基于工业过程的控制方法、设备和存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种基于工业过程的控制方法、一种电子设备和一种存储介质。


背景技术：

2.加热炉是钢铁行业热轧工序的一部分，主要是将板坯加热到规定温度(1000度左右)，消解板坯内部应力并增加板坯的可塑性，然后经过热轧工序加工成产品的需要规格。
3.加热炉分为四段：预热段、加一段、加二段、均热段，每段在6～10米，总长约30米左右。板坯按照生产调度计划排期后，依次进入炉内进行加热，由于生产需要，会存在不同型号的板坯同时加热情况：复杂生产过程会有300～400个板坯型号，简单的也会有几十个型号。
4.目前在板坯加热过程中，不同规格的板坯混合加工，多种板坯同时在炉内，需要兼顾其不同的温度需求，而板坯在加热炉内的位置无法观察，且加热炉是一个燃烧系统，需要保证燃气与空气流量的比例控制，而且燃气来自上游工序，其热值波动很大。而温度控制不准确，会影响板坯的加工，影响生产质量。


技术实现要素：

5.本技术实施例提供了一种基于工业过程的控制方法，以准确的控制温度。
6.相应的，本技术实施例还提供了一种电子设备和一种存储介质，用以保证上述系统的实现及应用。
7.为了解决上述问题，本技术实施例公开了一种基于工业过程的控制方法，所述方法包括：
8.获取加热炉控制系统的生产加工数据，所述生产加工数据包括：板坯数据和炉膛数据；
9.基于所述板坯数据确定对应板坯的升温曲线，基于所述升温曲线确定板坯在加工段的目标出段温度；
10.基于所述炉膛数据和板坯温度预测模型，预测板坯在各加工段的预测出段温度；
11.依据所述目标出段温度、预测出段温度确定炉膛推荐温度；
12.发送所述炉膛推荐温度给所述加热炉控制系统。
13.可选的，所述炉膛数据包括炉膛温度数据，所述基于所述炉膛数据和板坯温度预测模型，预测板坯在加工段的预测出段温度，包括：
14.基于所述炉膛温度数据进行拟合处理，确定沿加热炉长度方向的炉膛温度分布；
15.基于板坯温度预测模型分布和炉膛温度，预测板坯在加工段的预测出段温度。
16.可选的，所述基于板坯温度预测模型和炉膛温度分布，预测板坯在加工段的预测出段温度，包括：
17.确定板坯位置数据；
18.依据所述炉膛温度分布、板坯位置数据和所述板坯温度预测模型，预测板坯在加工段的预测出段温度，所述板坯温度预测模型基于机理模型构建，所述机理模型基于热传导模型构建。
19.可选的，依据所述目标出段温度、预测出段温度确定炉膛推荐温度，包括：
20.依据所述目标出段温度、预测出段温度确定温度偏差数据；
21.依据所述温度偏差数据、板坯数据和板坯位置数据，确定炉膛推荐温度。
22.可选的，所述生产加工数据还包括炉表数据，所述确定板坯位置数据包括：
23.基于所述炉表数据确定板坯位置和板坯间隔；
24.依据所述板坯位置和板坯间隔，确定板坯位置数据。
25.可选的，还包括：
26.获取目标板坯的升温曲线；
27.基于所述历史加工数据和板坯温度预测模型，预测板坯的出段温度；
28.基于所述出段温度对所述升温曲线进行优化。
29.本技术实施例还公开了一种基于工业过程的控制装置，所述装置包括：
30.获取模块，用于获取加热炉控制系统的生产加工数据，所述生产加工数据包括：板坯数据和炉膛数据；
31.温度确定模块，用于基于所述板坯数据确定对应板坯的升温曲线，基于所述升温曲线确定板坯在加工段的目标出段温度；
32.温度预测模块，用于基于所述炉膛数据和板坯温度预测模型，预测板坯在各加工段的预测出段温度；
33.温度推荐模块，用于依据所述目标出段温度、预测出段温度确定炉膛推荐温度；发送所述炉膛推荐温度给所述加热炉控制系统。
34.可选的，所述温度预测模块，用于确定板坯位置数据；依据所述炉膛温度分布、板坯位置数据和所述板坯温度预测模型，预测板坯在加工段的预测出段温度，所述预测模型基于机理模型构建，所述机理模型基于热传导模型构建。
35.本技术实施例还公开了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被处理器执行时，执行如本技术实施例所述的方法。
36.本技术实施例还公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被处理器执行时，执行如本技术实施例所述的方法。
37.与现有技术相比，本技术实施例包括以下优点：
