一种基于数据驱动的楔横轧智能化控制系统

摘要

本发明公开了一种基于数据驱动的楔横轧智能化控制系统，包括DCS控制单元、PLC闭环控制单元、质量管理单元、机器人；DCS控制单元用于获取控制参数、设备状态信息和生产数据，基于控制参数和设备状态信息进行设定计算，将计算结果传送至PLC闭环控制单元，将生产数据传送至质量管理单元；PLC闭环控制单元用于采集处理生产过程信号，对机器人进行驱动控制；质量管理单元基于生产数据建立质量回归预测模型，基于质量回归预测模型与粒子群优化算法对楔横轧生产过程进行质量管理；机器人用于实现不同楔横轧工艺的智能化控制。本发明实现了楔横轧高精度智能控制，使轴类产品实现高效率、高品质、自动化生产。

权利要求

1.一种基于数据驱动的楔横轧智能化控制系统，其特征在于，包括DCS控制单元、PLC闭环控制单元、质量管理单元、机器人；

所述DCS控制单元分别与所述PLC闭环控制单元、所述质量管理单元相连，所述机器人与所述PLC闭环控制单元、所述质量管理单元相连；

所述DCS控制单元用于获取控制参数、设备状态信息和生产数据，基于所述控制参数和所述设备状态信息进行设定计算，并将设定计算结果传送至所述PLC闭环控制单元，将所述生产数据传送至所述质量管理单元；

所述PLC闭环控制单元用于采集并处理生产过程信号，并基于所述设定计算结果和处理后的所述生产过程信号对所述机器人进行驱动控制；

所述质量管理单元基于所述生产数据建立质量回归预测模型，并基于所述质量回归预测模型与粒子群优化算法对楔横轧生产过程进行质量管理；

所述机器人用于实现不同楔横轧工艺的智能化控制。

2.根据权利要求1所述的基于数据驱动的楔横轧智能化控制系统，其特征在于，所述生产数据包括：轧制温度、轧制速度、轧件尺寸、轧件表面缺陷和轧件内部质量；所述设定计算结果包括：轧制工艺参数的预测值和轧制设备的整定值。

3.根据权利要求1所述的基于数据驱动的楔横轧智能化控制系统，其特征在于，所述DCS控制单元包括依次连接的现场控制模块、过程控制模块、生产控制模块；

所述现场控制模块用于获取设备状态信息，并将所述设备状态信息传送至所述过程控制模块，还用于接收设定计算结果并将所述计算结果传送至所述PLC闭环控制单元；

所述过程控制模块用于获取控制参数，并基于所述控制参数、所述设备状态信息进行设定计算，并将设定计算结果传送至所述现场控制模块；

所述生产控制模块用于获取生产数据，并将所述生产数据传输至所述质量管理单元。

4.根据权利要求1所述的基于数据驱动的楔横轧智能化控制系统，其特征在于，所述PLC闭环控制单元包括依次连接的信号采集模块、A/D转换模块、信号处理模块、D/A转换模块；

所述信号采集模块用于采集生产过程信号，并将所述生产过程信号传送至所述A/D转换模块；

所述A/D转换模块用于将所述生产过程信号进行模数转换，并将模数转换后的所述生产过程信号传送至所述信号处理模块；

所述信号处理模块用于对模数转换后的所述生产过程信号和所述设定计算结果进行PID运算，并将运算结果传送至所述D/A转换模块；

所述D/A转换模块用于将所述运算结果进行数模转换，并将数模转换后的所述运算结果传送至所述机器人。

5.根据权利要求1所述的基于数据驱动的楔横轧智能化控制系统，其特征在于，所述质量管理单元包括依次连接的数据处理模块、质量分析模块、参数优化模块；

所述数据处理模块用于对所述生产数据进行预处理，并将预处理后的所述生产数据传送至所述质量分析模块；

所述质量分析模块基于预处理后的所述生产数据建立质量回归预测模型，通过所述质量回归预测模型获得楔横轧工艺参数与质量控制之间的变化规律；

所述参数优化模块基于所述变化规律及利用粒子群优化算法对所述楔横轧工艺参数进行调整。

6.根据权利要求5所述的基于数据驱动的楔横轧智能化控制系统，其特征在于，所述数据处理模块对所述生产数据进行预处理的方法包括，采用深度学习方法对生产数据进行特征提取，获得包含若干种变量的生产数据，通过检验若干种所述变量的多重相关性和自相关性，对异常生产数据进行剔除，完成对所述生产数据的预处理。

