本實用發(fā)明涉及領域為普通或合金鋼棒材軋制生產(chǎn)線，尤其涉及一種基于棒材全流程大數(shù)據(jù)采集的智能化生產(chǎn)線及生產(chǎn)方法。

背景技術：

棒材通常指產(chǎn)品橫截面以簡單的幾何形狀，如圓形、方形、扁形、六角形、八角形等為主，但尺寸范圍變化寬泛，以軸向較長的直條交貨的鋼材產(chǎn)品。典型的棒材鋼種有優(yōu)質碳結鋼、合金結構鋼、冷鐓鋼，不銹鋼，齒輪鋼，彈簧鋼，軸承鋼等品種，生產(chǎn)出的棒材成品主要供給于建筑，汽車、機械等行業(yè)。對于生產(chǎn)出的棒材成品，質量一般以斷面幾何尺寸公差度，和以屈服強度，斷裂強度，拉伸強度等指標的力學性能為主，合金鋼棒材還有疲勞性能，耐蝕性能，淬透性等要求。由于棒材鋼種，連鑄鋼坯規(guī)格，以及成品尺寸和性能要求不同，會使得不同品種棒材軋制生產(chǎn)線設備在類型，數(shù)量，布置安排，以及加工工藝參數(shù)上略有差別，但不論普通棒材，還是合金鋼棒材的整體加工過程都是均熱+基于精軋和三輥減定徑機的控軋和水箱控冷的熱機耦合工藝+精整，使用到的核心工藝主要有熱機耦合控制工藝、在線熱處理工藝、以及高精度軋制工藝等先進技術，以確保軋線上生產(chǎn)出的成品在規(guī)格尺寸、小時產(chǎn)量、力學性能等方面都展現(xiàn)出高競爭力。眾多的學術研究和生產(chǎn)實踐證明，在成分含量保證下，棒材產(chǎn)品最終的微觀組織結構種類及尺寸大小，直接決定了力學性能，但又取決于軋制生產(chǎn)線全流程的加工工藝制度。

棒材產(chǎn)品在軋制生產(chǎn)線上，歷經(jīng)加熱、除磷、多道次軋制、多次切頭去尾，以及冷卻等工序，涉及的加工工藝參數(shù)包括均熱溫度，加熱時間，除磷水壓水量，開軋溫度，道次壓下量，終軋溫度，以及水箱冷卻時的水量水壓和空冷段距離等。工序段設備及工藝參數(shù)對軋件組織結構及其性能的影響十分復雜，具有遺傳性和系統(tǒng)性，此外，實際生產(chǎn)中設備在經(jīng)長期運營后，會逐漸發(fā)生老化及磨損，造成設備加工端尺寸變化，難以在被加工件上保證預設工藝的實施，造成產(chǎn)品質量穩(wěn)定性差，提升困難。因此雖然有許多研究和專利內容在保證鋼種冶煉成分，和控制連鑄坯質量缺陷基礎上，期望基于軋制段和水冷段的工藝控制實現(xiàn)改善成品質量，但由于棒材實際生產(chǎn)中的多工序特征，以及處于長期期運營狀態(tài)設備的能力會逐漸變化，導致通過傳統(tǒng)方法實時在線最優(yōu)工藝難以實現(xiàn)。

目前棒材軋制線上已有較好的自動化和信息化建設，通過進一步增加對軋件、設備、加工工序的檢測元件，在其基礎上通過前期對在線加工工藝參數(shù)，設備運行狀態(tài)參數(shù)，以及產(chǎn)品性能的海量數(shù)據(jù)采集，匯集成大數(shù)據(jù)庫后，應用神經(jīng)網(wǎng)絡，模糊算法，或專家系統(tǒng)等實現(xiàn)智能化數(shù)據(jù)挖掘，構建出工藝優(yōu)化算法模型后，就可實現(xiàn)在原料鋼坯特征和目標性能輸入條件下，用智能化模型逆向獲取最優(yōu)工藝。

綜上，為達到棒材軋制線上的智能化生產(chǎn)，在信息化形成大數(shù)據(jù)庫基礎上，基于連鑄坯和工序設備狀態(tài)特征的工藝智能化，結合全線的高自動化水平控制策略，是從根本上提高成品質量，以及尺寸和性能的穩(wěn)定性的重要途徑。

