CN117265251A - 一种钛扁条氧含量在线监测系统及其方法 - Google Patents
一种钛扁条氧含量在线监测系统及其方法 Download PDFInfo
- Publication number
- CN117265251A CN117265251A CN202311215144.4A CN202311215144A CN117265251A CN 117265251 A CN117265251 A CN 117265251A CN 202311215144 A CN202311215144 A CN 202311215144A CN 117265251 A CN117265251 A CN 117265251A
- Authority
- CN
- China
- Prior art keywords
- data
- oxygen content
- monitoring
- content
- model
- 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.)
- Granted
Links
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims abstract description 150
- 239000001301 oxygen Substances 0.000 title claims abstract description 150
- 229910052760 oxygen Inorganic materials 0.000 title claims abstract description 150
- 238000012544 monitoring process Methods 0.000 title claims abstract description 131
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 title claims abstract description 78
- 229910052719 titanium Inorganic materials 0.000 title claims abstract description 78
- 239000010936 titanium Substances 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 28
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 claims abstract description 104
- 238000012545 processing Methods 0.000 claims abstract description 69
- 229910052786 argon Inorganic materials 0.000 claims abstract description 52
- 238000000137 annealing Methods 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 32
- 239000007789 gas Substances 0.000 claims abstract description 32
- 238000013523 data management Methods 0.000 claims abstract description 14
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims description 29
- 238000012417 linear regression Methods 0.000 claims description 21
- 238000013500 data storage Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 238000013499 data model Methods 0.000 claims description 7
- 238000004817 gas chromatography Methods 0.000 claims description 7
- 238000004949 mass spectrometry Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000007254 oxidation reaction Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003647 oxidation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing 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
- 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
- C21D1/00—General methods or devices for heat treatment, e.g. annealing, hardening, quenching or tempering
