合预设标准参数表对所述第一调整差、第二调整差进行分析评估,得到对应运行参数的第一评估结果;
结合性能指标与运行参数之间的映射关系,获取每一性能指标下所有运行参数的所述第一评估结果;
根据预设结果-因子对照表,获取每一性能指标下的所有第一评估结果对应的第一评估因子;
利用预设参数评估函数对每一性能指标下的所有第一评估因子进行评估,得到与每一性能指标匹配的第二评估结果;
结合与每一性能指标对应的第二评估因子,对铝合金产品的所有性能指标的第二评估结果进行综合分析处理,得到铝合金产品的参数优化评估表。
2.根据权利要求1所述的一种用于铝合金的性能自适应优化方法,其特征在于,步骤1中,包括:
获取铝合金产品的应用领域,得到第一内容;
同时,获取所述应用领域内目标产品的应用需求,并得到第二内容;
基于应用领域以及与应用领域对应的应用需求,在预设需求-性能匹配表中获取与目标产品匹配的性能要求,得到第三内容;
基于所述第一内容、第二内容以及第三内容,生成铝合金产品的产品需求信息。
3.根据权利要求1所述的一种用于铝合金的性能自适应优化方法,其特征在于,步骤2中,包括:
基于所述产品需求信息,在预设产品需求-元素映射表中筛选得到相应合金元素的成分信息;
同时,结合预设性能-成分-配比对照表,在配料数据库中筛选出相应合金元素的配比信息;
将所述合金元素的成分信息以及配比信息与生产数据库进行匹配,得到生产流程,并分别根据所述生产流程中每个生产步骤下的标准生产参数以及合金元素的标准匹配参数,构建得到与铝合金目标产品匹配的预设标准参数表。
4.根据权利要求3所述的一种用于铝合金的性能自适应优化方法,其特征在于,步骤2中,还包括:
基于所述合金元素的成分信息以及配比信息,构建第一配比方案;
同时,基于预设性能-成分-配比对照表以及第一配比方案,构建合金元素的成分或配比信息中至少有一处不同的第二配比方案;
基于所述第一配比方案与每个第二配比方案的方案异同,且结合产品的设定生产流程,分别向生产流程中的每个生产步骤匹配调节信息;
根据每个方案异同下的配比信息、成分信息以及调节信息,生成备用标准参数表;
当所述预设标准参数表与实际运行参数信息不匹配时,调用备用标准参数表进行对比分析。
5.根据权利要求1所述的一种用于铝合金的性能自适应优化方法,其特征在于,步骤3中,包括:
获取预设标准参数表中的标准成分参数和标准配比参数,并分别构建相应的第一标准参数集、第二标准参数集;
获取铝合金产品生产过程中的实时成分参数和实时配比参数,分别构建第一运行参数集、第二运行参数集;
将产品生产过程中的同个生产步骤下的第一运行参数集与第一标准参数集中进行参数对比分析,得到第一对比结果;
同时,将产品生产过程中的同个生产步骤下的第二运行参数集与第二标准参数集中进行参数对比分析,得到第二对比结果;
基于预设数据分析模型对所述第一对比结果和第二对比结果进行综合分析,得到综合对比分析结果;
基于所述综合对比分析结果在指令数据库中筛选相应的参数调整指令,并对相应的运行参数进行优化调整。
6.根据权利要求5所述的一种用于铝合金的性能自适应优化方法,其特征在于,步骤3中,基于所述综合对比分析结果在指令数据库中筛选相应的参数调整指令,并对相应的运行参数进行优化调整,包括:
对所述综合对比分析结果进行内容解析,得到与第一运行参数集对应的第一解析包以及与第二运行参数集对应的第二解析包;
分别对所述第一解析包、第二解析包中的数据内容进行特征提取,并按照提取的特征类型分别对所述第一解析包、第二解析包中的数据内容进行归类处理,并将所述第一解析包、第二解析包划分为多个与归类处理结果对应的待处理数据包;
同时,将每一归类下的待处理数据包分别与所述第一运行参数集、第二运行参数集中相应的参数类别进行类别匹配,同时,结合所述第一标准参数集、第二标准参数集,建立待处理数据包与运行参数、标准参数之间的映射关系,并生成数据映射表;
将所述数据映射表输入预设策略匹配模型中进行分析处理,得到每一归类下的优化因子;
基于产品需求信息,获取铝合金产品的每一归类下的参数优化优先级,并对每一优化因子进行优先级排序,生成优化因子排序表;
基于所述优化因子排序表,在所述预设策略匹配模型中匹配当前产品运行参数相应的优化策略;
基于所述优化策略,在预设策略数据库中筛选出匹配度大于第一预设度的优化方法以及匹配度大于第二预设度的优化函数;
基于所述优化方法和优化函数,且结合预设方法-函数-指令映射表在指令数据库中选取相应的参数调整指令;
基于所述参数调整指令,对铝合金产品生产过程中的运行参数进行优化调整。
7.根据权利要求3所述的一种用于铝合金的性能自适应优化方法,其特征在于,还包括:确定所述生产流程中每个生产步骤下的标准生产参数,具体包括:
对生产流程中的每个生产步骤进行n1次生产模拟,来获取同个生产步骤之间的第一执行差异以及同个生产步骤在不同生产模拟之间的第二执行差异,并对同个生产步骤按照不同尺度算法进行差异值计算;
按照不同尺度算法的理论计算精准性的排序结果,生成第一曲线;
同时,对不同尺度算法进行随机排序,生成第二曲线;
锁定第一曲线中最大差异值以及第二大差异值,同时,锁定最大精度的第一差异值以及第二大精度的第二差异值;
按照所述第一差异值、第二差异值以及所述第一曲线中除去最大差异值以及第二大差异值的第三曲线的拟合差异值,对所述最大差异值以及第二大差异值进行调节,得到第四曲线;
;其中,G1表示调节后的差异值;G0表示未调节前的差异值;B1表示第一差异值;B2表示第二差异值;B3表示拟合差异值;a01表示差异阈值;/>表示所述第一曲线中除去最大差异值以及第二大差异值之后的剩余差异值的方差;
同时,获取第二曲线的拟合差异值,并对所述第四曲线中的差异值进行调节,得到第五曲线;
;其中,R0表示第四曲线上未调节之前的相应坐标点的差异值;R1表示第四曲线上调节之后的相应坐标点的差异值;/>表示基于第二曲线的拟合差异值以及第二曲线上大于预设精准性算法所对应差异值的方差;L1表示第四曲线的拟合直线;
求取所述第五曲线的平均差异值,若所述平均差异值小于预设差异值,判定对应生产步骤执行合理;
否则,根据执行差异中存在的差异因素以及每个差异因素的差异权重,对相应生产步骤的原始设定参数进行模拟优化,得到标准生产参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311346183.8A CN117077991B (zh) | 2023-10-18 | 2023-10-18 | 一种用于铝合金的性能自适应优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311346183.8A CN117077991B (zh) | 2023-10-18 | 2023-10-18 | 一种用于铝合金的性能自适应优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117077991A CN117077991A (zh) | 2023-11-17 |
CN117077991B true CN117077991B (zh) | 2024-03-08 |
Family
ID=88706562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311346183.8A Active CN117077991B (zh) | 2023-10-18 | 2023-10-18 | 一种用于铝合金的性能自适应优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117077991B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689275B (zh) * | 2024-02-02 | 2024-05-17 | 广东贝洛新材料科技有限公司 | 橡胶材料生产配料方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114121185A (zh) * | 2021-11-16 | 2022-03-01 | 湖南航天天麓新材料检测有限责任公司 | 一种新型铝合金性能提升的方法 |
CN115062912A (zh) * | 2022-05-18 | 2022-09-16 | 山西英莱壳科技股份有限公司 | 一种工业级齿轮油性能的定向优化方法及系统 |
CN116167236A (zh) * | 2023-03-03 | 2023-05-26 | 上海弘智金属制品有限公司 | 一种铝合金压铸件成型工艺的智能优化方法及系统 |
CN116501003A (zh) * | 2023-06-29 | 2023-07-28 | 张家港广大特材股份有限公司 | 一种用于特种钢材冶炼的加工管控方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8655476B2 (en) * | 2011-03-09 | 2014-02-18 | GM Global Technology Operations LLC | Systems and methods for computationally developing manufacturable and durable cast components |
-
2023
