CN117314187A - 一种无缝钢管的性能评估方法及系统 - Google Patents
一种无缝钢管的性能评估方法及系统 Download PDFInfo
- Publication number
- CN117314187A CN117314187A CN202311238861.9A CN202311238861A CN117314187A CN 117314187 A CN117314187 A CN 117314187A CN 202311238861 A CN202311238861 A CN 202311238861A CN 117314187 A CN117314187 A CN 117314187A
- Authority
- CN
- China
- Prior art keywords
- perforation
- information
- size
- seamless steel
- defect
- 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.)
- Pending
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 205
- 239000010959 steel Substances 0.000 title claims abstract description 205
- 238000011156 evaluation Methods 0.000 title claims abstract description 87
- 230000007547 defect Effects 0.000 claims abstract description 213
- 238000007689 inspection Methods 0.000 claims abstract description 156
- 238000005457 optimization Methods 0.000 claims abstract description 138
- 238000000034 method Methods 0.000 claims abstract description 117
- 230000008569 process Effects 0.000 claims abstract description 102
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 29
- 238000010438 heat treatment Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims description 68
- 238000005452 bending Methods 0.000 claims description 49
- 238000009826 distribution Methods 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 238000004513 sizing Methods 0.000 claims description 28
- 238000004886 process control Methods 0.000 claims description 24
- 238000005096 rolling process Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 16
- 238000010219 correlation analysis Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000011009 performance qualification Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 5
- 238000010791 quenching Methods 0.000 description 5
- 230000000171 quenching effect Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004080 punching Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种无缝钢管的性能评估方法及系统,属于智能检测领域,其中包括:获取无缝钢管检验信息和无缝钢管生产需求信息;基于尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷;根据机械性能信息,获取机械性能缺陷;进行尺寸加工优化,获取第一工艺参数优化结果;进行热处理加工优化,获取第二工艺参数优化结果;将毛管尺寸缺陷、中检尺寸缺陷和第一工艺参数优化结果设为尺寸评估结果,将机械性能缺陷和第二工艺参数优化结果设为机械性能评估结果。本申请解决了现有技术中无缝钢管的性能评估不全面、准确性低,无法精准优化钢管质量的技术问题,达到了提高无缝钢管性能评估的全面性和准确性,为提升钢管质量提供支持的技术效果。
Description
技术领域
本发明涉及智能检测领域,具体涉及一种无缝钢管的性能评估方法及系统。
背景技术
无缝钢管作为重要的结构材料,质量性能对安全生产和经济发展有重大影响。目前,无缝钢管质量检测主要从利用不同检测手段进行单方面的性能检测和评估,难以实现对整条无缝钢管的全面评估。因此,需要全面系统地评估无缝钢管的性能。
发明内容
本申请通过提供了一种无缝钢管的性能评估方法及系统,旨在解决现有技术中无缝钢管的性能评估不全面、准确性低,无法精准优化钢管质量的技术问题。
鉴于上述问题,本申请提供了一种无缝钢管的性能评估方法及系统。
本申请公开的第一个方面,提供了一种无缝钢管的性能评估方法,该方法包括:获取无缝钢管检验信息,其中,无缝钢管检测信息包括毛管检验信息、中检信息和机械性能检验信息;获取无缝钢管生产需求信息,其中,无缝钢管生产需求信息包括尺寸需求信息和机械性能需求信息;遍历毛管检验信息和中检信息,基于尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷;根据机械性能检验信息和机械性能需求信息,获取机械性能缺陷;根据毛管尺寸缺陷和中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果;根据机械性能缺陷进行热处理加工优化,获取第二工艺参数优化结果;将毛管尺寸缺陷、中检尺寸缺陷和第一工艺参数优化结果设为尺寸评估结果,将机械性能缺陷和第二工艺参数优化结果设为机械性能评估结果。