- C21D1/26—Methods of annealing
-
- 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
- C21D9/00—Heat treatment, e.g. annealing, hardening, quenching or tempering, adapted for particular articles; Furnaces therefor
- C21D9/0081—Heat treatment, e.g. annealing, hardening, quenching or tempering, adapted for particular articles; Furnaces therefor for slabs; for billets
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22F—CHANGING THE PHYSICAL STRUCTURE OF NON-FERROUS METALS AND NON-FERROUS ALLOYS
- C22F1/00—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working
- C22F1/02—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working in inert or controlled atmosphere or vacuum
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22F—CHANGING THE PHYSICAL STRUCTURE OF NON-FERROUS METALS AND NON-FERROUS ALLOYS
- C22F1/00—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working
- C22F1/16—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working of other metals or alloys based thereon
- C22F1/18—High-melting or refractory metals or alloys based thereon
- C22F1/183—High-melting or refractory metals or alloys based thereon of titanium or alloys based thereon
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Medical Informatics (AREA)
- Biochemistry (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- General Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Electrochemistry (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
本发明公开了一种钛扁条氧含量在线监测系统及其方法,涉及氧含量监测技术领域。该系统包括用于进行网络通信和数据交互的网络联机模块、用于对退火炉管内的气体含量进行实时监测并获取监测数据的气体含量监测模块、用于采集监测数据并对其进行数据处理和数据分析且生成分析报告的监测数据管理模块以及用于根据分析报告对钛扁条加工设备进行控制的设备控制模块。本发明在线实时自动监测管内氧含量,杜绝因人员漏开氩气而造成钛扁条出现氧化问题导致产品报废,提高了生产成材率;自动化的在线监测系统提高测量精度,替代人员手动测量氧气含量,减少测量使用的人力以及降低人员劳动强度。
Description
技术领域
本发明属于氧含量监测技术领域,尤其涉及一种钛扁条氧含量在线监测系统及其方法。
背景技术
在钛扁条的退火制作过程中,需要添加氩气进退火炉管内保护钛扁条不会被氧气腐蚀,但现有的现场作业多为手动测量炉管内的气体含量,会导致漏测后造成产品氧化的风险,而且数据采集会出现失真,浪费人力物力,因此亟需一种自动在线实时进行氧含量检测方法来对上述问题进行改善。
发明内容
本发明的目的在于提供一种钛扁条氧含量在线监测系统及其方法,通过在线实时监测退火炉管内氧含量的变化,杜绝因人员漏开氩气而造成钛扁条出现氧化问题,提高了生产成材率;自动化监测替代人员手动测量,提高了测量精度。
本发明的目的可以通过以下技术方案实现:
第一方面,本申请实施例提供了一种钛扁条氧含量在线监测系统,包括依次通信连接的网络联机模块、气体含量监测模块、监测数据管理模块和设备控制模块;
所述网络联机模块与钛扁条加工系统通信连接,用于进行网络通信和数据交互;
所述气体含量监测模块,用于对退火炉管内的气体含量进行实时监测,获取监测数据;其中,所述监测数据包括氧含量数据和氩含量数据;
所述监测数据管理模块,用于采集所述监测数据并对其进行数据处理和数据分析,生成分析报告;
所述设备控制模块,用于根据所述分析报告对所述钛扁条加工系统的若干加工设备进行控制。