- 2023-10-18 CN CN202311346183.8A patent/CN117077991B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114121185A (zh) * | 2021-11-16 | 2022-03-01 | 湖南航天天麓新材料检测有限责任公司 | 一种新型铝合金性能提升的方法 |
CN115062912A (zh) * | 2022-05-18 | 2022-09-16 | 山西英莱壳科技股份有限公司 | 一种工业级齿轮油性能的定向优化方法及系统 |
CN116167236A (zh) * | 2023-03-03 | 2023-05-26 | 上海弘智金属制品有限公司 | 一种铝合金压铸件成型工艺的智能优化方法及系统 |
CN116501003A (zh) * | 2023-06-29 | 2023-07-28 | 张家港广大特材股份有限公司 | 一种用于特种钢材冶炼的加工管控方法及系统 |
Non-Patent Citations (1)
Title |
---|
高炉炉料结构分析及性价评估体系的研究及应用;梁栋;周小辉;张毅;曾晖;罗霞光;;武汉科技大学学报(03);di 171-177页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117077991A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117077991B (zh) | 一种用于铝合金的性能自适应优化方法 | |
CN109733390B (zh) | 一种基于驾驶人特性的自适应换道预警方法 | |
CN108876015B (zh) | 物联网环境下基于情景的加油站成品油库存动态监测预警方法 | |
CN109765788B (zh) | 一种多目标原油调合在线优化方法 | |
CN113537622B (zh) | 基于动态信任感知的服务偏好预测方法及系统 | |
CN113177313B (zh) | 一种多类型手机智能化分类拆解方法 | |
CN111401642A (zh) | 自动调整预测值的方法、装置、设备及存储介质 | |
CN108830006B (zh) | 基于线性评价因子的线性-非线性工业过程故障检测方法 | |
CN111414943B (zh) | 一种基于混合隐朴素贝叶斯模型的异常检测方法 | |
CN117351001B (zh) | 一种再生铝合金模板表面缺陷识别方法 | |
CN114491236A (zh) | 一种基于知识学习的供应链智能匹配技术 | |
CN113762754A (zh) | 一种混合车间低熵自适应调度方法 | |
CN110705844A (zh) | 基于非强制空闲时间的作业车间调度方案鲁棒优化方法 | |
CN115115414A (zh) | 一种基于机器学习的二手车估价方法 | |
CN114298397A (zh) | 一种运用时序数据的深度强化学习建筑能耗预测方法 | |
CN114036735A (zh) | 一种基于主元回归的煤灰烧结温度预测方法 | |
Deng et al. | Reliability evaluation method for squeeze casting process parameter data | |
CN118133208B (zh) | 一种机器人打磨离线识别异常数据整合优化系统 | |
CN117877647B (zh) | 基于机器学习的配方生成方法和装置 | |
US20070255673A1 (en) | Method for judging standardization order of workpieces | |
CN107886200A (zh) | 基于指数函数与正切函数变换及初值修正组合优化的gm(1,1)模型预测方法 | |
CN115222179A (zh) | 一种汽车成本改善提案的评估系统及方法 | |
CN115859587A (zh) | 固体火箭发动机包覆药柱整形过程安全评估方法和系统 | |
CN117437027A (zh) | 一种汽车经销商授信自动化审批方法 | |
CN115204474A (zh) | 生产工艺参数推荐方法及相关设备、程序产品和存储介质 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhao Shihong Inventor after: Jian Li Inventor after: Liu Jun Inventor before: Jian Li Inventor before: Zhao Shihong Inventor before: Liu Jun |
|
GR01 | Patent grant | ||
GR01 | Patent grant |