CN117259447B - 一种铜管旋轧生产参数自适应调整方法及系统 - Google Patents
一种铜管旋轧生产参数自适应调整方法及系统 Download PDFInfo
- Publication number
- CN117259447B CN117259447B CN202311573115.5A CN202311573115A CN117259447B CN 117259447 B CN117259447 B CN 117259447B CN 202311573115 A CN202311573115 A CN 202311573115A CN 117259447 B CN117259447 B CN 117259447B
- Authority
- CN
- China
- Prior art keywords
- copper pipe
- wall thickness
- information
- rolling
- rotary
- 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
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 title claims abstract description 189
- 229910052802 copper Inorganic materials 0.000 title claims abstract description 189
- 239000010949 copper Substances 0.000 title claims abstract description 189
- 238000005096 rolling process Methods 0.000 title claims abstract description 123
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 28
- 238000004513 sizing Methods 0.000 claims description 36
- 238000009987 spinning Methods 0.000 claims description 26
- 238000013135 deep learning Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005097 cold rolling Methods 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明涉及铜管冷轧技术领域，尤其涉及一种铜管旋轧生产参数自适应调整方法及系统，方法包括：采集旋轧后铜管的实际壁厚信息；获得采集点位集合，根据实际壁厚信息和采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果；对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，并通过旋轧辊定位信息获得旋轧后铜管的预期壁厚信息；对预期壁厚信息与实际壁厚信息进行分析，获得壁厚偏差结果；将铜管壁厚分析结果和壁厚偏差结果输入至自适应调整模型，获得旋轧纠正结果；根据旋轧纠正结果对铜管旋轧的工作参数进行调整。通过本发明，通过本发明的技术方案，有效解决了铜管在旋轧过程有可能出现的不稳定，对旋轧过程进行及时监控和调整。
Description
技术领域
本发明涉及铜管冷轧技术领域，尤其涉及铜管旋轧生产参数自适应调整方法及系统。
背景技术
铜管冷轧加工是一种常见的工艺，用于生产高质量的铜管材料，这个过程通常包括旋轧、联拉和盘拉等步骤，以获得所需的尺寸、形状和表面质量，其中旋轧过程将一个坯料（通常是铜圆锭）被放在旋轧机中，然后通过旋轧辊旋转对铜管进行初步成型。
由于旋轧为初步铜管铜材成型，其生产质量的优劣严重影响后续联拉与盘拉的质量控制，若是存在生产参数的不稳定或与设定参数存在偏差，则不利于整体铜管的规格尺寸控制，使得成品率降低。
公开于该背景技术部分的信息仅仅旨在加深对本公开总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。
发明内容
