CN117370871A - 一种特种钢材的质量分析方法与系统 - Google Patents
一种特种钢材的质量分析方法与系统 Download PDFInfo
- Publication number
- CN117370871A CN117370871A CN202311648193.7A CN202311648193A CN117370871A CN 117370871 A CN117370871 A CN 117370871A CN 202311648193 A CN202311648193 A CN 202311648193A CN 117370871 A CN117370871 A CN 117370871A
- Authority
- CN
- China
- Prior art keywords
- target
- historical
- steel
- special steel
- inspection
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 163
- 239000010959 steel Substances 0.000 title claims abstract description 163
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 136
- 238000007689 inspection Methods 0.000 claims abstract description 133
- 239000002436 steel type Substances 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 239000000463 material Substances 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims description 25
- 238000010219 correlation analysis Methods 0.000 claims description 13
- 238000009659 non-destructive testing Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000000137 annealing Methods 0.000 claims description 5
- 238000005098 hot rolling Methods 0.000 claims description 5
- 238000005554 pickling Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000009628 steelmaking Methods 0.000 claims description 5
- 238000011272 standard treatment Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004949 mass spectrometry Methods 0.000 claims 3
- 238000003908 quality control method Methods 0.000 claims 1
- 238000012937 correction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000010079 rubber tapping Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06F16/219—Managing data history or versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本发明公开了一种特种钢材的质量分析方法与系统，应用于数据处理技术领域，该方法包括：基于历史特种钢材加工信息组建历史数据库，并提取第一历史数据。将第一历史工艺特征参数和第一钢材达标情况作为第一训练数据，得到特种钢材分类器。读取预定工艺特征，并根据预定工艺特征采集目标工艺特征参数。通过特种钢材分类器对目标工艺特征参数进行分析，得到目标预测达标情况。如果目标预测达标情况为目标达标，获取目标钢材类型，并匹配目标钢材类型的预定质检偏向。根据预定质检偏向对目标特种钢材进行检测，得到目标质检数据。分析目标质检数据得到目标质量指数。解决了现有技术中特种钢材质量分析检测存在效率低，检测进度缓慢的技术问题。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种特种钢材的质量分析方法与系统。
背景技术
特种钢材作为生产、生活中的常用材料，对各行业有着重要的影响作用。然而，在现有技术中对于特种钢材的质量分析多采用人工分析以及实验分析检测的方式，为了实现对特种钢材的全面分析，需要对钢材进行全面、详尽的检测，然而该方式分析检测效率较低，并且检测进度缓慢。
