漆包线生产全过程工艺参数的智能优化方法及系统与流程

本发明属于工业智能制造与工艺控制，具体涉及一种漆包线生产全过程工艺参数的智能优化方法及系统。

背景技术：

1、漆包线生产涉及拉丝、退火、涂漆、烘烤、冷却、收线等多个紧密耦合的工序，各工序的工艺参数（如拉丝速度、退火温度、涂漆粘度、烘烤温度曲线等）相互影响，共同决定产品的电气性能、机械性能和外观质量。随着制造业向智能化转型，通过数字化手段实现工艺参数的精准控制与优化，对于降低试错成本、提升产品一致性、提高生产效率以及降低能耗具有重要意义，是漆包线行业实现高质量发展的关键技术方向。

2、然而，现有技术在漆包线工艺参数优化方面仍存在显著不足。一方面，工艺参数设定主要依赖人工经验或针对单一工序的局部调节，缺乏对全工序跨工序物理耦合关系的建模与全局优化，导致不同工序间参数匹配度低，产品质量波动大；另一方面，现有的自动化调节方案多采用“试生产、检测、修正”的离线迭代模式，本质上属于事后修正，无法在生产过程中实时感知工况变化并提前预判质量趋势，且每次优化相互独立，缺乏基于历史数据的知识积累与持续学习机制，难以满足高速产线对实时性、前瞻性调控及自适应优化的需求。

技术实现思路

1、本发明提供一种漆包线生产全过程工艺参数的智能优化方法及系统，旨在解决现有漆包线生产工艺参数优化中依赖人工经验或局部调节、缺乏全工序跨工序物理耦合建模与全局优化，以及现有自动化调节方案多采用“试生产、检测、修正”的事后修正模式、无法在线实时预测与自适应调控、缺乏历史知识积累与持续学习机制的技术问题。

2、为解决上述技术问题，本发明一方面提供一种漆包线生产全过程工艺参数的智能优化方法，其特征在于，包括以下步骤：

3、获取漆包线生产线各工序的实时运行数据，所述各工序至少包括拉丝、退火、涂漆、烘烤、冷却和收线工序；

4、将所述实时运行数据输入预先构建的预测模型，对未来产品质量指标进行预测，所述预测模型为包含工序间物理耦合约束的模型；

5、将预测的质量指标与预设的质量标准进行比对，当预测偏差超过设定阈值时，以当前工况为初始条件触发在线重优化流程；

6、基于多目标优化算法在满足所述工序间物理耦合约束的可行域内求解最优工艺参数组合，并将所述最优工艺参数组合下发至各工序执行机构进行自适应调整。

7、进一步的，所述预测模型为混合数字孪生模型，所述混合数字孪生模型的构建过程包括：

8、分别基于各工序的物理化学原理构建工艺机理模型，并基于历史生产数据构建数据驱动模型；

9、采用残差建模策略将所述工艺机理模型与所述数据驱动模型进行耦合：由所述工艺机理模型计算初步预测值，由所述数据驱动模型学习所述初步预测值与实际值之间的残差，将所述初步预测值与所述残差之和作为最终的预测输出。

10、进一步的，所述工序间物理耦合约束包括以下至少一种：

11、时序耦合约束：表征拉丝速度与退火时间的匹配关系；

12、热力耦合约束：表征退火出口温度与涂漆入口温度的匹配关系；

13、流变耦合约束：表征涂漆速度、漆料粘度与烘烤温度之间的协同关系，以约束实际漆膜厚度与目标漆膜厚度的偏差在预设范围内；

14、力学耦合约束：表征烘烤后漆膜状态与收线张力的匹配关系。

15、进一步的，所述多目标优化算法采用改进的nsga-ii算法，所述改进的nsga-ii算法包括：

16、约束修复算子：当生成的个体违反所述工序间物理耦合约束时，通过局部搜索将所述个体修复至可行域边界；

17、工序分组交叉算子：将决策变量按照各工序进行分组，交叉操作以工序组为单位进行，以保持同一工序组内参数的整体协调性。

18、进一步的，所述触发在线重优化流程时，在预置的工艺参数优化知识库中检索与当前工况相似度最高的历史优化案例，以所述历史优化案例的最优参数为初始解进行局部微调，以生成所述最优工艺参数组合。

19、进一步的，所述方法还包括建立持续学习机制：

20、采用迁移学习将已有工况的工艺知识迁移至新工况；

21、采用增量学习利用新产生的生产数据持续更新所述混合数字孪生模型和所述工艺参数优化知识库。

22、进一步的，预测的时间步长根据产线运行速度和各工序物理长度动态自适应确定。

23、本发明另一方面提供一种漆包线生产全过程工艺参数的智能优化系统，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述实施例中任一项所述的方法。

24、与现有技术相比，本发明具有以下有益效果：

25、与现有技术相比，本发明提供的漆包线生产全过程工艺参数的智能优化方法及系统，通过构建包含工序间物理耦合约束的预测模型，并将实时运行数据输入该模型对未来产品质量指标进行超前预测，能够在质量偏差实际发生前提前预判趋势，区别于现有技术依赖试生产样品检测数据的“事后修正”模式，实现了从“离线迭代”到“在线预防”的范式转变，从根本上避免了不合格品的产生；通过当预测偏差超过设定阈值时，以当前工况为初始条件触发在线重优化流程，并基于多目标优化算法在满足工序间物理耦合约束的可行域内求解最优工艺参数组合，能够克服各工序参数孤立设定导致的耦合冲突问题，确保拉丝、退火、涂漆、烘烤、冷却、收线全工序参数在物理上可协同实现，从而获得兼顾电气性能、机械性能、能耗与生产效率的全局最优解；通过将求解得到的最优工艺参数组合自动下发至各工序执行机构进行自适应调整，能够实现生产过程的闭环自动控制，无需人工干预即可快速响应工况变化，显著降低对操作人员经验的依赖，减少因人为因素导致的产品质量波动，提升生产线的综合效率与产品一致性。

1.一种漆包线生产全过程工艺参数的智能优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的漆包线生产全过程工艺参数的智能优化方法，其特征在于，所述预测模型为混合数字孪生模型，所述混合数字孪生模型的构建过程包括：

3.根据权利要求1所述的漆包线生产全过程工艺参数的智能优化方法，其特征在于，所述工序间物理耦合约束包括以下至少一种：

4.根据权利要求1所述的漆包线生产全过程工艺参数的智能优化方法，其特征在于，所述多目标优化算法采用改进的nsga-ii算法，所述改进的nsga-ii算法包括：

5.根据权利要求2所述的漆包线生产全过程工艺参数的智能优化方法，其特征在于，所述触发在线重优化流程时，在预置的工艺参数优化知识库中检索与当前工况相似度最高的历史优化案例，以所述历史优化案例的最优参数为初始解进行局部微调，以生成所述最优工艺参数组合。

6.根据权利要求5所述的漆包线生产全过程工艺参数的智能优化方法，其特征在于，所述方法还包括建立持续学习机制：

7.根据权利要求1所述的漆包线生产全过程工艺参数的智能优化方法，其特征在于，预测的时间步长根据产线运行速度和各工序物理长度动态自适应确定。

8.一种漆包线生产全过程工艺参数的智能优化系统，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。