本发明提供了铜管旋轧生产参数自适应调整方法及系统，可有效解决背景技术中的问题。
为了达到上述目的，本发明所采用的技术方案是：
一种铜管旋轧生产参数自适应调整方法，所述方法包括：
采集旋轧后铜管的实际壁厚信息；
获得采集点位集合，根据所述实际壁厚信息和所述采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果；
对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，并通过所述旋轧辊定位信息获得旋轧后铜管的预期壁厚信息；
对所述预期壁厚信息与所述实际壁厚信息进行分析，获得壁厚偏差结果；
构建自适应调整模型，并将所述铜管壁厚分析结果和所述壁厚偏差结果输入至所述自适应调整模型，获得旋轧纠正结果；
根据所述旋轧纠正结果对所述铜管旋轧的生产参数进行调整。
进一步地，采集旋轧后铜管的实际壁厚信息，包括：
通过厚度测量设备对所述旋轧后铜管的厚度进行检测，并将若干所述厚度测量设备均匀设置在所述铜管的径向和周向；
将所述铜管分成若干区域，并对所述厚度测量设备所采集得到的结果按照所述区域进行平均值计算，获得多个区域厚度平均值；
根据所述区域厚度平均值获得所述实际壁厚信息。
进一步地，根据所述实际壁厚信息和所述采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果，包括：
获得所述旋轧后铜管的厚度参考值；
获得所述采集点位集合中的采集点位的采集数量；
根据所述厚度参考值、实际壁厚信息和所述采集数量计算获得所述铜管壁厚分析结果；
所述铜管壁厚分析结果通过均方根误差计算获得，所述均方根误差采用如下式：
其中，RMSE为所述均方根误差，Ta，i为所述实际壁厚信息，Tr，i为所述厚度参考值，n为所述采集点位的采集数量。
进一步地，对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，包括：
对所述旋轧辊的设备位置进行划分，包括咬入区、定径区和精整区；
对所述咬入区、定径区和精整区建立坐标系，采集得到位置坐标数据信息；
并将所述位置坐标信息进行制定成咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合；
通过所述咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合获得所述旋轧辊定位信息。
进一步地，通过所述咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合获得所述旋轧辊定位信息，包括：
获得所述咬入区定位数据集合内的相邻所述旋轧辊的咬入区切点坐标，并通过多个所述咬入区切点坐标确定所述咬入区定位信息；
获得所述定径区定位数据集合内的所述旋轧辊的定径区与所述铜管的定径区切点坐标，并通过多个所述咬入区切点坐标确定铜管拟合轴线信息，判断所述铜管拟合轴线信息与铜管实际轴线信息的偏差，并根据所述偏差确定所述定径区定位信息；
获得所述精整区定位数据集合内的相邻所述旋轧辊的精整区切点坐标，并通过多个所述精整区切点坐标确定所述精整区定位信息；
根据所述咬入区定位信息、所述定径区定位信息和所述精整区定位信息获得所述旋轧辊定位信息。
进一步地，通过所述旋轧辊定位信息获得旋轧后铜管的预期壁厚信息，包括：
采集所述旋轧辊的历史定位数据信息和历史旋轧后铜管的厚度信息；
将所述旋轧辊的历史定位数据信息和历史旋轧后的厚度信息一一对应，并获得所述旋轧辊的历史定位数据信息和历史旋轧后的厚度信息之间的匹配关系；
根据所述匹配关系和所述旋轧辊定位信息获得所述旋轧后铜管的预期壁厚信息。
进一步地，构建自适应调整模型，包括：
采集旋轧后的历史铜管参数信息，并对所述历史铜管参数信息进行预处理；
选择深度学习法对预处理后的历史铜管参数信息进行学习，并为所述自适应调整模型设置第一调整阈值；
对所述自适应调整模型设置判断层，根据所述旋轧后的历史铜管参数信息设置第一偏差阈值，对所述壁厚偏差结果进行判断；
选择相关旋轧铜管数据对所述自适应调整模型进行训练和验证。
进一步地，将所述铜管壁厚分析结果和所述壁厚偏差结果输入至所述自适应调整模型，获得旋轧纠正结果，包括：
通过所述判断层中的第一偏差阈值对所述壁厚偏差结果进行判断，若不在所述第一偏差阈值内，则对所述旋轧辊设备进行检视；
