CN117265214B - 一种特种钢生产的优化控制方法及系统 - Google Patents
一种特种钢生产的优化控制方法及系统 Download PDFInfo
- Publication number
- CN117265214B CN117265214B CN202311564954.0A CN202311564954A CN117265214B CN 117265214 B CN117265214 B CN 117265214B CN 202311564954 A CN202311564954 A CN 202311564954A CN 117265214 B CN117265214 B CN 117265214B
- Authority
- CN
- China
- Prior art keywords
- sample
- quenching
- optimization
- special steel
- node state
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 250
- 239000010959 steel Substances 0.000 title claims abstract description 250
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010791 quenching Methods 0.000 claims abstract description 294
- 230000000171 quenching effect Effects 0.000 claims abstract description 294
- 238000005457 optimization Methods 0.000 claims abstract description 288
- 238000004458 analytical method Methods 0.000 claims abstract description 61
- 230000007797 corrosion Effects 0.000 claims abstract description 19
- 238000005260 corrosion Methods 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 238000010276 construction Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 abstract description 16
- 238000005496 tempering Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 229910000975 Carbon steel Inorganic materials 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000010962 carbon steel Substances 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D1/00—General methods or devices for heat treatment, e.g. annealing, hardening, quenching or tempering
- C21D1/18—Hardening; Quenching with or without subsequent tempering
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D11/00—Process control or regulation for heat treatments
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D6/00—Heat treatment of ferrous alloys
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Abstract
本发明提供了一种特种钢生产的优化控制方法及系统,涉及智能控制技术领域,方法包括:根据生产数据库构建特种钢优化模型,采用目标特种钢当前的预设淬火方案进行生产测试获得预设性能参数集,分析获得预设节点状态输入特种钢优化模型获得多个待选淬火优化方案,根据N种性能参数设置获得约束条件,获得第一最优淬火优化方案和第一优化节点状态输入特种钢优化模型,继续进行淬火优化直到达到预设条件获得最优淬火优化方案进行优化控制,解决现有技术中缺乏对特种钢生产过程中的淬火热处理工艺的管控,导致特种钢硬度、韧性以及耐腐蚀性低的技术问题,实现对淬火热处理工艺的合理化精准管控,提高特种钢硬度、韧性以及耐腐蚀性。
Description
技术领域
本发明涉及智能控制技术领域,具体涉及一种特种钢生产的优化控制方法及系统。
背景技术
在碳素钢中适量地加入一种或几种合金元素,使钢的组织结构发生变化,从而使钢具有各种不同的特殊性能,如强度、硬度大,可塑性、韧性好,耐磨,耐腐蚀,以及其他许多优良性能。与普通钢材相比,特种钢一直在源源不断向核电、五金、工具、汽车等行业输送优质材料。
剃须刀特种钢需要有较好的硬度,韧性,抗缺损性以及耐腐蚀性,才能保证较好的使用性能,剃须刀生产过程中的淬火-回火热处理工艺,对于剃须刀的硬度、韧性以及耐腐蚀性有着较大的影响,所以对于淬火工艺的优化,对于提升剃须刀特种钢的性能尤为关键。
现有技术中存在对特种钢生产过程中的淬火热处理工艺的管控不合理,导致特种钢硬度、韧性以及耐腐蚀性差的技术问题。
发明内容
本申请提供了一种特种钢生产的优化控制方法及系统,用于针对解决现有技术中存在的对特种钢生产过程中的淬火热处理工艺的管控不合理,导致特种钢硬度、韧性以及耐腐蚀性差的技术问题。
鉴于上述问题,本申请提供了一种特种钢生产的优化控制方法及系统。
第一方面,本申请提供了一种特种钢生产的优化控制方法,所述方法包括:根据目标特种钢历史时间内的生产数据,构建生产数据库,其中,所述目标特种钢为剃须刀特种钢,所述生产数据库内包括初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库,初始节点状态和调整节点状态通过特种钢性能分析模型分析获得,包括性能评分;根据所述生产数据库,构建特种钢优化模型,所述特种钢优化模型内包括多个样本节点状态和多个样本淬火优化方案;采用所述目标特种钢当前的预设淬火方案进行生产,测试获得预设性能参数集,并分析获得预设节点状态,所述预设性能参数集包括N种性能参数,N为大于1的整数;将所述预设节点状态输入所述特种钢优化模型,获得多个待选淬火优化方案;根据所述N种性能参数,设置获得约束条件,以提升淬火优化后的节点状态为目的,根据所述约束条件,在所述多个待选淬火优化方案内进行寻优,获得第一最优淬火优化方案和第一优化节点状态;将所述第一优化节点状态输入所述特种钢优化模型,继续基于所述第一优化节点状态继续进行淬火优化,直到达到预设条件,获得最优淬火优化方案,对所述目标特种钢的生产进行优化控制。
