基于铜合金带材波浪边检测的轧制弯辊力补偿方法与流程
本发明涉及金属材料轧制成形智能控制,尤其是基于铜合金带材波浪边检测的轧制弯辊力补偿方法。
背景技术:
1、在金属材料轧制成形智能控制领域,铜合金带材的生产过程中常涉及波浪边缺陷的识别与控制。现有技术主要依赖于二维图像处理、统计特征提取和基于经验公式的补偿推算,比如通过对带材表面缺陷图像实现分割后,提取面积、长度、波幅等标量参数,再运用线性或非线性减补算法生成弯辊力补偿值。部分先进系统引入基于数字孪生仿真优化的缺陷—参数映射机制或集成规则库与专家系统协同决策,但这些方法普遍存在补偿策略响应缓慢、对缺陷类型分辨粒度低、无法精细适配材料流变特性等不足。
2、随着轧制过程智能化与自适应控制技术的发展,行业对波浪边等复杂缺陷的精细检测、语义分析与智能补偿提出更高要求。目前公开的技术大多采用缺陷图像与工艺参数的单一矢量输入—输出结构,局限于将二维图像特征简单对接至补偿公式,难以实现缺陷本征结构与补偿策略的深度对齐。部分研究尝试用多模态文本-图像对齐、基于人工标注的缺陷—补偿样本对,或者gan生成与注意力机制增强补偿推断精度,但这些方法对大规模数据依赖性强、落地效率低,且在材料属性变化或非典型缺陷场景下易失效。
3、现有代表性技术主要包含:基于图像增强与缺陷判别的大模型轧制控制方法、数字孪生逆向优化工艺参数生成方法、规则库匹配和多专家协同修复策略。上述方法主要适用于常规缺陷类型与已知材料属性场合,对于波浪边缺陷的高维语义结构解析与动态补偿响应存在明显局限。例如,常见的方法无法对波峰疏密、曲率突变、幅值衰减等复杂几何变异进行可计算表达,补偿参数生成时依赖于线性映射或静态模板,导致轧制过程中缺陷形态变化时补偿策略滞后与误差加大。
4、分析现有技术不足,可归纳如下:
5、缺陷图像的语义结构难以自动归纳为轧制补偿参数,造成补偿策略根据缺陷本征结构的智能适配能力不足,细粒度控制和实时响应效果差。
6、材料流变属性与缺陷形态的耦合关系无法动态建模,现有解决方案常以单一静态参数或经验公式映射弯辊力,无法满足异质材料与复杂工况的个性化补偿需求。
7、补偿残差难以闭环反馈至模型自适应优化,现有系统大多依赖人工调整或固定规则,缺乏智能校准机制,形成质量反馈与补偿策略割裂。
8、缺陷检测结果仅作为触发补偿动作参考,没有深入挖掘波浪边缺陷的拓扑语义特征,难以实现从本征结构到参数的端到端控制闭环。
9、因此,迫切需要一种能够实现缺陷本征结构高维语义解析、材料工艺属性动态融合、补偿参数多维解耦与闭环自优化的新型弯辊力补偿值生成方法。该方法不仅要提升对多类型波浪边缺陷的自适应响应能力,更要满足热轧产线的实时性和高精度控制要求,打破现有技术的线性映射、样本依赖和反馈割裂等瓶颈,为金属带材智能轧制提供更具工艺适配性和语义驱动的补偿策略。
技术实现思路
1、本技术提供基于铜合金带材波浪边检测的轧制弯辊力补偿方法,旨在解决上述背景技术中提到的现有技术存在的问题或问题之一。
2、本技术提供的基于铜合金带材波浪边检测的轧制弯辊力补偿方法,具体包括:
3、s1:获取铜合金带材轧制过程中的分割掩膜,对所述分割掩膜执行多尺度骨架提取与曲率采样处理,生成包含波峰位置、波谷深度、相邻波峰间距变化率及曲率过零次数的缺陷几何序列。
4、s2:基于所述缺陷几何序列构建有向加权图,将单个波浪单元映射为节点,将相邻单元的纵向距离、曲率差及幅值衰减方向耦合强度映射为边权重,生成缺陷语义拓扑码。
5、s3:根据铜合金材料流变属性先验约束构建材料适型嵌入向量,利用带材锌含量与屈服应力映射关系及带材厚度与弹性恢复系数区间对所述材料适型嵌入向量进行参数化定义,生成材料先验约束张量。
6、s4:将所述缺陷语义拓扑码与所述材料先验约束张量输入至图神经网络的消息传递层中,执行特征聚合与状态更新,生成隐层表征向量。
7、s5:基于所述隐层表征向量接入补偿参数解耦头,并行执行正交控制维度分解运算,生成整体波浪幅度的基础偏置量、波浪沿带材宽度方向非对称分布的梯度调节系数、带材运行速度引发惯性滞后补偿的动态响应增益。
8、s6:基于预设的门控权重策略,对所述基础偏置量、所述梯度调节系数及所述动态响应增益,执行多维参数非线性加权融合处理,生成弯辊力补偿值。