若在所述第一偏差阈值内，则判断所述铜管壁厚分析结果是否满足所述第一调整阈值；若否则获得旋轧纠正结果。
进一步地，根据所述旋轧纠正结果对所述铜管旋轧的生产参数进行调整，包括：
根据所述深度学习法对预处理后的所述历史铜管参数信息提取参数变化向量；
根据所述参数变化向量和所述第一调整阈值获得检修指令；
根据所述检修指令对所述铜管旋轧的生产参数进行调整。
铜管旋轧生产参数自适应调整系统，所述系统还包括：
铜管壁厚采集模块，采集旋轧后铜管的实际壁厚信息；
铜管壁厚分析模块，获得采集点位集合，根据所述实际壁厚信息和所述采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果；
预期壁厚获取模块，对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，并通过所述旋轧辊定位信息获得旋轧后铜管的预期壁厚信息；
壁厚偏差获取模块，对所述预期壁厚信息与所述实际壁厚信息进行分析，获得壁厚偏差结果；
纠正结果获取模块，构建自适应调整模型，并将所述铜管壁厚分析结果和所述壁厚偏差结果输入至所述自适应调整模型，获得旋轧纠正结果；
生产参数调整模块，根据所述旋轧纠正结果对所述铜管旋轧的生产参数进行调整。
通过本发明的技术方案，可实现以下技术效果：
有效解决了铜管在旋轧过程有可能出现的不稳定，对旋轧过程进行及时监控和调整，且通过自适应调整模型实现自动调整生产参数，减少参数偏差，提高成品率。
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
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，下面将对实施例或现有技术描述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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为铜管旋轧生产参数自适应调整方法的流程示意图；
图2为采集旋轧后铜管的实际壁厚信息的流程示意图；
图3为获得铜管壁厚分析结果的流程示意图；
图4为获得旋轧辊定位信息的流程示意图；
图5为根据咬入区定位信息、定径区定位信息和精整区定位信息获得旋轧辊定位信息的流程示意图；
图6为构建自适应调整模型的流程示意图；
图7为铜管旋轧生产参数自适应调整系统的结构示意图。
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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图1所示，本申请提供了一种铜管旋轧生产参数自适应调整方法，方法包括：
S100：采集旋轧后铜管的实际壁厚信息；此步骤通过特定的采集装置对旋轧后铜管的壁厚信息，其中壁厚信息可以包括局部厚度信息，局部厚度极值，采集时需要注意影响采集的环境因素，从而保证采集数据的真实性。
S200：获得采集点位集合，根据实际壁厚信息和采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果；在本步骤中对采集点的位置进行设置，并将采集得到的数据按照矩阵的形式编辑成集合，矩阵可以体现出所代表的采集位置，这样可以方便后续的对比和分析。
S300：对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，并通过旋轧辊定位信息获得旋轧后铜管的预期壁厚信息；
S400：对预期壁厚信息与实际壁厚信息进行分析，获得壁厚偏差结果；
以上步骤对旋轧辊的定位主要是为了通过定位信息推测出与该定位对应的铜管的生产壁厚信息，其中对于预测壁厚信息可以通过选择学习模型实现，也可以生成对照关系，进而通过与实际测量的壁厚信息做出对比，获得壁厚偏差结果，并通过壁厚偏差结果反应旋轧辊的工作定位情况。
S500：构建自适应调整模型，并将铜管壁厚分析结果和壁厚偏差结果输入至自适应调整模型，获得旋轧纠正结果；
S600：根据旋轧纠正结果对铜管旋轧的生产参数进行调整。
该步骤建立自适应调整模型，设置两个输入端，且两个输入端相继输入，对铜管壁厚分析结果和壁厚偏差结果相继做出判定，根据判定结果进行相应的调整，以满足生产参数的要求。
通过本发明的技术方案，有效解决了铜管在旋轧过程有可能出现的不稳定，对旋轧过程进行及时监控和调整，且通过自适应调整模型实现自动调整生产参数，减少参数偏差，提高成品率。
