[发明专利]基于棒材全流程大数据采集的智能化工艺生产方法

摘要

本发明公开一种基于棒材全流程大数据采集的智能化工艺生产线及生产方法，包括数据采集系统，数据处理系统，生产线控制系统以及轧制生产线；数据采集系统用于采集棒材轧制过程中各轧制环节对应的轧件尺寸及温度信息，采集轧制生产线的工艺参数以及采集成品质量信息；并将采集到的数据信息保存后输出给数据处理系统；所述数据处理系统用于接收数据采集系统发出的数据信息，对数据信息进行智能优化处理得到轧制模型；所述数据处理系统还用于接收目标成品信息和初始材料检测模块检测的来料信息，根据轧制模型输出对应的轧制工艺参数给生产线控制系统；生产线控制系统用于接收数据处理系统发送的轧制工艺参数，对轧制生产线的轧制工艺参数进行调整。

主权项

1.一种基于棒材全流程大数据采集的智能化工艺生产方法，包括数据采集系统，数据处理系统，生产线控制系统以及轧制生产线，所述数据采集系统与所述数据处理系统通讯连接，所述数据处理系统与所述生产线控制系统通讯连接，所述轧制生产线与所述生产线控制系统受控连接，其特征在于，所述方法如下：步骤一、利用所述数据采集系统采集棒材轧制过程中各轧制环节对应的轧件尺寸及温度信息，采集轧制生产线的工艺参数以及采集成品质量信息得到棒材全流程制造大数据；并将棒材全流程制造大数据保存后输出给数据处理系统；步骤二、利用所述数据处理系统接收数据采集系统发出的棒材全流程制造大数据，对数据进行智能优化处理得到轧制模型；还利用所述信息处理模块接收目标成品信息和初始材料检测模块检测的来料信息，根据轧制模型输出对应的轧制工艺参数给生产线控制模块；步骤三、利用所述生产线控制模块接收信息处理模块发送的轧制工艺参数，对轧制生产线的轧制工艺参数进行调整；所述步骤二中对数据进行智能优化处理得到轧制模型的具体方法为：(1)采用主成分分析模型，以棒材全流程制造大数据的加工过程工艺数据与加工结果工件性能数据样本为对象，将具有高维、强关联、非线性特征的信息，利用粗集约简理论进行离散化和降维处理，通过频集递推思想，构建条件特性与结果属性间关联规则，得出影响工件性能的主要制造流程工艺段；(2)基于主成分分析结果，采用基于多种群遗传算法的BP神经网络智能组合算法，对主成分分析得出的样本空间范围，训练神经网络结构的输入层、隐含层、输出层中所有权值和阈值，比较训练预测结果与真实结果，得到预测精度高的最优化网络；具体实现过程为：a.设定目标函数minE＝f(w₁,w₂,…,w_n,b₁,b₂,…,b_m)；式中E为样本训练预测结果与真实结果的总均方差，w₁,w₂,…,w_n,b₁,b₂,…,b_m为统一编号后的BP神经网络输入层、隐含层、输出层的连接权重和阈值矩阵；b.约束条件：式中和为第i个权值w_i变化的上下限；而和为第j个阈值b_j变化的上下限；c.样本训练：对样本输入输出数据归一化后，以总均方误差值、收敛步数为目标函数，采用数值试验方法确定最佳抽样份数、隐层节点数、学习规则、学习率等神经网络模型结构参数，输出得到最优预报模型；d.模型的使用：当在轧线上进行一次新的加工时，将来料铸坯特征情况信息，以及轧线段上设备使用信息经处理后，作为输入参数，给予构造出的智能算法模型，得到结果，再以计算得到的性能结果为依据，在不能满足要求下，搜索数据库内，得出既满足性能要求又与制定的拟定工艺偏差最小的加工工序。