优选的,在线监测系统还包括与所述监测数据管理模块通信连接的报警提示模块,其用于根据所述分析报告发出提示警报。
优选的,在线监测系统还包括与所述气体含量监测模块通信连接的数据存储模块,其用于设定数据存储时间,将所述监测数据自动输出并进行保存。
优选的,所述网络联机模块包括彼此通信连接的身份验证单元和网络连接单元;
所述身份验证单元,用于生成身份信息并将其发送至所述钛扁条加工系统,获取第一密钥;
所述网络连接单元,基于所述第一密钥与所述钛扁条加工系统建立网络连接。
优选的,所述网络连接单元生成第二密钥,所述钛扁条加工系统对所述网络连接单元进行二次验证,生成网络连接指令;所述网络连接单元根据所述网络连接指令建立网络连接。
优选的,所述气体含量监测模块包括阈值设置单元以及分别与其通信连接的氧含量监测单元和氩含量监测单元;
所述阈值设置单元,用于设置氧含量阈值和氩含量范围;
所述氧含量监测单元,用于监测所述退火炉管内的氧含量并获取所述氧含量数据;
所述氩含量监测单元,用于监测所述退火炉管内的氩含量并获取所述氩含量数据;
其中,采用气相色谱法检测所述氧含量;采用质谱法检测所述氩含量。
优选的,所述监测数据管理模块包括依次通信连接的数据采集处理单元和数据模型分析单元;
所述数据采集处理单元,用于采集所述氧含量数据和所述氩含量数据,并对所述氧含量数据进行处理,获取预处理数据集;
所述数据模型分析单元,用于根据所述预处理数据集构建氧含量模型,并基于所述氧含量模型进行数据分析,获取所述分析报告。
优选的,构建所述氧含量模型采用混合神经网络的方式,所述混合神经网络包括线性回归算法和神经网络算法。
优选的,构建所述氧含量模型包括如下步骤:
S101,将所述预处理数据集划分为训练数据集和测试数据集;将所述训练数据集划分为第一数据集和第二数据集;将所述测试数据集划分为优化数据集和评估数据集;
S102,对所述第一数据集进行特征选择,获取氧含量特征并将其作为线性回归算法的输入;
S103,根据所述氧含量特征建立线性模型;
S104,将所述第二数据集输入所述线性模型,获取线性输出数据;
S105,将所述线性输出数据作为所述神经网络算法的输入构建神经网络模型;
S106,将所述线性模型与所述神经网络模型进行组合,生成所述氧含量模型;
S107,根据所述优化数据集对所述氧含量模型进行模型优化;根据所述评估数据集对所述氧含量模型进行模型评估。
第二方面,本申请实施例提供了一种钛扁条氧含量在线监测方法,包括如下步骤:
S1,将网络联机模块与钛扁条加工系统通信连接,建立网络通信和数据交互;其中,所述钛扁条加工系统包括退火炉管;
S2,对所述退火炉管内的气体含量进行实时监测,获取监测数据;其中,所述监测数据包括氧含量数据和氩含量数据;
S3,采集所述监测数据并对所述氧含量数进行数据处理,获取预处理数据集;
S4,根据所述预处理数据集构建氧含量模型,并基于所述氧含量模型进行数据分析,获取所述分析报告;
S5,根据所述分析报告对所述钛扁条加工系统的若干加工设备进行控制;
其中,设定数据存储时间并将所述监测数据自动输出和保存;
其中,所述气体含量包括氧含量和氩含量;采用气相色谱法检测所述氧含量,采用质谱法检测所述氩含量。
本发明的有益效果为:
(1)本发明实时在线自动监测管内氧含量,杜绝因人员漏开氩气而造成钛扁条出现氧化问题导致产品报废,提高了生产成材率;自动化的在线监测系统提高测量精度,替代人员手动测量氧气含量,减少测量使用的人力以及降低人员劳动强度。
(2)本发明的网络联机模块可以实现网络连接,并且还进行多次身份验证,保证了网络连接的安全性和稳定性,为氧含量的在线监测提供了有力的保障。
(3)本发明采用气相色谱法检测氧含量,采用质谱法检测氩含量,提高了检测的准确性和可靠性。
(4)本发明通过构建氧含量模型来实现氧含量的预测,该模型采用线性回归算法与神经网络算法进行混合的方式,结合了两种算法的优点,使用线性回归模型进行特征选择和预测,然后将其输出作为神经网络的输入,并在神经网络中进行进一步的特征提取和高级表示学习,这样的方式提高了模型的预测性能和泛化能力,使得含氧量的监测更加准确可靠。
附图说明
为了更好地理解和实施,下面结合附图详细说明本申请的技术方案。
图1为本申请实施例提供的一种钛扁条氧含量在线监测系统的结构示意图;
图2为本申请实施例提供的一种钛扁条氧含量在线监测方法的步骤流程图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法和系统的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
以下结合附图及较佳实施例,对依据本发明的具体实施方式、特征及其功效做详细说明。
实施例1
请参阅图1,本申请实施例提供一种钛扁条氧含量在线监测系统,包括依次通信连接的网络联机模块、气体含量监测模块、监测数据管理模块和设备控制模块;
所述网络联机模块与钛扁条加工系统通信连接,用于进行网络通信和数据交互;
需要说明的是,所述钛扁条加工系统是用于控制钛扁条进行制作流程及加工的综合系统,该系统与加工钛扁条的若干设备通信连接,可以通过显示器实时检查钛扁条的制作进程,从而使得钛扁条的制作更加精确,保证加工过程的完整性和高效率;
所述气体含量监测模块,用于对退火炉管内的气体含量进行实时监测,获取监测数据;其中,所述监测数据包括氧含量数据和氩含量数据;
需要说明的是,钛扁条的退火制程是在钛扁条加工系统的退火炉管内进行的,因此为了保障钛扁条在加工过程中不被氧气腐蚀导致制作失败,就需要对退火炉内的氧气进行监测;而在退火炉管内添加氩气是为了保护钛扁条不会被氧气腐蚀,因此同样需要对氩气进行监测;