第二方面,本申请提供了一种特种钢生产的优化控制系统,所述系统包括:生产数据库构建模块,所述生产数据库构建模块用于根据目标特种钢历史时间内的生产数据,构建生产数据库,其中,所述目标特种钢为剃须刀特种钢,所述生产数据库内包括初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库,初始节点状态和调整节点状态通过特种钢性能分析模型分析获得,包括性能评分;模型构建模块,所述模型构建模块用于根据所述生产数据库,构建特种钢优化模型,所述特种钢优化模型内包括多个样本节点状态和多个样本淬火优化方案;预设节点状态模块,所述预设节点状态模块用于采用所述目标特种钢当前的预设淬火方案进行生产,测试获得预设性能参数集,并分析获得预设节点状态,所述预设性能参数集包括N种性能参数,N为大于1的整数;第一输入模块,所述第一输入模块用于将所述预设节点状态输入所述特种钢优化模型,获得多个待选淬火优化方案;寻优模块,所述寻优模块用于根据所述N种性能参数,设置获得约束条件,以提升淬火优化后的节点状态为目的,根据所述约束条件,在所述多个待选淬火优化方案内进行寻优,获得第一最优淬火优化方案和第一优化节点状态;优化控制模块,所述优化控制模块用于将所述第一优化节点状态输入所述特种钢优化模型,继续基于所述第一优化节点状态继续进行淬火优化,直到达到预设条件,获得最优淬火优化方案,对所述目标特种钢的生产进行优化控制。
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:
本申请提供的一种特种钢生产的优化控制方法及系统,涉及智能控制技术领域,解决了现有技术中缺乏对特种钢生产过程中的淬火-回火热处理工艺的管控,导致特种钢硬度、韧性以及耐腐蚀性低的技术问题,实现了对淬火-回火热处理工艺的合理化精准管控,提高特种钢硬度、韧性以及耐腐蚀性。
附图说明
图1为本申请提供了一种特种钢生产的优化控制方法流程示意图;
图2为本申请提供了一种特种钢生产的优化控制方法中构建生产数据库流程示意图;
图3为本申请提供了一种特种钢生产的优化控制方法中构建特种钢优化模型流程示意图;
图4为本申请提供了一种特种钢生产的优化控制方法中获得第一最优淬火优化方案流程示意图;
图5为本申请提供了一种特种钢生产的优化控制方法中获得最优淬火优化方案流程示意图;
图6为本申请提供了一种特种钢生产的优化控制系统结构示意图。
附图标记说明:生产数据库构建模块1,模型构建模块2,预设节点状态模块3,第一输入模块4,寻优模块5,优化控制模块6。
具体实施方式
本申请通过提供一种特种钢生产的优化控制方法及系统,用于解决现有技术中缺乏对特种钢生产过程中的淬火-回火热处理工艺的管控,导致特种钢硬度、韧性以及耐腐蚀性低的技术问题。
实施例1
如图1所示,本申请实施例提供了一种特种钢生产的优化控制方法,该方法包括:
步骤S100:根据目标特种钢历史时间内的生产数据,构建生产数据库,其中,所述目标特种钢为剃须刀特种钢,所述生产数据库内包括初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库,初始节点状态和调整节点状态通过特种钢性能分析模型分析获得,包括性能评分;
具体而言,本申请实施例提供的一种特种钢生产的优化控制方法应用于一种特种钢生产的优化控制系统,由于剃须刀特种钢需要有较好的硬度,韧性,抗缺损性以及耐腐蚀性,才能保证较好的使用性能,因此为保证后期生产过程中的对剃须刀特种钢材性能提取的准确性,首先需要对目标特种钢在历史时间内的生产数据进行采集,目标特种钢特指剃须刀特种钢,在历史时间内对剃须刀特种钢的生产数据可以是特种钢冶炼数据、特种钢锻造数据、特种钢热轧数据、特种钢冷轧退火数据、特种钢冲压数据、特种钢淬火-回火处理数据、刀刃加工数据、表面涂层数据等数据,在历史时间内生产数据的基础上根据特种钢生产工艺的多个阶段中所包含的数据分别对目标特种钢在生产初期的初始节点状态数据库、淬火-回火阶段的淬火优化方案数据库,生产优化调整阶段的调整节点状态数据库,其中,在初始节点状态数据库中包含特种钢在初始节点的状态,即初始节点状态,淬火优化方案数据库中包含特种钢在进行淬火时的优化步骤,调整节点状态数据库中包含特种钢在生产节点中进行调整后的状态,即调整节点状态,且初始节点状态和调整节点状态是通过如下所构建的特种钢性能分析模型进行分析所获,同时在初始节点状态和调整节点状态中包括对特种钢的性能评分,特种钢的性能评分与特种钢的性能为正比关系,是指特种钢的性能评分越高则特种钢的性能就越好,为后期实现对特种钢的生产进行优化控制作为重要参考依据。
进一步而言,如图2所示,本申请步骤S100还包括:
步骤S110:获取所述目标特种钢在历史时间内进行淬火工艺调整的多个样本初始性能参数集合,每个样本初始性能参数集合包括所述N种性能参数的N个性能参数,所述N种性能参数包括硬度、韧性和耐腐蚀性;
步骤S120:获取所述目标特种钢在历史时间内,基于所述多个样本初始性能参数集合,进行淬火工艺调整的多个样本淬火调整方案集合,每个样本淬火调整方案内包括M种淬火参数的M个淬火参数,M为大于1的整数;
步骤S130:获取所述目标特种钢在历史时间内,基于所述多个样本淬火调整方案进行淬火工艺调整后生产的特种钢的多个样本调整性能参数集合;
步骤S140:将所述多个样本初始性能参数集合输入特种钢性能分析模型内,获得多个样本初始节点状态,将所述多个样本调整性能参数集合输入所述特种钢性能分析模型内,获得多个样本调整节点状态集合;
步骤S150:采用所述多个样本初始性能参数集合、多个样本淬火调整方案集合、多个样本调整性能参数集合、多个样本初始节点状态和多个样本调整节点状态集合,构建获得所述初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库。
进一步而言,本申请步骤S140包括:
步骤S141:获取所述目标特种钢在历史时间内的多个样本性能参数集合,并进行性能评估,获得多个性能评分,作为多个样本节点状态;
步骤S142:基于所述N种性能参数,构建性能分析坐标系,所述性能分析坐标系内包括N个性能参数坐标轴;
步骤S143:将所述多个样本性能参数集合输入所述性能分析坐标系,获得多个样本坐标点,采用所述多个样本节点状态,对所述多个样本坐标点进行标记,获得所述特种钢性能分析模型;
步骤S144:分别将所述多个样本初始性能参数集合输入所述特种钢性能分析模型内,获得多个初始坐标点;
步骤S145:分别获取所述多个初始坐标点最邻近的K个样本坐标点对应的K个样本节点状态,获得多个邻近样本节点状态集合,并分别获取所述多个邻近样本节点状态集合内出现频率最高的样本节点状态,作为所述多个样本初始节点状态。