技術實現(xiàn)要素：

針對上述問題，本發(fā)明提供一種能提高成品質量的基于棒材大數(shù)據(jù)采集的智能化工藝生產(chǎn)線。

為達到上述目的，本發(fā)明一種基于棒材全流程大數(shù)據(jù)采集的智能化工藝生產(chǎn)線，包括數(shù)據(jù)采集系統(tǒng)，數(shù)據(jù)處理系統(tǒng)，生產(chǎn)線控制系統(tǒng)以及軋制生產(chǎn)線；

所述數(shù)據(jù)采集系統(tǒng)用于采集棒材軋制過程中各軋制環(huán)節(jié)對應的軋件尺寸及溫度信息，采集軋制生產(chǎn)線的工藝參數(shù)以及采集成品質量信息；并將采集到的數(shù)據(jù)信息保存后輸出給數(shù)據(jù)處理系統(tǒng)；

所述數(shù)據(jù)處理系統(tǒng)用于接收數(shù)據(jù)采集系統(tǒng)發(fā)出的數(shù)據(jù)信息，對數(shù)據(jù)信息進行智能優(yōu)化處理得到軋制模型；所述數(shù)據(jù)處理系統(tǒng)還用于接收目標成品信息和初始材料檢測模塊檢測的來料信息，根據(jù)軋制模型輸出對應的軋制工藝參數(shù)給生產(chǎn)線控制系統(tǒng)；

所述生產(chǎn)線控制系統(tǒng)用于接收數(shù)據(jù)處理系統(tǒng)發(fā)送的軋制工藝參數(shù)，對軋制生產(chǎn)線的軋制工藝參數(shù)進行調整。

進一步地，所述數(shù)據(jù)采集系統(tǒng)包括存儲模塊，設置在各軋機入口側的第一軋件幾何尺寸檢測模塊、第一溫度檢測模塊，設置在冷床上下口的軋件第二尺寸檢測模塊、第二溫度檢測模塊，在線成品檢測模塊；

所述第一軋件尺寸檢測模塊用于檢測軋件入軋機前的幾何尺寸信息，并將檢測到的幾何尺寸信息輸出給存儲模塊；

所述第一溫度檢測模塊用于檢測檢測軋件入軋前的溫度信息，并將檢測到的溫度信息輸出給存儲模塊；

所述第二軋件尺寸檢測模塊用于檢測冷床上軋件的幾何尺寸信息，并將檢測到的軋件幾何尺寸信息輸出給存儲模塊；

所述第二溫度檢測模塊用于檢測軋件入冷床前的溫度，并將檢測到的溫度信息輸出給存儲模塊；

所述在線成品檢測模塊用于檢測成品定尺后的成品質量，并將檢測到的成品質量信息輸出給存儲模塊。

進一步地，所述數(shù)據(jù)處理系統(tǒng)包括一數(shù)據(jù)處理模塊，所述數(shù)據(jù)處理模塊用于對采集到的數(shù)據(jù)進行處理得到軋制模型，所述數(shù)據(jù)處理模塊與所述數(shù)據(jù)存儲模塊通訊連接。

進一步地，所述生產(chǎn)線控制系統(tǒng)包括冷坯加熱爐控制模塊，軋機組控制模塊，水箱水冷控制模塊以及打捆機控制模塊；

所述冷坯加熱爐控制模塊用于控制加熱爐的溫度，加熱爐與所述冷坯加熱爐控制模塊受控連接；

所述軋機組控制模塊用于控制軋機組的輥縫、軋輥轉速以及壓下量，軋機組與所述軋機組控制模塊受控連接；

所述水箱水冷控制模塊用于控制水箱的水量及水壓，所述水箱與水箱控制模塊受控連接；

所述打捆機控制模塊用于控制捆包質量，捆扎周期，捆扎方式，打捆機與所述打捆機控制模塊受控連接。

進一步地，所述在線成品檢測模塊包括成品硬度測量儀和成品尺寸測量儀，所述成品硬度測量儀和所述成品尺寸測量儀均與所述數(shù)據(jù)存儲模塊通訊連接。

進一步地，所述智能化工藝生產(chǎn)線還包括生產(chǎn)計劃管理系統(tǒng)，所述生產(chǎn)計劃管理系統(tǒng)包括訂單生成模塊，訂單處理模塊，用于記錄坯料和加工件信息的物料管理模塊，以及用于記錄成品信息的成品管理模塊，所述訂單生成模塊、物料管理模塊、成品管理模塊均與所述訂單處理模塊通訊連接；