38.本技术实施例中，可获取加热炉控制系统的生产加工数据，所述生产加工数据包括：板坯数据和炉膛数据，然后基于所述板坯数据确定对应板坯的升温曲线，基于所述升温曲线确定板坯在加工段的目标出段温度，从而能够确定出板坯在加工段的目标出段温度，再基于所述炉膛数据和板坯温度预测模型，预测板坯在加工段的预测出段温度，预测在当前生产条件下板坯的出段温度，然后可依据所述目标出段温度、预测出段温度分析生成情况，确定为达到目标出段温度对炉膛进行控制的炉膛推荐温度，发送所述炉膛推荐温度给所述加热炉控制系统，以便更准确的控制温度，使得板坯达到目标出段温度，提高板坯加工质量。本技术实施例可应用于钢铁等行业，通过优化控制炉膛温度保证板坯加工到后继热轧工序的温度要求，实现了生产的闭环和自动烧钢，降低人工劳动强度，减少燃气消耗，实
现节能减排。
附图说明
39.图1a是本技术实施例一种加热炉控制示例的示意图；
40.图1b是本技术的一种基于工业过程的控制方法实施例的步骤流程图；
41.图2是本技术实施例的加热炉的炉膛升温曲线示例的示意图；
42.图3a是本技术实施例的加热炉中加工的板坯的理想升温曲线示例的示意图；
43.图3b是本技术实施例的加热炉中加工的板坯的优化升温曲线示例的示意图；
44.图4是本技术的一种基于工业过程的控制方法的可选实施例的步骤流程图；
45.图5是本技术的另一种基于工业过程的控制方法实施例的步骤流程图；
46.图6是本技术一个实施例提供的示例性装置的结构示意图。
具体实施方式
47.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
48.本技术实施例可以应用于加热炉等工业生产场景中。其中，加热炉是将物料或工件加热到轧制温度的设备，本技术实施例可构造加热炉知识库，汇集日常生产数据并形成了板坯加工履历数据库。可基于加热炉控制系统自动控制加热炉的温度，来实现自动烧钢。其中，板坯在加热炉中烧制的过程中，会沿着加热炉长度方向移动，板坯温度会随着在加热炉内的位置、加热炉的炉膛温度等变化，为了使板坯达到出炉温度，需要对加热炉的炉膛温度进行控制。其中，加热炉沿长度方向可划分为多个加工段(或称控制端)，如包括预热段、至少一个加热段、均热段等，可确定板坯在每个加工段的目标出段温度，并预测板坯在该加工段的预测出段温度，从而基于目标出段温度、预测出段温度确定炉膛推荐温度。
49.参照图1a所示的一种加热炉控制示例的示意图。
50.可预先建立板坯温度预测模型，根据黑匣子实验数据(板坯上表面、中心、下表面在入炉到出炉时间范围内温度曲线)和炉温分布，对板坯温度预报模型进行模型参数拟合。其中，板坯温度预报模型可融合数据与机理建模方法构建，并随着生产数据的沉淀，不断提升模型的精度。基于板坯温度预测模型优化板坯的升温曲线：以能耗最优为目标，以各段板坯上、下表面温差合格，及出炉温度合格为约束，对不同在炉时间、不同入炉温度情景，分别优化各段的出段目标。
51.在确定出板坯温度预测模型和板坯的升温曲线之后，可在加热炉生产过程中，结合板坯温度预测模型和板坯的升温曲线确定炉膛推荐温度给加热炉控制系统，实现自动烧钢。其中，板坯在加热炉中加热的过程中，可进行位置跟踪，并对炉膛温度进行拟合，确定炉温分布，结合板坯温度预测模型可以预测板坯在当前加工段的预测出段温度。通过板坯的升温曲线可以确定板坯在当前加工段的目标出段温度。然后基于目标出段温度、预测出段温度确定炉膛推荐温度，发送所述炉膛推荐温度给所述加热炉控制系统。通过优化控制炉膛温度保证板坯加工到后继热轧工序的温度要求，实现了生产的闭环和自动加工，如自动烧钢。
52.以下详细介绍基于加热炉控制系统的加热炉自动控制过程：
53.其中，对于板坯温度预测模型：板坯在炉内加热过程中，涉及到燃料的燃烧、气体的流动、传热传质、氧化烧损和脱碳等复杂的物理化学过程，与许多影响因素有关，包括炉膛尺寸、炉墙的热特性、板坯尺寸、板坯的热物性、燃料的种类及供热量、空气、燃料预热温度及空燃比、炉气的热特性、炉气的运动、板坯的运动等。考虑到现场应用，本技术实施例将上述复杂模型简化为二维板坯温度预报模型，计算板坯在炉内任意时刻的长度、方向、不同位置的横断面温度分布。
54.本技术实施例可基于热传导原理建立机理模型，融合数据与机理模型构建板坯温度的预测模型，然后基于历史数据对预测模型进行半监督学习训练，得到训练好的预测模型。并且可随着生产过程的执行，生产数据的沉淀不断的提高模型的精度。其中，机理是指为实现某一特定功能，一定的系统结构中各要素的内在工作方式以及诸要素在一定环境条件下相互联系、相互作用的运行规则和原理。机理模型为根据对象、生产过程的内部机制或者物质流的传递机理建立起来的精确数学模型。例如可基于质量平衡方程、能量平衡方程、动量平衡方程、相平衡方程以及某些物性方程、化学反应定律、电路基本定律等而获得对象或过程的数学模型。机理模型的优点是参数具有非常明确的物理意义。在本技术实施例中，机理模型基于热传导方程构建，结合加热炉的各项参数进行半监督学习训练，即通过使用大量的未标记数据，以及同时使用标记数据，来进行模型训练。板坯内部热传导模型以板坯内部某一分割层为研究对象，从传热机理上分析它的温度变化规律，进而推导出板坯被加热时的内部热传导方式。
