一种基于时空曲线和多模态数据库的温度控制方法与流程

摘要: 本技术的实施例涉及温度控制,特别涉及一种基于时空曲线和多模态数据库的温度控制方法。背景技术:1、热处理是金属材料性能调控的关键工艺,其核心是通过精确控制炉内温度...
一种基于时空曲线和多模态数据库的温度控制方法与流程

本技术的实施例涉及温度控制,特别涉及一种基于时空曲线和多模态数据库的温度控制方法。

背景技术:

1、热处理是金属材料性能调控的关键工艺,其核心是通过精确控制炉内温度场实现工件组织与性能的达标,广泛应用于淬火、回火、渗碳等工艺环节。在实际热处理过程中,需要对炉内温度进行精准控制,以确保工件达到预期的硬度、强度和耐磨性等性能指标。然而,现有的热处理炉温度控制技术大多采用单点反馈与固定工艺曲线相结合的方式,存在以下显著缺陷。

2、第一,单点控制难以实现全局温度均匀。传统方法主要依赖炉膛中心布置的单点温度传感器进行反馈控制,通过调节整体加热功率来维持设定温度。这种方式仅能感知炉膛内部的平均温度,无法有效捕捉炉内空间维度上的温度分布差异(如上下层、角落与炉膛中心的温差)。在大型热处理炉中,由于热辐射、对流及炉墙散热等因素的影响,炉膛内部不同位置往往存在明显温差。例如,井式炉中工件上层因热辐射集中易形成过热区(以上),下层因散热滞后易形成欠温区(以下),这导致同一炉次工件的硬度偏差可达hrc±4以上,严重影响成品率。

3、第二,工艺曲线固化导致适应性不足。现有的控制系统大多采用预设的固定工艺曲线,如“升温速率→保温→冷却速率”,无法根据不同工件的材质、尺寸、装炉量等参数进行动态调整。在面对新材料、新产品或装炉量变化时,需要通过3至5炉次的试错来调试工艺参数,并且依赖高级技术人员的经验判断,调试周期长且成本高。

4、第三,偏差响应滞后造成能耗浪费。现有的控制方式大多为“偏差发生后再进行调节”的被动模式,即当检测到温度超出设定范围后才调整加热功率。这种响应机制存在明显的时间滞后,导致局部区域出现过烧或欠温现象。为补偿温度均匀性不足的问题,常采用整体过度加热的策略,如将保温温度设置高于目标值至,这造成单炉能耗增加15%至20%,同时增加工件变形和氧化的风险。

5、由于上述技术局限,现有的热处理炉温度控制方法均难以满足高精度、高一致性、低能耗的工业生产需求,本领域亟需一种能够全局感知温度场、动态适配工艺需求、主动预测并修正偏差的智能化温度控制方法。

技术实现思路

1、为了解决上述技术问题,本技术的实施例提出了一种基于时空曲线和多模态数据库的温度控制方法,旨在通过多源传感器网络实现炉内温度场的全局感知,利用工艺知识库、历史数据池和设备模型库进行智能校准,进而利用lstm预测模型实现偏差的提前预判,并基于分区闭环控制策略实现炉内温度的精准调控,最终实现热处理工艺的高精度、低能耗与自适应控制。

2、为了实现上述目的,本技术的实施例提出了一种基于时空曲线和多模态数据库的温度控制方法,适用于热处理炉,所述方法包括以下步骤:在热处理炉内沿炉膛的高度、宽度、深度方向布置多类型传感器网络,采集各空间位置的温度数据,同步记录辅助参数,按时间戳对齐以构建温度场,并通过插值算法补全未布点区域的温度分布,形成时空温度曲线;其中,辅助参数包括加热功率、风机转速、炉门开关状态、环境温度;构建包含工艺知识库、历史数据池和设备模型库的多模态数据库;其中,历史数据池中存储有过往炉次的时空温度曲线;获取待处理工件的工件参数和工艺要求,从工艺知识库中检索出匹配的基础工艺曲线,并结合历史数据池对待处理工件的工艺参数进行修正;将待处理工件放入热处理炉内并开始加热,在到达预设的控制开始时间后,将基础工艺曲线、工艺要求、修正后的工艺参数、当前的温度场矩阵、加热功率和风机转速,输入至预训练的lstm预测模型,获得目标工艺曲线;实时比较当前的时空温度曲线与目标工艺曲线,识别时间维度偏差和空间维度偏差,生成对应的控制指令以进行温度控制;其中,时间维度偏差对应的控制指令为调节对应区域的加热功率,空间维度偏差的控制指令为调节风机转速,控制指令具有基于设备模型库设计的控制上限。

