基于时序神经网络的石英管热加工质量预测方法与流程

本发明涉及石英玻璃热加工智能质量监测领域，尤其涉及基于时序神经网络的石英管热加工质量预测方法。

背景技术：

1、石英管的拉制、扩口、缩口、焊接、退火及冷却过程涉及火焰温度、加热位置、旋转速度、进给速度、管内压力和冷却状态等多类工艺变量。上述变量在材料轴向运动、周向旋转和连续热作用下相互耦合，并具有由设备空间位置、材料运动和阶段驻留引起的传播时滞。现有生产过程通常采集设备控制量、温度或热像及动作事件，并在加工后检测壁厚、椭圆度、熔接质量和残余应力。

2、现有终检方式只能在加工结束后判定质量，难以定位缺陷开始形成的材料段、周向位置、加工阶段和作用时间。采用单一时刻参数或自由学习时滞的预测模型时，异步数据容易发生材料错段，工序切换容易产生跨阶段伪关联，并且局部热冲击、周向周期作用和长期热积累难以同时进入统一状态，导致提前预警和终检追溯的稳定性不足。

3、因此，需要一种能够解决上述现有技术不足的石英管热加工质量预测方法。

技术实现思路

1、本发明的一个目的在于提出基于时序神经网络的石英管热加工质量预测方法，针对现有技术中多源工艺时序数据难以按被加工材料位置同步、阶段转移和驻留约束未被利用、变量间传播时滞缺少物理边界、长期热历史难以建模以及质量风险难以提前定位的问题，提出先由速度分段积分建立材料空间时序数据，再在合法工序转移和阶段驻留时间约束下识别加工阶段并形成材料段-阶段双索引，进而以设备空间关系、材料速度、旋转周期和阶段驻留时间确定名义时滞，仅在允许区间内学习时滞残差并按阶段掩码切换连接边，最后以因果扩张卷积和热剂量门控循环单元形成长期热历史状态并执行多任务、多提前量预测与证据反向映射的技术方案，使预测结果能够对应具体工艺参数、加工阶段、材料位置和形成时间窗。

2、本发明提供了一种基于时序神经网络的石英管热加工质量预测方法，包括：

3、s1、获取多源工艺时序数据和动作事件数据，对进给速度和旋转速度分段积分，确定材料轴向坐标和周向相位，将所述多源工艺时序数据和动作事件数据映射至材料段、周向扇区和采样时刻，得到材料空间时序数据；

4、s2、根据所述动作事件数据和所述材料空间时序数据中的工艺状态数据，在工序转移关系和阶段驻留时间约束下识别加工阶段，得到阶段识别结果和阶段掩码，并按材料段和加工阶段组织所述材料空间时序数据，得到双索引时序数据；

5、s3、基于所述双索引时序数据和所述阶段掩码构建阶段约束的可变时滞图，根据工艺变量的采集位置与被加工材料位置之间的距离、材料运动速度、旋转周期和阶段驻留时间确定连接边的名义时滞，在允许区间内学习时滞残差，并按加工阶段切换连接边，得到图时序特征；

6、s4、将所述图时序特征输入时序神经网络，通过因果扩张卷积提取局部冲击特征和周向周期特征，递推热剂量状态，并以加工阶段和所述热剂量状态控制循环单元更新，得到长期热历史状态；

7、s5、将所述长期热历史状态输入多提前量预测单元，输出目标质量缺陷的风险概率或质量预测值。

8、可选的，s1包括：按照采样时间间隔对进给速度进行累积以获得材料轴向位移，按照所述采样时间间隔对旋转速度进行累积并按一个旋转周期折算以获得周向相位；

9、在夹持方向反转、进给暂停或工序切换对应的动作事件处终止当前积分区段并建立下一积分区段，记录各积分区段的起止时刻、运动方向和坐标基准；

10、依据材料轴向坐标所属的预设轴向区间确定材料段，依据周向相位所属的预设相位区间确定周向扇区；

11、根据各项工艺数据的时间戳向预设共同采样时刻执行重采样，对连续变化量采用相邻有效采样值插值，对保持型状态量采用前一有效采样值保持，在最近有效采样值与共同采样时刻的时间差超过由对应传感器采样周期确定的允许时间偏差时，将该共同采样时刻的对应数据标记为无效。

12、可选的，s2包括：根据热加工工艺规程建立包括拉制、扩口、缩口、焊接、退火和冷却阶段的工序状态集合以及允许相邻工序状态之间转移的工序转移关系；

13、根据动作事件的触发时刻形成候选阶段边界，根据各工序状态在历史合格加工记录中的持续时间统计区间确定阶段驻留时间范围；

14、由各加工阶段对应的工艺状态观测模型根据火焰工作状态、旋转状态、进给状态、管内压力状态和冷却状态计算各采样时刻属于对应加工阶段的匹配概率，对候选阶段序列包含的匹配概率取对数并累加得到序列评分，选择满足所述工序转移关系和所述阶段驻留时间范围且序列评分最大的候选阶段序列作为所述阶段识别结果，并将对应加工阶段允许使用的图连接边记为有效以形成所述阶段掩码；

15、在不存在满足所述工序转移关系和所述阶段驻留时间范围的候选阶段序列时，将对应采样区间标记为未知阶段以生成所述阶段识别结果，并在所述阶段掩码中将对应采样区间的阶段相关连接边记为无效。

16、可选的，s3包括：分别针对火焰温度、加热位置、旋转速度、进给速度、管内压力和冷却参数建立工艺变量节点，针对目标质量缺陷建立质量节点，建立由工艺变量节点指向质量节点的有向边以及表征工艺变量耦合关系的工艺变量节点间有向边，并通过所述阶段掩码控制有向边是否参与图特征聚合；