所述监测数据管理模块,用于采集所述监测数据并对其进行数据处理和数据分析,生成分析报告;
所述设备控制模块,用于根据所述分析报告对所述钛扁条加工系统的若干加工设备进行控制;
需要说明的是,钛扁条加工系统中还包括若干除了退火炉和退火炉管以外的其他加工设备,这些加工设备之间彼此协作且环环相扣,因此当监测到退火炉管内的氧含量超出设定阈值时,设备控制模块就会通过切断氧气通道来进行氧含量的控制,并对其他加工设备的运行进行控制。
本申请首先通过网络联机模块与钛扁条加工系统建立通信连接,紧接着利用气体含量监测模块对退火炉管内的气体含量进行实时监测;紧接着再将监测获取的监测数据通过监测数据管理模块进行采集、处理和分析,生成气体含量的分析报告;最后设备控制模块基于该分析报告对钛扁条加工系统内其他加工设备的运行进行控制,及时切断氧气与退火炉管内空气的接触,从而保证了退火炉管内的氧气含量始终保持在设定阈值内;在本实施例中,将氧气含量设定为氧气含量阈值,该氧气含量阈值为0.5%VOL,即:当退火炉管内的氧气含量超过0.5%VOL时,说明此时退火炉管内的氧气含量已经不达标,需要进行氧含量控制。
本申请通过上述模块实时在线自动监测退火炉管内的氧含量,杜绝因工作人员漏开氩气而造成加工出来的钛扁条出现产品品质问题,造成产品报废,提高了生产成材率;同时本申请所述的在线监测系统为一体自动化系统,可以替代人员手动测量氧含量,提高了测量精度,减少测量使用的人力并降低人员劳动强度。
在本申请提供的一种实施例中,该钛扁条氧含量在线监测系统还包括与所述监测数据管理模块通信连接的报警提示模块,该模块用于根据所述分析报告发出提示警报,提醒工作人员及时处理;
需要说明的是,钛扁条加工系统中还包括有显示器,本实施例所述的提示警报就是显示在该显示器上,工作人员可以通过显示器及时观察退火炉管内的情况,并根据该提示警报进行紧急处理;上述提示警报可以采用声光提示的方式,也可以采用通知等其他方式,本实施例中并不对上述提示警报做具体限定,只要能够实现信息提示的方式均在本申请的保护范围内。
本申请实施例通过该报警提示模块及时将分析报告中出现的异常情况发送给工作人员并进行提示,从而使得工作人员可以发现退火炉管内的气体含量情况并进行及时的干预和处理,进而保证了钛扁条加工的精确性和异常处理的及时性。
在本申请提供的一种实施例中,该钛扁条氧含量在线监测系统还包括与所述气体含量监测模块通信连接的数据存储模块,该模块用于设定数据存储时间,将所述监测数据自动输出并进行保存。
需要说明的是,本申请实施例通过数据存储模块设定数据存储时间,当达到该数据存储时间时,数据存储模块就会将监测数据自动输出并将其保存进统一的主机内,在本实施例中,上述数据存储时间可以设定为15分钟。
在本申请提供的一种实施例中,所述网络联机模块包括彼此通信连接的身份验证单元和网络连接单元;
所述身份验证单元,用于生成身份信息并将其发送至所述钛扁条加工系统,获取第一密钥;
所述网络连接单元,基于所述第一密钥与所述钛扁条加工系统建立网络连接。
具体地,关于身份验证单元,其首先生成身份信息,将身份信息压缩成一个数据包发送至钛扁条加工系统;然后钛扁条加工系统对该数据包进行解压和身份验证,如果身份验证成功,则会生成一个第一密钥并将其发送给身份验证单元;该第一密钥被所述网络连接单元用于进行二次验证。
在本申请提供的一种实施例中,所述网络连接单元生成第二密钥,所述钛扁条加工系统对所述网络连接单元进行二次验证,生成网络连接指令;所述网络连接单元根据所述网络连接指令建立网络连接。
具体地,关于网络连接单元,其首先生成第二密钥,该第二密钥包括公钥和私钥;然后用第一密钥对该第二密钥的公钥进行加密,并将加密后的公钥发送至钛扁条加工系统;紧接着钛扁条加工系统通过解密获得公钥,二次验证成功后生成网络连接指令,将其用公钥加密后发送回网络连接单元;最后网络连接单元用私钥进行解密,获取到网络连接指令,再建立网络连接。
本申请的网络联机模块可以实现网络连接,并且还进行多次身份验证,保证了网络连接的安全性和稳定性,为氧含量的在线监测提供了有力的保障。
在本申请提供的一种实施例中,所述气体含量监测模块包括阈值设置单元以及分别与其通信连接的氧含量监测单元和氩含量监测单元;
所述阈值设置单元,用于设置氧含量阈值和氩含量范围;
所述氧含量监测单元,用于监测所述退火炉管内的氧含量并获取所述氧含量数据;
所述氩含量监测单元,用于监测所述退火炉管内的氩含量并获取所述氩含量数据;
其中,采用气相色谱法检测所述氧含量;采用质谱法检测所述氩含量,这种方式提高了检测的准确性和可靠性。
具体地,在气体含量监测模块中,首先设定氧含量阈值和氩含量范围,当退火炉管内氧气含量超过氧含量阈值时,说明此时的退火炉管内有导致产品(钛扁条)氧化的风险,因此需要及时进行氧含量控制;而设置氩含量范围是为了使得退火炉管内始终充斥有一定含量的氩气,进而保证钛扁条在退火制程中始终有足够含量的氩气保护钛扁条不会被氧气腐蚀。在本实施例中氧含量阈值设置为0.5%VOL,即:退火炉管内的氧含量超过0.5%VOL时就会导致钛扁条被氧化,需要进行控制;而氩含量范围则根据钛扁条制程中的实际情况决定,需要说明的是,氩含量必须大于0,即:退火炉管内氩气的下限是0,必须有氩气存在,而上限则不做具体限定;若检测到退火炉管内氩气含量为0,则控制钛扁条加工系统中的其他设备为退火炉管内添加氩气。
在本申请提供的一种实施例中,所述监测数据管理模块包括依次通信连接的数据采集处理单元和数据模型分析单元;
