一种板坯质量在线预测与动态调控方法及系统与流程

本发明属于连铸过程智能控制，尤其涉及一种板坯质量在线预测与动态调控方法及系统。

背景技术：

1、板坯连铸是一个复杂的高温、动态、连续的物理化学过程。其最终产品质量，如中心偏析、内部裂纹和凝固组织，受到拉速、过热度、冷却强度、压下工艺等数十个参数的耦合影响。目前，连铸过程的控制主要依赖于基于经典机理模型的设定值控制（如二冷配水模型）和操作员的经验干预。这种传统模式存在两个核心痛点：

2、一、控制滞后性：所有基于仪表检测的控制都是对当前过程状态的反馈，而产品质量是在整个凝固过程中形成的，无法在线直接检测。通常需要等到铸坯冷却后，通过离线取样和低倍检验才能获知质量结果，此时已无法挽回。

3、二、模型局限性：纯粹的机理模型依赖于大量简化和假设，且难以涵盖所有复杂工况（如保护渣性能波动、水口侵蚀等），导致预测精度有限。而操作员的经验难以量化、传承和优化。

4、随着工业大数据和人工智能技术的发展，构建能够实时映射物理实体、并具有预测能力的数字孪生系统成为可能。现有技术中已有尝试将数据分析用于质量评估，但多局限于事后分析，或仅使用单一的数据驱动模型，缺乏物理机理的支撑，在工况变化时泛化能力差，难以用于高可靠性的实时控制。

5、因此，本领域迫切需要一种能够融合机理与数据，实现质量在线预测和前摄性调控的先进方法，以突破现有质量控制的天花板。

技术实现思路

1、本发明的目的在于提供一种板坯质量在线预测与动态调控方法及系统，以解决现有技术中存在的问题。

2、本发明解决其技术问题所采用的技术方案是：

3、一种板坯质量在线预测与动态调控方法，包括以下步骤：

4、s1、离线构建机理模型与数据驱动模型加权融合的数字孪生模型；

5、s2、实时采集连铸工艺参数数据；

6、s3、将实时参数数据输入数字孪生模型，在线输出板坯质量指标预测值；

7、s4、将预测值与质量目标比对，判断是否超标，若未超标，返回步骤s2继续监控；

8、s5、若超标，触发优化模块，以消除质量偏差为目标，用智能优化算法求解最优工艺参数调整方案；

9、s6、将调整方案下发执行或推送确认后执行，并持续监测调控效果，循环执行步骤s2至s6。

10、进一步的，步骤s1中，机理模型包括凝固传热模型、溶质微观偏析模型和热-力耦合模型；数据驱动模型是基于历史生产数据及其对应的离线质量检验数据训练的机器学习模型；

11、机理模型与数据驱动模型加权融合的方法为：

12、最终质量预测值＝w1×机理模型预测值＋w2×数据驱动模型预测值，其中权重w1和w2通过历史数据验证进行校准。

13、进一步的，凝固传热模型为二维或三维凝固传热模型，采用有限元法或有限差分法求解，用于根据输入的拉速、过热度、二冷水量计算铸坯的温度场和凝固壳厚度。

14、进一步的，数据驱动模型采用梯度提升树或神经网络模型，基于历史生产数据中的工艺参数与离线检验确认的质量数据训练得到。

15、进一步的，步骤s3中，板坯质量指标包括中心偏析指数、等轴晶率和内部裂纹敏感度中的至少一种。

16、进一步的，步骤s5中，智能优化算法包括遗传算法或粒子群算法。

17、进一步的，步骤s1中，连铸工艺参数包括拉速、中间包温度、结晶器水量、二冷各段水量、电磁搅拌电流和轻压下参数中的至少一种。

18、进一步的，步骤s1中，工艺参数调整方案所调整的工艺参数包括拉速、二冷水量和轻压下参数中的至少一种。

19、一种板坯质量在线预测与动态调控系统，包括：

20、执行模块，用于执行指令并采集实际运行参数；

21、数据采集模块，用于从执行模块中获取连铸工艺参数，并对采集到的数据进行预处理；

22、模型服务器，部署有数字孪生模型模块、质量判断模块和优化计算引擎且配置有控制指令输出接口；数字孪生模型模块用于根据预处理的数据运算并输出板坯关键质量指标的预测值；质量判断模块用于将预测值与预设的质量目标进行比对并判断是否超出；优化计算引擎用于在预测值超出质量目标时，利用智能优化算法求解最优的工艺参数调整方案，控制指令输出接口用于将工艺参数调整方案下发至一级控制系统执行；