因此，在现有技术中特种钢材质量分析检测存在效率低，检测进度缓慢的技术问题。
发明内容
本申请通过提供一种特种钢材的质量分析方法与系统，解决了在现有技术中特种钢材质量分析检测存在效率低，检测进度缓慢的技术问题。实现了对特种钢材的质量进行快速、准确的分析。
本申请提供一种特种钢材的质量分析方法，包括：基于历史特种钢材加工信息组建历史数据库，并提取所述历史数据库中的第一历史数据，其中，所述第一历史数据包括第一历史工艺特征参数和第一钢材达标情况；将所述第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，并监督学习、训练测试得到特种钢材分类器；读取预定工艺特征，并根据所述预定工艺特征采集目标特种钢材的目标工艺特征参数；通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况；如果所述目标预测达标情况为目标达标，获取所述目标特种钢材的目标钢材类型，并匹配所述目标钢材类型的预定质检偏向；根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据；分析所述目标质检数据得到目标质量指数，其中，所述目标质量指数用于表征所述目标特种钢材的质量。
本申请还提供了一种特种钢材的质量分析系统，包括：数据获取模块，用于基于历史特种钢材加工信息组建历史数据库，并提取所述历史数据库中的第一历史数据，其中，所述第一历史数据包括第一历史工艺特征参数和第一钢材达标情况；钢材分类器获取模块，用于将所述第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，并监督学习、训练测试得到特种钢材分类器；工艺特征参数获取模块，用于读取预定工艺特征，并根据所述预定工艺特征采集目标特种钢材的目标工艺特征参数；预测达标情况获取模块，用于通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况；质检偏向获取模块，用于如果所述目标预测达标情况为目标达标，获取所述目标特种钢材的目标钢材类型，并匹配所述目标钢材类型的预定质检偏向；质检数据获取模块，用于根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据；质量指数获取模块，用于分析所述目标质检数据得到目标质量指数，其中，所述目标质量指数用于表征所述目标特种钢材的质量。
本申请还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本申请提供的一种特种钢材的质量分析方法。
本申请提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时，实现本申请提供的一种特种钢材的质量分析方法。
拟通过本申请提出的一种特种钢材的质量分析方法与系统，基于历史特种钢材加工信息组建历史数据库，并提取第一历史数据。将第一历史工艺特征参数和第一钢材达标情况作为第一训练数据，得到特种钢材分类器。读取预定工艺特征，并根据预定工艺特征采集目标工艺特征参数。通过特种钢材分类器对目标工艺特征参数进行分析，得到目标预测达标情况。如果目标预测达标情况为目标达标，获取目标钢材类型，并匹配目标钢材类型的预定质检偏向。根据预定质检偏向对目标特种钢材进行检测，得到目标质检数据。分析目标质检数据得到目标质量指数。实现了对特种钢材的质量进行快速、准确的分析获取。解决了现有技术中特种钢材质量分析检测存在效率低，检测进度缓慢的技术问题。
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公开实施例的技术方案，下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1为本申请实施例提供的一种特种钢材的质量分析方法的流程示意图；
图2为本申请实施例提供的一种特种钢材的质量分析方法获取第一历史工艺特征参数的流程示意图；
图3为本申请实施例提供的一种特种钢材的质量分析方法获取预定质检偏向的流程示意图；
图4为本申请实施例提供的一种特种钢材的质量分析方法的系统的结构示意图；
图5为本发明实施例提供的一种特种钢材的质量分析方法的系统电子设备的结构示意图。
附图标记说明：数据获取模块11，钢材分类器获取模块12，工艺特征参数获取模块13，预测达标情况获取模块14，质检偏向获取模块15，质检数据获取模块16，质量指数获取模块17，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
实施例1
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
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申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
如图1所示，本申请实施例提供了一种特种钢材的质量分析方法，所述方法包括：