所述数据采集处理单元,用于采集所述氧含量数据和所述氩含量数据,并对所述氧含量数据进行处理,获取预处理数据集;
所述数据模型分析单元,用于根据所述预处理数据集构建氧含量模型,并基于所述氧含量模型进行数据分析,获取所述分析报告。
具体地,因为气体含量监测模块中会产生大量的监测数据,因此首先有选择性的对其中的氧含量数据和氩含量数据进行采集,将采集到的数据进行预处理,包括但不限于数据清洗、数据填充、数据转换、数据集成和特征选择等,除去其中不完整或缺失的数据,并进行填补和再选择,从而保证预处理后的数据是完整可靠且一致的;紧接着数据模型分析单元会根据预处理后的数据建立氧含量模型,根据上述大量的氧含量数据进行训练和建模,通过氧含量模型建立氧气含量与其他相关参数(如温度、压力等)之间的关系模型,从而预测和监测氧气含量,进而确保退火炉管内氧含量保持稳定,保证钛扁条加工过程中不被氧化;最后根据该氧含量模型生成分析报告,该分析报告可以实时反馈氧气含量的变化,从而有利于后续设备控制模块进行进一步的管理和控制。
在本申请提供的一种实施例中,构建所述氧含量模型采用混合神经网络的方式,所述混合神经网络包括线性回归算法和神经网络算法。
本申请实施例将线性回归算法与神经网络算法结合在一起形成一种混合神经网络方法,该方法结合了线性回归算法和神经网络算法各自的优点,可以使用线性回归模型进行特征选择和预测,然后将其输出作为神经网络算法的输入,并在神经网络算法中进行进一步的特征提取和高级表示学习,这样可以提高预测性能和泛化能力。
在本申请提供的一种实施例中,构建所述氧含量模型包括如下步骤:
S101,将所述预处理数据集划分为训练数据集和测试数据集;将所述训练数据集划分为第一数据集和第二数据集;将所述测试数据集划分为优化数据集和评估数据集;
其中,所述训练数据集用于训练模型,所述测试数据集用于对训练好的模型进行训练;所述第一数据集用于建立线性回归模型;所述第二数据集用于测试所述线性回归模型;在本实施例中,训练数据集和测试数据集中数据量的比值为8:2,即:将预处理数据集中80%的数据作为训练数据集,将剩余的20%作为测试数据集;而在训练数据集中,再将其分为第一数据集和第二数据集,其中第一数据集与第二数据集中南数据量的比值为8:2,即:将训练数据集中80%的数据作为第一数据集,将剩余的20%作为第二数据集;
本实施例将上述训练数据集和测试数据集多次进行划分,并将其应用于不同的模型构建中,使得每个数据集都具有不同的作用和功能,同时也适应于不同的模型,保证了模型建立的准确性和高质量。
S102,对所述第一数据集进行特征选择,获取氧含量特征并将其作为线性回归算法的输入;其中,所述氧含量特征为与氧含量有关的特征变量;
S103,根据所述氧含量特征建立线性模型;
在本实施例中可以使用最小二乘法或者梯度下降等方法对上述线性模型进行训练和参数估计;
S104,将所述第二数据集输入所述线性模型,获取线性输出数据;
S105,将所述线性输出数据作为所述神经网络算法的输入构建神经网络模型;
S106,将所述线性模型与所述神经网络模型进行组合,生成所述氧含量模型;在本实施例中,将所述线性模型的输出作为所述神经网络算法的输入层进行融合;
S107,根据所述优化数据集对所述氧含量模型进行模型优化;根据所述评估数据集对所述氧含量模型进行模型评估;
具体为:使用优化数据集对上述氧含量模型进行调优,选择适当的损失函数和优化算法进行模型参数的优化,最后使用评估数据集对模型进行评估,计算预测准确度和其他评价指标。
本实施例采用线性回归算法和神经网络算法作为构建氧含量模型的两种算法,综合了二者的优点,使得该模型可以更好的实现氧含量变化的预测;线性回归模型只能处理线性关系,而神经网络可以学习和表示更复杂的非线性关系;通过将线性回归和神经网络结合,可以更好地捕捉数据中的非线性特征,提高模型的预测能力。另一方面,神经网络能够通过多层隐藏层来进行特征提取和转换,将线性回归的输出作为神经网络的输入,可以利用神经网络进行更高级的特征学习,从而提取更丰富的特征表达,并获得更准确的含氧量预测。再一方面,通过结合线性回归和神经网络,模型可以在不同的数据集上获得更好的泛化能力,线性回归部分可以提供较好的初始模型,而神经网络部分则能够通过大量的数据和非线性特征学习来提高模型的泛化性能。
实施例2
请参阅图2,本申请实施例提供一种钛扁条氧含量在线监测方法,包括如下步骤:
S1,将网络联机模块与钛扁条加工系统通信连接,建立网络通信和数据交互;其中,所述钛扁条加工系统包括退火炉管;
S2,对所述退火炉管内的气体含量进行实时监测,获取监测数据;
其中,所述监测数据包括氧含量数据和氩含量数据;
S3,采集所述监测数据并对所述氧含量数进行数据处理,获取预处理数据集;
S4,根据所述预处理数据集构建氧含量模型,并基于所述氧含量模型进行数据分析,获取所述分析报告;
S5,根据所述分析报告对所述钛扁条加工系统的若干加工设备进行控制;
其中,设定数据存储时间并将所述监测数据自动输出和保存;
其中,所述气体含量包括氧含量和氩含量;采用气相色谱法检测所述氧含量,采用质谱法检测所述氩含量。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种钛扁条氧含量在线监测系统,其特征在于:包括依次通信连接的网络联机模块、气体含量监测模块、监测数据管理模块和设备控制模块;
所述网络联机模块与钛扁条加工系统通信连接,用于进行网络通信和数据交互;