本申请公开的另一个方面,提供了一种无缝钢管的性能评估系统,该系统包括:检验信息获取模块,用于获取无缝钢管检验信息,其中,无缝钢管检测信息包括毛管检验信息、中检信息和机械性能检验信息;生产需求获取模块,用于获取无缝钢管生产需求信息,其中,无缝钢管生产需求信息包括尺寸需求信息和机械性能需求信息;尺寸缺陷获取模块,用于遍历毛管检验信息和中检信息,基于尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷;机械性能缺陷模块,用于根据机械性能检验信息和机械性能需求信息,获取机械性能缺陷;尺寸加工优化模块,用于根据毛管尺寸缺陷和中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果;热处理加工优化模块,用于根据机械性能缺陷进行热处理加工优化,获取第二工艺参数优化结果;性能评估结果模块,用于将毛管尺寸缺陷、中检尺寸缺陷和第一工艺参数优化结果设为尺寸评估结果,将机械性能缺陷和第二工艺参数优化结果设为机械性能评估结果。
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:
由于采用了获取无缝钢管检验信息,为后续的性能评估与分析提供数据基础;获取无缝钢管生产需求信息,提供性能评估的参考标准;基于毛管检验信息、中检信息和尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷,完成尺寸性能评估;根据机械性能检验信息和机械性能需求信息,获取机械性能缺陷,完成机械能评估;根据毛管尺寸缺陷和中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果,为修正尺寸缺陷提供技术方案;根据机械性能缺陷进行热处理加工优化,获取第二工艺参数优化结果,为修正机械性能缺陷提供技术方案;将毛管尺寸缺陷、中检尺寸缺陷和第一工艺参数优化结果设为尺寸评估结果,将机械性能缺陷和第二工艺参数优化结果设为机械性能评估结果,实现对无缝钢管全面系统地进行评估的技术方案,解决现有技术中无缝钢管的性能评估不全面、准确性低,无法通过评估结果进行针对性精准优化钢管质量的技术问题,达到提高无缝钢管性能评估的全面性和准确性,同时为提升钢管质量提供优化方案的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种无缝钢管的性能评估方法可能的流程示意图;
图2为本申请实施例提供了一种无缝钢管的性能评估方法中获取第一工艺参数优化结果可能的流程示意图;
图3为本申请实施例提供了一种无缝钢管的性能评估方法中获取异常位置分布信息可能的流程示意图;
图4为本申请实施例提供了一种无缝钢管的性能评估系统可能的结构示意图。
附图标记说明:检验信息获取模块11,生产需求获取模块12,尺寸缺陷获取模块13,机械性能缺陷模块14,尺寸加工优化模块15,热处理加工优化模块16,性能评估结果模块17。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种无缝钢管的性能评估方法及系统。首先,获取无缝钢管的检验信息和生产需求信息,得到质量评估的基础数据。然后,对毛管检验信息、中检信息和机械性能检验信息进行深入分析与遍历,判断并准确定位毛管尺寸缺陷、中检尺寸缺陷和机械性能缺陷,完成对无缝钢管尺寸和机械性能的整体评估。再次,根据缺陷评估结果,采用尺寸加工优化和热处理加工优化,分别获得第一工艺参数优化结果和第二工艺参数优化结果,为修正毛管尺寸缺陷、中检尺寸缺陷和机械性能缺陷提供有针对性的技术方案。最后,将尺寸评估结果、机械性性能评估结果与工艺参数优化结果进行有机关联与结合,形成全面系统的无缝钢管整体质量评估报告,同时为提供针对性优化方案,实现无缝钢管质量管理的智能化与精准化。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例1
如图1所示,本申请实施例提供了一种无缝钢管的性能评估方法,应用于无缝钢管的性能评估系统,该方法包括:
步骤S1000:获取无缝钢管检验信息,其中,所述无缝钢管检测信息包括毛管检验信息、中检信息和机械性能检验信息;
具体而言,获取无缝钢管检验信息,为后续的无缝钢管性能评估与分析提供必要的数据支撑。无缝钢管检验信息主要包括毛管检验信息、中检信息和机械性能检验信息。其中,毛管检验信息指对空心毛管进行的尺寸精度检验信息,用于判断毛管的截面尺寸是否符合技术规范的要求;中检信息指在轧制定径过程中进行的尺寸检验信息,用于判断中空无缝钢管的外径和壁厚是否达到设计要求;机械性能检验信息指对成品无缝钢管进行的耐热试验信息、硬度试验信息等,用于判断无缝钢管的机械强度与韧性是否满足使用要求。
通过获取无缝钢管检验信息,可以得到无缝钢管从毛管到成品的全生产过程质量状况,用以判断无缝钢管是否存在尺寸缺陷、机械性能缺陷等质量问题,为性能评估分析提供数据基础。
步骤S2000:获取无缝钢管生产需求信息,其中,所述无缝钢管生产需求信息包括尺寸需求信息和机械性能需求信息;
具体而言,无缝钢管生产需求信息主要包括尺寸需求信息和机械性能需求信息。其中,尺寸需求信息指无缝钢管在设计阶段达到的管壁厚度与管孔直径尺寸指标,用以评估无缝钢管尺寸精度;机械性能需求信息指无缝钢管应达到的相关机械性指标,如硬度、耐热性、拉伸强度、屈服强度、伸长率等,用以评估无缝钢管机械性能。
通过获取尺寸需求信息与机械性能需求信息,可以准确判断无缝钢管检验信息中的相关数据是否达到设计要求,实现对产品性能全面准确的评估。
步骤S3000:遍历所述毛管检验信息和所述中检信息,基于所述尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷;
具体而言,毛管检验信息和中检信息反映无缝钢管在生产初期阶段的尺寸精度,是判断无缝钢管尺寸缺陷的重要依据。首先,通过遍历毛管检验信息和中检信息,获取每一根无缝钢管在毛管与中检阶段的具体尺寸数据。然后,根据尺寸需求信息,也即产品设计规范中要求的毛管与中空无缝钢管外径及壁厚,分别与获取的毛管检验信息和中检信息进行比对分析。如果某根无缝钢管的毛管检验信息与尺寸需求信息的偏差超过预先设置的容差,则可以判断该无缝钢管存在毛管尺寸缺陷;如果中检信息与尺寸需求信息的偏差超过预先设置的容差,则可以判断该无缝钢管存在中检尺寸缺陷。
通过遍历毛管检验信息和中检信息,基于尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷,实现了对无缝钢管尺寸精度的准确评估,为本方法后续的尺寸加工优化提供支持。
步骤S4000:根据所述机械性能检验信息和所述机械性能需求信息,获取机械性能缺陷;
