基于质量预测模型的玻璃熔化窑炉工艺优化方法及系统与流程

本发明属于玻璃制造，涉及一种基于质量预测模型的玻璃熔化窑炉工艺优化方法及系统。

背景技术：

1、在玻璃熔化生产过程中，工艺监控与产品质量监测至关重要。玻璃窑炉内部涉及配合料熔化、传热传质、排泡澄清等多个复杂物理化学过程，且窑炉运行受到温度、压力、气氛、料方组成、原料粒度、加料速度、环境温湿度等多种因素的共同影响，各因素之间呈现强耦合、非线性、大时滞的特性，导致工艺控制的难度极大。目前，玻璃熔化窑炉的工艺控制多依赖于操作人员或工艺工程师的个人经验，通过定期取样检测、人工调节燃烧器功率、炉压阀门开度及配合料配方等方式进行干预。这类传统方法存在以下明显不足：

2、（1）依赖人工经验，可传承性差：经验积累周期长，且因人而异，难以形成标准化、可复用的控制策略。当窑炉结构更新或生产规模扩大时，原有经验往往无法快速适配，需要重新试错调整。

3、（2）响应滞后，调参效率低：窑炉参数（如熔化温度、炉压、氧化还原气氛）与料方（配合料组成及粒度配比）的调整主要依靠“试错法”。每次调整后需等待数小时甚至数天的产品检验结果才能评估效果，导致工艺响应严重滞后，易造成长时间的质量偏移、能耗升高和耐火材料加速损耗，给企业带来显著的经济损失。

4、（3）缺乏处理多变量、强耦合、非线性工况的能力：部分企业已尝试结合minitab等统计分析软件对离线采集的数据进行人工处理，但此类方法本质仍属于事后统计学分析，无法实时捕捉窑炉的动态变化，也无法同时处理多个相互制约的工艺目标（如质量、能耗、寿命）。且数据处理过程依赖人工筛选变量、设定模型，耗时长、人力成本高，难以满足现代连续生产对实时性和精准性的要求。

5、综上，现有技术中缺乏一种能够综合考虑质量、能耗与窑炉寿命，并实现闭环自动优化的玻璃熔化窑炉工艺控制方法。

技术实现思路

1、本发明的目的在于解决现有技术中缺乏一种能够综合考虑质量、能耗与窑炉寿命，并实现闭环自动优化的玻璃熔化窑炉工艺控制方法的技术问题，提供一种基于质量预测模型的玻璃熔化窑炉工艺优化方法及系统。

2、为了达到上述目的，本发明采用以下技术方案予以实现：

3、第一方面，本发明公开一种基于质量预测模型的玻璃熔化窑炉工艺优化方法，包括：

4、获取窑炉运行的实时多源数据，所述实时多源数据包括工艺参数数据、原料成分数据、工况环境数据以及产品质量数据；

5、对所述实时多源数据进行预处理，得到机器可识别的特征数据，并对所述特征数据进行缺失值处理和标准化处理；

6、将处理后的特征数据输入至预先设定好的质量预测模型中，利用所述质量预测模型对特征数据进行处理，获得包括关键质量指标预测值、能耗预测值和窑炉寿命预测值的预测结果；

7、基于所述预测结果，以质量达标、能耗最低、窑炉寿命影响最小中的至少一个为目标，利用优化算法进行寻优计算，获得优化后的工艺参数调整方案和料方配比调整方案；

8、根据所述工艺参数调整方案和料方配比调整方案执行窑炉的工艺参数调整和料方配比调整，并持续获取窑炉运行的实时多源数据，迭代更新所述质量预测模型及优化结果。

9、进一步的改进在于：

10、所述预处理中还包括：在对特征数据进行缺失值处理和标准化之后，设定测试集比例，所述测试集比例的范围为0.10～0.50。

11、所述质量预测模型包括选自以下一种或多种模型：集成学习模型、回归模型、支持向量模型、神经网络模型、基于实例的模型、树模型；

12、其中，所述集成学习模型包括随机森林、梯度提升、xgboost、catboost、adaboost中的至少一种；所述回归模型包括岭回归、lasso回归、贝叶斯岭回归中的至少一种；所述支持向量模型包括支持向量回归；所述神经网络模型包括多层感知机；所述基于实例的模型包括k近邻；所述树模型包括决策树；

13、所述优化算法包括贝叶斯优化、遗传算法、随机搜索、网格搜索中的至少一种。

14、所述关键质量指标预测值包括：与窑炉内部玻璃液及最终玻璃产品相关的缺陷检测值、玻璃质量检测控制指标、以及窑炉内玻璃液质量参数；

15、所述缺陷检测值包括气泡、串泡、锆结石、锡结石和条纹；所述玻璃质量检测控制指标包括密度、软化点温度、退火点温度、应变点温度、析晶温度、析晶粘度、维氏硬度、弹性模量和热收缩；所述窑炉内玻璃液质量参数包括玻璃液在窑炉内的滞留时间。