具体而言,为确保对特种钢所构建生产数据库的准确性,因此需要对目标特种钢在历史时间内进行淬火工艺调整的目标特种钢硬度参数、目标特种刚韧性参数、目标特种钢耐腐蚀性参数等记作多个样本初始性能参数进行提取,并将多个初始性能参数进行汇总整合后,作为多个样本初始性能参数集合,且在多个样本初始性能参数集合中的每个样本初始性能参数集合均包括N种性能参数的N个性能参数,其中,N种性能参数为硬度、韧性和耐腐蚀性。进一步的,以多个样本初始性能参数集合作为调整基础数据,在目标特种钢在历史时间内,在淬火工艺中进行调整的加热温度参数、加热速度参数、保温时间参数等记作多个样本淬火调整参数,同时将多个样本淬火调整参数进行随机组合,生成多个样本淬火调整方案,将多个样本淬火调整方案进行汇总整合后记作多个样本淬火调整方案集合,且在多个样本淬火调整方案集合中的每个样本淬火调整方案内均包括M种淬火参数的M个淬火参数,其中,M为大于1的整数,M种淬火参数可以是淬火温度、淬火加温、淬火温度分布等,M个淬火参数可以是淬火温度的M个温度数值、淬火加温的M个加热温度值、淬火温度分布的M个温度分布状态值,进一步的,在目标特种钢在历史时间内,对通过多个样本淬火调整方案进行淬火工艺调整后所生产出的目标特种钢的多个样本调整性能参数进行提取整合,获取与多个样本淬火调整方案所对应的多个样本调整性能参数集合,将多个样本初始性能参数集合输入特种钢性能分析模型内,获得多个样本初始节点状态,将多个样本调整性能参数集合输入特种钢性能分析模型内,获得多个样本调整节点状态集合。
该特种钢性能分析模型是在KNN算法的基础上进行构建的,KNN算法是用于分类和回归预测的分类算法,在特种钢性能分析模型内一种性能参数对应一个性能参数的坐标轴,是指首先对目标特种钢在历史时间内的多个样本性能参数集合进行提取,并根据多个样本性能参数集合对目标特种钢的性能进行评估,对应获得多个性能评分,性能评分越高则目标特种钢的性能越好,同时将多个性能评分作为目标特种钢的多个样本节点状态,其多个样本节点状态与多个性能评分为正比关系,性能评分越高则目标特种钢的样本节点状态越好,进一步的,以每个样本初始性能参数集合中所包括的N种性能参数作为构建数据,是指将N种性能参数所对应的具体性能参数依次分别作为N个性能参数坐标轴内的坐标值,以目标特种钢的初始性能数据作为原始点,将N个性能参数坐标轴以原始点作为交汇点进行排列,由此完成对性能分析坐标系进行构建,进一步的,将多个样本性能参数集合输入至所构建的性能分析坐标系中,将多个样本性能参数集合中每个样本性能参数在性能分析坐标系中所对应的坐标点记作样本坐标点,根据每个样本坐标点的样本节点状态,对每个样本坐标点均进行样本节点状态的标记,由此完成基于KNN算法对特种钢性能分析模型的构建,同时分别将多个样本初始性能参数集合输入特种钢性能分析模型内,是指将多个样本初始性能参数集合内所包含的每个样本初始性能参数输入至所构建的性能分析坐标系中,将多个样本初始性能参数集合中每个样本初始性能参数在性能分析坐标系中所对应的坐标点记作多个初始坐标点。
最终对多个初始坐标点最邻近的K个样本坐标点对应的K个样本节点状态进行获取,是指首先将多个初始坐标点最邻近的K个样本坐标点进行提取,多个初始坐标点与最邻近的K个样本坐标点之间的距离为欧氏距离数据集中最短的k个距离,k值为欧氏距离数据集的一部分,可自行设定,例如为3,欧氏距离数据集为欧几里得度量距离数据集合,即坐标系中两点之间的直线距离,对多个初始坐标点向量进行距离计算,获得多个初始坐标点向量与K个样本坐标点之间的欧氏距离数据集,依次将所提取的K个样本坐标点对应的K个样本节点状态进行获取,K个样本节点状态可以包含目标特种钢在每个节点中的生产状态,将多个初始坐标点最邻近的K个样本坐标点对应的K个样本节点状态进行归纳汇总后记作多个邻近样本节点状态集合,同时分别对多个邻近样本节点状态集合内样本节点状态的出现频率进行统计,并将出现频率最高的样本节点状态作为多个样本初始节点状态。
进一步的,采用多个样本初始性能参数集合、多个样本初始节点状态作为构建数据,对初始节点状态数据库进行构建,采用多个样本淬火调整方案集合对淬火优化方案数据库进行构建,采用多个样本调整性能参数集合、多个样本调整节点状态集合对调整节点状态数据库进行构建,从而根据初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库完成对生产数据库的构建,为实现对特种钢的生产进行优化控制做保障。
步骤S200:根据所述生产数据库,构建特种钢优化模型,所述特种钢优化模型内包括多个样本节点状态和多个样本淬火优化方案;
进一步而言,如图3所示,本申请步骤S200还包括:
步骤S210:基于所述生产数据库,获取第一样本节点状态和多个第一样本淬火优化方案;
步骤S220:构建所述第一样本节点状态和所述多个第一样本淬火优化方案的映射关系;
步骤S230:在所述生产数据库内,根据所述第一样本节点状态和多个第一样本淬火优化方案,获取多个第二样本节点状态,所述多个第二样本节点为在第一样本节点状态下,通过所述多个第一样本淬火优化方案进行淬火工艺优化后进行生产的节点状态;
步骤S240:继续获取并构建多个第P-1样本淬火优化方案和多个第P样本节点状态之间的映射关系,获得所述特种钢优化模型,P为大于2的整数。
具体而言,为提高对目标特种钢在生产过程中优化控制的准确率,以上述所构建的生产数据库作为构建基础数据,对特种优化模型进行构建,该特种优化模型是基于马尔科夫模型进行构建的,在特种优化模型内包括多个样本节点状态,在多个样本节点状态中存在一个节点状态为目标特种钢的性能评分,该性能评分是基于特种钢性能分析模型对性能参数集进行分析所获。
特种优化模型的构建过程可以为:首先在所构建的生产数据库内初始节点状态数据库中随机提取一个样本节点状态记作第一样本节点状态、在生产数据库内淬火优化方案数据库中提取与该第一样本节点状态对应多个样本淬火优化方案记作多个第一样本淬火优化方案,进一步的,对所提取的第一样本节点状态和多个第一样本淬火优化方案进行映射,获取第一样本节点状态和多个第一样本淬火优化方案的映射关系,该映射的关系是指当多个第一样本淬火优化方案与第一样本节点状态具有映射关系时,在多个第一样本淬火优化方案取一值,第一样本节点状态中有且只有一个值对应,而在第一样本节点状态取一值,多个第一样本淬火优化方案中可以有多个值进行对应,是指在第一样本节点状态下,技术人员可以对淬火工艺进行调整,获得多个淬火优化方案,并分别基于多个淬火优化方案进行淬火工艺的优化,进行特种钢的生产,对多个节点状态进行更新,获得更新的节点状态,从而将更新的节点状态进行获取,即可形成节点状态-动作和新的节点状态的映射关系,达到形成多轮的淬火工艺优化的效果。
进一步的,在生产数据库内,以第一样本节点状态和多个第一样本淬火优化方案作为初始数据,在第一样本节点状态下,通过多个第一样本淬火优化方案对目标特种钢进行淬火工艺优化后所进行生产的所有节点状态记作多个第二样本节点状态,是指在第一样本节点状态的基础上,根据与第一样本节点状态所对应的多个第一样本淬火优化方案在对目标特种钢进行淬火工艺优化中,在每一轮里找最优的淬火优化方案,进行多轮寻优,从而完成淬火工艺的优化控制。
进一步的,同理继续获取多个第P-1样本淬火优化方案和多个第P样本节点状态,其中,P为大于2的整数,同时对多个第P-1样本淬火优化方案和多个第P样本节点状态之间的映射关系进行构建,根据多个第P-1样本淬火优化方案和多个第P样本节点状态以及多个映射关系完成对特种钢优化模型的构建,且特种钢优化模型内包括多个样本节点状态和多个样本淬火优化方案,多个样本节点状态是指在对目标特种钢进行生产的过程中每个节点所对应的样本状态,多个样本淬火优化方案是指具体的淬火工艺方案,例如包括加热温度,升温速度,加热时间,冷却方式,冷却速度等工艺参数,但对淬火工艺方案在调整时需要基于当前的淬火工艺方案以及生产获得的特种钢的性能作为基础的情况下进行,为后续实现对特种钢的生产进行优化控制夯实基础。