所述气体含量监测模块,用于对退火炉管内的气体含量进行实时监测,获取监测数据;其中,所述监测数据包括氧含量数据和氩含量数据;
所述监测数据管理模块,用于采集所述监测数据并对其进行数据处理和数据分析,生成分析报告;
所述设备控制模块,用于根据所述分析报告对所述钛扁条加工系统的若干加工设备进行控制。
2.根据权利要求1所述的一种钛扁条氧含量在线监测系统,其特征在于:还包括与所述监测数据管理模块通信连接的报警提示模块,其用于根据所述分析报告发出提示警报。
3.根据权利要求1所述的一种钛扁条氧含量在线监测系统,其特征在于:还包括与所述气体含量监测模块通信连接的数据存储模块,其用于设定数据存储时间,将所述监测数据自动输出并进行保存。
4.根据权利要求1所述的一种钛扁条氧含量在线监测系统,其特征在于:所述网络联机模块包括彼此通信连接的身份验证单元和网络连接单元;
所述身份验证单元,用于生成身份信息并将其发送至所述钛扁条加工系统,获取第一密钥;
所述网络连接单元,基于所述第一密钥与所述钛扁条加工系统建立网络连接。
5.根据权利要求4所述的一种钛扁条氧含量在线监测系统,其特征在于:所述网络连接单元生成第二密钥,所述钛扁条加工系统对所述网络连接单元进行二次验证,生成网络连接指令;所述网络连接单元根据所述网络连接指令建立网络连接。
6.根据权利要求1所述的一种钛扁条氧含量在线监测系统,其特征在于:所述气体含量监测模块包括阈值设置单元以及分别与其通信连接的氧含量监测单元和氩含量监测单元;
所述阈值设置单元,用于设置氧含量阈值和氩含量范围;
所述氧含量监测单元,用于监测所述退火炉管内的氧含量并获取所述氧含量数据;
所述氩含量监测单元,用于监测所述退火炉管内的氩含量并获取所述氩含量数据;
其中,采用气相色谱法检测所述氧含量;采用质谱法检测所述氩含量。
7.根据权利要求1所述的一种钛扁条氧含量在线监测系统,其特征在于:所述监测数据管理模块包括依次通信连接的数据采集处理单元和数据模型分析单元;
所述数据采集处理单元,用于采集所述氧含量数据和所述氩含量数据,并对所述氧含量数据进行处理,获取预处理数据集;
所述数据模型分析单元,用于根据所述预处理数据集构建氧含量模型,并基于所述氧含量模型进行数据分析,获取所述分析报告。
8.根据权利要求7所述的一种钛扁条氧含量在线监测系统,其特征在于:构建所述氧含量模型采用混合神经网络的方式,所述混合神经网络包括线性回归算法和神经网络算法。
9.根据权利要求8所述的一种钛扁条氧含量在线监测系统,其特征在于:构建所述氧含量模型包括如下步骤:
S101,将所述预处理数据集划分为训练数据集和测试数据集;将所述训练数据集划分为第一数据集和第二数据集;将所述测试数据集划分为优化数据集和评估数据集;
S102,对所述第一数据集进行特征选择,获取氧含量特征并将其作为线性回归算法的输入;
S103,根据所述氧含量特征建立线性模型;
S104,将所述第二数据集输入所述线性模型,获取线性输出数据;
S105,将所述线性输出数据作为所述神经网络算法的输入构建神经网络模型;
S106,将所述线性模型与所述神经网络模型进行组合,生成所述氧含量模型;
S107,根据所述优化数据集对所述氧含量模型进行模型优化;根据所述评估数据集对所述氧含量模型进行模型评估。
10.一种钛扁条氧含量在线监测方法,其特征在于:包括如下步骤:
S1,将网络联机模块与钛扁条加工系统通信连接,建立网络通信和数据交互;其中,所述钛扁条加工系统包括退火炉管;
S2,对所述退火炉管内的气体含量进行实时监测,获取监测数据;其中,所述监测数据包括氧含量数据和氩含量数据;
S3,采集所述监测数据并对所述氧含量数进行数据处理,获取预处理数据集;
S4,根据所述预处理数据集构建氧含量模型,并基于所述氧含量模型进行数据分析,获取所述分析报告;
S5,根据所述分析报告对所述钛扁条加工系统的若干加工设备进行控制;
其中,设定数据存储时间并将所述监测数据自动输出和保存;
其中,所述气体含量包括氧含量和氩含量;采用气相色谱法检测所述氧含量,采用质谱法检测所述氩含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311215144.4A CN117265251B (zh) | 2023-09-20 | 2023-09-20 | 一种钛扁条氧含量在线监测系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311215144.4A CN117265251B (zh) | 2023-09-20 | 2023-09-20 | 一种钛扁条氧含量在线监测系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117265251A true CN117265251A (zh) | 2023-12-22 |
CN117265251B CN117265251B (zh) | 2024-04-09 |
Family
ID=89217171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311215144.4A Active CN117265251B (zh) | 2023-09-20 | 2023-09-20 | 一种钛扁条氧含量在线监测系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117265251B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5261976A (en) * | 1991-12-31 | 1993-11-16 | Gas Research Institute | Control system for a soft vacuum furnace |
