[发明专利]基于人工智能对热轧螺纹钢轧后控冷水箱参数调整的系统和方法

权利要求书

1.一种基于人工智能对热轧螺纹钢轧后控冷水箱参数调整的系统，其特征在于，所述的系统包括：

监测采集子系统：通过物联网技术以及产线上布置的各个工序的传感器，对热轧螺纹钢轧后控冷全流程进行监测采集，实时采集数据；

控制子系统：通过物联网和自动控制技术，对各水箱开口度进行控制；开口度控制范围为0-100；

人工智能子系统，包括

数据预处理模块：从监测采集子系统实时采集大量数据，并保存在数据库中，并对数据按照9:1划分为训练样本数据和测试样本数据，

组织性能预处理模块：通过已有数据，根据工艺算法，计算出在该数据情况下出来的钢材结构的组织性能是否达到要求，达到要求为1，没有达到要求为0；

人工智能模型模块：建立用于智能学习的模型；

人工智能模型训练模块：采用训练样本数据对人工智能模型进行训练，调测模型参数，使得模型训练拟合度较高；

人工智能模型测试模块：采用测试样本数据对训练得到的模型进行样本测试，使得测试样本的准确度较高；

参数反馈调整模块：通过参数调整的不断进行学习，最后得到最终的准确度、拟合度最高的模型；

最终模型生成模块：输出最终模型，以通过控制子系统对开口度进行控制；

其中，基于人工智能对热轧螺纹钢轧后控冷水箱参数调整的方法，包括下述步骤：

a)监测采集产线上的相关数据，包括轧机规格，轧后钢表面温度，各水箱长度，各水箱开口度，各水箱之间距离，各水箱水压值，水冷后最终钢表面温度；

b)对采集的数据进行组织性能检测，分为合格1和不合格0；并在数据中进行标注；随后数据预处理模块根据9:1的比例，随机抽样分出训练样本数据和测试样本数据；

c)以组织性能及水箱开口度为输出指标，其他为输入指标，建立人工智能模型；

d)用步骤b)建立好的训练样本数据进行对步骤c)建立人工智能模型进行训练，调测模型参数，使得模型训练拟合度较高；

e)用步骤b)建立好的测试样本数据进行对步骤d)训练出来的人工智能模型进行样本测试，使测试样本的准确度较高；

f)调整模型参数，并循环的执行步骤d)和e)；

g)得到最终模型后，接收监测采集子系统传过来的数据让模型计算出需要的水箱开口度参数；

h)把水箱开口度参数序列输出以控制调整水箱的开口度；

模型采用的算法包括逻辑回归、BP神经网络、SVM、决策树、随机森林、深度学习。