具体而言,根据机械性能检验信息与机械性能需求信息对无缝钢管的机械性能进行评估分析。将机械性能检验信息与机械性能需求信息进行比对,如果检验值与需求值之间的偏差超过预先设置的容差,则可以判断无缝钢管存在机械性能缺陷,根据检验值与需求值偏差的方向和程度,再准确判断出无缝钢管存在的具体机械性能缺陷类型和程度。以表格或关系数据库的形式记录各根无缝钢管检出的机械性能缺陷,包括缺陷类型、程度等信息,为后续的热处理优化提供数据支撑。
通过对机械性能检验信息与需求信息进行系统比对,实现了对无缝钢管机械性能的准确评估,判断并定位存在的机械性能缺陷,为后续的热处理优化提供必要技术基础,实现全面对无缝钢管进行性能评估和质量提升。
步骤S5000:根据所述毛管尺寸缺陷和所述中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果;
具体而言,根据对无缝钢管尺寸精度的评估,检出存在的毛管尺寸缺陷和中检尺寸缺陷,为消除这些缺陷,确保产品质量达到设计要求,通过无缝钢管的性能评估系统对尺寸加工工艺进行优化修正。
尺寸加工工艺是指无缝钢管在轧制定型过程中实施的加工工艺,包括轧制工艺和定径工艺,决定着无缝钢管的外径和壁厚精度。当检出毛管尺寸缺陷时,对轧制工艺的相关参数进行修正,如降低或提高轧制温度、轧制速度等,以使毛管外径或壁厚尺寸向设计值靠拢;当检出中检尺寸缺陷时,对定径工艺的相关参数进行修正,如提高或降低定径温度和定径机械量等,以使中空无缝钢管的外径和壁厚尺寸向设计值靠拢。将针对毛管尺寸缺陷和中检尺寸缺陷进行尺寸加工优化的结果作为第一工艺参数优化结果。
无缝钢管的性能评估系统含有尺寸加工预测模型,可以根据尺寸缺陷预测出尺寸加工工艺相关参数的适宜修正量,对尺寸加工工艺的参数进行系统优化,获取第一工艺参数优化结果,实现对检出的尺寸缺陷针对性优化,从而为提升无缝钢管的性能提供支持,完善性能评估结果。
步骤S6000:根据所述机械性能缺陷进行热处理加工优化,获取第二工艺参数优化结果;
具体而言,根据对无缝钢管机械性能的评估,检出存在的机械性能缺陷,为消除这些缺陷,确保产品机械性能达到设计要求,通过无缝钢管的性能评估系统对热处理工艺进行优化修正。
热处理工艺是提高无缝钢管机械性能的工艺,包括退火与淬火等工序。根据已经检出的机械性能缺陷,对热处理工艺相关参数进行优化修正。当检出的缺陷表现为机械强度不足时,对相关参数进行优化,如提高淬火温度或延长淬火时间等;当检出的缺陷表现为塑性不足时,对相关参数进行优化,如降低淬火温度或缩短淬火时间等。将热处理工艺相关参数的优化结果作为第二工艺参数优化结果,完善机械性能评估。
无缝钢管的性能评估系统含有热处理加工预测模型,可以根据机械性能缺陷预测出热处理工艺相关参数的适宜修正量,对热处理相关参数的系统修正,消除检出的机械性能缺陷,从而全面评估无缝钢管的性能,同时为提高钢管性能提供支持。
步骤S7000:将所述毛管尺寸缺陷、所述中检尺寸缺陷和所述第一工艺参数优化结果设为尺寸评估结果,将所述机械性能缺陷和所述第二工艺参数优化结果设为机械性能评估结果。
具体而言,本步骤需要根据前述步骤的检验评估与工艺优化结果,形成无缝钢管的质量评估报告,为质量管理提供全面参考。
首先,将检出的毛管尺寸缺陷和中检尺寸缺陷设为尺寸评估结果,反映无缝钢管的尺寸质量状况;将获取的第一工艺参数优化结果也设为尺寸评估结果,是为修正尺寸缺陷提供的工艺方案;其次,将检出的机械性能缺陷设为机械性能评估结果,反映无缝钢管的机械性能状况;将获得的第二工艺参数优化结果也设为机械性能评估结果,是为修正机械性能缺陷提供的工艺方案。
综合尺寸评估结果和机械性能评估结果,可以全面评定无缝钢管的性能状况,并为钢管存在的尺寸缺陷和机械性性能缺陷提供对应的优化方案,从全面精准的评估出发针对性提高产品生产质量。
进一步的,如图2所示,本申请实施例还包括:
步骤S5100:获取穿孔工艺初始控制参数和管坯尺寸信息,输入内嵌于无缝钢管的性能评估系统的穿孔分析模型,获取空心毛管尺寸预测信息;
步骤S5200:当所述空心毛管尺寸预测信息与所述毛管检验信息的第一偏差度小于或等于第一预设偏差值,根据所述穿孔分析模型和所述毛管尺寸缺陷对所述穿孔工艺初始控制参数进行优化,获取穿孔工艺优化结果;
步骤S5300:获取轧管工艺初始控制参数和定径工艺初始控制参数,输入内嵌于无缝钢管的性能评估系统的中检分析模型,获取中检尺寸预测信息;
步骤S5400:当所述中检尺寸预测信息与所述中检信息的第二偏差度小于或等于第二预设偏差值,根据所述中检分析模型和所述中检尺寸缺陷对所述轧管工艺初始控制参数和所述定径工艺初始控制参数进行优化,获取轧管工艺优化结果和定径工艺优化结果;
步骤S5500:将所述穿孔工艺优化结果、所述轧管工艺优化结果和所述定径工艺优化结果,添加进所述第一工艺参数优化结果。
具体而言,根据毛管检验信息与中检信息对穿孔工艺、轧制工艺和定径工艺进行预测评估与优化修正,以获取第一工艺参数优化结果,实现对无缝钢管尺寸精度的动态管理与控制。
无缝钢管的性能评估系统内嵌有穿孔分析模型,用以预测毛管阶段应达到的理论尺寸。获取穿孔工艺的初始控制参数(如射流参数)与管坯尺寸信息,并将其输入穿孔分析模型,获取空心毛管尺寸预测信息。预先设置该预测信息与毛管检验信息的可优化偏差值,当空心毛管尺寸预测信息与毛管检验信息的偏差度小于预设的偏差值,通过穿孔分析模型基于毛管尺寸缺陷对穿孔控制参数进行优化修正,获取穿孔工艺优化结果。
无缝钢管的性能评估系统内嵌有中检分析模型,用以预测中检阶段应达到的理论尺寸,获取轧制工艺与定径工艺的初始控制参数,并将其输入中检分析模型,获取中检尺寸预测信息。预先设置该预测信息与中检信息的可优化偏差值,当中检尺寸预测信息与中检信息的偏差度小于预设的偏差值时,通过中检分析模型基于中检尺寸缺陷对相关控制参数进行优化修正,获取轧制工艺优化结果与定径工艺优化结果。
将所获得的优化结果添加至第一工艺参数优化结果,实现了对穿孔工艺、轧制工艺和定径工艺的评估与动态优化,用以指导无缝钢管的生产工艺,全面提高无缝钢管的生产质量。
进一步的,本申请实施例还包括:
步骤S5210:所述穿孔工艺初始控制参数包括穿孔温度初始值、穿孔直径初始值和穿孔速度初始值;
步骤S5220:根据穿孔设备信息,获取穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间;
步骤S5230:根据所述毛管尺寸缺陷,对所述穿孔温度初始值、所述穿孔直径初始值和所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间进行调整,获取穿孔工艺控制参数第一调整结果;
步骤S5240:将所述穿孔工艺控制参数第一调整结果输入所述穿孔分析模型,获取空心毛管尺寸第一预测结果;
步骤S5250:对所述空心毛管尺寸第一预测结果和所述尺寸需求信息进行比对,获取穿孔工艺控制参数第一调整结果毛管尺寸偏差;