3、为了实现上述目的,本技术的实施例还提出了一种基于时空曲线和多模态数据库的温度控制系统,适用于热处理炉,所述系统包括:时空温度曲线获取模块,用于在热处理炉内沿炉膛的高度、宽度、深度方向布置多类型传感器网络,采集各空间位置的温度数据,同步记录辅助参数,按时间戳对齐以构建温度场,并通过插值算法补全未布点区域的温度分布,形成时空温度曲线;其中,辅助参数包括加热功率、风机转速、炉门开关状态、环境温度;多模态数据库构建模块,用于构建包含工艺知识库、历史数据池和设备模型库的多模态数据库;其中,历史数据池中存储有过往炉次的时空温度曲线;工艺参数修正模块,用于获取待处理工件的工件参数和工艺要求,基于工件参数和工艺要求从工艺知识库中检索出匹配的基础工艺曲线,并结合历史数据池对待处理工件的工艺参数进行修正;加热执行模块,用于将待处理工件放入热处理炉内并开始加热;目标预测模块,用于在到达预设的控制开始时间后,将基础工艺曲线、工艺要求、修正后的工艺参数、当前的温度场矩阵、加热功率和风机转速,输入至预训练的lstm预测模型,获得目标工艺曲线;控制执行模块,用于实时比较当前的时空温度曲线与目标工艺曲线,识别时间维度偏差和空间维度偏差,生成对应的控制指令以进行温度控制;其中,时间维度偏差对应的控制指令为调节对应区域的加热功率,空间维度偏差的控制指令为调节风机转速,控制指令具有基于设备模型库设计的控制上限。

4、为了实现上述目的,本技术的实施例还提出了一种电子设备,包括:处理器和存储器,所述存储器中存储有所述处理器能够执行的指令,所述处理器被配置为执行所述指令时,使得所述电子设备能够实现如上述所述的一种基于时空曲线和多模态数据库的温度控制方法。

5、为了实现上述目的,本技术的实施例还提出了一种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,能够实现如上述所述的一种基于时空曲线和多模态数据库的温度控制方法。

6、可选地,所述在热处理炉内沿炉膛的高度、宽度、深度方向布置多类型传感器网络,采集各空间位置的温度数据,同步记录辅助参数,包括:

7、在热处理炉内,沿炉膛的高度方向上设置至少5层测温层,在每一层的宽度方向上设置至少3个测温点,在每一层的深度方向上设置至少3个测温点,形成由至少45个测温点组成的均匀分布的测温网格;

8、在每一个测温点处同时设置k型热电偶和非接触式红外测温仪,利用k型热电偶精确测量接触点温度,利用非接触式红外测温仪测量表面温度,二者互补以校正测温误差,得到各空间位置的温度数据,并同步记录辅助参数;其中,辅助参数的采集频率与温度数据的采集频率保持同步;

9、所述按时间戳对齐以构建温度场,并通过插值算法补全未布点区域的温度分布,形成时空温度曲线,包括:

10、将各空间位置的温度数据按时间戳对齐,构建温度场矩阵,表示为:

11、;

12、其中,为构建的温度场矩阵,、、分别表示炉膛的宽度方向、深度方向、高度方向,表示时间,、、分别表示宽度方向、深度方向、高度方向上的测温点的数量,表示第个宽度位置、第个深度位置、第个高度位置处的测温点在时刻的温度数据;

13、对于温度场矩阵,采用克里金插值算法补全炉膛的未布点区域的温度分布,形成时空温度曲线。

14、可选地,所述构建包含工艺知识库、历史数据池和设备模型库的多模态数据库,包括:

15、获取不同工件对应的工件参数、工艺要求和标准工艺数据,基于标准工艺数据绘制基础工艺曲线,建立工件参数和工艺要求与基础工艺曲线之间的映射关系,形成工艺知识库;其中,工件参数包括材料类型、工件尺寸和装炉量,工艺要求即工件处理完成后需要达到的性能指标,性能指标至少包括表面硬度、心部硬度、渗层深度和允许变形量中的至少一种,标准工艺数据包括升温阶段、保温阶段和冷却阶段各自对应的目标温度、阶段持续时间、目标温度变化速率和温度阈值;

