(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210892869.6 (22)申请日 2022.07.27 (71)申请人 湖南华菱涟源钢铁有限公司 地址 417000 湖南省娄底市娄星区黄泥塘 甘桂路1005号双菱大厦 (72)发明人 谢保盛　汪净　赵如　罗钢　 刘洺瑞　 (74)专利代理 机构 湖南正则奇美专利代理事务 所(普通合伙) 4310 5 专利代理师 肖琦 (51)Int.Cl. G06Q 10/06(2012.01) G06F 16/215(2019.01) G06F 16/25(2019.01) G06F 16/28(2019.01)G06K 9/62(2022.01) G06F 30/27(2020.01) B21D 22/02(2006.01) (54)发明名称 一种薄板带钢冲压开裂的预测方法和装置 (57)摘要 本发明公开了一种薄板带钢冲压开裂的预 测方法和装置， 涉及钢铁工厂质量技术领域， 通 过设置冶炼工序数据采集模块、 热轧工序数据采 集模块以及冷轧工序数据采集模块分别收集冶 炼工序数据、 热轧工序数据以及冷轧工序数据； 通过设置数据前处理模块对工序数据进行特征 提取、 交换坯类型判定、 数据整合以及数据清洗 获得训练用数据； 通过模型预测模块对筛选后的 初始训练数据进行主成分分析； 并添加新随机正 样本数据； 再使用GBDT算法建立并训练预测模 型； 使用训练模型预测生产中的冲压开裂情况； 解决了薄板带钢冲压开裂无法预测的问题。 权利要求书3页 说明书6页 附图2页 CN 115239155 A 2022.10.25 CN 115239155 A 1.一种薄板带钢冲压开裂的预测方法， 其特 征在于， 包括以下步骤： 步骤一： 冶炼工序数据采集模块收集冶炼工序数据； 冶炼工序数据采集模块将采集的 冶炼工序数据通过电气方式发送至数据前处 理模块； 步骤二： 热轧工序数据采集模块采集热轧工序数据； 热轧工序数据采集模块将收集的 热轧工序数据通过电气方式发送至数据前处 理模块； 步骤三： 冷轧工序数据采集模块采集冷轧工序数据； 冷轧工序数据采集模块将收集的 冷轧工序数据通过电气方式发送至数据前处 理模块； 步骤四： 数据前处理模块将收集的冶炼工序数据、 热轧工序数据以及冷轧工序数据进 行数据预处理； 所述数据预处理包括特征提取、 交换坯类型判定、 数据整合以及数据清洗； 数据前处 理模块将预处 理后的数据发送至前 数据存储模块； 步骤五： 前 数据处理模块使用关系型 数据库存 储清洗后的数据； 步骤六： 模型预测模块获取前数据存储模块存储的清洗后的数据； 并将数据与实 际的 冲压开裂反馈数据共同构成初始训练数据； 通过实际经验设置的相关因素筛选， 删除初始 训练数据中的无关因素； 对筛选后的初始训练数据进行主成分分析； 并添加新随机正样本数据 后使用 RUSBOOT采样算法从初始训练数据中进行采样， 对采样后的数据使用GBDT算法建立预测模 型并进行训练； 将训练完成的预测模型标记为G； 所述正样本为冲压开裂的样本； GBDT算法 的预测目标为判断样本是否开裂； 步骤七： 模型预测模块使用预测模型G对生产中产生的实时冶炼工序 数据、 热轧工序 数 据以及冷轧工序数据对冲压开裂情况进行 预测。 2.根据权利要求1所述的一种薄板带钢冲压开裂的预测方法， 其特征在于， 所述冶炼工 序数据采集模块包括转炉数据单元、 LF数据单元、 RH数据单元以及连铸数据单元； 各个数据 单元收集不同的冶炼数据； 其中转炉数据单元收集的数据包括转炉成分、 废钢量、 铁水量以及钢水量； 其中， LF数 据单元收集的数据包括废钢量、 白渣保护时间、 软吹时间、 镇静时间、 出站温度、 铝耗以及 渣 中T.Fe含量； 其中， RH数据单元收集的数据包括废钢量、 吹氧量、 脱碳终点氧、 极限真空度、 脱气时 间、 合金添加量以及成分； 其中， 连铸数据单元收集的数据包括流次、 保护 渣、 拉速、 中包铝、 中包钛、 板坯号、 液位 波动量、 塞棒位置、 中包吨位、 过钢量、 过热度、 氩气流量、 塞棒氩气背压、 中包车、 中间包号 以及成分； 其中， 氩气流量包括含塞棒、 塞棒氩气背压、 上水口氩气以及上水口氩气背压； 汇总转 炉数据单 元、 LF数据单元、 RH数据单 元以及连铸数据单 元。 