7.根据权利要求1所述的基于数据驱动的楔横轧智能化控制系统，其特征在于，所述机器人实现不同楔横轧工艺的智能化控制包括，楔横轧定尺下料工艺、楔横轧加热工艺、楔横轧轧制工艺、楔横轧空冷工艺、楔横轧正火工艺、楔横轧抛丸清理工艺、楔横轧矫直工艺、楔横轧检验工艺。

8.根据权利要求3所述的基于数据驱动的楔横轧智能化控制系统，其特征在于，所述DCS控制单元还包括显示模块，所述显示模块用于实时显示所述设备状态信息。

说明书

一种基于数据驱动的楔横轧智能化控制系统

技术领域

[0001] 本发明属于楔横轧智能控制技术领域，具体涉及一种基于数据驱动的大型轴类楔横轧智能控制系统以及生产流程的智能化控制。

背景技术

[0002] 楔横轧是一种轴类零件成形新工艺，是先进金属成形制造技术的组成部分，根据对产品性能质量的不同要求，主要工艺流程也不完全相同，完整的楔横轧专业化工厂主要工艺流程为：长棒料→定尺下料→加热→轧制→空冷→正火→抛丸清理→矫直→检验。近年来，由于分布式控制系统和新的测量技术的广泛使用，对工业过程数据的记录和收集已变得越来越普遍。同时，数据挖掘和数据库技术也为工业过程中的数据驱动建模方法的开发和应用提供了强大的技术支持。通过挖掘和分析数据中的信息，可以为工业过程构建各种基于数据的模型，从而实现对工业过程的控制。数据驱动方法能够有效的利用大量数据，通过将数据从高维空间进行投影降维，提取数据中的潜在信息，并找出变量间的内在规律，从而实现对轧制过程的分析研究，完成了从数据到知识的转变。因此，数据驱动方法在轧制生产过程中有着广阔的应用前景。目前，工业设备广泛使用PLC来完成电机驱动器件的控制。与传统的切削、锻造法生产轴类零件相比较，楔横轧具有生产率高、节约材料、降低成本等优点，但也有工件温度高、质量大、规格品种多等特点。实现大型轴类楔横轧制装备生产流程的智能化控制和轧制过程机器人化作业，将很大程度上提高生产率、降低成本、节约人力，具有广泛的发展和应用前景。

发明内容

[0003] 针对上述在轴类零件成形过程中生产率低、产品质量低、成本高以及工件温度高不易人工操作的问题，本发明提供了一种基于数据驱动的楔横轧智能化控制系统。

[0004] 为解决上述问题，本发明通过以下技术方案实现：

[0005] 一种基于数据驱动的楔横轧智能化控制系统，包括DCS控制单元、PLC闭环控制单元、质量管理单元、机器人；

[0006] 所述DCS控制单元分别与所述PLC闭环控制单元、所述质量管理单元相连，所述机器人与所述PLC闭环控制单元、所述质量管理单元相连；

[0007] 所述DCS控制单元用于获取控制参数、设备状态信息和生产数据，并基于所述控制参数和所述设备状态信息进行设定计算，并将设定计算结果传送至所述PLC闭环控制单元，将所述生产数据传送至所述质量管理单元；

[0008] 所述生产数据包括：轧制温度、轧制速度、轧件尺寸、轧件表面缺陷、轧件内部质量；所述设定计算结果包括：轧制工艺参数的预测值和轧制设备的整定值；

[0009] 所述PLC闭环控制单元用于采集并处理生产过程信号，并基于所述设定计算结果和处理后的所述生产过程信号对所述机器人进行驱动控制；

[0010] 所述质量管理单元基于所述生产数据建立质量回归预测模型，并基于所述质量回归预测模型与粒子群优化算法对楔横轧生产过程进行质量管理；

[0011] 所述机器人用于实现不同楔横轧工艺的智能化控制。

[0012] 优选地，所述DCS控制单元包括依次连接的现场控制模块、过程控制模块、生产控制模块；

[0013] 所述现场控制模块用于获取设备状态信息，并将所述设备状态信息传送至所述过程控制模块，还用于接收设定计算结果并将所述计算结果传送至所述PLC闭环控制单元；