S10：基于历史特种钢材加工信息组建历史数据库，并提取所述历史数据库中的第一历史数据，其中，所述第一历史数据包括第一历史工艺特征参数和第一钢材达标情况；
S20：将所述第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，并监督学习、训练测试得到特种钢材分类器；
S30：读取预定工艺特征，并根据所述预定工艺特征采集目标特种钢材的目标工艺特征参数；
具体的，基于历史特种钢材加工信息组建历史数据库，并提取所述历史数据库中的第一历史数据，其中，所述第一历史数据包括第一历史工艺特征参数和第一钢材达标情况。其中，第一历史工艺特征参数为特种钢材加工流程的历史加工流程参数，第一钢材达标情况为历史工艺特征参数，对应的钢材质检参数达标情况，该第一钢材达标情况为对实际产品进行检测后产生的。随后，将所述第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，并监督学习、训练测试得到特种钢材分类器。在获取特种钢材分类器时，以第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，对神经网络模型进行监督训练，使得模型可以根据工艺特征参数获取钢材的达标情况，直至模型的输出结果可以满足预定准确率时，得到特种钢材分类器。进一步，读取预定工艺特征，其中预定工艺特征为与特种钢材质量强相关的加工工艺特征，并根据所述预定工艺特征采集目标特种钢材的目标工艺特征参数。
如图2所示，本申请实施例提供的方法S10还包括：
S11：获取特种钢材加工流程；
S12：根据所述特种钢材加工流程，依次提取所述第一历史数据中的第一历史炼钢参数、第一历史热轧参数、第一历史退火参数和第一历史酸洗参数，并组成所述第一历史工艺特征参数。
具体的，在提取所述历史数据库中的第一历史数据时，通过获取特种钢材加工流程，即加工特种钢材的各项加工流程，包括炼钢、热轧、退火、酸洗等工艺流程。根据所述特种钢材加工流程，依次提取所述第一历史数据中的第一历史炼钢参数、第一历史热轧参数、第一历史退火参数和第一历史酸洗参数，并组成所述第一历史工艺特征参数。
本申请实施例提供的方法S30还包括：
S31：将所述第一历史工艺特征参数作为自变量，将所述第一钢材达标情况作为因变量；
S32：对所述自变量与所述因变量进行多对一相关分析，得到相关性分析结果；
S33：根据所述相关性分析结果对所述自变量进行筛选，得到预定自变量；
S34：反向匹配所述预定自变量的所述预定工艺特征，其中，所述预定工艺特征是指与特种钢材质量强相关的加工工艺特征。
具体的，进行预定工艺特征的读取时，通过将所述第一历史工艺特征参数作为自变量，将所述第一钢材达标情况作为因变量。对所述自变量与所述因变量进行多对一相关分析，得到相关性分析结果。在进行相关分析时，获取与所述因变量关联性最高的多个自变量，以实现对历史工艺特征参数的筛选，减少后续数据处理的数据量，提高处理效率。根据所述相关性分析结果对所述自变量进行筛选，得到预定自变量。随后，根据预定自变量反向匹配所述预定工艺特征，即匹配对应自变量的具体工艺特征，如预定自变量为出炉温度具体数值，则反向匹配该数值对应的具体工艺特征，即出炉温度特征。以便于后续获取预定自变量对应的具体加工工艺特征。其中，所述预定工艺特征是指与特种钢材质量强相关的加工工艺特征。
S40：通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况；
S50：如果所述目标预测达标情况为目标达标，获取所述目标特种钢材的目标钢材类型，并匹配所述目标钢材类型的预定质检偏向；
S60：根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据；
S70：分析所述目标质检数据得到目标质量指数，其中，所述目标质量指数用于表征所述目标特种钢材的质量。
具体的，通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况，即获取目标工艺特征参数输入特种钢材分类器后的输出结果，其中，目标预测达标情况包含达标以及不达标两种预测结果。如果所述目标预测达标情况为目标达标，获取所述目标特种钢材的目标钢材类型，并匹配所述目标钢材类型的预定质检偏向，从而实现对目标钢材类型的质检提供具体的方向指导，便于快速获取目标钢材类型的具体缺陷。进一步，根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据。最后，分析所述目标质检数据得到目标质量指数，根据各目标质检数据与目标质量指数的对应关系，得到目标质量指数。其中，所述目标质量指数用于表征所述目标特种钢材的质量。从而完成对特种钢材的质量进行快速、准确的分析。
如图3所示，本申请实施例提供的方法S50还包括：
S51：组建钢材类型集，并提取所述钢材类型集中的第一钢材类型；
S52：采集所述第一钢材类型的第一历史失效样本，并分析所述第一历史失效样本的第一失效原因；
S53：分析所述第一失效原因得到第一失效因子集，并将所述第一失效因子集添加至第一预定质检偏向；
S54：根据所述第一钢材类型与所述第一预定质检偏向的对应关系制定所述预定质检偏向。