步骤S300:采用所述目标特种钢当前的预设淬火方案进行生产,测试获得预设性能参数集,并分析获得预设节点状态,所述预设性能参数集包括N种性能参数,N为大于1的整数;
具体而言,为更好的对目标特种钢进行生产优化控制,因此需要对目标特种钢的预设性能参数进行获取,首先可以采用目标特种钢当前的预设淬火方案对目标特种钢进行生产,预设淬火方案是由相关技术人员根据目标特种钢的生产淬火数据进行预设,进一步的,根据预设淬火方案对目标特种钢进行淬火测试,在淬火测试的过程中对目标特种钢的性能参数进行采集,将所采集到的性能参数记作预设性能参数集,其中,预设性能参数集包括N种性能参数,N为大于1的整数,N种性能参数可以是硬度、韧性和耐腐蚀性。
将预设性能参数集输入特种钢性能分析模型内,是指将预设性能参数集内所包含的每个预设性能参数输入至所构建的性能分析坐标系中,将预设性能参数集中每个样本预设性能参数在性能分析坐标系中的坐标点所对应的节点状态记作预设节点状态,实现对特种钢的生产进行优化控制有着预设限定的作用。
步骤S400:将所述预设节点状态输入所述特种钢优化模型,获得多个待选淬火优化方案;
具体而言,为了提高在对目标特种钢进行淬火时的效率,因此首先以上述通过钢性能分析模型分析所获的预设节点状态输入至特种钢优化模型中进行优化筛选,该优化筛选步骤可以是通过预设节点状态提取针对预设节点状态映射对应的多个淬火优化方案,进一步的,在多个淬火优化方案中进行寻优,将寻优所获的最优淬火优化方案对应的节点状态记作新的节点状态,再通过新的节点状态提取针对新的节点状态的多个淬火优化方案,是指基于预设节点状态获取多个优化方案,在每一轮对目标特种钢进行淬火工艺优化中,多个优化方案内的每一轮中寻找最优的淬火优化方案,依次进行多轮淬火工艺,从而获取多个待选淬火优化方案,由此完成淬火工艺的优化控制,以便为后期对特种钢的生产进行优化控制时作为参照数据。
步骤S500:根据所述N种性能参数,设置获得约束条件,以提升淬火优化后的节点状态为目的,根据所述约束条件,在所述多个待选淬火优化方案内进行寻优,获得第一最优淬火优化方案和第一优化节点状态;
进一步而言,如图4所示,本申请步骤S500还包括:
步骤S510:根据所述目标特种钢的性能需求,获取N个性能参数阈值,将生产获得的目标特种钢的N个性能参数满足所述N个性能参数阈值,作为所述约束条件;
步骤S520:在所述多个待选淬火优化方案内随机选择获得第一待选淬火优化方案,作为最优解,并将所述预设节点状态和所述第一待选淬火优化方案输入所述特种钢优化模型,获得第一待选调整节点状态,所述第一待选调整节点状态内包括第一待选性能评分;
步骤S530:再次在所述多个待选淬火优化方案随机选择获得第二待选淬火优化方案,并将所述预设节点状态和所述第二待选淬火优化方案输入所述特种钢优化模型,获得第二待选调整节点状态,所述第二待选调整节点状态内包括第二待选性能评分;
步骤S540:按照预设判断规则,对所述第一待选淬火优化方案和第二待选淬火优化方案进行判断,对最优解进行更新;
步骤S550:继续进行寻优,直到达到第一预设寻优次数,将最终的最优解输出,获得第一最优淬火优化方案。
进一步而言,本申请步骤S540包括:
步骤S541:判断所述第二待选性能评分是否大于所述第一待选性能评分;
步骤S542:若是,则将所述第二待选淬火优化方案更新为最优解,若否,则随机生成(0,10)内的随机数,判断所述随机数是否大于预设门限值,若是,则将所述第二待选淬火优化方案更新为最优解,若否,则不对最优解进行更新,所述预设门限值的取值范围为(0,10),所述预设门限值的大小随着寻优次数的增加而增大。
具体而言,为在上述所获得多个待选淬火优化方案中进行寻优,首先以预设性能参数集中所包含的N种性能参数作为参考数据,根据目标特种钢N种性能参数的性能需求,对应获取N个性能参数阈值,将生产获得的目标特种钢满足N个性能参数阈值的N个性能参数作为约束条件,以提升淬火优化后的节点状态作为目的,以约束条件作为约束边界,在多个待选淬火优化方案内进行寻优,是指在多个待选淬火优化方案内随机选择一个待选淬火优化方案记作第一待选淬火优化方案,并将此时的第一待选淬火优化方案作为最优解,并将预设节点状态和第一待选淬火优化方案输入至特种钢优化模型中。
进一步的,将所述预设节点状态和所述第一待选淬火优化方案输入所述特种钢优化模型,获得在预设节点状态下,采用第一待选淬火优化方案进行淬火工艺调整后,生产获得的特种钢的第一待选调整节点状态,且第一待选调整节点状态内包括第一待选性能评分,第一待选性能评分是用于评价第一待选调整节点状态的评分,第一待选性能评分越高则第一待选调整节点状态越好。
再次在多个待选淬火优化方案随机选择一个待选淬火优化方案记作第二待选淬火优化方案,且第二待选淬火优化方案与第一待选淬火优化方案不同,并将预设节点状态和第二待选淬火优化方案输入特种钢优化模型,获得第二待选调整节点状态,第二待选调整节点状态内包括第二待选性能评分,第二待选性能评分是用于评价第二待选调整节点状态的评分,第二待选性能评分越高则第二待选调整节点状态越好。
进一步的,按照预设判断规则,对第一待选淬火优化方案和第二待选淬火优化方案进行判断,其中预设判断规则包括对第二待选性能评分是否大于第一待选性能评分进行判断,若第二待选性能评分大于第一待选性能评分,则将第二待选淬火优化方案更新为最优解,若第二待选性能评分小于第一待选性能评分,则随机生成(0,10)内的随机数,并同时对所生成的随机数是否大于预设门限值进行判断,该预设门限值的初始值为0,且预设门限值随着寻优次数增大而增大,若随机数大于预设门限值,则将第二待选淬火优化方案更新为最优解,作为最优淬火优化方案进行输出,若随机数小于预设门限值,则不对最优解进行更新,即最优解仍为第一待选淬火优化方案,示例性的,当第二待选性能评分小于第一待选性能评分,则随机生成的数字可以为1,并同时对所生成的随机数是否大于预设门限值进行判断,该预设门限值的初始值为0,且预设门限值随着寻优次数增大而增大,将随机生成的数字1与预设门限值的初始值0进行比较后,判定随机数大于预设门限值,则将第二待选淬火优化方案更新为最优解,作为最优淬火优化方案进行输出,此时预设门限值更新为1,再当第二待选性能评分小于第一待选性能评分,则随机生成的数字可以为0,并同时对所生成的随机数是否大于预设门限值进行判断,将随机生成的数字0与预设门限值的初始值1进行比较后,判定随机数小于预设门限值,则不对最优解进行更新,即最优解仍为第一待选淬火优化方案,由此避免陷入局部最优,从而提升对淬火优化方案的寻优效率,在此判定基础上,继续进行同理判定寻优,直到达到第一预设寻优次数后停止,该第一预设寻优次数可以为10次,当达到第一预设寻优次数后将最终所判定的最优解进行输出,将所输出的最优解作为第一最优淬火优化方案。