[0014] 所述过程控制模块用于获取控制参数，并基于所述控制参数、所述设备状态信息进行设定计算，并将设定计算结果传送至所述现场控制模块；

[0015] 所述生产控制模块用于获取生产数据，并将所述生产数据传输至所述质量管理单元。

[0016] 优选地，所述PLC闭环控制单元包括依次连接的信号采集模块、A/D转换模块、信号处理模块、D/A转换模块；

[0017] 所述信号采集模块用于采集生产过程信号，并将所述生产过程信号传送至所述A/D转换模块；

[0018] 所述A/D转换模块用于将所述生产过程信号进行模数转换，并将模数转换后的所述生产过程信号传送至所述信号处理模块；

[0019] 所述信号处理模块用于对模数转换后的所述生产过程信号和所述设定计算结果进行PID运算，并将运算结果传送至所述D/A转换模块；

[0020] 所述D/A转换模块用于将所述运算结果进行数模转换，并将数模转换后的所述运算结果传送至所述机器人。

[0021] 优选地，所述质量管理单元包括依次连接的数据处理模块、质量分析模块、参数优化模块；

[0022] 所述数据处理模块用于对所述生产数据进行预处理，并将预处理后的所述生产数据传送至所述质量分析模块；

[0023] 所述质量分析模块基于预处理后的所述生产数据建立质量回归预测模型，通过所述质量回归预测模型获得楔横轧工艺参数与质量控制之间的变化规律；

[0024] 所述参数优化模块基于所述变化规律及利用粒子群优化算法对所述楔横轧工艺参数进行调整。

[0025] 优选地，所述数据处理模块对所述生产数据进行预处理的方法包括，采用深度学习方法对生产数据进行特征提取，获得包含若干种变量的生产数据，通过检验若干种所述变量的多重相关性和自相关性，对异常生产数据进行剔除，完成对所述生产数据的预处理。

[0026] 优选地，所述机器人实现不同楔横轧工艺的智能化控制包括，楔横轧定尺下料工艺、楔横轧加热工艺、楔横轧轧制工艺、楔横轧空冷工艺、楔横轧正火工艺、楔横轧抛丸清理工艺、楔横轧矫直工艺、楔横轧检验工艺。

[0027] 优选地，所述DCS控制单元还包括显示模块，所述显示模块用于实时显示所述设备状态信息。

[0028] 本发明公开了以下技术效果：

[0029] 本发明通过结合楔横轧工艺建立了DCS控制单元，能够更加贴近实际的楔横轧生产过程，有利于高效的完成复杂的楔横轧生产任务，DCS控制单元能够方便的挖掘和分析海量的生产数据，为整个楔横轧生产系统建立基于数据的模型，从而实现对全过程生产进行工业控制。本发明采用PLC闭环控制对各类生产设备进行调节控制，通过PID算法能够使设备实现智能化的自校正和自适应调整，极大的提高了设备运行效率并降低设备故障率。本发明基于楔横轧生产数据建立了质量管理单元，通过对多源异构的生产数据进行清晰建模，建立了质量回归预测模型，根据生产情况的变化利用粒子群优化算法及时对生产工艺进行调整优化，能够有效提高产品质量，降低不合格品的产出率。本发明采用机器人实现楔横轧工艺的生产过程，实现了大型轴类楔横轧高精度智能控制，达到轴类产品的高效率、高品质、低成本自动化控制，同时降低了人工成本，保障了生产安全。

附图说明

[0030] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0031] 图1为本发明实施例的系统结构图；

[0032] 图2为本发明实施例的DCS控制单元结构图；

[0033] 图3为本发明实施例的PLC闭环控制单元的信号处理流程图；

[0034] 图4为本发明实施例的质量管理单元的质量控制流程图；

[0035] 图5为本发明实施例的机器人检测仪表配置图；

具体实施方式

[0036] 现详细说明本发明的多种示例性实施方式，该详细说明不应认为是对本发明的限制，而应理解为是对本发明的某些方面、特性和实施方案的更详细的描述。

[0037] 应理解本发明中所述的术语仅仅是为描述特别的实施方式，并非用于限制本发明。另外，对于本发明中的数值范围，应理解为还具体公开了该范围的上限和下限之间的每个中间值。在任何陈述值或陈述范围内的中间值以及任何其他陈述值或在所述范围内的中间值之间的每个较小的范围也包括在本发明内。这些较小范围的上限和下限可独立地包括或排除在范围内。

[0038] 在不背离本发明的范围或精神的情况下，可对本发明说明书的具体实施方式做多种改进和变化，这对本领域技术人员而言是显而易见的。由本发明的说明书得到的其他实施方式对技术人员而言是显而易见的。本发明说明书和实施例仅是示例性的。