CN1987456A (zh) * | 2006-12-14 | 2007-06-27 | 浙江大学 | 一种水果成熟度预测方法 |
US20150079527A1 (en) * | 2012-03-27 | 2015-03-19 | Kanto Yakin Kogyo Co., Ltd. | Method for heat treatment, heat treatment apparatus, and heat treatment system |
CN104789256A (zh) * | 2015-03-26 | 2015-07-22 | 华东理工大学 | 一种催化裂化装置的收率实时预测方法 |
CN108455830A (zh) * | 2018-02-01 | 2018-08-28 | 深圳市普盛旺科技有限公司 | 玻璃热弯机和玻璃热弯机热弯炉的含氧量监控方法 |
CN110699527A (zh) * | 2019-10-18 | 2020-01-17 | 甘肃酒钢集团宏兴钢铁股份有限公司 | 热镀锌立式退火炉上下氧含量检测氮气联锁控制系统操作方法 |
US20200231466A1 (en) * | 2017-10-09 | 2020-07-23 | Zijun Xia | Intelligent systems and methods for process and asset health diagnosis, anomoly detection and control in wastewater treatment plants or drinking water plants |
US20200249214A1 (en) * | 2019-01-31 | 2020-08-06 | Electronics And Telecommunications Research Institute | System for monitoring gas in closed space and operating method thereof |
KR102181966B1 (ko) * | 2019-07-22 | 2020-11-23 | 치루 유니버시티 오브 테크놀로지 | 유압실린더 종합 테스트 스테이션에 대한 소프트 측량방법 및 시스템 |
CN112163380A (zh) * | 2020-09-24 | 2021-01-01 | 哈尔滨锅炉厂有限责任公司 | 基于数值模拟的神经网络预测炉膛氧气浓度系统及方法 |
CN112951349A (zh) * | 2021-03-24 | 2021-06-11 | 湖州槐坎南方水泥有限公司 | 基于dnn神经网络的硅酸盐水泥熟料的强度预测方法 |
CN113634625A (zh) * | 2021-09-09 | 2021-11-12 | 索罗曼(常州)合金新材料有限公司 | 一种钛合金型材防氧化矫直方法 |
WO2023056682A1 (zh) * | 2021-10-09 | 2023-04-13 | 中国人民解放军国防科技大学 | 基于人工智能的臭氧层预报算法 |
-
2023
- 2023-09-20 CN CN202311215144.4A patent/CN117265251B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5261976A (en) * | 1991-12-31 | 1993-11-16 | Gas Research Institute | Control system for a soft vacuum furnace |
CN1987456A (zh) * | 2006-12-14 | 2007-06-27 | 浙江大学 | 一种水果成熟度预测方法 |
US20150079527A1 (en) * | 2012-03-27 | 2015-03-19 | Kanto Yakin Kogyo Co., Ltd. | Method for heat treatment, heat treatment apparatus, and heat treatment system |
CN104789256A (zh) * | 2015-03-26 | 2015-07-22 | 华东理工大学 | 一种催化裂化装置的收率实时预测方法 |
US20200231466A1 (en) * | 2017-10-09 | 2020-07-23 | Zijun Xia | Intelligent systems and methods for process and asset health diagnosis, anomoly detection and control in wastewater treatment plants or drinking water plants |
CN108455830A (zh) * | 2018-02-01 | 2018-08-28 | 深圳市普盛旺科技有限公司 | 玻璃热弯机和玻璃热弯机热弯炉的含氧量监控方法 |