进一步的,根据所输出的第一最优淬火优化方案对目标特种钢进行生产测试,从而通过生产测试获得最优性能参数集,同时将最优性能参数集输入至特种性能分析模型中进行分析,是指将最优性能参数集内所包含的每个最优性能参数输入至所构建的性能分析坐标系中,将最优性能参数集中每个最优性能参数在性能分析坐标系中的坐标点所对应的节点状态中随机选择一个节点状态记作第一优化节点状态进行输出,达到基于第一最优淬火优化方案和第一优化节点状态对特种钢的生产进行更为精准的优化控制。
步骤S600:将所述第一优化节点状态输入所述特种钢优化模型,继续基于所述第一优化节点状态继续进行淬火优化,直到达到预设条件,获得最优淬火优化方案,对目标特种钢的生产进行优化控制。
进一步而言,如图5所示,本申请步骤S600还包括:
步骤S610:将所述第一优化节点状态输入所述特种钢优化模型,获得所述第一优化节点状态下的多个待选淬火优化方案;
步骤S620:根据所述约束条件,以提升淬火优化后的节点状态为目的,在所述第一优化节点状态下的多个待选淬火优化方案中进行寻优,获得第二最优淬火优化方案和第二优化节点状态;
步骤S630:基于所述第二优化节点状态,继续进行淬火优化,直到达到第二预设优化次数,获得所述最优淬火优化方案。
具体而言,为达到对目标特种钢的生产按照最优淬火优化方案进行优化控制,因此首先需要以上述所获的第一优化节点状态作为基础数据,将第一优化节点状态输入至特种钢优化模型中,通过第一优化节点状态提取针对第一优化节点状态映射关联的多个待选淬火优化方案,进一步的,根据约束条件,以提升淬火优化后的节点状态为目的,在第一优化节点状态下的多个待选淬火优化方案中进行寻优,具体寻优过程与步骤S500中相同,并获得寻优结果,由此输出第二最优淬火优化方案和第二优化节点状态,最终在第二优化节点状态的基础上,继续对目标特种钢进行淬火优化,直到达到第二预设优化次数,其中第二预设优化次数由相关技术人员根据对特种钢进行淬火优化的数据量进行预设,例如为5次,当达到第二预设优化次数时所获的方案记作最优淬火优化方案,继而按照最优淬火优化方案对目标特种钢生产过程中的淬火-回火热处理工艺进行控制,以此保证后期对目标特种钢的生产进行更好的优化控制。
综上所述,本申请实施例提供的一种特种钢生产的优化控制方法,至少包括如下技术效果,实现了对淬火-回火热处理工艺的合理化精准管控,提高特种钢硬度、韧性以及耐腐蚀性。
实施例2
基于与前述实施例中一种特种钢生产的优化控制方法相同的发明构思,如图6所示,本申请提供了一种特种钢生产的优化控制系统,系统包括:
生产数据库构建模块1,所述生产数据库构建模块1用于根据目标特种钢历史时间内的生产数据,构建生产数据库,其中,所述目标特种钢为剃须刀特种钢,所述生产数据库内包括初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库,初始节点状态和调整节点状态通过特种钢性能分析模型分析获得,包括性能评分;
模型构建模块2,所述模型构建模块2用于根据所述生产数据库,构建特种钢优化模型,所述特种钢优化模型内包括多个样本节点状态和多个样本淬火优化方案;
预设节点状态模块3,所述预设节点状态模块3用于采用所述目标特种钢当前的预设淬火方案进行生产,测试获得预设性能参数集,并分析获得预设节点状态,所述预设性能参数集包括N种性能参数,N为大于1的整数;
第一输入模块4,所述第一输入模块4用于将所述预设节点状态输入所述特种钢优化模型,获得多个待选淬火优化方案;
寻优模块5,所述寻优模块5用于根据所述N种性能参数,设置获得约束条件,以提升淬火优化后的节点状态为目的,根据所述约束条件,在所述多个待选淬火优化方案内进行寻优,获得第一最优淬火优化方案和第一优化节点状态;
优化控制模块6,所述优化控制模块6用于将所述第一优化节点状态输入所述特种钢优化模型,继续基于所述第一优化节点状态继续进行淬火优化,直到达到预设条件,获得最优淬火优化方案,对所述目标特种钢的生产进行优化控制。
进一步而言,系统还包括:
第一调整模块,所述第一调整模块用于获取所述目标特种钢在历史时间内进行淬火工艺调整的多个样本初始性能参数集合,每个样本初始性能参数集合包括所述N种性能参数的N个性能参数,所述N种性能参数包括硬度、韧性和耐腐蚀性;
第二调整模块,所述第二调整模块用于获取所述目标特种钢在历史时间内,基于所述多个样本初始性能参数集合,进行淬火工艺调整的多个样本淬火调整方案集合,每个样本淬火调整方案内包括M种淬火参数的M个淬火参数,M为大于1的整数;
第三调整模块,所述第三调整模块用于获取所述目标特种钢在历史时间内,基于所述多个样本淬火调整方案进行淬火工艺调整后生产的特种钢的多个样本调整性能参数集合;
第二输入模块,所述第二输入模块用于将所述多个样本初始性能参数集合输入特种钢性能分析模型内,获得多个样本初始节点状态,将所述多个样本调整性能参数集合输入所述特种钢性能分析模型内,获得多个样本调整节点状态集合;
数据库构建模块,所述数据库构建模块用于采用所述多个样本初始性能参数集合、多个样本淬火调整方案集合、多个样本调整性能参数集合、多个样本初始节点状态和多个样本调整节点状态集合,构建获得所述初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库。
进一步而言,系统还包括:
性能评估模块,所述性能评估模块用于获取所述目标特种钢在历史时间内的多个样本性能参数集合,并进行性能评估,获得多个性能评分,作为多个样本节点状态;
坐标系构建模块,所述坐标系构建模块用于基于所述N种性能参数,构建性能分析坐标系,所述性能分析坐标系内包括N个性能参数坐标轴;
第三输入模块,所述第三输入模块用于将所述多个样本性能参数集合输入所述性能分析坐标系,获得多个样本坐标点,采用所述多个样本节点状态,对所述多个样本坐标点进行标记,获得所述特种钢性能分析模型;
第四输入模块,所述第四输入模块用于分别将所述多个样本初始性能参数集合输入所述特种钢性能分析模型内,获得多个初始坐标点;
第一节点状态获取模块,所述第一节点状态获取模块用于分别获取所述多个初始坐标点最邻近的K个样本坐标点对应的K个样本节点状态,获得多个邻近样本节点状态集合,并分别获取所述多个邻近样本节点状态集合内出现频率最高的样本节点状态,作为所述多个样本初始节点状态。
进一步而言,系统还包括:
第一样本模块,所述第一样本模块用于基于所述生产数据库,获取第一样本节点状态和多个第一样本淬火优化方案;
映射模块,所述映射模块用于构建所述第一样本节点状态和所述多个第一样本淬火优化方案的映射关系;
第二节点状态获取模块,所述第二节点状态获取模块用于在所述生产数据库内,根据所述第一样本节点状态和多个第一样本淬火优化方案,获取多个第二样本节点状态,所述多个第二样本节点为在第一样本节点状态下,通过所述多个第一样本淬火优化方案进行淬火工艺优化后进行生产的节点状态;
映射关系模块,所述映射关系模块用于继续获取并构建多个第P-1样本淬火优化方案和多个第P样本节点状态之间的映射关系,获得所述特种钢优化模型,P为大于2的整数。
进一步而言,系统还包括:
第一判断模块,所述第一判断模块用于根据所述目标特种钢的性能需求,获取N个性能参数阈值,将生产获得的目标特种钢的N个性能参数满足所述N个性能参数阈值,作为所述约束条件;
第二判断模块,所述第二判断模块用于在所述多个待选淬火优化方案内随机选择获得第一待选淬火优化方案,作为最优解,并将所述预设节点状态和所述第一待选淬火优化方案输入所述特种钢优化模型,获得第一待选调整节点状态,所述第一待选调整节点状态内包括第一待选性能评分;