[0039] 关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。

[0040] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。

[0041] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

[0042] 参照图1所示，本实施例提供了一种基于数据驱动的楔横轧智能化控制系统，包括DCS控制单元、PLC闭环控制单元、质量管理单元、机器人。

[0043] 所述DCS控制单元分别与所述PLC闭环控制单元、所述质量管理单元相连，所述机器人与所述PLC闭环控制单元、所述质量管理单元相连。

[0044] 参照图2所述，本实施例根据实际的楔横轧生产工艺建立了DCS控制单元。DCS控制单元用于获取控制参数、设备状态信息和生产数据，并基于控制参数和设备状态信息通过支持向量机智能学习算法建立工艺参数与质量指标间的回归预测模型，基于回归预测模型获得轧制工艺参数的预测值和轧制设备的整定值，将轧制工艺参数的预测值传送至PLC闭环控制单元，将生产数据传送至所述质量管理单元。同时，DCS控制单元还用于获取生产调度计划。DCS控制单元包括依次连接的现场控制模块、过程控制模块、生产控制模块。

[0045] 现场控制模块用于获取设备状态信息，并将设备状态信息传送至过程控制模块，还用于接收设定计算结果并将所述计算结果传送至PLC闭环控制单元。

[0046] 现场控制模块一方面包括现场各个执行设备，同时这些执行设备具有相互通信的闭环控制系统；另一方面现场控制模块采集现场轧制状态信息和设备状态信息，通过对现场设备信号的逻辑判断，点对点的将过程控制模块的设定计算数据发送至执行PLC装置，从而使PLC装置完成控制任务。

[0047] 过程控制模块用于获取控制参数，并基于控制参数和设备状态信息进行设定计算，并将设定计算结果传送至所述现场控制模块。

[0048] 过程控制模块面向整个轧制生产线，其中心任务是通过生产工艺控制参数和设备状态信息对楔横轧生产线上的各机组和各设备进行设定计算，同时设有轧件数据跟踪、初始数据输入、在线数据采集以及模型自学习等为设定模型服务及配套的功能。设定模型为工艺参数和产品质量指标的控制模型，以生产数据作为输入，以产品质量指标作为输出。在本实施例中，基于设定模型，采用智能学习算法获得轧制工艺参数的预测值，并将预测值作为轧制设备的整定值。

[0049] 生产控制模块用于获取生产数据，并将生产数据传输至所述质量管理单元。同时，通过生产调度计划指导完成楔横轧轧制生产任务，包括完成楔横轧资源调度、原料设计等。

[0050] 进一步的改进，DCS控制单元还包括显示模块，用于实时显示设备状态信息。

[0051] 参照图3所示，本实施例根据实际生产过程中的各项数据建立PLC闭环控制单元。PLC闭环控制单元用于采集并处理生产过程信号，并基于设定计算结果和处理后的生产过程信号对所述机器人进行驱动控制。PLC闭环控制单元包括依次连接的信号采集模块、A/D转换模块、信号处理模块、D/A转换模块。

[0052] 信号采集模块用于采集生产过程信号，并将所述生产过程信号传送至A/D转换模块。信号采集模块通过检测元件对生产过程信号的测量值进行采集。

[0053] A/D转换模块用于将生产过程信号的进行模数转换，并将模数转换后的生产过程信号传送至信号处理模块。A/D转换模块将生产过程信号的测量值进行模数转换。

[0054] 信号处理模块用于对模数转换后的生产过程信号和设定计算结果进行PID运算，并将运算结果传送至D/A转换模块。根据信号处理模块中的PID算法，将楔横轧生产过程信号的测量值与自变量工艺参数的预测值进行比较，通过二者的偏差进行PID运算得到输出信号，将输出信号传送值D/A转换模块。

[0055] D/A转换模块用于将运算结果进行数模转换，并将数模转换后的所述运算结果传送至所述机器人。D/A转换模块接收到输出信号后进行数模转换，并将转换后的信号传送至机器人。

[0056] 参照图4所示，本实施例根据实际的楔横轧生产数据建立质量管理单元。质量管理单元基于生产数据建立质量回归预测模型，并基于质量回归预测模型与粒子群优化算法对楔横轧生产过程进行质量管理。质量管理单元包括依次连接的数据处理模块、质量分析模块、参数优化模块。

[0057] 数据处理模块用于对所述生产数据进行预处理，并将预处理后的所述生产数据传送至所述质量分析模块。

[0058] 利用高精度检测装置收集数据，针对楔横轧生产数据的海量、多源异构、多变量、多粒度的特点，对收集的生产数据进行预处理，通过有效的数据信息和参数特征提取方法，检验变量间的多重相关性和变量的自相关性，进一步消除多重相关性和自相关性造成的影响，并对历史数据中异常生产数据进行剔除，完成生产数据预处理过程，为生产过程质量诊断提供准确的数据源。