进一步来说，如图2所示，采集旋轧后铜管的实际壁厚信息，包括：
S110：通过厚度测量设备对旋轧后铜管的厚度进行检测，并将若干厚度测量设备均匀设置在铜管的径向和周向；
S120：将铜管分成若干区域，并对厚度测量设备所采集得到的结果按照区域进行平均值计算，获得多个区域厚度平均值；
S130：根据区域厚度平均值获得实际壁厚信息。
在本实施例中，可以在铜管的径向位置均匀分布多个采集点，通常定义一个径向采集范围，从铜管中心到外径，根据管的尺寸和要求选择范围大小，将这个径向范围分为若干等分段，具体分段数量取决于管的尺寸和质量标准，在每个分段的中心点处设置一个采集点，这些采集点将代表相应分段的壁厚信息；在铜管的周向位置均匀分布多个采集点，同上述径向采集点设置方式相同，周向分段和径向分段形成多个采集区域，并将每个区域的厚度平均值进行后续进一步处理，该处理方式可以对每个径向/周向的平均值进行求值，再对整体的厚度平均值进行求值，逐层进行平均值可以检测异常区域，并更好地对实际壁厚信息进行细化，有利于为调整策略提供依据。
进一步来说，如图3所示，根据实际壁厚信息和采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果，包括：
S210：获得旋轧后铜管的厚度参考值；
S220：获得采集点位集合中的采集点位的采集数量；
S230：根据厚度参考值、实际壁厚信息和采集数量计算获得铜管壁厚分析结果；
铜管壁厚分析结果通过均方根误差计算获得，均方根误差采用如下式：
其中，RMSE为均方根误差，Ta，i为实际壁厚信息，Tr，i为厚度参考值，n为采集点位的采集数量。
作为上述实施例的优选，均方根误差用于衡量测量值与实际值之间的差异，其值越小表示测量或预测结果与实际值越接近，即差异越小，这表示更好的拟合或准确性，相反，较大的 RMSE 值表示差异较大，即预测或测量的结果与实际值之间存在较大的差异，其中厚度参考值可以有多种方式得到，例如通过历史生产铜管的数据得到旋轧后的标准成品参数，也可以是同批次的同产品的平均值参数，如采用历史数据信息，则需要收集历史参数，并筛选和清洗收集得到的数据信息，可以使用深度学习模型来对处理后的数据进行深度学习，并得到厚度参考值。
进一步来说，如图4所示，对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，包括：
S310：对旋轧辊的设备位置进行划分，包括咬入区、定径区和精整区；
S320：对咬入区、定径区和精整区建立坐标系，采集得到位置坐标数据信息；
S330：并将位置坐标信息进行制定成咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合；
S340：通过咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合获得旋轧辊定位信息。
在本实施例中，旋轧辊呈圆锥状，从底部到尖部分别分为咬入区、定径区和精整区，其中旋轧辊之间的咬入区相互抵接，定径区形成对铜管的挤压成型，精整区对挤压成型后的铜管进一步的外形调整，以三辊旋轧的工作方式为例，其中一个旋轧辊相对静止，作为支撑辊，其余两个旋轧辊相互啮合对铜管形成旋转挤压；其次，建立坐标系可选择3D扫描系统，可通过激光扫描、光学扫描或机械扫描等来捕获对应区域的旋轧辊设备的外轮廓，并将数据传输至终端对扫描结果进行识别特征或标志点，通过这些点来建立坐标系，坐标系可以了解各自旋轧辊的相对位置，并判断旋轧辊的位置是否符合预期，如果铜管经过旋轧得到成品规格与预期有偏差，则需要首先排除掉是旋轧辊设备本身出现的故障。
进一步来说，如图5所示，通过咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合获得旋轧辊定位信息，包括：
S341：获得咬入区定位数据集合内的相邻旋轧辊的咬入区切点坐标，并通过多个咬入区切点坐标确定咬入区定位信息；
S342：获得定径区定位数据集合内的旋轧辊的定径区与铜管的定径区切点坐标，并通过多个咬入区切点坐标确定铜管拟合轴线信息，判断铜管拟合轴线信息与铜管实际轴线信息的偏差，并根据偏差确定定径区定位信息；
S343：获得精整区定位数据集合内的相邻旋轧辊的精整区切点坐标，并通过多个精整区切点坐标确定精整区定位信息；