US20200249214A1 (en) * | 2019-01-31 | 2020-08-06 | Electronics And Telecommunications Research Institute | System for monitoring gas in closed space and operating method thereof |
KR102181966B1 (ko) * | 2019-07-22 | 2020-11-23 | 치루 유니버시티 오브 테크놀로지 | 유압실린더 종합 테스트 스테이션에 대한 소프트 측량방법 및 시스템 |
CN110699527A (zh) * | 2019-10-18 | 2020-01-17 | 甘肃酒钢集团宏兴钢铁股份有限公司 | 热镀锌立式退火炉上下氧含量检测氮气联锁控制系统操作方法 |
CN112163380A (zh) * | 2020-09-24 | 2021-01-01 | 哈尔滨锅炉厂有限责任公司 | 基于数值模拟的神经网络预测炉膛氧气浓度系统及方法 |
CN112951349A (zh) * | 2021-03-24 | 2021-06-11 | 湖州槐坎南方水泥有限公司 | 基于dnn神经网络的硅酸盐水泥熟料的强度预测方法 |
CN113634625A (zh) * | 2021-09-09 | 2021-11-12 | 索罗曼(常州)合金新材料有限公司 | 一种钛合金型材防氧化矫直方法 |
WO2023056682A1 (zh) * | 2021-10-09 | 2023-04-13 | 中国人民解放军国防科技大学 | 基于人工智能的臭氧层预报算法 |
Non-Patent Citations (5)
Title |
---|
吴桂香: "《安全检测技术》", 30 April 2021, 徐州中国矿业大学出版社, pages: 39 * |
容东阳;张乐;: "镀锌线退火炉炉内气氛智能控制系统开发与应用", 涟钢科技与管理, no. 05, 15 October 2018 (2018-10-15) * |
程启明;郭瑞青;杜许峰;郑勇;: "火电厂烟气含氧量测量的现状与发展", 电站系统工程, no. 06, 15 November 2008 (2008-11-15) * |
苗春雨: "《云计算安全关键技术、原理及应用》", 30 April 2022, 北京机械工业出版社, pages: 147 * |
钱沙华: "《环境分析仪器》", 30 June 2011, 中国环境科学出版社, pages: 208 * |
Also Published As
Publication number | Publication date |
---|---|
CN117265251B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107748546B (zh) | 一种基于LoRa技术的工厂智能巡检系统 | |
CN104866632B (zh) | 家电设备的故障数据获取方法、装置及终端 | |
CN109413188A (zh) | 一种工业设备物联网管理系统及方法 | |
CN109507924B (zh) | 用于油田作业设备的远程监控系统 | |
CN108038553A (zh) | 轧机设备状态在线监测与诊断系统及监测诊断方法 | |
CN107037800B (zh) | 基于客户端制氧设备远程故障诊断系统的故障诊断方法 | |
CN108693846A (zh) | 工艺参数的控制方法、生产执行系统和设备接口系统 | |
CN110996259B (zh) | 一种基于边缘计算的智慧垃圾监控清运方法及装置 | |
CN106894841B (zh) | 基于正态分布检验辨识瓦斯涌出异常的瓦斯灾害预警方法 | |
CN105099790B (zh) | 基于移动互联网络的环安管理方法及其交互系统 | |
CN101846995A (zh) | 工业现场远程监控方法 | |
CN113673959B (zh) | 现场作业安全的综合管控方法和装置及存储介质 | |
CN112666885A (zh) | 基于工业互联网环保设备监控管理平台 | |
CN110650052A (zh) | 一种基于智能算法的客户原因故障识别处理方法及系统 | |
CN104218679A (zh) | 一种基于遥视系统的变电站远程自动巡检方法 | |
CN112379621A (zh) | 电力站房环境监测系统及方法 | |
CN115049326A (zh) | 一种生产管理系统及管理方法 | |
CN117265251B (zh) | 一种钛扁条氧含量在线监测系统及其方法 | |
CN108859041B (zh) | 注塑设备的智能控制系统及控制方法 | |
CN117933808A (zh) | 基于生产过程监控的生产质量评估方法及系统 | |
JP3448269B2 (ja) | リモート監視・診断システム | |
CN109803305B (zh) | 一种无线电台站远程监测方法及系统 | |
CN116980483A (zh) | 一种消防物联网数据接入方法及系统 | |
CN215491823U (zh) | 一种水污染源在线监测系统数据控制单元 | |
CN113684868B (zh) | 城市综合管廊预警系统 |
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 |