步骤S5260:当所述穿孔工艺控制参数第一调整结果毛管尺寸偏差小于或等于毛管尺寸偏差阈值,将所述穿孔工艺控制参数第一调整结果设为所述穿孔工艺优化结果;
步骤S5270:当所述穿孔工艺控制参数第一调整结果毛管尺寸偏差大于所述毛管尺寸偏差阈值,迭代优化处理。
具体而言,穿孔工艺初始控制参数包括穿孔温度初始值、穿孔直径初始值和穿孔速度初始值,均都会影响无缝钢管穿孔质量其中,穿孔温度初始值指穿孔工艺开始实施时的炉温设置值;穿孔直径初始值指穿孔工艺开始实施时的模孔尺寸设置值;穿孔速度初始值指穿孔工艺开始实施时的射流速度设置值。根据穿孔设备的技术参数,确定穿孔温度、直径与速度的约束区间,为后续参数优化提供范围限制,如根据设备炉体与模具材料的耐热极限,确定最高与最低允许温度,从而确定穿孔直径约束区间;根据设备模孔加工精度与调整范围,确定允许最大与最小直径,从而确定穿孔直径约束区间;根据射流系统的功率参数与射流稳定性,确定最高与最低射流速度,从而确定穿孔速度约束区间。
根据已检出的毛管尺寸缺陷,在约束区间内对初始控制参数进行适当调整,获取第一轮优化结果;将第一轮优化结果输入穿孔分析模型,预测得到优化后应达到的毛管尺寸;将预测结果与尺寸设计需求进行比对,计算出第一轮优化结果对应毛管尺寸的偏差值;如果偏差值在预置阈值内,表明第一轮优化修正了毛管尺寸缺陷,优化结果可设为穿孔工艺最终优化结果;如果偏差值超过阈值,表明第一轮优化未完全修正缺陷,需要进行迭代优化,继续调整控制参数并通过穿孔分析模型进行预测,直至偏差达标。
通过设置预置模型、约束条件与迭代比对,实现了对穿孔工艺参数的系统优化与调整,以准确修正检出的毛管尺寸缺陷,为无缝钢管的尺寸质量提供保障。
进一步的,本申请实施例还包括:
步骤S5231:根据所述毛管尺寸缺陷的缺陷属性信息对穿孔温度、穿孔直径和穿孔速度进行相关性分析,获取相关性分析结果;
步骤S5232:根据所述相关性分析结果进行相关类型划分,获取相关类型划分结果,其中,所述相关类型划分结果包括同向关联、反向关联和无关联;
步骤S5233:基于所述相关类型划分结果和所述毛管尺寸缺陷的缺陷类型,对毛管尺寸缺陷,对所述穿孔温度初始值、所述穿孔直径初始值和所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间进行调整,获取所述穿孔工艺控制参数第一调整结果,包括,
步骤S5234:若所述毛管尺寸缺陷的所述缺陷类型为尺寸偏大:
当所述相关类型划分结果属于所述同向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向小调整;
当所述相关类型划分结果属于所述反向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向大调整;
当所述相关类型划分结果属于所述无关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间不调整;
步骤S5235:若所述毛管尺寸缺陷的所述缺陷类型为尺寸偏小:
当所述相关类型划分结果属于所述同向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向大调整;
当所述相关类型划分结果属于所述反向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向小调整;
当所述相关类型划分结果属于所述无关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间不调整。
具体而言,首先,确定毛管尺寸缺陷出现的具体位置,如内径偏大、外径偏小等,初步判断某些参数的调整方向;其次,统计缺陷产生时对应的各参数记录值,如穿孔温度、穿孔直径、穿孔速度等;然后,对高参数记录值和穿孔温度、穿孔直径和穿孔速度进行相关性分析,如计算缺陷量与各参数记录值之间的Pearson相关系数。实现对穿孔温度、直径与速度与毛管尺寸缺陷的具体属性的相关性分析,获取相关性分析结果。
根据相关性分析结果,将各参数与缺陷之间的相关类型划分为同向关联、反向关联与无关联三类。同向关联是参数与缺陷量呈正相关,调整参数与缺陷变化方向一致,可修正缺陷,如温度升高导致外径变大,两者呈正相关,属同向关联;反向关联是参数与缺陷量呈负相关,调整参数与缺陷变化方向相反,可修正缺陷,如速度降低导致内径变小,两者呈负相关,属反向关联;无关联是参数与缺陷量无明显的线性对应关系,调整参数难以起到修正缺陷的效果,如外径偏大与模具材料无直接关系,两者呈无关联。
根据缺陷类型与相关性分类结果,在约束区间内调整各初始参数以修正缺陷,获取穿孔工艺控制参数的第一调整结果。其中,毛管尺寸的缺陷类型包括尺寸偏差和尺寸偏小。
若缺陷为尺寸偏大,则同向关联参数向小调整,反向关联参数向大调整,无关联参数不变。具体的,当相关类型划分结果属于同向关联时,对穿孔温度初始值和/或穿孔直径初始值和/或穿孔速度初始值,基于穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间向小调整;当相关类型划分结果属于反向关联时,对穿孔温度初始值和/或穿孔直径初始值和/或穿孔速度初始值,基于穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间向大调整;当相关类型划分结果属于无关联时,对穿孔温度初始值和/或穿孔直径初始值和/或穿孔速度初始值,基于穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间不调整。
若缺陷为尺寸偏小,则同向关联参数向大调整,反向关联参数向小调整,无关联参数不变。当相关类型划分结果属于同向关联时,对穿孔温度初始值和/或穿孔直径初始值和/或穿孔速度初始值,基于穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间向大调整;当相关类型划分结果属于反向关联时,对穿孔温度初始值和/或穿孔直径初始值和/或穿孔速度初始值,基于穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间向小调整;当相关类型划分结果属于无关联时,对穿孔温度初始值和/或穿孔直径初始值和/或穿孔速度初始值,基于穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间不调整。
通过比较缺陷属性与工艺参数之间的相关性,实现了针对性的参数修正方案,提高对无关钢管的性能评估的全面性,为基于评估结果提升钢管生产质量提供支持。
进一步的,本申请实施例还包括:
步骤S5610:当所述空心毛管尺寸预测信息与所述毛管检验信息的第一偏差度大于所述第一预设偏差值时,获取穿孔设备型号信息;