所述訂單處理模塊用于接收訂單生成模塊的訂單信息，并從所述物料管理系統(tǒng)查詢所需要的物料信息得到最終的初始材料信息；訂單處理模塊將最終的初始材料信息和訂單信息中的目標成品信息輸出給所述信息處理模塊；

所述成品管理模塊用于接收訂單處理模塊發(fā)出的訂單信息，記錄并保存訂單信息中的目標成品信息。

本發(fā)明一種基于棒材全流程大數(shù)據(jù)采集的智能化工藝生產(chǎn)線，可實現(xiàn)基于來料和設備狀態(tài)特征的全流程最低耗能和優(yōu)化工藝加工，生產(chǎn)得到的產(chǎn)品不僅質量高，而且在尺寸和力學性能穩(wěn)定性方面也得到顯著提高。

為達到上述目的，本發(fā)明一種基于棒材全流程大數(shù)據(jù)采集的智能化工藝生產(chǎn)方法，包括數(shù)據(jù)采集系統(tǒng)，數(shù)據(jù)處理系統(tǒng)，生產(chǎn)線控制系統(tǒng)以及軋制生產(chǎn)線，所述數(shù)據(jù)采集系統(tǒng)與所述數(shù)據(jù)處理系統(tǒng)通訊連接，所述數(shù)據(jù)處理系統(tǒng)與所述生產(chǎn)線控制系統(tǒng)通訊連接，所述軋制生產(chǎn)線與所述生產(chǎn)線控制系統(tǒng)受控連接，其特征在于，所述方法如下：

步驟一、利用所述數(shù)據(jù)采集系統(tǒng)采集棒材軋制過程中各軋制環(huán)節(jié)對應的軋件尺寸及溫度信息，采集軋制生產(chǎn)線的工藝參數(shù)以及采集成品質量信息得到棒材全流程制造大數(shù)據(jù)；并將棒材全流程制造大數(shù)據(jù)保存后輸出給數(shù)據(jù)處理系統(tǒng)；

步驟二、利用所述數(shù)據(jù)處理系統(tǒng)接收數(shù)據(jù)采集系統(tǒng)發(fā)出的棒材全流程制造大數(shù)據(jù)，對數(shù)據(jù)進行智能優(yōu)化處理得到軋制模型；還利用所述信息處理模塊接收目標成品信息和初始材料檢測模塊檢測的來料信息，根據(jù)軋制模型輸出對應的軋制工藝參數(shù)給生產(chǎn)線控制模塊；

步驟三、利用所述生產(chǎn)線控制模塊接收信息處理模塊發(fā)送的軋制工藝參數(shù)，對軋制生產(chǎn)線的軋制工藝參數(shù)進行調整。

進一步地，所述數(shù)據(jù)采集系統(tǒng)包括存儲模塊，設置在各軋機入口側的第一軋件幾何尺寸檢測模塊、第一溫度檢測模塊，設置在冷床上下口的軋件第二尺寸檢測模塊、第二溫度檢測模塊，在線成品檢測模塊；其特征在于，所述步驟一的具體方法為，

利用所述第一軋件尺寸檢測模塊檢測軋件入軋機前的幾何尺寸信息，并將檢測到的幾何尺寸信息輸出給存儲模塊；

利用所述第一溫度檢測模塊檢測檢測軋件入軋前的溫度信息，并將檢測到的溫度信息輸出給存儲模塊；

利用所述第二軋件尺寸檢測模塊檢測冷床上軋件的幾何尺寸信息，并將檢測到的軋件幾何尺寸信息輸出給存儲模塊；

利用所述第二溫度檢測模塊檢測軋件入冷床前的溫度，并將檢測到的溫度信息輸出給存儲模塊；

利用所述在線成品檢測模塊檢測成品定尺后的成品質量，并將檢測到的成品質量信息輸出給存儲模塊。

進一步地，，所述方法還包括記錄數(shù)據(jù)采集系統(tǒng)采集到的不完整元數(shù)據(jù)，利用有限元對加熱、軋制、冷卻工藝的模擬，采用仿真數(shù)據(jù)補全缺失工藝段數(shù)據(jù)，形成有效元數(shù)據(jù)；再與采集到的數(shù)據(jù)相結合，得到棒材全流程制造大數(shù)據(jù)。