第五输入模块,所述第五输入模块用于再次在所述多个待选淬火优化方案随机选择获得第二待选淬火优化方案,并将所述预设节点状态和所述第二待选淬火优化方案输入所述特种钢优化模型,获得第二待选调整节点状态,所述第二待选调整节点状态内包括第二待选性能评分;
第三判断模块,所述第三判断模块用于按照预设判断规则,对所述第一待选淬火优化方案和第二待选淬火优化方案进行判断,对最优解进行更新;
最优解输出模块,所述最优解输出模块用于继续进行寻优,直到达到第一预设寻优次数,将最终的最优解输出,获得第一最优淬火优化方案。
进一步而言,系统还包括:
第四判断模块,所述第四判断模块用于判断所述第二待选性能评分是否大于所述第一待选性能评分;
第五判断模块,所述第五判断模块用于若第二待选性能评分大于所述第一待选性能评分,则将所述第二待选淬火优化方案更新为最优解,若第二待选性能评分不大于所述第一待选性能评分,则随机生成(0,10)内的随机数,判断所述随机数是否大于预设门限值,若随机数大于预设门限值,则将所述第二待选淬火优化方案更新为最优解,若随机数不大于预设门限值,则不对最优解进行更新,所述预设门限值的取值范围为(0,10),所述预设门限值的大小随着寻优次数的增加而增大。
进一步而言,系统还包括:
第六输入模块,所述第六输入模块用于将所述第一优化节点状态输入所述特种钢优化模型,获得所述第一优化节点状态下的多个待选淬火优化方案;
第一寻优模块,所述第一寻优模块用于根据所述约束条件,以提升淬火优化后的节点状态为目的,在所述第一优化节点状态下的多个待选淬火优化方案中进行寻优,获得第二最优淬火优化方案和第二优化节点状态;
第二寻优模块,所述第二寻优模块用于基于所述第二优化节点状态,继续进行淬火优化,直到达到第二预设优化次数,获得所述最优淬火优化方案。
本说明书通过前述对一种特种钢生产的优化控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种特种钢生产的优化控制系统,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,所以描述的比较简单,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,在其他实施例中实现。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 (5)
1.一种特种钢生产的优化控制方法,其特征在于,所述方法包括:
根据目标特种钢历史时间内的生产数据,构建生产数据库,其中,所述目标特种钢为剃须刀特种钢,所述生产数据库内包括初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库,初始节点状态和调整节点状态通过特种钢性能分析模型分析获得,包括性能评分;
根据所述生产数据库,构建特种钢优化模型,所述特种钢优化模型内包括多个样本节点状态和多个样本淬火优化方案;
采用所述目标特种钢当前的预设淬火方案进行生产,测试获得预设性能参数集,并分析获得预设节点状态,所述预设性能参数集包括N种性能参数,N为大于1的整数;
将所述预设节点状态输入所述特种钢优化模型,获得多个待选淬火优化方案;
根据所述N种性能参数,设置获得约束条件,以提升淬火优化后的节点状态为目的,根据所述约束条件,在所述多个待选淬火优化方案内进行寻优,获得第一最优淬火优化方案和第一优化节点状态;
将所述第一优化节点状态输入所述特种钢优化模型,继续基于所述第一优化节点状态继续进行淬火优化,直到达到预设条件,获得最优淬火优化方案,对所述目标特种钢的生产进行优化控制;
根据目标特种钢历史时间内的生产数据,构建生产数据库,包括:
获取所述目标特种钢在历史时间内进行淬火工艺调整的多个样本初始性能参数集合,每个样本初始性能参数集合包括所述N种性能参数的N个性能参数,所述N种性能参数包括硬度、韧性和耐腐蚀性;
获取所述目标特种钢在历史时间内,基于所述多个样本初始性能参数集合,进行淬火工艺调整的多个样本淬火调整方案集合,每个样本淬火调整方案内包括M种淬火参数的M个淬火参数,M为大于1的整数;
获取所述目标特种钢在历史时间内,基于所述多个样本淬火调整方案进行淬火工艺调整后生产的特种钢的多个样本调整性能参数集合;
将所述多个样本初始性能参数集合输入特种钢性能分析模型内,获得多个样本初始节点状态,将所述多个样本调整性能参数集合输入所述特种钢性能分析模型内,获得多个样本调整节点状态集合;
采用所述多个样本初始性能参数集合、多个样本淬火调整方案集合、多个样本调整性能参数集合、多个样本初始节点状态和多个样本调整节点状态集合,构建获得所述初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库;
将所述多个样本初始性能参数集合输入特种钢性能分析模型内,获得多个样本初始节点状态,包括:
获取所述目标特种钢在历史时间内的多个样本性能参数集合,并进行性能评估,获得多个性能评分,作为多个样本节点状态;
基于所述N种性能参数,构建性能分析坐标系,所述性能分析坐标系内包括N个性能参数坐标轴;
将所述多个样本性能参数集合输入所述性能分析坐标系,获得多个样本坐标点,采用所述多个样本节点状态,对所述多个样本坐标点进行标记,获得所述特种钢性能分析模型;
分别将所述多个样本初始性能参数集合输入所述特种钢性能分析模型内,获得多个初始坐标点;
分别获取所述多个初始坐标点最邻近的K个样本坐标点对应的K个样本节点状态,获得多个邻近样本节点状态集合,并分别获取所述多个邻近样本节点状态集合内出现频率最高的样本节点状态,作为所述多个样本初始节点状态;
根据所述生产数据库,构建特种钢优化模型,包括:
基于所述生产数据库,获取第一样本节点状态和多个第一样本淬火优化方案;
构建所述第一样本节点状态和所述多个第一样本淬火优化方案的映射关系;
在所述生产数据库内,根据所述第一样本节点状态和多个第一样本淬火优化方案,获取多个第二样本节点状态,所述多个第二样本节点为在第一样本节点状态下,通过所述多个第一样本淬火优化方案进行淬火工艺优化后进行生产的节点状态;
继续获取并构建多个第P-1样本淬火优化方案和多个第P样本节点状态之间的映射关系,获得所述特种钢优化模型,P为大于2的整数。
2.根据权利要求1所述的方法,其特征在于,根据N种性能参数,设置获得约束条件,以提升淬火工艺优化后的节点状态为目的,根据所述约束条件,在所述多个待选淬火优化方案内进行寻优,包括:
根据所述目标特种钢的性能需求,获取N个性能参数阈值,将生产获得的目标特种钢的N个性能参数满足所述N个性能参数阈值,作为所述约束条件;
在所述多个待选淬火优化方案内随机选择获得第一待选淬火优化方案,作为最优解,并将所述预设节点状态和所述第一待选淬火优化方案输入所述特种钢优化模型,获得第一待选调整节点状态,所述第一待选调整节点状态内包括第一待选性能评分;
再次在所述多个待选淬火优化方案随机选择获得第二待选淬火优化方案,并将所述预设节点状态和所述第二待选淬火优化方案输入所述特种钢优化模型,获得第二待选调整节点状态,所述第二待选调整节点状态内包括第二待选性能评分;
按照预设判断规则,对所述第一待选淬火优化方案和第二待选淬火优化方案进行判断,对最优解进行更新;