步骤S5620:以所述穿孔设备型号信息为约束信息,采集穿孔工艺记录数据、管坯尺寸记录数据和毛管检验记录数据;
步骤S5630:获取所述穿孔分析模型的原始构建数据集;
步骤S5640:将所述穿孔工艺记录数据、所述管坯尺寸记录数据和所述毛管检验记录数据作为增量构建数据集,与所述原始构建数据集混合,生成混合构建数据集,其中,所述增量构建数据集的权重大于所述原始构建数据集的权重;
步骤S5650:根据所述混合构建数据集,训练穿孔分析临时模型,根据所述穿孔分析临时模型和所述毛管尺寸缺陷对所述穿孔工艺初始控制参数进行优化,获取所述穿孔工艺优化结果。
具体而言,穿孔分析模型是基于大量数据训练得到的适用于所有型号的穿孔设备的模型,用于基于穿孔工艺控制参数和管坯尺寸信息获取空心毛管尺寸预测信息。当空心毛管尺寸预测信息与毛管检验信息的第一偏差度大于第一预设偏差值时,不在可优化的范围内,表明该模型与当前穿孔设备的适应度较弱,需要构建穿孔分析临时模型以契合当前场景下的穿孔设备。
首先,获取穿孔设备型号信息;其次,采集与该设备相关的历史使用数据,包括工艺参数记录、原材料尺寸记录与产品检验结果,作为临时模型构建的数据集;同时,获取既有的穿孔分析通用模型的构建数据集作为原始数据集;然后,将获取的数据集与原始数据集进行混合,作为混合构建数据集,为临时模型构建的数据集赋予更高权重,以实现针对当前设备的适配;最后,使用混合数据集训练得到专属于当前设备的临时模型,基于该模型与检出的产品缺陷共同对工艺参数进行优化,获得工艺优化方案。
通过在预测信息与检测信息出现大偏差时,构建专属模型以实现针对性工艺优化的系统技术方案,实现对无缝钢管性能的精细化准确评估,从而针对性提高产品质量,生成全面完备的评估结果。
进一步的,本申请实施例还包括:
步骤S8100:当所述毛管尺寸缺陷、所述中检尺寸缺陷和所述机械性能缺陷的数量为零,获取无缝钢管图像信息;
步骤S8200:根据所述无缝钢管图像信息的无缝钢管轴线定位于第一直线;
步骤S8300:获取所述无缝钢管图像信息和所述第一直线,提取无缝钢管弯曲系数集;
步骤S8400:对所述无缝钢管弯曲系数集进行异常分析,获取异常位置分布信息;
步骤S8500:当所述异常位置分布信息满足预设分布条件,对无缝钢管进行性能合格标识;
步骤S8600:当所述异常位置分布信息不满足所述预设分布条件,对所述无缝钢管进行矫直处理。
具体而言,在检验各项指标均合格的情况下,通过图像分析进一步判断无缝钢管的整体质量状况,并根据判断结果对无缝钢管进行优化。
在各项检验结果均为零,即尺寸与机械性能均符合要求的前提下,通过激光三维扫描、红外摄影等方式获取无缝钢管图像,以判断管材的弯曲状态。对获取的无缝钢管图像进行去噪、平滑等预处理,提高图像质量并滤除无关信息。使用边缘检测算法对图像进行边缘提取,获取钢管外轮廓曲线信息。根据边缘检测结果,使用最小二乘法等曲线拟合算法对钢管外轮廓进行拟合,得到较为平滑的轮廓曲线。在拟合后的轮廓曲线上使用圆检测算法,检出最佳拟合圆,其中心为轴线点。根据多个轴线点,使用直线拟合算法生成无缝钢管的轴线,作为第一直线。
根据钢管长度与分辨率要求,在轴线两侧设定多个测量点,为弯曲系数的采集位置。通常均匀分布在轴线两侧。在每个测点位置使用边缘检测算法提取对应点的边缘信息,获得最外侧边缘点。计算每个边缘点到第一直线的距离,作为对应点位置的弯曲系数。将各测点位置对应的弯曲系数构成无缝钢管弯曲系数集,反映钢管在各点位置的弯曲程度与分布状况。对各点的弯曲系数进行异常分析,判断其在管材长度方向上的分布特征,以确定管材的整体弯曲状态。如果弯曲系数的分布满足预设的均匀条件,即任一点的偏差都在可接受范围内,则判定管材性能合格;如果弯曲系数的分布不均,则对无缝钢管进行矫直处理以使产品合格。
通过在检验各项指标均合格的情况下,通过无缝钢管的图像信息进一步评估无缝钢管的性能,提高无缝钢管性能评估结果的全面性和准确性。
进一步的,如图3所示,本申请实施例还包括:
步骤S8410:设定异常分析基准数量;
步骤S8420:根据所述无缝钢管弯曲系数集,获取第i无缝钢管弯曲系数;
步骤S8430:基于所述第i无缝钢管弯曲系数自近而远筛选满足所述异常分析基准数量的多个参考无缝钢管弯曲系数;
步骤S8440:计算所述多个参考无缝钢管弯曲系数的最大距离倒数,设为异常分析因子;
步骤S8450:获取所述无缝钢管弯曲系数集的异常分析因子均值,与所述异常分析因子求比,获取异常程度参数;
步骤S8460:当所述异常程度参数大于或等于异常程度参数阈值,将所述第i无缝钢管弯曲系数的分布位置,添加进所述异常位置分布信息。
具体而言,根据图形分辨率设置异常分析的基准数量,是判断异常程度的参数依据。取弯曲系数集中的第i个弯曲系数,从第i个弯曲系数的测量点位置向两端筛选预设数量的最近邻测量点,获取最近邻的多个参考无缝钢管弯曲系数,其中,筛选的过程中,按照测量点与第一直线的距离从小到大的顺序进行筛选。
计算选取的多个参考无缝钢管弯曲系数对应的测量点到第一直线中最大距离的倒数,作为异常分析因子;再计算所有参考无缝钢管弯曲系数对应距离的倒数均值,作为异常分析因子均值;使用异常分析因子均值比异常分析因子,得到异常程度参数;当异常程度参数小于1或者接近1,则说明第i个弯曲系数周围系数的分布密度要大于均值或者靠近均值,则说明无线钢管弯曲度正常;若是异常程度参数大于1,且大于预设偏差,则说明对应系数周围系数的分布密度很小,则说明无线钢管弯曲度为异常。
当异常程度参数大于等于预设的异常程度参数阈值时,说明第i个弯曲系数周围的参数分布属于异常处,将该位置加入异常位置信息,以便进行预设分布条件的判断,全面无缝钢管性能评估的准确性。
综上所述,本申请实施例所提供的一种无缝钢管的性能评估方法具有如下技术效果:
获取无缝钢管检验信息,其中,无缝钢管检测信息包括毛管检验信息、中检信息和机械性能检验信息,为后续的质量评估与分析提供数据基础;获取无缝钢管生产需求信息,其中,无缝钢管生产需求信息包括尺寸需求信息和机械性能需求信息,作为质量评估的参考标准;遍历毛管检验信息和中检信息,基于尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷,完成尺寸评估;根据机械性能检验信息和机械性能需求信息,获取机械性能缺陷,完成机械能评估;根据毛管尺寸缺陷和中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果,为修正尺寸缺陷提供技术方案;根据机械性能缺陷进行热处理加工优化,获取第二工艺参数优化结果,为修正机械性能缺陷提供技术方案;将毛管尺寸缺陷、中检尺寸缺陷和第一工艺参数优化结果设为尺寸评估结果,将机械性能缺陷和第二工艺参数优化结果设为机械性能评估结果,实现对无缝钢管全面系统地进行评估,达到了提高无缝钢管性能评估的全面性和准确性的技术效果,同时为提高钢管质量提供优化数据支持。
实施例2