進一步地，所述步驟二中對數(shù)據(jù)進行智能優(yōu)化處理得到軋制模型的具體方法為：

(1)采用主成分分析模型，以棒材全流程制造大數(shù)據(jù)的加工過程工藝數(shù)據(jù)與加工結果工件性能數(shù)據(jù)樣本為對象，將具有高維、強關聯(lián)、非線性特征的信息，利用粗集約簡理論進行離散化和降維處理，通過頻集遞推思想，構建條件特性與結果屬性間關聯(lián)規(guī)則，得出影響工件性能的主要制造流程工藝段；

(2)基于主成分分析結果，采用基于多種群遺傳算法的bp神經(jīng)網(wǎng)絡智能組合算法，對主成分分析得出的樣本空間范圍，訓練神經(jīng)網(wǎng)絡結構的輸入層、隱含層、輸出層中所有權值和閾值，比較訓練預測結果與真實結果，得到預測精度高的最優(yōu)化網(wǎng)絡；具體實現(xiàn)過程為：

a.設定目標函數(shù)mine＝f(w1,w2,…,wn,b1,b2,…,bm)；式中e為樣本訓練預測結果與真實結果的總均方差，w1,w2,…,wn,b1,b2,…,bm為統(tǒng)一編號后的bp神經(jīng)網(wǎng)絡輸入層、隱含層、輸出層的連接權重和閾值矩陣。

b.約束條件：i＝1,2,…,n^*；j＝1,2,…,m^*；

式中和為第i個權值wi變化的上下限；而和為第j個閾值bj變化的上下限。

由于神經(jīng)網(wǎng)絡訓練中權重與閾值矩陣為二維向量。采用多種群遺傳算法進行優(yōu)化時，要轉化為一維連續(xù)向量，進行重新統(tǒng)一編號。

c.樣本訓練：對樣本輸入輸出數(shù)據(jù)歸一化后，以總均方誤差值、收斂步數(shù)為目標函數(shù)，采用數(shù)值試驗方法確定最佳抽樣份數(shù)、隱層節(jié)點數(shù)、學習規(guī)則、學習率等神經(jīng)網(wǎng)絡模型結構參數(shù)，輸出得到最優(yōu)預報模型。

d.模型的使用：當在軋線上進行一次新的加工時，將來料鑄坯特征情況信息，以及軋線段上設備使用信息經(jīng)處理后，作為輸入?yún)?shù)，給予構造出的智能算法模型，得到結果，再以計算得到的性能結果為依據(jù)，在不能滿足要求下，搜索數(shù)據(jù)庫內，得出既滿足性能要求又與制定的擬定工藝偏差最小的加工工序。最后根據(jù)實際制造結果數(shù)據(jù)，更新一次數(shù)據(jù)庫和模型結構參數(shù)。

進一步地，所述生產(chǎn)控制系統(tǒng)包括冷坯加熱爐控制模塊，軋機組控制模塊，水箱水冷控制模塊以及打捆機控制模塊；其特征在于，所述步驟二的具體方法為：

利用所述冷坯加熱爐控制模塊接收信息處理模塊發(fā)出的爐溫參數(shù)，并控制加熱爐的溫度；

利用所述軋機組控制模塊接收信息處理模塊發(fā)出的輥縫、軋輥轉速以及壓下量信息，對軋機組進行調整；

利用所述水箱水冷控制模塊接收信息處理模塊發(fā)出的水箱的水量及水壓信息，對水箱進行控制；

利用所述打捆機控制模塊接收信息處理模塊發(fā)出的捆包質量，捆扎方式，捆扎周期信息，對打捆機進行控制。

進一步地，所述成品質量信息包括成品的尺寸，成品的硬度，成品的，成品的屈服強度，成品的抗拉強度，以及成品的晶粒度。

進一步地，所述方法還包括利用一生產(chǎn)計劃管理系統(tǒng)進行定制化生產(chǎn)；具體方法為：

利用生產(chǎn)計劃管理系統(tǒng)中的訂單處理模塊接收訂單生成模塊發(fā)出的訂單信息，并從所述物料管理系統(tǒng)查詢所需要的物料信息得到最終的初始材料信息；訂單處理模塊再將最終的初始材料信息和訂單信息中的目標成品信息輸出給所述信息處理模塊；

