基于边缘计算与LSTM神经网络的酸洗蒸汽智能调控系统的制作方法

本申请涉及金属表面处理，具体而言涉及一种基于边缘计算与lstm神经网络的酸洗蒸汽智能调控系统。

背景技术：

1、在冷轧带钢连续酸洗生产线中，酸液温度的稳定控制直接影响酸洗效率与带钢表面质量，目前主流工艺普遍采用蒸汽加热结合传统pid反馈控制或人工手动调节阀门的方式来维持酸液温度。系统通过布置在酸洗池内的温度传感器实时监测酸液温度，当检测值偏离设定目标时，控制器根据误差信号调节蒸汽阀门开度，实现温度补偿。部分改进方案虽引入了人工神经网络模型，如中国专利cn104942015a通过神经网络对酸液温度、浓度与酸泵流量进行联动控制，或cn119087931a以带钢厚度、板温及氧化铁皮厚度为输入预测酸洗液浓度与酸洗速度，但其核心仍限于对酸洗工艺参数的反馈调节或间接控制，未直接面向蒸汽能耗这一关键能耗环节进行前瞻性建模。

2、在上述传统技术中，由于控制逻辑依赖于“检测-反馈-调节”的串行响应机制，当来料带钢的厚度突变、进线速度加快或表面氧化铁皮分布不均导致热负荷急剧上升时，系统响应存在显著滞后，往往在酸液温度已明显偏低后才开始增加蒸汽供给，导致局部酸洗不足或蒸汽过量排放。同时，现有控制方案的预测对象多集中于酸洗液浓度或酸洗速度等间接工艺参数，而非直接预测蒸汽热需求的时间序列变化，致使蒸汽供给与实际热负荷脱节。此外，多数神经网络模型部署于上位机或云端，受工业网络延迟与带宽限制，难以满足毫秒级实时控制需求；模型多为离线训练后固定运行，缺乏对生产数据持续累积的自适应优化能力。尤其关键的是，所有现有方案均未实现“预开阀”动作——即在热负荷变化发生前，提前2-3分钟预置蒸汽阀门开度，从而将控制从被动响应转变为前瞻干预。同时，现有系统普遍缺乏对带钢表面氧化铁皮厚度与残留油污程度的多模态视觉感知能力，未能将这一关键热阻变量纳入温度调控模型，导致在极端来料条件下控制精度大幅下降，蒸汽浪费严重，酸洗缺陷率居高不下。

技术实现思路

1、为了解决上述现有技术中的技术缺陷，本申请提供了一种基于边缘计算与lstm神经网络的酸洗蒸汽智能调控系统，包括：多源感知模块、边缘计算单元、蒸汽供给调节装置和热能缓冲装置；多源感知模块用于采集带钢的氧化铁皮视觉等级、带钢厚度、带钢板温和酸液温度，蒸汽供给调节装置用于响应阀门预开度信号调节蒸汽供给量，热能缓冲装置用于缓冲瞬时热负荷波动；

2、边缘计算单元部署于酸洗生产线现场，其上运行有lstm神经网络模型；lstm神经网络模型被配置为：以包括氧化铁皮视觉等级、带钢厚度、带钢板温、酸液温度、带钢宽度、进线速度及当前蒸汽阀门开度在内的多模态特征向量为输入，直接输出未来预设时间段内多个时间步的蒸汽流量预测值及对应的阀门预开度信号；

3、边缘计算单元进一步被配置为：在蒸汽流量预测值对应的时间步之前，提前一预设超前时段，根据阀门预开度信号驱动蒸汽供给调节装置执行预动作，并同步指令热能缓冲装置启动蓄热。

4、可选地，在本申请技术方案的一种可能的实现方式中，lstm神经网络模型包括三层lstm隐藏层，每层神经元数量为64-128个，激活函数为tanh，输出层为全连接层；lstm神经网络模型输出未来5-15分钟内以1分钟为步长的11个时间点的蒸汽流量预测值及对应的阀门预开度百分比；

5、每一层lstm隐藏层均配置有门控机制，包括输入门、遗忘门和输出门；lstm神经网络模型的权重参数通过反向传播算法在训练阶段更新，优化器为adam，初始学习率为0.001，每50个训练周期衰减10%，批量大小为32。

6、可选地，在本申请技术方案的一种可能的实现方式中，边缘计算单元以1hz频率滚动调用lstm神经网络模型进行推理，并依据预测输出序列中第3分钟对应的阀门预开度信号，提前2-3分钟驱动蒸汽供给调节装置执行预动作；边缘计算单元在每次推理完成后，将当前时间戳、输入特征向量、预测输出序列与实际阀门响应延迟记录为训练样本，存储于本地环形缓冲区；

7、当检测到酸洗速度突变或来料厚度剧变时，边缘计算单元自动将lstm神经网络模型的推理频率提高至2hz，并启用动态注意力机制：通过计算当前输入特征向量与历史均值特征的欧氏距离，当欧氏距离超过预设阈值时，对进线速度特征与带钢厚度特征的注意力得分乘以1.5倍增益系数。

8、可选地，在本申请技术方案的一种可能的实现方式中，边缘计算单元在每完成一个批次带钢酸洗后，将该批次的实际蒸汽消耗量与酸洗质量评估数据作为监督信号，触发lstm神经网络模型的在线增量学习；在线增量学习采用小批量梯度下降法，每次更新使用当前批次的5组输入输出样本，学习率设定为离线训练初始学习率的1/10，且权重更新通过冻结前两层lstm隐藏层、仅微调第三层lstm隐藏层与输出层实现。