具体的，获取不同的钢材类型，组建钢材类型集，并提取所述钢材类型集中的第一钢材类型。随后，采集所述第一钢材类型的第一历史失效样本，并利用预定无损检测技术分析所述第一历史失效样本的第一失效原因。随后，分析所述第一失效原因得到第一失效因子集，并将所述第一失效因子集添加至第一预定质检偏向。最后，根据所述第一钢材类型与所述第一预定质检偏向的对应关系制定所述预定质检偏向。
本申请实施例提供的方法S52还包括：
S521：读取预定无损检测技术，其中，所述预定无损检测技术包括超声波探伤技术、磁力探伤技术和射线探伤技术；
S522：根据所述预定无损检测技术对所述第一历史失效样本进行失效原因分析，得到所述第一失效原因。
具体的，在获取所述第一历史失效样本的第一失效原因时，读取预定无损检测技术，其中，所述预定无损检测技术包括超声波探伤技术、磁力探伤技术和射线探伤技术。通过无损检测技术避免在对钢材进行检测时对钢材产生损伤，进而影响损伤原因的分析。进一步，根据预定无损检测技术对所述第一历史失效样本进行失效原因分析，得到所述第一失效原因。
本申请实施例提供的方法S60还包括：
S61：采集检验环境信息，其中，所述检验环境信息包括环境温度和环境湿度；
S62：采集检验人员的历史检验信息，其中，所述历史检验信息包括历史检验总次数和历史检验有效数；
S63：采集检验设备信息，其中，所述检验设备信息包括设备投用时长、设备故障次数和设备性能等级；
S64：结合所述检验环境信息、所述历史检验信息和所述检验设备信息对所述目标质检数据进行纠偏调整。
具体的，采集检验环境信息，其中，所述检验环境信息包括环境温度和环境湿度。采集检验人员的历史检验信息，其中，所述历史检验信息包括历史检验总次数和历史检验有效数。采集检验设备信息，其中，所述检验设备信息包括设备投用时长、设备故障次数和设备性能等级。结合所述检验环境信息、所述历史检验信息和所述检验设备信息对所述目标质检数据进行纠偏调整。在对所述目标质检数据进行纠偏调整时，根据获取的实际环境温度和环境湿度获取其与预设环境温湿度参数的偏差程度，偏差越高则对应的纠偏调整比例越高。根据采集检验人员的历史检验信息，获取历史检验有效数与历史检验总次数的比例，判断历史检验有效数与历史检验总次数的比例与预设比例的偏差程度，偏差越高则对应的纠偏调整比例越高。进一步，根据设备投用时长、设备故障次数和设备性能等级，获取预设设备投用时长、预设设备故障次数和预设设备性能等级，判断设备投用时长、设备故障次数和设备性能等级与预设值的偏差情况，并获取偏差程度，结合各参数的偏差数据，进行平均值计算，最终获取偏差值，偏差越高则对应的纠偏调整比例越高。最后，获取所述检验环境信息、所述历史检验信息和所述检验设备信息的总偏差值，根据总偏差值对目标质检数据进行纠偏调整。不同总偏差值数据，对应不同的纠偏调整参数，其中纠偏调整参数用于对目标质检数据的可信度进行反向调整。其中，目标质检数据的可信度初始值为100%，获取利用纠偏调整参数进行调整后的目标质检数据的可信度，根据目标质检数据的可信度数据对各目标质检数据进行等比例数据调整。从而完成对目标质检数据的纠偏调整。
本申请实施例提供的方法S70还包括：
S71：如果所述目标预测达标情况为目标不达标，提取所述历史数据库中的第二历史数据，其中，所述第二历史数据是指任意一个不达标的历史特种钢材加工信息；
S72：计算所述目标工艺特征参数与所述第二历史数据中工艺特征参数的工艺相似度；
S73：若所述工艺相似度达到预定相似阈值，提取所述第二历史数据中的不达标处理方案；
S74：将所述不达标处理方案作为所述目标特种钢材的目标不达标处理方案。
具体的，如果目标预测达标情况为目标不达标，提取所述历史数据库中的第二历史数据，其中，所述第二历史数据是指任意一个不达标的历史特种钢材加工信息。随后，计算所述目标工艺特征参数与第二历史数据中工艺特征参数的工艺相似度。若所述工艺相似度达到预定相似阈值，提取所述第二历史数据中的不达标处理方案，即对该钢材的实际处理方案。如返厂或废弃操作等。最后，将所述不达标处理方案作为所述目标特种钢材的目标不达标处理方案。
本发明实施例所提供的技术方案，基于历史特种钢材加工信息组建历史数据库，并提取所述历史数据库中的第一历史数据，其中，所述第一历史数据包括第一历史工艺特征参数和第一钢材达标情况。将所述第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，并监督学习、训练测试得到特种钢材分类器。读取预定工艺特征，并根据所述预定工艺特征采集目标特种钢材的目标工艺特征参数。通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况。如果所述目标预测达标情况为目标达标，获取所述目标特种钢材的目标钢材类型，并匹配所述目标钢材类型的预定质检偏向。根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据。分析所述目标质检数据得到目标质量指数，其中，所述目标质量指数用于表征所述目标特种钢材的质量，实现了对特种钢材的质量进行快速、准确的分析获取。解决了现有技术中特种钢材质量分析检测存在效率低，检测进度缓慢的技术问题。
实施例2