利用成品管理模塊接收訂單處理模塊發(fā)出的訂單信息，記錄并保存訂單信息中的目標成品信息。

本發(fā)明基于棒材全流程大數(shù)據(jù)的智能化生產(chǎn)方法，通過采集海量數(shù)據(jù)形成大數(shù)據(jù)庫，在掘算法智能化數(shù)據(jù)挖下，構建出模型，以達到對于新的來料連鑄鋼坯，在給定終態(tài)加工要求條件下，將其轉化為特征信息參數(shù)后作為輸入量后，構建出的智能優(yōu)化模型可給出適應于該鋼坯和當前設備條件下的加工工藝參數(shù)，實現(xiàn)最低能耗生產(chǎn)高質量水平軋件的要求。

附圖說明

圖1為傳統(tǒng)棒材軋制生產(chǎn)線；

圖2為基于棒材全流程大數(shù)據(jù)的智能化生產(chǎn)線方案原理框圖。

具體實施方式

下面結合說明書附圖對本發(fā)明做進一步的描述。

如圖1所示軋線布置方案圖所示，對于傳統(tǒng)的棒軋制生產(chǎn)線而言，工藝一般為：均熱，高壓水除磷，粗軋機組，飛剪，中軋機組，飛剪，預精軋機組，水箱+空冷回溫冷卻，飛剪，精軋機組，水箱+空冷回溫冷卻，飛剪，除磷，減定徑機組，水箱+空冷回溫冷卻，成品倍尺，冷床冷卻，定尺，打捆入庫，就工序段上，涉及的設備加工工藝參數(shù)設定，通常都采用先解析或分析型算法大致確定參數(shù)范圍，隨后通過長期摸索形成固定加工工藝值形式，

本發(fā)明提出了基于棒材全流程大數(shù)據(jù)的智能化生產(chǎn)線，其方案原理如圖2所示，包括數(shù)據(jù)采集系統(tǒng)，數(shù)據(jù)處理系統(tǒng)，生產(chǎn)線控制系統(tǒng)以及軋制生產(chǎn)線；

所述數(shù)據(jù)采集系統(tǒng)用于采集棒材軋制過程中各軋制環(huán)節(jié)對應的軋件尺寸及溫度信息，采集軋制生產(chǎn)線的工藝參數(shù)以及采集成品質量信息；并將采集到的數(shù)據(jù)信息保存后輸出給數(shù)據(jù)處理系統(tǒng)；

所述數(shù)據(jù)處理系統(tǒng)用于接收數(shù)據(jù)采集系統(tǒng)發(fā)出的數(shù)據(jù)信息，對數(shù)據(jù)信息進行智能優(yōu)化處理得到軋制模型；所述信息處理模塊還用于接收目標成品信息和初始材料檢測模塊檢測的來料信息，根據(jù)軋制模型輸出對應的軋制工藝參數(shù)給生產(chǎn)線控制模塊；

所述生產(chǎn)線控制模塊用于接收信息處理模塊發(fā)送的軋制工藝參數(shù)，對軋制生產(chǎn)線的軋制工藝參數(shù)進行調整。

實施例二

作為實施例一的進一步方案，所述數(shù)據(jù)采集系統(tǒng)包括存儲模塊，設置在各軋機入口側的第一軋件幾何尺寸檢測模塊、第一溫度檢測模塊，設置在冷床上下口的軋件第二尺寸檢測模塊、第二溫度檢測模塊，在線成品檢測模塊；

所述第一軋件尺寸檢測模塊用于檢測軋件入軋機前的幾何尺寸信息，并將檢測到的幾何尺寸信息輸出給存儲模塊；

所述第一溫度檢測模塊用于檢測檢測軋件入軋前的溫度信息，并將檢測到的溫度信息輸出給存儲模塊；

所述第二軋件尺寸檢測模塊用于檢測冷床上軋件的幾何尺寸信息，并將檢測到的軋件幾何尺寸信息輸出給存儲模塊；

所述第二溫度檢測模塊用于檢測軋件入冷床前的溫度，并將檢測到的溫度信息輸出給存儲模塊；

所述在線成品檢測模塊用于檢測成品定尺后的成品質量，并將檢測到的成品質量信息輸出給存儲模塊。

實施例三

結合實施例一和實施例二，所述生產(chǎn)控制系統(tǒng)包括冷坯加熱爐控制模塊，軋機組控制模塊，水箱水冷控制模塊以及打捆機控制模塊；

所述冷坯加熱爐控制模塊用于控制加熱爐的溫度，所述冷坯加熱爐控制模塊與加熱爐受控連接；

所述軋機組控制模塊用于控制軋機組的輥縫、軋輥轉速以及壓下量，所述軋機組控制模塊與軋機組受控連接；

所述水箱水冷控制模塊用于控制水箱的水量及水壓，所述水箱控制模塊與水箱受控連接；

所述打捆機控制模塊用于控制捆包質量，捆扎周期，捆扎方式，所述打捆機控制模塊與打捆機受控連接；

所述數(shù)據(jù)處理系統(tǒng)包括一數(shù)據(jù)處理模塊，所述數(shù)據(jù)處理模塊用于對采集到的數(shù)據(jù)進行處理得到軋制模型，所述數(shù)據(jù)處理模塊與所述數(shù)據(jù)存儲模塊通訊連接。