继续进行寻优,直到达到第一预设寻优次数,将最终的最优解输出,获得第一最优淬火优化方案。
3.根据权利要求2所述的方法,其特征在于,按照预设判断规则,对所述第一待选淬火优化方案和第二待选淬火优化方案进行判断,包括:
判断所述第二待选性能评分是否大于所述第一待选性能评分;
若是,则将所述第二待选淬火优化方案更新为最优解,若否,则随机生成(0,10)内的随机数,判断所述随机数是否大于预设门限值,若是,则将所述第二待选淬火优化方案更新为最优解,若否,则不对最优解进行更新,所述预设门限值的取值范围为(0,10),所述预设门限值的大小随着寻优次数的增加而增大。
4.根据权利要求1所述的方法,其特征在于,将所述第一优化节点状态输入所述特种钢优化模型,继续基于所述第一优化节点状态继续进行淬火优化,直到达到预设条件,获得最优淬火优化方案,包括:
将所述第一优化节点状态输入所述特种钢优化模型,获得所述第一优化节点状态下的多个待选淬火优化方案;
根据所述约束条件,以提升淬火优化后的节点状态为目的,在所述第一优化节点状态下的多个待选淬火优化方案中进行寻优,获得第二最优淬火优化方案和第二优化节点状态;
基于所述第二优化节点状态,继续进行淬火优化,直到达到第二预设优化次数,获得所述最优淬火优化方案。
5.一种特种钢生产的优化控制系统,其特征在于,所述系统包括:
生产数据库构建模块,所述生产数据库构建模块用于根据目标特种钢历史时间内的生产数据,构建生产数据库,其中,所述目标特种钢为剃须刀特种钢,所述生产数据库内包括初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库,初始节点状态和调整节点状态通过特种钢性能分析模型分析获得,包括性能评分;
模型构建模块,所述模型构建模块用于根据所述生产数据库,构建特种钢优化模型,所述特种钢优化模型内包括多个样本节点状态和多个样本淬火优化方案;
预设节点状态模块,所述预设节点状态模块用于采用所述目标特种钢当前的预设淬火方案进行生产,测试获得预设性能参数集,并分析获得预设节点状态,所述预设性能参数集包括N种性能参数,N为大于1的整数;
第一输入模块,所述第一输入模块用于将所述预设节点状态输入所述特种钢优化模型,获得多个待选淬火优化方案;
寻优模块,所述寻优模块用于根据所述N种性能参数,设置获得约束条件,以提升淬火优化后的节点状态为目的,根据所述约束条件,在所述多个待选淬火优化方案内进行寻优,获得第一最优淬火优化方案和第一优化节点状态;
优化控制模块,所述优化控制模块用于将所述第一优化节点状态输入所述特种钢优化模型,继续基于所述第一优化节点状态继续进行淬火优化,直到达到预设条件,获得最优淬火优化方案,对所述目标特种钢的生产进行优化控制;
所述生产数据库构建模块还包括:
第一调整模块,所述第一调整模块用于获取所述目标特种钢在历史时间内进行淬火工艺调整的多个样本初始性能参数集合,每个样本初始性能参数集合包括所述N种性能参数的N个性能参数,所述N种性能参数包括硬度、韧性和耐腐蚀性;
第二调整模块,所述第二调整模块用于获取所述目标特种钢在历史时间内,基于所述多个样本初始性能参数集合,进行淬火工艺调整的多个样本淬火调整方案集合,每个样本淬火调整方案内包括M种淬火参数的M个淬火参数,M为大于1的整数;
第三调整模块,所述第三调整模块用于获取所述目标特种钢在历史时间内,基于所述多个样本淬火调整方案进行淬火工艺调整后生产的特种钢的多个样本调整性能参数集合;
第二输入模块,所述第二输入模块用于将所述多个样本初始性能参数集合输入特种钢性能分析模型内,获得多个样本初始节点状态,将所述多个样本调整性能参数集合输入所述特种钢性能分析模型内,获得多个样本调整节点状态集合;
数据库构建模块,所述数据库构建模块用于采用所述多个样本初始性能参数集合、多个样本淬火调整方案集合、多个样本调整性能参数集合、多个样本初始节点状态和多个样本调整节点状态集合,构建获得所述初始节点状态数据库、淬火优化方案数据库和调整节点状态数据库;
所述第二输入模块还包括:
性能评估模块,所述性能评估模块用于获取所述目标特种钢在历史时间内的多个样本性能参数集合,并进行性能评估,获得多个性能评分,作为多个样本节点状态;
坐标系构建模块,所述坐标系构建模块用于基于所述N种性能参数,构建性能分析坐标系,所述性能分析坐标系内包括N个性能参数坐标轴;
第三输入模块,所述第三输入模块用于将所述多个样本性能参数集合输入所述性能分析坐标系,获得多个样本坐标点,采用所述多个样本节点状态,对所述多个样本坐标点进行标记,获得所述特种钢性能分析模型;
第四输入模块,所述第四输入模块用于分别将所述多个样本初始性能参数集合输入所述特种钢性能分析模型内,获得多个初始坐标点;
第一节点状态获取模块,所述第一节点状态获取模块用于分别获取所述多个初始坐标点最邻近的K个样本坐标点对应的K个样本节点状态,获得多个邻近样本节点状态集合,并分别获取所述多个邻近样本节点状态集合内出现频率最高的样本节点状态,作为所述多个样本初始节点状态;
所述模型构建模块还包括:
第一样本模块,所述第一样本模块用于基于所述生产数据库,获取第一样本节点状态和多个第一样本淬火优化方案;
映射模块,所述映射模块用于构建所述第一样本节点状态和所述多个第一样本淬火优化方案的映射关系;
第二节点状态获取模块,所述第二节点状态获取模块用于在所述生产数据库内,根据所述第一样本节点状态和多个第一样本淬火优化方案,获取多个第二样本节点状态,所述多个第二样本节点为在第一样本节点状态下,通过所述多个第一样本淬火优化方案进行淬火工艺优化后进行生产的节点状态;
映射关系模块,所述映射关系模块用于继续获取并构建多个第P-1样本淬火优化方案和多个第P样本节点状态之间的映射关系,获得所述特种钢优化模型,P为大于2的整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311564954.0A CN117265214B (zh) | 2023-11-22 | 2023-11-22 | 一种特种钢生产的优化控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311564954.0A CN117265214B (zh) | 2023-11-22 | 2023-11-22 | 一种特种钢生产的优化控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117265214A CN117265214A (zh) | 2023-12-22 |
CN117265214B true CN117265214B (zh) | 2024-04-02 |
Family
ID=89209137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311564954.0A Active CN117265214B (zh) | 2023-11-22 | 2023-11-22 | 一种特种钢生产的优化控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117265214B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242088A (zh) * | 2018-07-23 | 2019-01-18 | 大冶特殊钢股份有限公司 | 基于ga-ann人工神经网络模型的热处理方法和装置 |