基于与前述实施例中一种特种钢材的质量分析方法同样发明构思，本发明还提供了一种特种钢材的质量分析方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中，用于执行本发明任意实施例所提供的方法。如图4所示，所述系统包括：
数据获取模块11，用于基于历史特种钢材加工信息组建历史数据库，并提取所述历史数据库中的第一历史数据，其中，所述第一历史数据包括第一历史工艺特征参数和第一钢材达标情况；
钢材分类器获取模块12，用于将所述第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，并监督学习、训练测试得到特种钢材分类器；
工艺特征参数获取模块13，用于读取预定工艺特征，并根据所述预定工艺特征采集目标特种钢材的目标工艺特征参数；
预测达标情况获取模块14，用于通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况；
质检偏向获取模块15，用于如果所述目标预测达标情况为目标达标，获取所述目标特种钢材的目标钢材类型，并匹配所述目标钢材类型的预定质检偏向；
质检数据获取模块16，用于根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据；
质量指数获取模块17，用于分析所述目标质检数据得到目标质量指数，其中，所述目标质量指数用于表征所述目标特种钢材的质量。
进一步地，所述数据获取模块11还用于：
获取特种钢材加工流程；
根据所述特种钢材加工流程，依次提取所述第一历史数据中的第一历史炼钢参数、第一历史热轧参数、第一历史退火参数和第一历史酸洗参数，并组成所述第一历史工艺特征参数。
进一步地，所述工艺特征参数获取模块13还用于：
将所述第一历史工艺特征参数作为自变量，将所述第一钢材达标情况作为因变量；
对所述自变量与所述因变量进行多对一相关分析，得到相关性分析结果；
根据所述相关性分析结果对所述自变量进行筛选，得到预定自变量；
反向匹配所述预定自变量的所述预定工艺特征，其中，所述预定工艺特征是指与特种钢材质量强相关的加工工艺特征。
进一步地，所述质检偏向获取模块15还用于：
组建钢材类型集，并提取所述钢材类型集中的第一钢材类型；
采集所述第一钢材类型的第一历史失效样本，并分析所述第一历史失效样本的第一失效原因；
分析所述第一失效原因得到第一失效因子集，并将所述第一失效因子集添加至第一预定质检偏向；
根据所述第一钢材类型与所述第一预定质检偏向的对应关系制定所述预定质检偏向。
进一步地，所述质检偏向获取模块15还用于：
读取预定无损检测技术，其中，所述预定无损检测技术包括超声波探伤技术、磁力探伤技术和射线探伤技术；
根据所述预定无损检测技术对所述第一历史失效样本进行失效原因分析，得到所述第一失效原因。
进一步地，所述质检数据获取模块16还用于：
采集检验环境信息，其中，所述检验环境信息包括环境温度和环境湿度；
采集检验人员的历史检验信息，其中，所述历史检验信息包括历史检验总次数和历史检验有效数；
采集检验设备信息，其中，所述检验设备信息包括设备投用时长、设备故障次数和设备性能等级；
结合所述检验环境信息、所述历史检验信息和所述检验设备信息对所述目标质检数据进行纠偏调整。
进一步地，所述质量指数获取模块17还用于：
如果所述目标预测达标情况为目标不达标，提取所述历史数据库中的第二历史数据，其中，所述第二历史数据是指任意一个不达标的历史特种钢材加工信息；
计算所述目标工艺特征参数与第二历史数据中工艺特征参数的工艺相似度；
若所述工艺相似度达到预定相似阈值，提取所述第二历史数据中的不达标处理方案；
将所述不达标处理方案作为所述目标特种钢材的目标不达标处理方案。
所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例3
图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种特种钢材的质量分析方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种特种钢材的质量分析方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种特种钢材的质量分析方法，其特征在于，包括：
基于历史特种钢材加工信息组建历史数据库，并提取所述历史数据库中的第一历史数据，其中，所述第一历史数据包括第一历史工艺特征参数和第一钢材达标情况；
将所述第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，并监督学习、训练测试得到特种钢材分类器；
读取预定工艺特征，并根据所述预定工艺特征采集目标特种钢材的目标工艺特征参数；
通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况；
如果所述目标预测达标情况为目标达标，获取所述目标特种钢材的目标钢材类型，并匹配所述目标钢材类型的预定质检偏向；
根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据；