基于与前述实施例中一种无缝钢管的性能评估方法相同的发明构思,如图4所示,本申请实施例提供了一种无缝钢管的性能评估系统,该系统包括:
检验信息获取模块11,用于获取无缝钢管检验信息,其中,所述无缝钢管检测信息包括毛管检验信息、中检信息和机械性能检验信息;
生产需求获取模块12,用于获取无缝钢管生产需求信息,其中,所述无缝钢管生产需求信息包括尺寸需求信息和机械性能需求信息;
尺寸缺陷获取模块13,用于遍历所述毛管检验信息和所述中检信息,基于所述尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷;
机械性能缺陷模块14,用于根据所述机械性能检验信息和所述机械性能需求信息,获取机械性能缺陷;
尺寸加工优化模块15,用于根据所述毛管尺寸缺陷和所述中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果;
热处理加工优化模块16,用于根据所述机械性能缺陷进行热处理加工优化,获取第二工艺参数优化结果;
性能评估结果模块17,用于将所述毛管尺寸缺陷、所述中检尺寸缺陷和所述第一工艺参数优化结果设为尺寸评估结果,将所述机械性能缺陷和所述第二工艺参数优化结果设为机械性能评估结果。
进一步的,尺寸加工优化模块15执行步骤包括:
获取穿孔工艺初始控制参数和管坯尺寸信息,输入内嵌于无缝钢管的性能评估系统的穿孔分析模型,获取空心毛管尺寸预测信息;
当所述空心毛管尺寸预测信息与所述毛管检验信息的第一偏差度小于或等于第一预设偏差值,根据所述穿孔分析模型和所述毛管尺寸缺陷对所述穿孔工艺初始控制参数进行优化,获取穿孔工艺优化结果;
获取轧管工艺初始控制参数和定径工艺初始控制参数,输入内嵌于无缝钢管的性能评估系统的中检分析模型,获取中检尺寸预测信息;
当所述中检尺寸预测信息与所述中检信息的第二偏差度小于或等于第二预设偏差值,根据所述中检分析模型和所述中检尺寸缺陷对所述轧管工艺初始控制参数和所述定径工艺初始控制参数进行优化,获取轧管工艺优化结果和定径工艺优化结果;
将所述穿孔工艺优化结果、所述轧管工艺优化结果和所述定径工艺优化结果,添加进所述第一工艺参数优化结果。
进一步的,尺寸加工优化模块15执行步骤还包括:
所述穿孔工艺初始控制参数包括穿孔温度初始值、穿孔直径初始值和穿孔速度初始值;
根据穿孔设备信息,获取穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间;
根据所述毛管尺寸缺陷,对所述穿孔温度初始值、所述穿孔直径初始值和所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间进行调整,获取穿孔工艺控制参数第一调整结果;
将所述穿孔工艺控制参数第一调整结果输入所述穿孔分析模型,获取空心毛管尺寸第一预测结果;
对所述空心毛管尺寸第一预测结果和所述尺寸需求信息进行比对,获取穿孔工艺控制参数第一调整结果毛管尺寸偏差;
当所述穿孔工艺控制参数第一调整结果毛管尺寸偏差小于或等于毛管尺寸偏差阈值,将所述穿孔工艺控制参数第一调整结果设为所述穿孔工艺优化结果;
当所述穿孔工艺控制参数第一调整结果毛管尺寸偏差大于所述毛管尺寸偏差阈值,迭代优化处理。
进一步的,尺寸加工优化模块15执行步骤还包括:
根据所述毛管尺寸缺陷的缺陷属性信息对穿孔温度、穿孔直径和穿孔速度进行相关性分析,获取相关性分析结果;
根据所述相关性分析结果进行相关类型划分,获取相关类型划分结果,其中,所述相关类型划分结果包括同向关联、反向关联和无关联;
基于所述相关类型划分结果和所述毛管尺寸缺陷的缺陷类型,对毛管尺寸缺陷,对所述穿孔温度初始值、所述穿孔直径初始值和所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间进行调整,获取所述穿孔工艺控制参数第一调整结果,包括,
若所述毛管尺寸缺陷的所述缺陷类型为尺寸偏大:
当所述相关类型划分结果属于所述同向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向小调整;
当所述相关类型划分结果属于所述反向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向大调整;
当所述相关类型划分结果属于所述无关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间不调整;
若所述毛管尺寸缺陷的所述缺陷类型为尺寸偏小:
当所述相关类型划分结果属于所述同向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向大调整;
当所述相关类型划分结果属于所述反向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向小调整;
当所述相关类型划分结果属于所述无关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间不调整。
进一步的,尺寸加工优化模块15执行步骤还包括:
当所述空心毛管尺寸预测信息与所述毛管检验信息的第一偏差度大于所述第一预设偏差值时,获取穿孔设备型号信息;
以所述穿孔设备型号信息为约束信息,采集穿孔工艺记录数据、管坯尺寸记录数据和毛管检验记录数据;
获取所述穿孔分析模型的原始构建数据集;
将所述穿孔工艺记录数据、所述管坯尺寸记录数据和所述毛管检验记录数据作为增量构建数据集,与所述原始构建数据集混合,生成混合构建数据集,其中,所述增量构建数据集的权重大于所述原始构建数据集的权重;
根据所述混合构建数据集,训练穿孔分析临时模型,根据所述穿孔分析临时模型和所述毛管尺寸缺陷对所述穿孔工艺初始控制参数进行优化,获取所述穿孔工艺优化结果。
进一步的,本申请实施例还包括弯曲度检测模块,弯曲度检测模块执行步骤包括:
当所述毛管尺寸缺陷、所述中检尺寸缺陷和所述机械性能缺陷的数量为零,获取无缝钢管图像信息;
根据所述无缝钢管图像信息的无缝钢管轴线定位于第一直线;
获取所述无缝钢管图像信息和所述第一直线,提取无缝钢管弯曲系数集;
对所述无缝钢管弯曲系数集进行异常分析,获取异常位置分布信息;
当所述异常位置分布信息满足预设分布条件,对无缝钢管进行性能合格标识;
当所述异常位置分布信息不满足所述预设分布条件,对所述无缝钢管进行矫直处理。
进一步的,弯曲度检测模块执行步骤还包括:
设定异常分析基准数量;
根据所述无缝钢管弯曲系数集,获取第i无缝钢管弯曲系数;
基于所述第i无缝钢管弯曲系数自近而远筛选满足所述异常分析基准数量的多个参考无缝钢管弯曲系数;
计算所述多个参考无缝钢管弯曲系数的最大距离倒数,设为异常分析因子;
获取所述无缝钢管弯曲系数集的异常分析因子均值,与所述异常分析因子求比,获取异常程度参数;