16、所述能耗预测值包括窑炉内电能、燃气能或窑炉内电能和燃气能的总和；

17、所述电能通过下式计算：

18、

19、其中，e电表示电能，a表示电功率转化系数，p总表示总的电极功率；

20、所述燃气能通过下式计算：

21、

22、其中，e燃气表示燃气能，v表示总的天然气气量，qn表示天然气的热值。

23、所述窑炉寿命预测值是根据电极侵蚀速率和池壁侵蚀速率计算获得的窑炉使用时间；

24、所述电极侵蚀速率通过下式计算：

25、

26、

27、其中，ls表示电极消耗厚度；l1表示第一次测量电极的剩余厚度；l2表示第二次测量电极的剩余厚度；vd表示电极的消耗速率；t表示从1时刻到2时刻的时间。

28、所述持续获取窑炉运行的实时多源数据，迭代更新所述质量预测模型及优化结果包括：

29、将新获取的实时多源数据作为增量数据，对所述质量预测模型进行在线重训练或模型参数微调，并基于更新后的质量预测模型重新执行所述优化算法，生成迭代后的工艺参数调整方案和料方配比调整方案。

30、第二方面，本发明公开一种基于质量预测模型的玻璃熔化窑炉工艺优化系统，包括：

31、数据实时获取模块，用于获取窑炉运行的实时多源数据，所述实时多源数据包括工艺参数数据、原料成分数据、工况环境数据以及产品质量数据；

32、数据预处理模块，用于对所述实时多源数据进行预处理，得到机器可识别的特征数据，并对所述特征数据进行缺失值处理和标准化处理；

33、质量预测模块，用于将处理后的特征数据输入至预先设定好的质量预测模型中，利用所述质量预测模型对特征数据进行处理，获得包括关键质量指标预测值、能耗预测值和窑炉寿命预测值的预测结果；

34、窑炉工艺优化模块，用于基于所述预测结果，以质量达标、能耗最低、窑炉寿命影响最小中的至少一个为目标，利用优化算法进行寻优计算，获得优化后的工艺参数调整方案和料方配比调整方案；

35、迭代模块，用于根据所述工艺参数调整方案和料方配比调整方案执行窑炉的工艺参数调整和料方配比调整，并持续获取窑炉运行的实时多源数据，迭代更新所述质量预测模型及优化结果。

36、第三方面，本发明公开一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于质量预测模型的玻璃熔化窑炉工艺优化方法。

37、第四方面，本发明公开一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于质量预测模型的玻璃熔化窑炉工艺优化方法。

38、与现有技术相比，本发明具有以下有益效果：

39、本发明公开了一种基于质量预测模型的玻璃熔化窑炉工艺优化方法，通过融合工艺参数、原料成分、工况环境及产品质量等多源数据，并采用统一的质量预测模型对关键质量指标、能耗及窑炉寿命进行联合预测，能够全面反映窑炉运行状态的多维度影响，克服了传统单指标或孤立指标控制的局限性。以质量达标、能耗最低及窑炉寿命影响最小为目标，利用优化算法进行多目标寻优，可同时兼顾产品品质、生产成本与设备耐用性，避免因片面追求某一指标而导致其他指标显著劣化。在实际运行中，该方法根据优化结果动态调整工艺参数和料方配比，并通过持续获取实时数据迭代更新模型，使预测与优化结果始终贴近当前窑炉的真实工况，具备良好的自适应能力和鲁棒性。反复的闭环控制不仅能够显著提升玻璃液熔化效率与产品品质的一致性，降低单位产品的能耗和废品率，还能有效减缓窑炉耐火材料的侵蚀速率，延长窑炉安全运行周期。此外，该方法减少了人工经验调控带来的主观偏差和滞后性，实现了从被动响应到主动寻优的转变，为基板玻璃等高品质要求的生产场景提供了可靠、精准的工艺控制手段。

40、本发明公开了一种基于质量预测模型的玻璃熔化窑炉工艺优化系统，通过数据实时获取模块、数据预处理模块、质量预测模块、窑炉工艺优化模块和迭代模块的有机协同，构建了完整的闭环控制架构，能够实现对玻璃熔化窑炉运行状态的实时感知、快速预测与精准调控。数据实时获取模块统一采集工艺参数、原料成分、工况环境及产品质量等多源异构数据，数据预处理模块将其转化为标准化的机器可识别特征，保证了后续预测模型的输入质量和稳定性。质量预测模块基于预先训练好的模型，同步输出关键质量指标预测值、能耗预测值和窑炉寿命预测值，使系统在工艺调整前即可掌握不同决策倾向对生产目标的多维影响，避免了传统方式中只能事后检验或单指标控制的缺陷。窑炉工艺优化模块以质量达标、能耗最低、窑炉寿命影响最小中的至少一个为优化目标，利用优化算法自动寻优并生成工艺参数调整方案与料方配比调整方案，显著提升了工艺决策的科学性与效率。迭代模块根据优化方案执行调整后，持续获取新的实时数据并迭代更新质量预测模型及优化结果，使系统具备对窑炉时变特性、原料波动和环境变化的自适应能力，长期运行中可保持预测准确性和优化有效性。该系统结构清晰，模块间数据流转路径明确，易于在现有玻璃窑炉控制系统基础上集成部署，减少了人工经验调控带来的主观偏差与响应滞后，能够有效提升玻璃液熔化效率与产品品质的一致性，降低单位产品能耗，延缓窑炉耐火材料侵蚀，延长窑炉安全运行周期，特别适用于对工艺稳定性要求高的基板玻璃生产场景。