分析所述目标质检数据得到目标质量指数，其中，所述目标质量指数用于表征所述目标特种钢材的质量。
2.根据权利要求1所述质量分析方法，其特征在于，所述提取所述历史数据库中的第一历史数据，包括：
获取特种钢材加工流程；
根据所述特种钢材加工流程，依次提取所述第一历史数据中的第一历史炼钢参数、第一历史热轧参数、第一历史退火参数和第一历史酸洗参数，并组成所述第一历史工艺特征参数。
3.根据权利要求2所述质量分析方法，其特征在于，所述读取预定工艺特征，包括：
将所述第一历史工艺特征参数作为自变量，将所述第一钢材达标情况作为因变量；
对所述自变量与所述因变量进行多对一相关分析，得到相关性分析结果；
根据所述相关性分析结果对所述自变量进行筛选，得到预定自变量；
反向匹配所述预定自变量的所述预定工艺特征，其中，所述预定工艺特征是指与特种钢材质量强相关的加工工艺特征。
4.根据权利要求1所述质量分析方法，其特征在于，所述匹配所述目标钢材类型的预定质检偏向，包括：
组建钢材类型集，并提取所述钢材类型集中的第一钢材类型；
采集所述第一钢材类型的第一历史失效样本，并分析所述第一历史失效样本的第一失效原因；
分析所述第一失效原因得到第一失效因子集，并将所述第一失效因子集添加至第一预定质检偏向；
根据所述第一钢材类型与所述第一预定质检偏向的对应关系制定所述预定质检偏向。
5.根据权利要求4所述质量分析方法，其特征在于，所述分析所述第一历史失效样本的第一失效原因，包括：
读取预定无损检测技术，其中，所述预定无损检测技术包括超声波探伤技术、磁力探伤技术和射线探伤技术；
根据所述预定无损检测技术对所述第一历史失效样本进行失效原因分析，得到所述第一失效原因。
6.根据权利要求5所述质量分析方法，其特征在于，所述根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据，包括：
采集检验环境信息，其中，所述检验环境信息包括环境温度和环境湿度；
采集检验人员的历史检验信息，其中，所述历史检验信息包括历史检验总次数和历史检验有效数；
采集检验设备信息，其中，所述检验设备信息包括设备投用时长、设备故障次数和设备性能等级；
结合所述检验环境信息、所述历史检验信息和所述检验设备信息对所述目标质检数据进行纠偏调整。
7.根据权利要求1所述质量分析方法，其特征在于，在所述通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况之后，还包括：
如果所述目标预测达标情况为目标不达标，提取所述历史数据库中的第二历史数据，其中，所述第二历史数据是指任意一个不达标的历史特种钢材加工信息；
计算所述目标工艺特征参数与所述第二历史数据中工艺特征参数的工艺相似度；
若所述工艺相似度达到预定相似阈值，提取所述第二历史数据中的不达标处理方案；
将所述不达标处理方案作为所述目标特种钢材的目标不达标处理方案。
8.一种特种钢材的质量分析系统，其特征在于，包括：
数据获取模块，用于基于历史特种钢材加工信息组建历史数据库，并提取所述历史数据库中的第一历史数据，其中，所述第一历史数据包括第一历史工艺特征参数和第一钢材达标情况；
钢材分类器获取模块，用于将所述第一历史工艺特征参数和所述第一钢材达标情况作为第一训练数据，并监督学习、训练测试得到特种钢材分类器；
工艺特征参数获取模块，用于读取预定工艺特征，并根据所述预定工艺特征采集目标特种钢材的目标工艺特征参数；
预测达标情况获取模块，用于通过所述特种钢材分类器对所述目标工艺特征参数进行分析，得到目标预测达标情况；
质检偏向获取模块，用于如果所述目标预测达标情况为目标达标，获取所述目标特种钢材的目标钢材类型，并匹配所述目标钢材类型的预定质检偏向；
质检数据获取模块，用于根据所述预定质检偏向对所述目标特种钢材进行检测，得到目标质检数据；
质量指数获取模块，用于分析所述目标质检数据得到目标质量指数，其中，所述目标质量指数用于表征所述目标特种钢材的质量。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的一种特种钢材的质量分析方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的一种特种钢材的质量分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311648193.7A CN117370871B (zh) | 2023-12-05 | 2023-12-05 | 一种特种钢材的质量分析方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311648193.7A CN117370871B (zh) | 2023-12-05 | 2023-12-05 | 一种特种钢材的质量分析方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117370871A true CN117370871A (zh) | 2024-01-09 |
| CN117370871B CN117370871B (zh) | 2024-04-02 |
Family