当所述异常程度参数大于或等于异常程度参数阈值,将所述第i无缝钢管弯曲系数的分布位置,添加进所述异常位置分布信息。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。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)
1.一种无缝钢管的性能评估方法,其特征在于,应用于无缝钢管的性能评估系统,包括:
获取无缝钢管检验信息,其中,所述无缝钢管检测信息包括毛管检验信息、中检信息和机械性能检验信息;
获取无缝钢管生产需求信息,其中,所述无缝钢管生产需求信息包括尺寸需求信息和机械性能需求信息;
遍历所述毛管检验信息和所述中检信息,基于所述尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷;
根据所述机械性能检验信息和所述机械性能需求信息,获取机械性能缺陷;
根据所述毛管尺寸缺陷和所述中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果;
根据所述机械性能缺陷进行热处理加工优化,获取第二工艺参数优化结果;
将所述毛管尺寸缺陷、所述中检尺寸缺陷和所述第一工艺参数优化结果设为尺寸评估结果,将所述机械性能缺陷和所述第二工艺参数优化结果设为机械性能评估结果。
2.如权利要求1所述的方法,其特征在于,根据所述毛管尺寸缺陷和所述中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果,包括:
获取穿孔工艺初始控制参数和管坯尺寸信息,输入内嵌于无缝钢管的性能评估系统的穿孔分析模型,获取空心毛管尺寸预测信息;
当所述空心毛管尺寸预测信息与所述毛管检验信息的第一偏差度小于或等于第一预设偏差值,根据所述穿孔分析模型和所述毛管尺寸缺陷对所述穿孔工艺初始控制参数进行优化,获取穿孔工艺优化结果;
获取轧管工艺初始控制参数和定径工艺初始控制参数,输入内嵌于无缝钢管的性能评估系统的中检分析模型,获取中检尺寸预测信息;
当所述中检尺寸预测信息与所述中检信息的第二偏差度小于或等于第二预设偏差值,根据所述中检分析模型和所述中检尺寸缺陷对所述轧管工艺初始控制参数和所述定径工艺初始控制参数进行优化,获取轧管工艺优化结果和定径工艺优化结果;
将所述穿孔工艺优化结果、所述轧管工艺优化结果和所述定径工艺优化结果,添加进所述第一工艺参数优化结果。
3.如权利要求2所述的方法,其特征在于,当所述空心毛管尺寸预测信息与所述毛管检验信息的第一偏差度小于或等于第一预设偏差值,根据所述穿孔分析模型和所述毛管尺寸缺陷对所述穿孔工艺初始控制参数进行优化,获取穿孔工艺优化结果,包括:
所述穿孔工艺初始控制参数包括穿孔温度初始值、穿孔直径初始值和穿孔速度初始值;
根据穿孔设备信息,获取穿孔温度约束区间,穿孔直径约束区间和穿孔速度约束区间;
根据所述毛管尺寸缺陷,对所述穿孔温度初始值、所述穿孔直径初始值和所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间进行调整,获取穿孔工艺控制参数第一调整结果;
将所述穿孔工艺控制参数第一调整结果输入所述穿孔分析模型,获取空心毛管尺寸第一预测结果;
对所述空心毛管尺寸第一预测结果和所述尺寸需求信息进行比对,获取穿孔工艺控制参数第一调整结果毛管尺寸偏差;
当所述穿孔工艺控制参数第一调整结果毛管尺寸偏差小于或等于毛管尺寸偏差阈值,将所述穿孔工艺控制参数第一调整结果设为所述穿孔工艺优化结果;
当所述穿孔工艺控制参数第一调整结果毛管尺寸偏差大于所述毛管尺寸偏差阈值,迭代优化处理。
4.如权利要求3所述的方法,其特征在于,根据所述毛管尺寸缺陷,对所述穿孔温度初始值、所述穿孔直径初始值和所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间进行调整,获取穿孔工艺控制参数第一调整结果,包括:
根据所述毛管尺寸缺陷的缺陷属性信息对穿孔温度、穿孔直径和穿孔速度进行相关性分析,获取相关性分析结果;
根据所述相关性分析结果进行相关类型划分,获取相关类型划分结果,其中,所述相关类型划分结果包括同向关联、反向关联和无关联;
基于所述相关类型划分结果和所述毛管尺寸缺陷的缺陷类型,对毛管尺寸缺陷,对所述穿孔温度初始值、所述穿孔直径初始值和所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间进行调整,获取所述穿孔工艺控制参数第一调整结果,包括,
若所述毛管尺寸缺陷的所述缺陷类型为尺寸偏大:
当所述相关类型划分结果属于所述同向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向小调整;
当所述相关类型划分结果属于所述反向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向大调整;
当所述相关类型划分结果属于所述无关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间不调整;
若所述毛管尺寸缺陷的所述缺陷类型为尺寸偏小:
当所述相关类型划分结果属于所述同向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向大调整;
当所述相关类型划分结果属于所述反向关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间向小调整;
当所述相关类型划分结果属于所述无关联时,对所述穿孔温度初始值和/或所述穿孔直径初始值和/或所述穿孔速度初始值,基于所述穿孔温度约束区间,所述穿孔直径约束区间和所述穿孔速度约束区间不调整。
5.如权利要求2所述的方法,其特征在于,还包括:
当所述空心毛管尺寸预测信息与所述毛管检验信息的第一偏差度大于所述第一预设偏差值时,获取穿孔设备型号信息;
以所述穿孔设备型号信息为约束信息,采集穿孔工艺记录数据、管坯尺寸记录数据和毛管检验记录数据;
获取所述穿孔分析模型的原始构建数据集;
将所述穿孔工艺记录数据、所述管坯尺寸记录数据和所述毛管检验记录数据作为增量构建数据集,与所述原始构建数据集混合,生成混合构建数据集,其中,所述增量构建数据集的权重大于所述原始构建数据集的权重;
根据所述混合构建数据集,训练穿孔分析临时模型,根据所述穿孔分析临时模型和所述毛管尺寸缺陷对所述穿孔工艺初始控制参数进行优化,获取所述穿孔工艺优化结果。
6.如权利要求1所述的方法,其特征在于,包括:
当所述毛管尺寸缺陷、所述中检尺寸缺陷和所述机械性能缺陷的数量为零,获取无缝钢管图像信息;
根据所述无缝钢管图像信息的无缝钢管轴线定位于第一直线;
获取所述无缝钢管图像信息和所述第一直线,提取无缝钢管弯曲系数集;
对所述无缝钢管弯曲系数集进行异常分析,获取异常位置分布信息;