23、人机交互模块，用于实时显示预测值、判断结果和调整方案，并提供确认执行的操作入口；

24、存储模块，用于存储数据。

25、进一步的，数字孪生模型模块包括机理模型子模块、数据驱动模型子模块和加权融合引擎；其中机理模型子模块内置凝固传热模型、溶质微观偏析模型和热-力耦合模型，采用有限元法或有限差分法求解；数据驱动模型子模块采用梯度提升树或深度神经网络，基于历史生产数据及其对应的离线质量检验数据训练得到；加权融合引擎用于计算最终质量预测值。

26、本发明具有以下有益效果：

27、1.本发明通过数字孪生模型在线、实时地预测正在凝固的板坯的内部质量，相当于为生产过程安装了质量监控设备，在缺陷发生前即可发现问题，实现了从事后检测到事中预测与调控的根本性转变。

28、2.本发明将机理模型的物理可解释性与数据驱动模型对复杂非线性关系的捕捉能力相结合。机理模型提供基础框架和外推能力，数据模型修正机理模型的偏差，确保预测结果在各种工况下的高精度和鲁棒性。

29、3.本发明内置的优化调控模块在预测到质量风险时，能基于智能算法自动、快速地计算出最优的工艺参数调整方案，实现了从人工经验决策到智能化、自动化决策的跨越，确保生产始终运行在最佳工艺窗口。

30、4.本发明能够提前避免废品和降级品，提升产品质量一致性和合格率；减少能源和原料的浪费；降低对顶尖操作员的依赖，实现标准化生产。

1.一种板坯质量在线预测与动态调控方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的板坯质量在线预测与动态调控方法，其特征在于，步骤s1中，所述机理模型包括凝固传热模型、溶质微观偏析模型和热-力耦合模型；所述数据驱动模型是基于历史生产数据及其对应的离线质量检验数据训练的机器学习模型；

3.根据权利要求2所述的板坯质量在线预测与动态调控方法，其特征在于，所述凝固传热模型为二维或三维凝固传热模型，采用有限元法或有限差分法求解，用于根据输入的拉速、过热度、二冷水量计算铸坯的温度场和凝固壳厚度。

4.根据权利要求2所述的板坯质量在线预测与动态调控方法，其特征在于，所述数据驱动模型采用梯度提升树或神经网络模型，基于历史生产数据中的工艺参数与离线检验确认的质量数据训练得到。

5.根据权利要求1所述的板坯质量在线预测与动态调控方法，其特征在于，步骤s3中，所述板坯质量指标包括中心偏析指数、等轴晶率和内部裂纹敏感度中的至少一种。

6.根据权利要求1所述的板坯质量在线预测与动态调控方法，其特征在于，步骤s5中，所述智能优化算法包括遗传算法或粒子群算法。

7.根据权利要求1所述的板坯质量在线预测与动态调控方法，其特征在于，步骤s1中，所述连铸工艺参数包括拉速、中间包温度、结晶器水量、二冷各段水量、电磁搅拌电流和轻压下参数中的至少一种。

8.根据权利要求1所述的板坯质量在线预测与动态调控方法，其特征在于，步骤s1中，所述工艺参数调整方案所调整的工艺参数包括拉速、二冷水量和轻压下参数中的至少一种。

9.一种板坯质量在线预测与动态调控系统，其特征在于，用于执行权利要求1-8任一所述的板坯质量在线预测与动态调控方法，包括：

10.根据权利要求9所述的板坯质量在线预测与动态调控系统，其特征在于，所述数字孪生模型模块包括机理模型子模块、数据驱动模型子模块和加权融合引擎；其中机理模型子模块内置凝固传热模型、溶质微观偏析模型和热-力耦合模型，采用有限元法或有限差分法求解；数据驱动模型子模块采用梯度提升树或深度神经网络，基于历史生产数据及其对应的离线质量检验数据训练得到；加权融合引擎用于计算最终质量预测值。