實施例四

作為實施例一的進一步方案，所述在線成品檢測模塊包括成品硬度測量儀和成品尺寸測量儀，所述成品硬度測量儀和所述成品尺寸測量儀均與所述數(shù)據(jù)采集系統(tǒng)通訊連接。

實施例五

在實施例一的基礎上，所述智能化工藝生產(chǎn)線還包括生產(chǎn)計劃管理系統(tǒng)，所述生產(chǎn)計劃管理系統(tǒng)包括訂單生成模塊，訂單處理模塊，用于記錄坯料和加工件信息的物料管理模塊，以及用于記錄成品信息的成品管理模塊，所述訂單生成模塊、物料管理模塊、成品管理模塊均與所述訂單處理模塊通訊連接；

所述訂單處理模塊用于接收訂單生成模塊的訂單信息，并從所述物料管理系統(tǒng)查詢所需要的物料信息得到最終的初始材料信息；訂單處理模塊將最終的初始材料信息和訂單信息中的目標成品信息輸出給所述信息處理模塊；

所述成品管理模塊用于接收訂單處理模塊發(fā)出的訂單信息，記錄并保存訂單信息中的目標成品信息。

本發(fā)明提出的棒材智能化生產(chǎn)線，在前期建成投入運行后先長期采集實際的生產(chǎn)信息，主要是記錄連鑄鋼坯鋼種，尺寸規(guī)格信息，和歷經(jīng)的加工工序工藝參數(shù)，結合設備運行特征參數(shù)，一起作為輸入，將生產(chǎn)出的成品尺寸公差和硬度值作為輸出，經(jīng)海量收集形成大數(shù)據(jù)庫，在掘算法智能化數(shù)據(jù)挖下，構建出模型，以達到對于新的來料連鑄鋼坯，在給定終態(tài)加工要求條件下，將其轉化為特征信息參數(shù)后作為輸入量后，構建出的智能優(yōu)化模型可給出適應于該鋼坯和當前設備條件下的加工工藝參數(shù)，實現(xiàn)最低能耗生產(chǎn)高質量水平軋件的要求。

實施例六

本發(fā)明提供一種基于棒材全流程大數(shù)據(jù)采集的智能化工藝生產(chǎn)方法，包括數(shù)據(jù)采集系統(tǒng)，數(shù)據(jù)處理系統(tǒng)，生產(chǎn)線控制系統(tǒng)以及軋制生產(chǎn)線，所述數(shù)據(jù)采集系統(tǒng)與所述數(shù)據(jù)處理系統(tǒng)通訊連接，所述數(shù)據(jù)處理系統(tǒng)與所述生產(chǎn)線控制系統(tǒng)通訊連接，所述生產(chǎn)線控制系統(tǒng)與所述軋制生產(chǎn)線受控連接，所述方法如下：

步驟一、利用所述數(shù)據(jù)采集系統(tǒng)采集棒材軋制過程中各軋制環(huán)節(jié)對應的軋件尺寸及溫度信息，采集軋制生產(chǎn)線的工藝參數(shù)以及采集成品質量信息得到棒材全流程制造大數(shù)據(jù)；并將棒材全流程制造大數(shù)據(jù)保存后輸出給數(shù)據(jù)處理系統(tǒng)；

步驟二、利用所述數(shù)據(jù)處理系統(tǒng)接收數(shù)據(jù)采集系統(tǒng)發(fā)出的棒材全流程制造大數(shù)據(jù)，對數(shù)據(jù)進行智能優(yōu)化處理得到軋制模型；還利用所述信息處理模塊接收目標成品信息和初始材料檢測模塊檢測的來料信息，根據(jù)軋制模型輸出對應的軋制工藝參數(shù)給生產(chǎn)線控制模塊；