9、s7:基于所述弯辊力补偿值驱动轧机弯辊进行实时压力调节动作,以消除铜合金带材表面的波浪边缺陷并实现轧制过程的闭环张力平衡控制。
10、s8:采集轧制完成后的带材表面质量反馈数据并与所述缺陷语义拓扑码进行关联比对,若检测到补偿残差超过预设阈值则触发门控权重在线校准机制,以更新所述门控权重策略的融合参数并完成模型自适应优化。
11、本技术提供的基于铜合金带材波浪边检测的轧制弯辊力补偿方法,具有以下有益效果:
12、(1)通过构建从缺陷形态本征结构到弯辊力补偿参数的端到端语义驱动路径,显著提升了补偿策略的物理可解释性与工艺适配精度。传统方法依赖图像识别后提取标量几何特征(如波浪边面积或长度),再经经验公式映射为控制指令,难以捕捉波浪边沿带材横向分布的非均匀性与动态演化趋势,导致补偿响应滞后且鲁棒性差;本方案摒弃此类线性范式,转而对分割结果中的波浪边轮廓进行多尺度骨架提取与曲率序列化建模,生成包含波峰位置、波谷深度、间距变化率及曲率符号翻转频次的有序结构化序列,并进一步构造成有向加权图以表达各波浪单元之间的空间关联与力学耦合关系,形成具有明确物理意义的缺陷语义拓扑码。该拓扑码不仅保留了原始缺陷的空间分布细节,还通过图结构显式编码了相邻波浪区域在幅值、梯度与衰减方向上的相互作用机制,使后续参数生成过程能够基于真实的材料变形机理展开推理,有效克服了传统方法因信息压缩过度而导致的“同貌异治”或“异貌同治”问题,大幅提高了复杂波浪边形貌下补偿决策的一致性与准确性。
13、(2)引入融合材料先验知识的图神经网络架构与正交解耦式补偿参数生成机制,实现了控制指令在基础偏置、梯度调节与动态响应三个维度上的协同优化,显著增强了系统在多工况下的自适应能力与实时调控性能。本方案采用三层消息传递图神经网络,在每一层中嵌入铜合金zn含量与屈服应力、带材厚度与弹性恢复系数等流变属性的先验约束规则,使隐层表征在传播过程中自然融合材料本构特性,避免纯数据驱动模型因训练样本不足或分布偏移引发的泛化失效风险;更为关键的是,在网络末端设计“补偿参数解耦头”,并行输出基础偏置量(反映整体波浪幅度)、梯度调节系数(刻画横向非对称分布)和动态响应增益(补偿高速运行下的惯性滞后),三者通过非线性门控机制融合生成最终弯辊力值,实现了控制自由度的精细化分解与功能定向分配。相比传统单一数值回归方式,该机制更贴近实际轧制过程中弯辊系统的多维调节逻辑,能够在不增加执行机构复杂性的前提下,灵活应对由来料不均、温度波动或速度变化引发的复合型板形扰动,明显改善了闭环控制的动态响应灵敏度与稳态精度。
14、(3)整个方法完全基于缺陷几何结构的可计算语义建模,无需依赖大规模标注数据集、数字孪生仿真反演、跨模态对齐或外部大模型支持,具备轻量化、低延迟与强工程落地性的系统级优势。不同于当前主流方案中广泛使用的gan增强、注意力机制、规则库匹配或多专家系统集成等高算力消耗路径,本发明聚焦于拓扑数据分析(tda)原理在金属塑性加工领域的首次深度融合应用,仅需少量典型工况下的闭环验证数据即可完成图结构初始化与门控权重校准,极大地降低了部署门槛与数据采集成本;所有计算模块均面向边缘控制器优化,整体推理延迟控制在20ms以内,满足热轧产线毫秒级实时控制需求。同时,由于全程未引入黑箱生成模型或文本语义嵌入技术,系统行为具备良好的可追溯性与调试透明度,便于现场工程师理解与干预,真正实现从“感知→认知→决策”的闭环式智能升级。该技术路径为高端金属带材智能制造提供了一种高效、可靠且易于推广的新型控制范式,特别适用于高精度铜合金产品在新能源、电子封装等高端制造场景下的稳定批量生产。
15、综上所述,本方案通过缺陷语义拓扑建模与工艺知识嵌入的深度融合,构建了一套兼具高精度、强鲁棒性与实时响应能力的弯辊力补偿生成体系,从根本上突破了传统经验驱动与数据密集型方法的技术瓶颈,在控制机理透明性、多维参数协同性与工程部署可行性方面实现了系统性提升,具有重要的工业应用价值与行业示范意义。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com