17、对于随材料轴向运动传播的有向边，在同一积分区段内以对应采集位置至材料段位置的轴向距离和材料运动速度确定传播时间，在进给暂停或材料运动速度绝对值小于设备最小稳定进给速度时禁用对应的轴向传播有向边，并在夹持方向反转或工序切换时禁止有向边跨积分区段传播；

18、对于随周向旋转重复作用的有向边，以周向相位差和旋转周期确定相位传播时间，并结合所述阶段驻留时间确定名义时滞；

19、根据设备标定误差、速度波动范围和阶段边界误差确定各有向边的残差允许区间，将名义时滞与经区间约束的时滞残差之和作为有向边的实际时滞，并学习有向边权重。

20、可选的，s4包括：所述热剂量状态按照采样时刻递推生成，所述热剂量状态的递推输入包括温度超过石英管软化温度设定值的持续量、同一材料段内各周向扇区温度的极差或方差、管内压力对采样时间的累积量以及冷却区间内温度对时间的变化率；

21、对各递推输入按照训练数据的量纲统计值进行归一化并加权融合，将融合结果与前一采样时刻的热剂量状态按照加工阶段对应的衰减系数递推，得到当前采样时刻的热剂量状态；

22、根据所述阶段识别结果查询阶段编码表以获得对应的加工阶段嵌入，将所述热剂量状态作为所述可变时滞图的状态节点输入，并将所述热剂量状态与所述加工阶段嵌入共同用于确定循环单元的输入门值和遗忘门值；

23、进一步的，所述因果扩张卷积采用仅引用当前采样时刻及此前采样时刻数据的卷积连接，沿时间维度设置递增的扩张间隔，并使至少一个卷积感受野覆盖一个旋转周期对应的采样点数；

24、将所述因果扩张卷积的输出、经所述可变时滞图聚合的节点特征、所述加工阶段嵌入和所述热剂量状态输入所述循环单元，由所述输入门值控制当前输入写入量，由所述遗忘门值控制前一长期热历史状态保留量，以更新所述长期热历史状态。

25、可选的，s5包括：针对壁厚不均、椭圆度超差、熔接不足和残余应力分别设置质量分类任务和质量回归任务，并针对各质量检测时刻之前的多个预设时间间隔分别设置预测输出；

26、通过所述质量分类任务输出对应目标质量缺陷在各预设时间间隔内形成的风险概率，通过所述质量回归任务输出壁厚偏差、椭圆度、熔接质量表征值或残余应力表征值；

27、从独立于待训练的时序神经网络的历史质量检测数据中，获取与材料段和周向扇区关联的壁厚偏差、椭圆度、熔接质量表征值或残余应力表征值作为目标质量指标，计算所述目标质量指标相对于质量目标值的质量偏差，并根据历史合格修正记录确定各采样时刻之后剩余可调工序的最大修正量，将所述质量偏差的绝对值扣除所述最大修正量后仍大于对应质量合格限允许偏差的首个采样时刻确定为缺陷不可逆形成时刻，根据质量检测时刻与所述缺陷不可逆形成时刻之间的历史时长统计值确定所述预设时间间隔；

28、进一步的，还包括关键证据的反向映射：根据预测结果对长期热历史状态的敏感度以及所述可变时滞图中由训练确定的连接边权重，确定各图节点对预测结果的贡献值；

29、按照连接边的名义时滞与经所述允许区间约束的时滞残差之和，将贡献值对应的采样时刻回移至工艺变量的作用时刻，按照材料段标识、周向扇区和阶段识别结果确定工艺变量的作用位置和加工阶段；

30、将贡献值达到由训练样本贡献值和预设分位数水平确定的证据阈值的连续采样区间合并为形成时间窗，并输出该连续采样区间对应的工艺参数；

31、进一步的，所述时序神经网络的训练包括：根据质量检测数据的检测位置和检测时刻生成材料段、周向扇区和缺陷类型对应的监督标签；

32、按照各预设时间间隔将所述监督标签前移至相应采样时刻，形成多提前量训练标签；

33、采用对未检测材料段和未检测周向扇区不计算损失的标签掩码，联合计算质量分类损失、质量回归损失、时滞残差区间约束损失和相邻提前量预测一致性损失，并根据所述联合损失更新所述可变时滞图的连接边权重、时滞残差、因果扩张卷积、循环单元和多任务、多提前量预测单元的参数；

34、进一步的，在多源工艺时序数据存在缺采样或异常采样时，根据传感器采样有效标志和设备动作事件生成数据有效性掩码，将无效数据对应的图节点输入置为预设填充值并禁止对应连接边参与图特征聚合；

35、根据当前材料段的有效采样比例与训练样本中的有效采样比例区间确定预测结果的可信标志，并将所述可信标志与风险概率和质量预测值一并输出。

36、本发明的有益效果是：

37、1、通过对进给速度和旋转速度进行分段积分，并在反向、暂停和工序切换处划分积分区段，可将不同采样率的工艺数据映射至统一材料段、周向扇区和采样时刻，减少材料错段对质量建模的影响。

38、2、通过工序转移关系、阶段驻留时间和阶段掩码约束可变时滞图，并以物理名义时滞和受限时滞残差对齐变量作用，可抑制跨阶段伪关联；热剂量状态与阶段嵌入共同控制循环记忆，有利于表征局部冲击、周向周期和长期热积累。

39、3、通过多缺陷、多提前量预测并沿可变时滞图反向映射贡献证据，可在质量检测前输出风险概率和质量预测值，并给出关键工艺参数、作用阶段、材料位置及形成时间窗，为预警和终检追溯提供一致的数据依据。