步驟三、利用所述生產(chǎn)線控制模塊接收信息處理模塊發(fā)送的軋制工藝參數(shù)，對軋制生產(chǎn)線的軋制工藝參數(shù)進行調整。

實施例七

結合實施例六，所述數(shù)據(jù)采集系統(tǒng)包括存儲模塊，設置在各軋機入口側的第一軋件幾何尺寸檢測模塊、第一溫度檢測模塊，設置在冷床上下口的軋件第二尺寸檢測模塊、第二溫度檢測模塊，在線成品檢測模塊；其特征在于，所述步驟一的具體方法為，

利用所述第一軋件尺寸檢測模塊檢測軋件入軋機前的幾何尺寸信息，并將檢測到的幾何尺寸信息輸出給存儲模塊；

利用所述第一溫度檢測模塊檢測檢測軋件入軋前的溫度信息，并將檢測到的溫度信息輸出給存儲模塊；

利用所述第二軋件尺寸檢測模塊檢測冷床上軋件的幾何尺寸信息，并將檢測到的軋件幾何尺寸信息輸出給存儲模塊；

利用所述第二溫度檢測模塊檢測軋件入冷床前的溫度，并將檢測到的溫度信息輸出給存儲模塊；

利用所述在線成品檢測模塊檢測成品定尺后的成品質量，并將檢測到的成品質量信息輸出給存儲模塊。

實施例八

結合實施例六，所述方法還包括，所述方法還包括記錄數(shù)據(jù)采集系統(tǒng)采集到的不完整元數(shù)據(jù)，利用有限元對加熱、軋制、冷卻工藝的模擬，采用仿真數(shù)據(jù)補全缺失工藝段數(shù)據(jù)，形成有效元數(shù)據(jù)；再與采集到的數(shù)據(jù)相結合，得到棒材全流程制造大數(shù)據(jù)。

實施例九

結合實施例六，所述步驟二中對數(shù)據(jù)進行智能優(yōu)化處理得到軋制模型的具體方法為，

(1)采用主成分分析模型，以棒材全流程制造大數(shù)據(jù)的加工過程工藝數(shù)據(jù)與加工結果工件性能數(shù)據(jù)樣本為對象，將具有高維、強關聯(lián)、非線性特征的信息，利用粗集約簡理論進行離散化和降維處理，通過頻集遞推思想，構建條件特性與結果屬性間關聯(lián)規(guī)則，得出影響工件性能的主要制造流程工藝段；

(2)基于主成分分析結果，采用基于多種群遺傳算法的bp神經(jīng)網(wǎng)絡智能組合算法，對主成分分析得出的樣本空間范圍，訓練神經(jīng)網(wǎng)絡結構的輸入層、隱含層、輸出層中所有權值和閾值，比較訓練預測結果與真實結果，得到預測精度高的最優(yōu)化網(wǎng)絡。

實施例十

結合實施例六，所述生產(chǎn)控制系統(tǒng)包括冷坯加熱爐控制模塊，軋機組控制模塊，水箱水冷控制模塊以及打捆機控制模塊；其特征在于，所述步驟二的具體方法為：

利用所述冷坯加熱爐控制模塊接收信息處理模塊發(fā)出的爐溫參數(shù)，并控制加熱爐的溫度；

利用所述軋機組控制模塊接收信息處理模塊發(fā)出的輥縫、軋輥轉速以及壓下量信息，對軋機組進行調整；

利用所述水箱水冷控制模塊接收信息處理模塊發(fā)出的水箱的水量及水壓信息，所述水箱控制模塊與水箱受控連接；

利用所述打捆機控制模塊接收信息處理模塊發(fā)出的捆包質量，捆扎方式，捆扎周期信息，對打捆機進行控制。

實施例十一

作為實施例七的進一步方案，所述成品質量信息包括成品的尺寸，成品的硬度，成品的，成品的屈服強度，成品的抗拉強度，以及成品的晶粒度。

實施例十二

結合實施例六，所述方法還包括利用一生產(chǎn)計劃管理系統(tǒng)進行定制化生產(chǎn)；具體方法為：

利用生產(chǎn)計劃管理系統(tǒng)中的訂單處理模塊接收訂單生成模塊發(fā)出的訂單信息，并從所述物料管理系統(tǒng)查詢所需要的物料信息得到最終的初始材料信息；訂單處理模塊再將最終的初始材料信息和訂單信息中的目標成品信息輸出給所述信息處理模塊；