16、获取多个过往炉次对应的工件参数、工艺要求、实际执行工艺参数、时空温度曲线、辅助参数、设备状态和工件性能数据,按照炉次标识将同一过往炉次对应的数据进行关联,并按照时间戳对时空温度曲线、辅助参数和设备状态进行对齐,形成历史数据池;

17、获取热处理炉的设备标识、热传导参数、对流换热参数和动态响应参数,建立区域加热功率与温度变化之间的加热响应模型、风机转速与炉内温度分布之间的对流换热模型和炉体热传导模型,并将加热响应模型、对流换热模型、炉体热传导模型和设备标识进行关联存储,形成设备模型库;

18、基于材料类型、工件尺寸、装炉量和设备标识建立关联索引,通过关联索引将工艺知识库、历史数据池和设备模型库进行关联,得到多模态数据库。

19、可选地,所述确定待处理工件的工艺参数和工艺要求,从工艺知识库中检索出匹配的基础工艺曲线,并结合历史数据池对工艺参数进行修正,包括:

20、获取待处理工件的工件参数和工艺要求,根据工件参数和工艺要求,从工艺知识库中检索出与待处理工件匹配的基础工艺曲线;

21、从基础工艺曲线中提取各工艺阶段对应的目标温度、阶段持续时间、目标温度变化速率和温度阈值,作为待处理工件的初始工艺参数;

22、以材料类型相同、工件尺寸差异小于1%且装炉量差异小于预设的装炉量阈值为检索条件,从历史数据池中筛选出与待处理工件匹配的相似过往炉次;

23、获取各相似过往炉次的时空温度曲线、实际执行工艺参数和工件性能数据,将各相似过往炉次的时空温度曲线和与待处理工件匹配的基础工艺曲线按照工艺阶段进行对齐,分别计算各工艺阶段的实际温度相对于目标温度的温度偏差、实际阶段持续时间相对于目标阶段持续时间的时间偏差、以及实际温度变化速率相对于目标温度变化速率的速率偏差;

24、根据各相似过往炉次对应的温度偏差、时间偏差、速率偏差,以及工件性能数据与工艺要求之间的差异,确定目标温度、阶段持续时间和目标温度变化速率各自对应的修正量,并对初始工艺参数进行修正,得到修正后的工艺参数。

25、可选地,所述将基础工艺曲线、工艺要求、修正后的工艺参数、当前的温度场矩阵、加热功率和风机转速,输入至预训练的lstm预测模型,获得目标工艺曲线,包括:

26、以预设的控制开始时间为起始时刻,按照预设的时间间隔对基础工艺曲线进行离散化处理,得到多个预测时刻以及各预测时刻对应的基础目标温度,并根据各预测时刻所处的工艺阶段添加对应的工艺阶段标识;

27、基于工艺要求和修正后的工艺参数提取各工艺阶段对应的目标温度、阶段持续时间、目标温度变化速率和温度阈值并进行组合,形成工艺约束特征序列;

28、从当前的温度场矩阵中提取以当前时刻为终点的预设采样时间窗内的各空间位置的温度数据,并将其与对应采样时刻的加热功率和风机转速按照时间戳进行对齐,形成炉况状态特征序列;

29、将基础目标温度、工艺约束特征序列和炉况状态特征序列按照时间顺序进行拼接,形成lstm预测模型的输入特征序列;

30、利用lstm预测模型提取输入特征序列中各相邻采样时刻之间的温度变化特征和不同工艺阶段之间的温度变化趋势,得到各预测时刻对应的炉内温度,并根据各预测时刻对应的炉内温度与对应的基础目标温度之间的差值,确定各预测时刻对应的温度修正量;

31、利用各预测时刻对应的温度修正量修正对应的基础目标温度,并根据工艺约束特征序列,对各预测时刻的修正后的基础目标温度进行约束,使相邻的预测时刻之间的温度变化速率不超过对应的工艺阶段的目标温度变化速率,且各预测时刻的目标温度处于对应的温度阈值的范围内;

32、按照时间顺序连接各预测时刻的修正后的目标温度,得到目标工艺曲线。

33、可选地,所述实时比较当前的时空温度曲线与目标工艺曲线,识别时间维度偏差和空间维度偏差,生成对应的控制指令以进行温度控制,包括:

34、按照炉膛内的各测温点与加热单元和循环风机之间的对应关系,将炉膛划分为多个控制区域,并在每一个控制周期内,根据当前的时空温度曲线,确定各控制区域在当前时刻的区域平均温度和预设时间窗口内的实际温度变化速率;

35、从目标工艺曲线中提取当前时刻对应的目标温度和目标温度变化速率,将各控制区域的实际温度变化速率与目标温度变化速率进行比较,得到各控制区域对应的时间维度偏差;

36、将各控制区域的区域平均温度与目标温度进行比较,得到各控制区域的区域温度偏差,并根据各控制区域的区域温度偏差和不同控制区域之间的温度差异,确定各控制区域对应的空间维度偏差;

37、当任意一个控制区域的时间维度偏差超过预设的速率偏差阈值时,从设备模型库中获取该控制区域对应的加热单元的加热响应模型和响应滞后时间,根据时间维度偏差、当前加热功率、加热响应模型和响应滞后时间,确定该控制区域对应的加热功率调节量,并根据时间维度偏差的方向,生成增大或减小该控制区域加热功率的加热功率控制指令;

38、当任意一个控制区域的空间维度偏差超过预设温度偏差阈值时,从设备模型库中获取该控制区域对应的对流换热模型,将该控制区域的空间维度偏差、相邻控制区域之间的温度差异和当前风机转速输入至对流换热模型,确定使空间维度偏差减小的风机转速调节量,并生成调节该控制区域风机转速的风机转速控制指令;

39、将加热功率控制指令和风机转速控制指令分别发送至对应的加热单元和循环风机,实现对炉膛的温度控制。

40、可选地,控制指令的控制上限,通过以下步骤得到:

41、从设备模型库中获取各加热单元的额定功率、允许负载率和最大单周期功率变化量,并根据额定功率和允许负载率确定加热功率控制上限;

42、从设备模型库中获取各循环风机的额定转速、允许转速范围和最大单周期转速变化量,并根据额定转速和允许转速范围确定风机转速控制上限;

43、所述将加热功率控制指令和风机转速控制指令分别发送至对应的加热单元和循环风机,实现对炉膛的温度控制,包括:

44、若加热功率控制指令超过加热功率控制上限,则将其限定至加热功率控制上限,并根据最大单周期功率变化量,对相邻的控制周期之间的加热功率控制指令变化量进行限制,将限制后的加热功率控制指令发送至对应的加热单元;

45、若风机转速控制指令超过风机转速控制上限,则将其限定至风机转速控制上限,并根据最大单周期转速变化量,对相邻的控制周期之间的风机转速控制指令变化量进行限制,将限制后的风机转速控制指令发送至对应的循环风机。

46、本技术提出的一种基于时空曲线和多模态数据库的温度控制方法,与传统的温度控制方法相比,实现了以下提升。

47、第一,大幅提升了温度均匀性。本技术通过多类型传感器网络采集炉膛内不同空间位置的温度数据,构建连续的时空温度曲线,并根据时间维度偏差和空间维度偏差,分别调节对应区域的加热功率和风机转速,很好地实现了炉内温度的分区精准控制,减小炉膛上下层、中心与边缘之间的温差,提高工件硬度、渗层深度及金相组织的一致性。

48、第二,大幅缩短了工艺调试周期。本技术根据待处理工件的材料类型、工件尺寸、装炉量和工艺要求,从工艺知识库中快速匹配基础工艺曲线,并利用相似过往炉次的温度曲线、实际工艺参数及工件性能数据进行校准,减少人工经验依赖和反复试炉过程,提高了工艺参数设定的准确性,缩短了调试周期。

49、第三,显著降低了能耗。本技术利用lstm预测模型预测炉膛内的温度变化趋势,并在温度偏差扩大前实施控制,避免传统控制方式中的滞后调节。同时,根据不同区域的实际温度状态分别调整加热功率和风机转速,避免因局部低温而整体过度加热,减少无效升温、过度保温及返工造成的能源浪费。

50、第四,具备自适应与可进化能力。本技术在每一炉次完成后,可以将实际的时空温度曲线、控制参数、设备状态及工件性能数据存入多模态数据库,并据此更新工艺知识库和设备模型库,使系统能够持续修正工艺参数及设备响应模型,适应不同材料、不同工件规格、不同装炉条件以及设备老化引起的参数变化,长期保持较高的温度控制精度。