S344：根据咬入区定位信息、定径区定位信息和精整区定位信息获得旋轧辊定位信息。
作为上述实施例的优选，建立坐标系之后，采集获得咬入区之间的切点坐标，以三辊旋扎设备为例，可以通过判断三点切点形成的三角形来判断咬入区的位置是否符合预期设置，通过切点坐标之间的相对位置，继而判断三个旋轧辊咬入区的相对位置，定径区与旋轧辊略有不同，其与铜管的切点形成的切点坐标可以拟合出铜管的轴线位置，并通过对比实际铜管轴线位置，确定是否存在偏差，以排除定径区可能出现的设备问题，这里的设备问题可能是控制方面，也可能是设备磨损方面，如果在这一过程中发现相对位置异常，可以进一步判断具体异常位置。
进一步来说，通过旋轧辊定位信息获得旋轧后铜管的预期壁厚信息，包括：
采集旋轧辊的历史定位数据信息和历史旋轧后铜管的厚度信息；
将旋轧辊的历史定位数据信息和历史旋轧后的厚度信息一一对应，并获得旋轧辊的历史定位数据信息和历史旋轧后的厚度信息之间的匹配关系；
根据匹配关系和旋轧辊定位信息获得旋轧后铜管的预期壁厚信息。
进一步来说，如图6所示，构建自适应调整模型，包括：
S510：采集旋轧后的历史铜管参数信息，并对历史铜管参数信息进行预处理；
S520：选择深度学习法对预处理后的历史铜管参数信息进行学习，并为自适应调整模型设置第一调整阈值；
S530：对自适应调整模型设置判断层，根据旋轧后的历史铜管参数信息设置第一偏差阈值，对壁厚偏差结果进行判断；
S540：选择相关旋轧铜管数据对自适应调整模型进行训练和验证。
在本实施例中，选择深度学习法对历史铜管的参数信息进行学习，这些信息可能包括壁厚分析结果、壁厚偏差数据、旋轧辊的位置信息等，然后，进行数据预处理，清理不必要的数据，并确保数据质量，接下来，使用数据可视化工具（如Matplotlib、Seaborn等）对历史参数信息进行可视化，了解数据的分布、趋势和异常；选择深度学习方法，如神经网络，对减持后的历史铜管参数信息进行学习，以下是实施方式：数据准备：将历史参数数据分成训练集和验证集，确保数据标记好是否需要调整，以便模型学习何时需要进行调整，设置第一调整阈值：基于验证集的性能，确定模型输出的概率阈值，用于判断是否需要进行自适应调整。
进一步来说，将铜管壁厚分析结果和壁厚偏差结果输入至自适应调整模型，获得旋轧纠正结果，包括：
通过判断层中的第一偏差阈值对壁厚偏差结果进行判断，若不在第一偏差阈值内，则对旋轧辊设备进行检视；
若在第一偏差阈值内，则判断铜管壁厚分析结果是否满足第一调整阈值；若否则获得旋轧纠正结果。
作为上述实施例的优选，首先，将铜管壁厚分析结果和壁厚偏差结果输入到自适应调整模型中，这些数据可以包括历史铜管的壁厚分析数据和壁厚偏差数据，在判断层中，使用第一偏差阈值来判断壁厚偏差结果是否在阈值内，如果壁厚偏差结果不在第一偏差阈值内，这表示铜管的壁厚偏差超出了允许的范围，需要进行检视和调整，如果壁厚偏差结果不在第一偏差阈值内，意味着旋轧过程出现了问题，需要对旋轧辊设备进行检视，如果壁厚偏差结果在第一偏差阈值内，进一步判断铜管壁厚分析结果是否满足第一调整阈值，第一调整阈值用于确定是否需要对铜管的壁厚进行调整，根据第一调整阈值的判断，可以得出以下两种情况：如果铜管壁厚分析结果不满足第一调整阈值，意味着铜管的壁厚不符合要求，需要进行纠正，在这种情况下，可以采取相应的调整措施，例如更改轧制参数或压力，以满足壁厚的要求，如果铜管壁厚分析结果满足第一调整阈值，表示铜管的壁厚在可接受范围内，不需要进行壁厚的纠正。
进一步来说，根据旋轧纠正结果对铜管旋轧的生产参数进行调整，包括：
根据深度学习法对预处理后的历史铜管参数信息提取参数变化向量；
根据参数变化向量和第一调整阈值获得检修指令；
根据检修指令对铜管旋轧的生产参数进行调整。
实施例二：
基于与前述实施例中一种铜管旋轧生产参数自适应调整方法同样发明构思，本发明还提供了铜管旋轧生产参数自适应调整系统，如图7所示，系统还包括：
铜管壁厚采集模块，采集旋轧后铜管的实际壁厚信息；
铜管壁厚分析模块，获得采集点位集合，根据实际壁厚信息和采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果；
预期壁厚获取模块，对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，并通过旋轧辊定位信息获得旋轧后铜管的预期壁厚信息；