CN110321658A (zh) * | 2019-07-10 | 2019-10-11 | 江苏金恒信息科技股份有限公司 | 一种板材性能的预测方法及装置 |
CN112831651A (zh) * | 2019-11-22 | 2021-05-25 | 中南大学 | 一种基于原位采集信息调控热处理的方法及应用 |
CN116109012A (zh) * | 2023-04-10 | 2023-05-12 | 张家港广大特材股份有限公司 | 一种基于精炼炉控制参数的特种钢材性能预测方法及系统 |
CN116484745A (zh) * | 2023-05-15 | 2023-07-25 | 东北大学 | 物理冶金指导工业大数据挖掘的热轧低合金钢设计方法 |
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 |
CN116694919A (zh) * | 2023-06-12 | 2023-09-05 | 无锡市海峰海林精密轴承有限公司 | 一种轴承贝氏体热处理工艺的优化方法及系统 |
CN116700172A (zh) * | 2023-06-14 | 2023-09-05 | 浙江链捷数字科技有限公司 | 结合工业互联网的工业数据集成处理方法及系统 |
CN116702515A (zh) * | 2023-08-03 | 2023-09-05 | 江苏甬金金属科技有限公司 | 一种基于性能分析的镀镍钢带制备优化方法及系统 |
CN117037966A (zh) * | 2023-08-10 | 2023-11-10 | 成都材智科技有限公司 | 一种智能化研发特钢的方法及系统 |
-
2023
- 2023-11-22 CN CN202311564954.0A patent/CN117265214B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242088A (zh) * | 2018-07-23 | 2019-01-18 | 大冶特殊钢股份有限公司 | 基于ga-ann人工神经网络模型的热处理方法和装置 |
CN110321658A (zh) * | 2019-07-10 | 2019-10-11 | 江苏金恒信息科技股份有限公司 | 一种板材性能的预测方法及装置 |
CN112831651A (zh) * | 2019-11-22 | 2021-05-25 | 中南大学 | 一种基于原位采集信息调控热处理的方法及应用 |
CN116109012A (zh) * | 2023-04-10 | 2023-05-12 | 张家港广大特材股份有限公司 | 一种基于精炼炉控制参数的特种钢材性能预测方法及系统 |
CN116484745A (zh) * | 2023-05-15 | 2023-07-25 | 东北大学 | 物理冶金指导工业大数据挖掘的热轧低合金钢设计方法 |
CN116694919A (zh) * | 2023-06-12 | 2023-09-05 | 无锡市海峰海林精密轴承有限公司 | 一种轴承贝氏体热处理工艺的优化方法及系统 |
CN116700172A (zh) * | 2023-06-14 | 2023-09-05 | 浙江链捷数字科技有限公司 | 结合工业互联网的工业数据集成处理方法及系统 |
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 |
CN116702515A (zh) * | 2023-08-03 | 2023-09-05 | 江苏甬金金属科技有限公司 | 一种基于性能分析的镀镍钢带制备优化方法及系统 |
CN117037966A (zh) * | 2023-08-10 | 2023-11-10 | 成都材智科技有限公司 | 一种智能化研发特钢的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117265214A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116501003B (zh) | 一种用于特种钢材冶炼的加工管控方法及系统 | |
CN103761423B (zh) | 一种基于pso-elm的热轧板材组织-性能预测方法 | |
CN114897227A (zh) | 基于改进随机森林算法的多钢种力学性能预报方法 | |
CN114091800A (zh) | 硅钢产品生产方案的智能设计评估方法 | |
CN111274874A (zh) | 基于adaboost的食源性致病菌拉曼光谱分类模型训练方法 | |
CN105740467A (zh) | 一种C-Mn钢工业大数据的挖掘方法 | |
CN113012766B (zh) | 一种基于在线选择性集成的自适应软测量建模方法 | |
CN111790762B (zh) | 一种基于随机森林的热轧带钢轧制力设定方法 | |
CN115860211A (zh) | 一种基于局部在线建模的铸坯质量预测方法 | |
CN112418522B (zh) | 一种基于三支集成预测模型的工业加热炉钢温预测方法 | |
CN115169453A (zh) | 基于密度聚类协同深度残差网络的热连轧宽度预测方法 | |
CN117265214B (zh) | 一种特种钢生产的优化控制方法及系统 | |
CN105631231A (zh) | 一种对热轧过程温度实测值进行修正的方法 | |
CN116484745A (zh) | 物理冶金指导工业大数据挖掘的热轧低合金钢设计方法 | |
CN115392007A (zh) | 轧辊差温热处理性能预测方法 | |
JP3943841B2 (ja) | 鋼材の材質推定装置 | |
CN108229072A (zh) | 基于数据解析的连退均热炉带钢张力在线测量方法 | |
CN111861041A (zh) | 一种预测Nb微合金钢动态再结晶型流变应力的方法 | |
CN117831659B (zh) | 宽厚板质量在线检测的方法、装置、电子设备及存储介质 | |
CN117807424B (zh) | 工业大数据驱动的宽厚钢板质量动态在线识别方法及装置 | |
CN117494531B (zh) | 一种基于有限元和XGBoost算法的中碳钢脱碳深度预测方法 | |
CN117732886B (zh) | 一种基于级联智能诊断的热轧质量预控制方法 | |
CN116689515A (zh) | 基于sa-scso-tsvr算法的精轧的轧制力预测方法 | |
CN115345025A (zh) | 一种基于相似性和灰色马尔可夫的剩余寿命预测方法 | |
CN114386325B (zh) | 一种基于规则寻优的带钢力学性能预报方法 |
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 |