[0059] 质量分析模块基于预处理后的生产数据建立质量回归预测模型，通过质量回归预测模型获得楔横轧工艺参数与质量控制之间的变化规律。分析楔横轧生产数据和质量控制之间的关系，通过深度学习方法建立楔横轧质量回归预测模型，从而根据模型获得楔横轧工艺参数与生产质量控制之间的变化规律。

[0060] 参数优化模块基于楔横轧工艺参数与生产质量控制之间的变化规律及利用粒子群优化算法对楔横轧工艺参数进行调整，完成质量控制目标。基于现场生产数据运用迭代的方法来调整轧制参数，使回归预测模型的预测结果与产品质量的设定值之间误差最小，最终得到的轧制控制参数即为生产过程中的执行机构所需设定的参数；利用多变量统计建模方法建立产品质量预测模型，并计算每个粒子对应的质量预测值，根据每个粒子的质量预测值，计算出与给定的质量目标值的绝对差值，并以此作为适应度值，将适应度值与给定的阈值进行对比：若小于阈值，则该粒子停止寻优，并取适应度值最小的粒子所对应的工艺参数值作为最优工艺参数值，若大于阈值，则该粒子继续寻优。通过对轧制工艺参数的调整，使产品质量问题造成的影响减少到最小。

[0061] 参照图5所示，本实施例利用机器人实现不同楔横轧工艺的整个生产过程。

[0062] 利用机器人实现楔横轧定尺下料工艺的生产过程主要包括，通过位移传感器实时检测棒材的位移长度，并将检测信号连续地通过输入单元经过PLC闭环控制单元进行分析处理，机器人依据PLC闭环控制单元的输出信号控制剪切机剪切棒材，实现楔横轧定尺下料工艺的智能化控制；

[0063] 利用机器人实现楔横轧加热工艺生产过程主要包括，通过红外线测温仪实时检测轧件的温度，将采集的实际温度数据与设定温度数据进行比较由PLC闭环控制单元进行处理，并将计算结果反馈给机器人驱动中频加热炉工作，实现楔横轧加热工艺的智能化控制；

[0064] 利用机器人实现楔横轧轧制工艺生产过程主要包括，通过测径仪、位移传感器和压力传感器对相应参数进行连续测量，并将检测信号连续地通过PLC闭环控制单元进行分析处理，机器人依据PLC闭环控制单元输出信号控制液压AGC系统调节辊缝值，实现楔横轧轧制工艺的智能化控制；

[0065] 利用机器人实现楔横轧空冷工艺生产过程主要包括，通过温度传感器实时检测轧件的温度，将采集的实际温度数据与设定温度数据进行比较由PLC闭环控制单元进行处理，并将计算结果反馈给机器人驱动空冷器工作，实现楔横轧空冷工艺的智能化控制；

[0066] 利用机器人实现楔横轧正火工艺生产过程主要包括，通过温度传感器实时检测轧件的温度，将采集的实际温度数据与设定温度数据进行比较由PLC闭环控制单元进行处理，并将计算结果反馈给机器人驱动台车式电阻正火炉工作，实现楔横轧正火工艺的智能化控制；

[0067] 利用机器人实现楔横轧抛丸清理工艺生产过程主要包括，通过光电传感器发送端发射数道平行光线，轧件在经过光栅时会挡住一部分光线，信号经处理器光电转换后送入PLC闭环控制单元进行处理，机器人依据PLC闭环控制单元输出信号控制抛丸机进行调节，实现楔横轧抛丸清理工艺的智能化控制；

[0068] 利用机器人实现楔横轧矫直工艺生产过程主要包括，通过视觉传感器和测径仪检测轧件的弯曲变形，并将检测信号连续地通过PLC闭环控制单元进行分析处理，机器人依据PLC闭环控制单元输出信号控制矫直机工作，实现楔横轧矫直工艺的智能化控制；

[0069] 利用机器人实现楔横轧检验工艺生产过程主要包括，通过超声探伤仪检测轧件质量，将采集的实际质量数据与标准数据进行比较由PLC闭环控制单元进行处理，机器人依据PLC闭环控制单元输出信号识别出合格品，实现楔横轧检验工艺的智能化控制。

[0070] 在利用机器人实现不同楔横轧工艺生产过程中，DCS控制单元与PLC闭环控制单元和质量管理单元通过以太网进行数据交换，利用机器人作为执行机构来完成对应的指令动作，质量管理单元基于质量回归预测模型与粒子群优化算法进行生产参数优化，并将优化后的参数发送给机器人，利用机器人作为执行机构来调整轧制设备的参数值。

[0071] 以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求要求书确定的保护范围内。