壁厚偏差获取模块，对预期壁厚信息与实际壁厚信息进行分析，获得壁厚偏差结果；
纠正结果获取模块，构建自适应调整模型，并将铜管壁厚分析结果和壁厚偏差结果输入至自适应调整模型，获得旋轧纠正结果；
生产参数调整模块，根据旋轧纠正结果对铜管旋轧的生产参数进行调整。
本发明中的上述调整系统可有效的实现铜管旋轧生产参数自适应调整方法，能够起到的技术效果如上述实施例所描述的，此处不再赘述。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种铜管旋轧生产参数自适应调整方法，其特征在于，所述方法包括：
采集旋轧后铜管的实际壁厚信息；
获得采集点位集合，根据所述实际壁厚信息和所述采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果；
对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，并通过所述旋轧辊定位信息获得旋轧后铜管的预期壁厚信息；
对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，包括：
对所述旋轧辊的设备位置进行划分，包括咬入区、定径区和精整区；
对所述咬入区、定径区和精整区建立坐标系，采集得到位置坐标数据信息；
并将所述位置坐标数据信息进行制定成咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合；
通过所述咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合获得所述旋轧辊定位信息；
对所述预期壁厚信息与所述实际壁厚信息进行分析，获得壁厚偏差结果；
构建自适应调整模型，并将所述铜管壁厚分析结果和所述壁厚偏差结果输入至所述自适应调整模型，获得旋轧纠正结果；
根据所述旋轧纠正结果对所述铜管旋轧的生产参数进行调整；
所述构建自适应调整模型，包括：
采集旋轧后的历史铜管参数信息，并对所述历史铜管参数信息进行预处理；
选择深度学习法对预处理后的历史铜管参数信息进行学习，并为所述自适应调整模型设置第一调整阈值；
对所述自适应调整模型设置判断层，根据所述旋轧后的历史铜管参数信息设置第一偏差阈值，对所述壁厚偏差结果进行判断；
选择相关旋轧铜管数据对所述自适应调整模型进行训练和验证。
2.根据权利要求1所述的铜管旋轧生产参数自适应调整方法，其特征在于，采集旋轧后铜管的实际壁厚信息，包括：
通过厚度测量设备对所述旋轧后铜管的厚度进行检测，并将若干所述厚度测量设备均匀设置在所述铜管的径向和周向；
将所述铜管分成若干区域，并对所述厚度测量设备所采集得到的结果按照所述区域进行平均值计算，获得多个区域厚度平均值；
根据所述区域厚度平均值获得所述实际壁厚信息。
3.根据权利要求1所述的铜管旋轧生产参数自适应调整方法，其特征在于，根据所述实际壁厚信息和所述采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果，包括：
获得所述旋轧后铜管的厚度参考值；
获得所述采集点位集合中的采集点位的采集数量；
根据所述厚度参考值、实际壁厚信息和所述采集数量计算获得所述铜管壁厚分析结果；
所述铜管壁厚分析结果通过均方根误差计算获得，所述均方根误差采用如下式：
；
其中，RMSE为所述均方根误差，Ta，i为所述实际壁厚信息，
Tr，i为所述厚度参考值，n为所述采集点位的采集数量。
4.根据权利要求3所述的铜管旋轧生产参数自适应调整方法，其特征在于，通过所述咬入区定位数据集合、定径区定位数据集合和精整区定位数据集合获得所述旋轧辊定位信息，包括：
获得所述咬入区定位数据集合内的相邻所述旋轧辊的咬入区切点坐标，并通过多个所述咬入区切点坐标确定所述咬入区定位信息；
获得所述定径区定位数据集合内的所述旋轧辊的定径区与所述铜管的定径区切点坐标，并通过多个所述咬入区切点坐标确定铜管拟合轴线信息，判断所述铜管拟合轴线信息与铜管实际轴线信息的偏差，并根据所述偏差确定所述定径区定位信息；
获得所述精整区定位数据集合内的相邻所述旋轧辊的精整区切点坐标，并通过多个所述精整区切点坐标确定所述精整区定位信息；
根据所述咬入区定位信息、所述定径区定位信息和所述精整区定位信息获得所述旋轧辊定位信息。
5.根据权利要求1所述的铜管旋轧生产参数自适应调整方法，其特征在于，通过所述旋轧辊定位信息获得旋轧后铜管的预期壁厚信息，包括：