9、可选地，在本申请技术方案的一种可能的实现方式中，边缘计算单元同时运行多个lstm子模型，多个lstm子模型分别在冷轧低碳钢、高强钢与不锈钢三类数据集上独立训练，各子模型具有相同的网络结构，仅输出层权重参数不同；边缘计算单元根据入口处带钢材质识别结果，通过内置规则引擎自动切换至对应材质类别的lstm子模型，实现材质自适应的蒸汽需求预测。

10、可选地，在本申请技术方案的一种可能的实现方式中，系统还包括故障诊断模块；故障诊断模块通过校验多源感知模块中各传感器数据的合理性范围、数据更新频率及通信心跳包状态判断异常状态，当边缘计算单元连续三次推理延迟超过200ms或任一传感器数据连续5帧为零值时，触发故障标志，自动将蒸汽调控模式从lstm预测控制切换至传统pid反馈控制模式，并触发报警。

11、与现有技术相比，本申请技术方案具有以下有益效果：

12、应用本申请的技术方案，通过多光谱视觉传感器、来料测厚仪、红外热成像仪和分布式温度传感器阵列协同采集带钢表面氧化铁皮视觉等级、带钢厚度、当前带钢板温和当前酸液温度等多模态实时数据，结合带钢宽度与进线速度等工艺参数，构建全面的输入特征集，输入至部署于边缘计算单元的lstm神经网络模型，实现对未来5-15分钟内每分钟蒸汽热需求的精准时间序列预测，并同步生成对应的阀门预开度信号；该系统进一步被配置为在预测时间点前2-3分钟主动驱动电动蒸汽比例调节阀进行预动作，同时联动预热备用储能罐启动蓄热，从而在酸洗工艺热需求尚未实际发生前完成热能供给的动态预配置，彻底突破传统依赖滞后反馈调节的控制模式，实现了基于多源感知与深度时序建模的蒸汽热需求超前预判与执行闭环，有效解决了现有技术中因响应延迟导致的蒸汽供应不足或过量、能耗浪费及酸洗质量波动的问题，达到提升蒸汽利用效率、稳定酸洗工艺温度场、降低运行能耗与碳排放的综合技术效果。

1.一种基于边缘计算与lstm神经网络的酸洗蒸汽智能调控系统，包括：多源感知模块、边缘计算单元、蒸汽供给调节装置和热能缓冲装置；所述多源感知模块用于采集带钢的氧化铁皮视觉等级、带钢厚度、带钢板温和酸液温度，所述蒸汽供给调节装置用于响应阀门预开度信号调节蒸汽供给量，所述热能缓冲装置用于缓冲瞬时热负荷波动；其特征在于，

2.根据根据权利要求1所述的酸洗蒸汽智能调控系统，其特征在于，所述lstm神经网络模型包括三层lstm隐藏层，每层神经元数量为64-128个，激活函数为tanh，输出层为全连接层；所述lstm神经网络模型输出未来5-15分钟内以1分钟为步长的11个时间点的蒸汽流量预测值及对应的阀门预开度百分比；

3.根据权利要求1所述的酸洗蒸汽智能调控系统，其特征在于，所述边缘计算单元以1hz频率滚动调用所述lstm神经网络模型进行推理，并依据预测输出序列中第3分钟对应的阀门预开度信号，提前2-3分钟驱动所述蒸汽供给调节装置执行预动作；所述边缘计算单元在每次推理完成后，将当前时间戳、输入特征向量、预测输出序列与实际阀门响应延迟记录为训练样本，存储于本地环形缓冲区；

4.根据权利要求1所述的酸洗蒸汽智能调控系统，其特征在于，所述边缘计算单元在每完成一个批次带钢酸洗后，将该批次的实际蒸汽消耗量与酸洗质量评估数据作为监督信号，触发所述lstm神经网络模型的在线增量学习；所述在线增量学习采用小批量梯度下降法，每次更新使用当前批次的5组输入输出样本，学习率设定为离线训练初始学习率的1/10，且权重更新通过冻结前两层lstm隐藏层、仅微调第三层lstm隐藏层与输出层实现。

5.根据权利要求1所述的酸洗蒸汽智能调控系统，其特征在于，所述边缘计算单元同时运行多个lstm子模型，所述多个lstm子模型分别在冷轧低碳钢、高强钢与不锈钢三类数据集上独立训练，各子模型具有相同的网络结构，仅输出层权重参数不同；所述边缘计算单元根据入口处带钢材质识别结果，通过内置规则引擎自动切换至对应材质类别的lstm子模型，实现材质自适应的蒸汽需求预测。

6.根据权利要求1所述的酸洗蒸汽智能调控系统，其特征在于，所述系统还包括故障诊断模块；所述故障诊断模块通过校验所述多源感知模块中各传感器数据的合理性范围、数据更新频率及通信心跳包状态判断异常状态，当所述边缘计算单元连续三次推理延迟超过200ms或任一传感器数据连续5帧为零值时，触发故障标志，自动将蒸汽调控模式从lstm预测控制切换至传统pid反馈控制模式，并触发报警。