当所述异常位置分布信息满足预设分布条件,对无缝钢管进行性能合格标识;
当所述异常位置分布信息不满足所述预设分布条件,对所述无缝钢管进行矫直处理。
7.如权利要求6所述的方法,其特征在于,对所述无缝钢管弯曲系数集进行异常分析,获取异常位置分布信息,包括:
设定异常分析基准数量;
根据所述无缝钢管弯曲系数集,获取第i无缝钢管弯曲系数;
基于所述第i无缝钢管弯曲系数自近而远筛选满足所述异常分析基准数量的多个参考无缝钢管弯曲系数;
计算所述多个参考无缝钢管弯曲系数的最大距离倒数,设为异常分析因子;
获取所述无缝钢管弯曲系数集的异常分析因子均值,与所述异常分析因子求比,获取异常程度参数;
当所述异常程度参数大于或等于异常程度参数阈值,将所述第i无缝钢管弯曲系数的分布位置,添加进所述异常位置分布信息。
8.一种无缝钢管的性能评估系统,其特征在于,所述系统包括:
检验信息获取模块,所述检验信息获取模块用于获取无缝钢管检验信息,其中,所述无缝钢管检测信息包括毛管检验信息、中检信息和机械性能检验信息;
生产需求获取模块,所述生产需求获取模块用于获取无缝钢管生产需求信息,其中,所述无缝钢管生产需求信息包括尺寸需求信息和机械性能需求信息;
尺寸缺陷获取模块,所述尺寸缺陷获取模块用于遍历所述毛管检验信息和所述中检信息,基于所述尺寸需求信息,获取毛管尺寸缺陷和中检尺寸缺陷;
机械性能缺陷模块,所述机械性能缺陷模块用于根据所述机械性能检验信息和所述机械性能需求信息,获取机械性能缺陷;
尺寸加工优化模块,所述尺寸加工优化模块用于根据所述毛管尺寸缺陷和所述中检尺寸缺陷进行尺寸加工优化,获取第一工艺参数优化结果;
热处理加工优化模块,所述热处理加工优化模块用于根据所述机械性能缺陷进行热处理加工优化,获取第二工艺参数优化结果;
性能评估结果模块,所述性能评估结果模块用于将所述毛管尺寸缺陷、所述中检尺寸缺陷和所述第一工艺参数优化结果设为尺寸评估结果,将所述机械性能缺陷和所述第二工艺参数优化结果设为机械性能评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311238861.9A CN117314187A (zh) | 2023-09-25 | 2023-09-25 | 一种无缝钢管的性能评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311238861.9A CN117314187A (zh) | 2023-09-25 | 2023-09-25 | 一种无缝钢管的性能评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117314187A true CN117314187A (zh) | 2023-12-29 |
Family
ID=89241853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311238861.9A Pending CN117314187A (zh) | 2023-09-25 | 2023-09-25 | 一种无缝钢管的性能评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314187A (zh) |
-
2023
- 2023-09-25 CN CN202311238861.9A patent/CN117314187A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114706358B (zh) | 一种直缝焊管的焊接工艺信息处理方法及系统 | |
CN111080054B (zh) | 一种热轧带钢宽度质量自动评价方法及系统 | |
CN115903652A (zh) | 一种用于零件加工的对位冲孔方法及系统 | |
CN117724433B (zh) | 基于多通道分布式深度集成预测的冷轧生产前馈控制方法 | |
CN116822342A (zh) | 一种锆合金激光切割的工艺识别与性能预测方法 | |
CN115796002A (zh) | 一种基于深度学习的带钢卷形缺陷预测与诊断方法 | |
CN116520772A (zh) | 基于多任务迁移学习的薄板零件数控加工质量预测方法 | |
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 | |
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 | |
CN117314187A (zh) | 一种无缝钢管的性能评估方法及系统 | |
CN116205923B (zh) | 基于x-ray的汽车轮毂内部缺陷无损检测方法 | |
CN117131767A (zh) | 基于随机森林算法预测热轧四辊轧机工作辊热凸度的方法 | |
CN112668133A (zh) | 一种基于大数据分析的热轧带钢横断面自动判定方法 | |
CN113780852B (zh) | 一种板带轧制过程质量缺陷的诊断方法 | |
CN116108932A (zh) | 一种钢铁生产过程数据和机理融合模型建立方法 | |
CN111618104A (zh) | 一种板坯热轧温降检测方法 | |
CN113701652A (zh) | 一种钢卷内径智能高精度检测及缺陷诊断系统 | |
CN117732886B (zh) | 一种基于级联智能诊断的热轧质量预控制方法 | |
CN114118205A (zh) | 一种基于机器学习的板坯弯曲模式分类方法及装置 | |
CN116596403B (zh) | 一种铜管内螺纹成型质量的评估方法及系统 | |
CN111488922B (zh) | 一种中间坯镰刀弯分类识别及质量判定方法及系统 | |
CN117259447B (zh) | 一种铜管旋轧生产参数自适应调整方法及系统 | |
CN117265214B (zh) | 一种特种钢生产的优化控制方法及系统 | |
CN111250545B (zh) | 一种降低摆荡钢卷超厚率的控制系统和方法 | |
US20230205185A1 (en) | System and method for controlling a production plant consisting of a plurality of plant parts, in particular a production plant for producing industrial goods such as metallic semi-finished products |
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 |