[发明专利]基于改进LSTM网络的数字钢卷特征质量预测及工艺参数动态调整方法及系统

权利要求书

1.一种基于改进LSTM网络的数字钢卷特征质量预测及工艺参数动态调整方法，其特征在于，包括：

确定钢卷生产制作工艺，采集所述钢卷生产制作工艺中的数据；

将所述数据按照因果关系分为输入数据和输出数据；

根据深度学习原理，将深度学习模型和机理模型串联构建综合模型；

根据所述输入数据和输出数据对所述综合模型进行训练；

训练好的所述综合模型能实时预测生产出所述钢卷质量；

所述综合模型实时预测的所述钢卷质量存在缺陷，调整预测工艺参数，使得所述钢卷避免存在所述缺陷；

所述深度学习模型为改进LSTM网络模型，其建立步骤包括：

基于一维的LSTM网络结构，包括每个所述输入数据的权重W₁、W₂……W_n和偏移系数h₁、h₂……h_n；

在所述一维的LSTM网络结构叠加所述一维的LSTM网络结构，使得LSTM网络结构包括权重W₁₁、W₂₁…… W_n1和偏移系数h₁₁,h₂₁…… h_n1；

重复叠加所述一维的LSTM网络结构，直至匹配到输入二维数据维度N，并获得N维-1维LSTM网络结构；

将所述N维-1维LSTM网络结构的输出端均接入softmax函数。

2.如权利要求1所述的基于改进LSTM网络的数字钢卷特征质量预测及工艺参数动态调整方法，其特征在于，所述输入数据包括：

机组的生产工艺数据：机组的速度，钢板的出炉温度、轧制前温度、初轧温度、轧制力、压下行程、轧制道次、冷却长度、卷径；

设备的运行参数：加热炉进钢机的行程、速度、功率、振动频率、初轧机的转速、电压、功率、除鳞设备的温度、压力、电流、精轧机的电流、电压、转速、功率；

钢卷数据：初始钢坯的长宽高、进加热炉温度、出加热炉温度、进轧机前温度，厚度、长度、出轧机温度、厚度、长度、进轧机速度、出轧机速度、冷却温度、冷却时间、卷曲温度、卷曲时间、卷曲长度、卷径长度；

所述输出数据包括：

钢卷质量缺陷数据：缺陷类型、缺陷检测时间、缺陷分类、缺陷发生位置、发生缺陷原因、缺陷跟踪。

3.如权利要求1所述的基于改进LSTM网络的数字钢卷特征质量预测及工艺参数动态调整方法，其特征在于，根据所述深度学习模型，构建输入所述深度学习模型的二维时序矩阵数据：

根据所述钢卷制作工艺，制作数据表格，并将所述输入数据和所述输出数据对应填写到所述数据表格内。

4.如权利要求3所述的基于改进LSTM网络的数字钢卷特征质量预测及工艺参数动态调整方法，其特征在于，根据所述输入数据和输出数据对所述综合模型进行训练的步骤包括：

对所述输入数据和所述输出数据进行预处理，包括去除异常数据和数据杂质；

对经过预处理后的所述输入数据进行标准化和归一化处理；

分别设置输入数据对所述输入数据的权重，即机组的工艺数据的权重为WD₁，所述设备的运行参数的权重为WD₂，所述钢卷数据的权重为WD₃，且所述权重WD₁、WD₂、WD₃∈(0,1)；

基于所述权重WD₁、WD₂、WD₃，将所述输入数据和所述输出数据进行训练，得到所述综合模型。

5.如权利要求1所述的基于改进LSTM网络的数字钢卷特征质量预测及工艺参数动态调整方法，其特征在于，所述钢卷生产制作工艺的步骤依次包括：

连铸板坯、加热炉、板坯出炉、边部加热、高压水除磷、侧压机、粗轧机组、保温辊道、切头飞剪、二次除磷、精轧机组、层流冷却、卷取机、打捆称重、机器人喷印。

6.如权利要求1-5任一项所述的基于改进LSTM网络的数字钢卷特征质量预测及工艺参数动态调整方法的系统，其特征在于，包括：

采集模块，用于确定钢卷生产制作工艺，采集所述钢卷生产制作工艺中的数据，将所述数据按照因果关系分为输入数据和输出数据；

综合模型，用于根据深度学习原理，将深度学习模型和机理模型串联构建综合模型；根据所述输入数据和输出数据对所述综合模型进行训练；训练好的所述综合模型能实时预测生产出所述钢卷质量；

调整模块，用于根据所述综合模型实时预测的所述钢卷质量存在缺陷，调整预测工艺参数，使得所述钢卷避免存在所述缺陷。