3.根据权利要求1所述的一种薄板带钢冲压开裂的预测方法， 其特征在于， 所述热轧工 序数据采集模块包括加热炉数据单元、 粗轧数据单元、 精轧单元以及卷取单元； 各个数据单 元收集不同的热轧数据； 其中， 加热炉数据单元收集的数据包括库龄、 入炉温度、 各加热段温度与时间、 固溶时 间以及出炉温度；权　利　要　求　书 1/3 页 2 CN 115239155 A 2所述粗轧数据单 元收集的数据包括各道次宽度、 各道次厚度以及出口温度； 所述精轧数据单 元收集的数据包括入口温度、 出口温度、 轧制速度以及ISC水量； 所述卷取单元收集的数据包括各位置温度以及卷 取速度。 4.根据权利要求1所述的一种薄板带钢冲压开裂的预测方法， 其特征在于， 所述冷轧工 序数据采集模块收集的冷轧工序数据包括变形量、 退火炉各段温度、 退火炉各段气氛、 退火 炉运行速度以及光整机伸长率。 5.根据权利要求1所述的一种薄板带钢冲压开裂的预测方法， 其特征在于， 所述数据 前 处理模块包括特 征提取单元、 交换坯类型判定单 元、 数据整合单 元、 数据清洗单 元； 其中， 所述特征提取单元用于对数据进行特征提取； 所述特征提取为将冶炼工序 数据、 热轧工序数据以及冷轧工序数据， 根据实际经验对每项 数据采用计算数据 平均值、 中位数、 标准差、 最大值、 最小值、 斜率、 时长、 峰值、 峰宽、 累计值、 频率、 CPK、 离散度、 命中率、 偏度以 及峰度中的某一项或若干项结合的方式， 获取每项数据的数字化表达； 将每项数字化表示 的数据称为工艺 参数； 其中， 所述交换坯类型判定单 元用于根据中包吨位曲线判断交换坯类型； 其中， 所述数据整合单元用于将预处理后的数据进行整合， 整合成模型训练模块可使 用的数据集 合； 其中， 所述数据清洗单 元用于对整合 好的数据进行 数据清洗 。 6.根据权利要求1所述的一种薄板带钢冲压开裂的预测方法， 其特征在于， 所述模型预 测模块添加新随机正样本数据 的方式如下： 其中， i为工艺参数， n为第n个 数据值， 为正样本数据的i工艺平均值 为负样本 数据的i工艺平均值， ran d(‑1,1)为在( ‑1,1)范围内的随机数， α 为根据实际经验设置的范 围在0.5‑5之间的增益系数； 分别为旧数据和基于旧数据 产生的新数据。 7.一种薄板带钢冲压开裂的预测装置， 其特征在于， 包括冶炼工序 数据采集模块、 热轧 工序数据采集模块、 冷轧工序数据采集模块、 数据前处理模块、 前数据处理模块以及 模型预 测模块； 其中， 冶炼工序 数据采集模块、 热轧工序 数据采集模块、 冷轧工序 数据采集模块分别收 集冶炼工序数据、 热轧工序数据、 冷轧工序数据； 冶炼工序数据采集模块、 热轧工序数据采集模块、 冷轧工序数据采集模块通过电气方 式分别将冶炼工序数据、 热轧工序数据、 冷轧工序数据发送至数据前处 理模块； 数据前处理模块将收集的冶炼工序 数据、 热轧工序 数据以及冷轧工序 数据进行数据 预 处理； 数据前处 理模块将预处 理后的数据发送至前 数据存储模块； 模型预测模块获取前数据存储模块存储的清洗后的数据； 并将数据与实际的冲压开裂 反馈数据共同构成初始训练数据； 通过实际经验设置的相关因素筛选， 删除初始训练数据 中的无关因素； 对筛选后的初始训练数据进行主成分分析； 并添加新随机正样本数据； 后使用RUSBOOT 采样算法从初始训练数据中进 行采样， 对采样后的数据使用GBDT算法建立预测模 型并进行权　利　要　求　书 2/3 页 3 CN 115239155 A 3