ID=89391339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311648193.7A Active CN117370871B (zh) | 2023-12-05 | 2023-12-05 | 一种特种钢材的质量分析方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117370871B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022227094A1 (zh) * | 2021-04-30 | 2022-11-03 | 京东方科技集团股份有限公司 | 数据处理方法、装置、设备及存储介质 |
| 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 |
-
2023
- 2023-12-05 CN CN202311648193.7A patent/CN117370871B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022227094A1 (zh) * | 2021-04-30 | 2022-11-03 | 京东方科技集团股份有限公司 | 数据处理方法、装置、设备及存储介质 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117370871B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nkonyana et al. | Performance evaluation of data mining techniques in steel manufacturing industry | |
| CN110569566B (zh) | 一种板带力学性能预测方法 | |
| Pani et al. | A survey of data treatment techniques for soft sensor design | |
| CN108829878B (zh) | 一种工业实验数据异常点检测方法及装置 | |
| CN112000081B (zh) | 基于多块信息提取和马氏距离的故障监测方法及系统 | |
| CN111340110A (zh) | 一种基于工业过程运行状态趋势分析的故障预警方法 | |
| CN111721834A (zh) | 一种电缆局部放电在线监测缺陷辨识方法 | |
| CN114896735A (zh) | 改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法 | |
| CN114217025B (zh) | 评估空气质量浓度预测中气象数据对其影响的分析方法 | |
| CN116985183A (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
| CN117370871B (zh) | 一种特种钢材的质量分析方法与系统 | |
| CN111188761B (zh) | 一种基于Fourier-CVA模型面向机泵设备的监测方法 | |
| CN111504927A (zh) | 用于食品检测的高效稳定的原子吸收光谱仪及其控制方法 | |
| CN114819768B (zh) | 一种电容器引出线焊接控制系统 | |
| CN115436342A (zh) | 降低多批次样本间libs检测不确定性的方法及装置 | |
| CN116662800A (zh) | 一种基于自适应注意力机制的滚动轴承故障诊断方法 | |
| CN113780852B (zh) | 一种板带轧制过程质量缺陷的诊断方法 | |
| CN115985411A (zh) | 基于高斯过程回归模型的高分子熔融指数软测量方法 | |
| CN112505337B (zh) | 一种辅助分析样品的数据处理方法 | |
| Aggoune et al. | Modeling of a distillation column based on NARMAX and Hammerstein models | |
| Seifi et al. | Designing different sampling plans based on process capability index | |
| CN117574782B (zh) | 基于变压器参数判断绕组材质的方法、装置、系统及介质 | |
| CN117607019B (zh) | 电力金具表面智能检测方法和检测系统 | |
| CN116817192B (zh) | 一种管道输送设备的腐蚀监测告警方法及系统 | |
| Deng et al. | Nonparametric nonlinear profile monitoring method for machine condition monitoring |
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 |