利用成品管理模塊接收訂單處理模塊發(fā)出的訂單信息，記錄并保存訂單信息中的目標成品信息。

本發(fā)明提出的基于棒材全流程大數(shù)據(jù)的智能化生產(chǎn)方法，在前期建成投入運行后先長期采集實際的生產(chǎn)信息，主要是記錄連鑄鋼坯鋼種，尺寸規(guī)格信息，和歷經(jīng)的加工工序工藝參數(shù)，結合設備運行特征參數(shù)，一起作為輸入，將生產(chǎn)出的成品尺寸公差和硬度值作為輸出，經(jīng)海量收集形成大數(shù)據(jù)庫，在掘算法智能化數(shù)據(jù)挖下，構建出模型，以達到對于新的來料連鑄鋼坯，在給定終態(tài)加工要求條件下，將其轉化為特征信息參數(shù)后作為輸入量后，構建出的智能優(yōu)化模型可給出適應于該鋼坯和當前設備條件下的加工工藝參數(shù)，實現(xiàn)最低能耗生產(chǎn)高質量水平軋件的要求。

本發(fā)明提出的基于棒材全流程大數(shù)據(jù)的智能化生產(chǎn)線，為實現(xiàn)生產(chǎn)智能化時必須基于大數(shù)據(jù)，但是大數(shù)據(jù)的收集和挖掘需以生產(chǎn)線為基礎，即在生產(chǎn)線上通過設備設計和改造實現(xiàn)數(shù)據(jù)的收集，并進一步通過智能化裝備落實。因此為有效地開展在線數(shù)據(jù)收集、分析和自動化反饋的智能控制，必須要求生產(chǎn)線具有較好的自動化控制水平和設備的先進性。本發(fā)明中在軋線布置方案設計中引入了大數(shù)據(jù)的采集裝置分析裝置以及智能控制單元，同時還將軋制工藝參數(shù)的數(shù)據(jù)存貯技術和軋制產(chǎn)品關系評價體系數(shù)據(jù)化、軋鋼大數(shù)據(jù)與產(chǎn)品特性的相關性挖掘、數(shù)據(jù)分析和人工智能、軋制模型、組織演變模型的結合，通過設備、工藝技術、組織性能、算法和軟件開發(fā)研究等關鍵技術，實現(xiàn)“智能化制備和工藝”。在本發(fā)明的設計方案中，基于棒材全流程大數(shù)據(jù)的智能化生產(chǎn)線，對于多工序生產(chǎn)成本綜合優(yōu)化和窄窗口智能化控制技術，落實在具體工藝設備上，包括冷坯加熱爐智能化，26機架軋制過程及6水箱水冷智能化控軋控冷工藝，后續(xù)精整線上打捆機智能化，并將棒材生產(chǎn)線上核心設備智能化三輥減定徑機予以自主研發(fā)國產(chǎn)化；對于基于大數(shù)據(jù)的溫度場-應力場-應變場耦合及產(chǎn)品多等級質量控制等鋼材定制化生產(chǎn)與窄窗口智能化控制技術，落實在前期小范圍改裝生產(chǎn)線，安排布置合適的檢測元器件，采集基于來料特征和工藝特征的成品性能，尺寸數(shù)據(jù)，并采用有限元理論研究方面的溫度場-應力場-應變場耦合作為補充，構成大數(shù)據(jù)庫，結合智能算法(神經(jīng)網(wǎng)絡，模糊算法，機器學習等數(shù)據(jù)挖掘方法)，以成品質量和規(guī)格需求為目標，得出適用于以坯料特征為條件的最優(yōu)化工藝參數(shù)，并在前述智能化設備上在實際生產(chǎn)中予以實現(xiàn)；對于鋼材定制化生產(chǎn)，加入了加工件制造過程、成品質量、倉儲情況、及產(chǎn)品去向內容，落實在構建出基于全流程物料管理智能信息化系統(tǒng)，包含了以產(chǎn)品質量和產(chǎn)量為需求的生產(chǎn)計劃管理，并與所構建的基于大數(shù)據(jù)工藝智能優(yōu)化系統(tǒng)相結合，完成坯料，加工件，及成品的信息化追蹤，及綜合智能管理。

以上，僅為本發(fā)明的較佳實施例，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發(fā)明揭露的技術范圍內，可輕易想到的變化或替換，都應涵蓋在本發(fā)明的保護范圍之內。因此，本發(fā)明的保護范圍應該以權利要求所界定的保護范圍為準。