采集所述旋轧辊的历史定位数据信息和历史旋轧后铜管的厚度信息；
将所述旋轧辊的历史定位数据信息和历史旋轧后铜管的厚度信息一一对应，并获得所述旋轧辊的历史定位数据信息和历史旋轧后铜管的厚度信息之间的匹配关系；
根据所述匹配关系和所述旋轧辊定位信息获得所述旋轧后铜管的预期壁厚信息。
6.根据权利要求1所述的铜管旋轧生产参数自适应调整方法，其特征在于，将所述铜管壁厚分析结果和所述壁厚偏差结果输入至所述自适应调整模型，获得旋轧纠正结果，包括：
通过所述判断层中的第一偏差阈值对所述壁厚偏差结果进行判断，若不在所述第一偏差阈值内，则对所述旋轧辊设备进行检视；
若在所述第一偏差阈值内，则判断所述铜管壁厚分析结果是否满足所述第一调整阈值；若否则获得旋轧纠正结果。
7.根据权利要求6所述的铜管旋轧生产参数自适应调整方法，其特征在于，根据所述旋轧纠正结果对所述铜管旋轧的生产参数进行调整，包括：
根据所述深度学习法对预处理后的所述历史铜管参数信息提取参数变化向量；
根据所述参数变化向量和所述第一调整阈值获得检修指令；
根据所述检修指令对所述铜管旋轧的生产参数进行调整。
8.铜管旋轧生产参数自适应调整系统，其特征在于，采用如权利要求1所述的铜管旋轧生产参数自适应调整方法，所述系统包括：
铜管壁厚采集模块，采集旋轧后铜管的实际壁厚信息；
铜管壁厚分析模块，获得采集点位集合，根据所述实际壁厚信息和所述采集点位集合对铜管壁厚进行分析，获得铜管壁厚分析结果；
预期壁厚获取模块，对旋轧辊在工作时的旋轧定位进行采集，获得旋轧辊定位信息，并通过所述旋轧辊定位信息获得旋轧后铜管的预期壁厚信息；
壁厚偏差获取模块，对所述预期壁厚信息与所述实际壁厚信息进行分析，获得壁厚偏差结果；
纠正结果获取模块，构建自适应调整模型，并将所述铜管壁厚分析结果和所述壁厚偏差结果输入至所述自适应调整模型，获得旋轧纠正结果；
生产参数调整模块，根据所述旋轧纠正结果对所述铜管旋轧的生产参数进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311573115.5A CN117259447B (zh) | 2023-11-23 | 2023-11-23 | 一种铜管旋轧生产参数自适应调整方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311573115.5A CN117259447B (zh) | 2023-11-23 | 2023-11-23 | 一种铜管旋轧生产参数自适应调整方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117259447A CN117259447A (zh) | 2023-12-22 |
| CN117259447B true CN117259447B (zh) | 2024-02-02 |
Family
ID=89204942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311573115.5A Active CN117259447B (zh) | 2023-11-23 | 2023-11-23 | 一种铜管旋轧生产参数自适应调整方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117259447B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1887463A (zh) * | 2005-06-30 | 2007-01-03 | 宝山钢铁股份有限公司 | 张减机壁厚前馈控制方法 |
| CN101097439A (zh) * | 2006-06-30 | 2008-01-02 | 宝山钢铁股份有限公司 | 张减机壁厚前馈结合反馈控制方法 |
| CN111069298A (zh) * | 2019-12-19 | 2020-04-28 | 太原重工股份有限公司 | 穿孔机数字化控制系统及方法 |
| CN113486587A (zh) * | 2021-07-06 | 2021-10-08 | 太原科技大学 | 基于Matlab的无缝钢管穿孔工艺模型参数预测系统 |
| CN114749493A (zh) * | 2022-06-13 | 2022-07-15 | 苏州翔楼新材料股份有限公司 | 一种冷轧带钢生产参数自适应调整方法及系统 |
