[发明专利]基于多层感知器的退火炉数字孪生智慧报警系统及方法

说明书

本文公开了基于多层感知器的退火炉数字孪生智慧报警系统及方法，该系统对退火炉的几何特征、退火过程等建立物理模型，同时建立数据中心完成对传感器采集的数据的存储、交换，并综合考虑来料板形、设定张力、炉温等因素建立退火过程中带钢跑偏和瓢曲数学模型计算跑偏指数和瓢曲指数对其跑偏和瓢曲故障进行预警，通过短期自学习和长期自学习对数据进行训练，对模型内部参数进行优化，最终通过多层感知器深度学习完成对模型的优化，得到各输入参数对系统的影响权重以及最优参考值，将其和数据中心的数据载入到物理模型中实现对退火过程的数字孪生及跑偏和瓢曲故障的智慧预警。

技术领域

本发明涉及生产过程及故障诊断领域，尤其涉及一种基于多层感知器的退火炉数字孪生智慧报警系统及方法，适用于带材、铝带等板带产品退火过程的数字孪生展示及故障诊断。

背景技术

在现代的带材生产中，生产线越来越大型化、复杂化，如果不提前对产品生产进行预判，现场容易出现问题，故障率高，增加了维护成本，出现故障时操作人员对于处理故障的及时性和准确性低，影响后序生产的进行，增加了生产成本。随着5G技术和人工智能的快速发展，工业生产的智慧化程度越来越高，智慧预警在工业生产中显得格外重要。智慧预警可以根据当前的工况信息对生产状态及产品质量进行评估，及时准确地进行故障预测，给出故障原因和解决方法，降低生产的事故率，避免给企业造成不必要的损失。

目前，带材在退火过程中出现的故障主要集中在带材的跑偏和瓢曲，随着冷轧板带向着大宽度、薄厚度的规模生产迈进，带材的跑偏和瓢曲现象越来越明显。瓢曲不同冷轧过程中出现的带材浪形，带材表面的浪形经过退火后会得到较大程度的改善，但瓢曲褶皱一旦出现则无法消除，严重影响了带材的表面质量。在出现故障时往往通过人工干预调整参数直到故障消失，综合来看，产生其现象的主要原因在于带材的初始板形、炉内温度、张力设定和控制等因素，带材的初始板形缺陷严重，张力设定过小，张力控制不稳定，带材表面温差过大等都会导致带材在退火过程中内部组织和晶粒结晶、再结晶过程发生变化，导致带材内部张应力分布不均匀甚至超过带材本身的屈服强度极限产生塑性变形，从而导致带材出现褶皱和运动过程中失去对中性偏离原来的运动方向，增加带材的残余应力。为了对带材退火过程中出现的跑偏瓢曲进行预判，引入了数学模型进行机理分析，但数学模型只能对某一种特定的情况进行分析，随着智能算法、大数据及数字孪生技术(利用数字技术对物理实体对象的行为、特征、性能和形成过程等进行描述和建模，与实体实时同步)的发展，将数学模型与其结合显得十分重要。

因此，着眼于信息化发展趋势，目前迫切需要建立一种退火炉数字孪生智慧报警系统，改变以人工干预方式为主的模式，可以根据不同工况对带材进行预警，在带材生产之前，就可以通过虚拟生产的方式来模拟在不同参数、不同外部条件下的生产过程，实现全部生产过程的可视化监控，对出现故障的异常情况进行及时处理和调整，实现稳定并不断优化的生产过程，降低带材在退火时的事故率。

发明内容

本发明的目的在于提供一种基于多层感知器的退火炉数字孪生智慧报警系统及方法，以解决上述技术背景中提出的问题。

为实现上述目的，本发明采用以下技术方案：

本申请第一个方面提供了一种基于多层感知器的退火炉数字孪生智慧报警系统，优选地，所述系统应用于包含有开卷机、入口活套、退火炉、出口活套的整个退火过程的数字孪生。

本申请第一个方面提供的所述基于多层感知器的退火炉数字孪生智慧报警系统，包括：数据采集模块、多层感知器深度学习模块、跑偏瓢曲数学模型模块、数字孪生体物理模型模块和语音报警模块；其中，

所述数据采集模块，被配置为实时采集退火炉内的数据，采集的实时数据包括钢卷信息、炉温、张力、辊形、带材板形、机组运行速度中的一种或几种；

所述多层感知器深度学习模块，被配置为以数据采集模块采集的实时数据作为输入参数，通过多层感知器对输入参数进行深度学习获取输入参数对跑偏和瓢曲影响的权重，即影响因子，并发送至所述跑偏瓢曲数学模型模块；