-
2023
- 2023-11-23 CN CN202311573115.5A patent/CN117259447B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1887463A (zh) * | 2005-06-30 | 2007-01-03 | 宝山钢铁股份有限公司 | 张减机壁厚前馈控制方法 |
| CN101097439A (zh) * | 2006-06-30 | 2008-01-02 | 宝山钢铁股份有限公司 | 张减机壁厚前馈结合反馈控制方法 |
| CN111069298A (zh) * | 2019-12-19 | 2020-04-28 | 太原重工股份有限公司 | 穿孔机数字化控制系统及方法 |
| CN113486587A (zh) * | 2021-07-06 | 2021-10-08 | 太原科技大学 | 基于Matlab的无缝钢管穿孔工艺模型参数预测系统 |
| CN114749493A (zh) * | 2022-06-13 | 2022-07-15 | 苏州翔楼新材料股份有限公司 | 一种冷轧带钢生产参数自适应调整方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117259447A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108332681B (zh) | 一种薄壁管材大塑性弯曲截面轮廓曲线的确定方法 | |
| CN115035120B (zh) | 基于物联网的机床控制方法及系统 | |
| CN114862862A (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
| CN116091504B (zh) | 基于图像处理的连接管连接头质量检测方法 | |
| CN111739067A (zh) | 一种遥感影像变化检测方法及装置 | |
| CN114706358A (zh) | 一种直缝焊管的焊接工艺信息处理方法及系统 | |
| CN114383506A (zh) | 一种基于红外技术的高速线材盘卷形状与位置检测方法 | |
| TWI749735B (zh) | 收縮產生預測系統 | |
| CN115047162A (zh) | 一种钢管热处理的缺陷检测方法及系统 | |
| CN115240146B (zh) | 基于计算机视觉的机床装配智能验收方法 | |
| CN113884299B (zh) | 基于人工智能的滚塑机械故障检测方法 | |
| CN116050678A (zh) | 一种基于云计算的压铸产品加工测试系统及方法 | |
| CN117259447B (zh) | 一种铜管旋轧生产参数自适应调整方法及系统 | |
| CN114565314B (zh) | 一种基于数字孪生的热轧钢卷端面质量管控系统及方法 | |
| CN116071363A (zh) | 一种自动化型钢智能生产监测系统 | |
| CN115034437A (zh) | 一种基于改进XGBoost的热轧板凸度预测方法 | |
| CN116740044A (zh) | 基于视觉检测与控制的铜管铣面加工方法及系统 | |
| CN111192261A (zh) | 一种镜片疵病类型识别的方法 | |
| CN105631231A (zh) | 一种对热轧过程温度实测值进行修正的方法 | |
| CN114594106A (zh) | 一种铜管电镀工艺的实时监测方法及系统 | |
| CN117399435B (zh) | 一种铜管轧制过程自适应补偿调整方法及系统 | |
| CN111488922B (zh) | 一种中间坯镰刀弯分类识别及质量判定方法及系统 | |
| CN116429170B (zh) | 一种板坯质量检测方法 | |
| CN116958136B (zh) | 基于图像处理的丝杆螺纹生产缺陷检测方法 | |
| CN115301731B (zh) | 一种大尺寸钛合金棒材的螺线圆锥辊等距轧制方法 |
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 |