55.可以将炉膛温度数据和板坯位置数据输入到板坯温度预测模型中，预测板坯温度数据。其中，板坯温度预测模型可基于炉膛温度数据和板坯位置数据，结合时间、热力学参数，如热扩散率、热吸收系数等预测板坯温度数据，该板坯温度数据为板坯在任一时刻的长度、方向、不同位置的横断面温度的数据。在实际生产中，不同型号的板坯需要同时加工，因此可预测得到各个型号板坯的板坯温度数据。
56.在一个示例中，可基于如下热传导理论构建机理模型。其中，无内热源的二维非稳态热传导控制方程为：
[0057][0058]
然后，对二维非稳态特传导方程进行离散，中心节点离散方程如下：
[0059][0060]
其中，t为网格节点温度，α为热扩散率，δτ为时间步长，δx为x方向的网格长度，δy为y方向的网格长度，上标i为时间步，下标m为x方向网格节点位置，n为y方向网格节点位置。
[0061]
加热炉对板坯的传热模型是指板坯被加热时，表面处所获得的热量主要靠炉壁的辐射和炉气的对流传热，板坯内部升温所需的热量靠热传导进行传递。关于板坯导热的边界条件，及炉膛向板坯表面传递的热流密度的研究，采用的方法较多，如流法、蒙特卡洛法等。本技术实施例中，基于加热炉在线控制实时性的要求，模型需对实际过程进行适当简化，目前通常采用总括吸收率法来确定板坯的表面热流密度。对于4个受热面上的边缘节点，需要考虑吸热，假设边界条件为定热流密度边界条件，热流密度计算公式如下：
[0062][0063]
其中，φ为总括热吸收系数，δ为玻尔兹曼常数，tf为炉膛温度。
[0064]
根据热传导学，对上述方程进行有限差分离散化，计算板坯温度。基于上述过程可构建机理模型，结合炉膛温度分布、板坯位置等参数进行半监督学习训练，得到相应的预测模型。从而能够预测板坯在炉内任意时刻的长度、方向、不同位置的横断面温度分布。然后可采用炉膛温度数据、板坯位置数据和板坯温度数据构建板坯的生产履历表(或生产履历数据库)，其中，还可将炉膛温度数据、板坯位置数据和板坯温度数据等处理成结构化数据进行存储。
[0065]
针对板坯的升温曲线，根据后续工序的要求，板坯在出炉时内部温度需要达到一定要求，因此基于大量离线工艺计算、埋耦实验，以及大量工艺经验分析，确定板坯加热过程的升温曲线。如图3a的示例中，加热炉的炉膛分为多个加工段，如图3a中的炉尾、预热段、加热段、均热段等，板坯从炉尾向炉头移动，在移动过程中逐渐升温达到出炉温度后出炉。其中，tl为炉尾段的炉膛温度，tp为预热段的炉膛温度，th为加热段的炉膛温度，ts为均热段的炉膛温度。t0为板坯在炉尾入口的温度，t1为板坯炉尾出口即预热段入口的入段温度，t2、t3、t4为板坯在预热段出口的多个可行出段温度，t5为板坯在加热段出口的出段温度，t6为板坯出炉温度。如图3a中在预热段中可行的出段温度为t2和t3所形成的温度区间，优选的出段目标温度需要根据升温曲线优化模型进行确定。
[0066]
其中，图3a为理论情况状态的升温曲线，实际生产过程中，在炉的板坯温度无法直接测量，理论上，升温曲线可基于板坯温度预测模型以及其他约束条件进行估计，当板坯温度预测模型在项目中实施后，可累积板坯升温曲线的历史数据，该历史数据可用于升温曲线的优化。
[0067]
基于历史数据进行升温曲线优化方式为：对升温曲线历史数据以板坯类型、板坯尺寸、目标厚度、入炉温度对板坯数据进行分档，在每一类中寻找最靠近出炉目标板温(板坯温度)的板坯，通过计算各出段板温中位数确定出段目标板温、在段时间，最终统计出段板温和在段时间的目标和范围。因此可基于所述历史加工数据优化出段温度。
[0068]
例如，基于板坯温度预测模型和炉膛温度分布，以能耗最优为目标，以各段板坯表面和中心温差合格，及出炉温度合格为约束，对不同在炉时间、不同入炉温度情景，分别优化各段的出段目标，形成理论升温曲线工艺表。升温曲线累积到一定数量后再根据数据进行优化，形成优选的升温曲线表。
[0069]
其中，可对于预热段，加热段和均热段分别形成优选升温曲线表，每张表包括工艺表内的所有情况。如图3b所示的一种板坯的优选升温曲线。其中，每条板温优选升温曲线都是覆盖所有炉段，而在实际加热炉加热过程中，优选升温曲线的选择根据板坯所在的炉段而实时变化，如图3b所示，初始在预热段，根据板坯种类等信息，实际升温曲线为r1，在预热段以r11为优选升温曲线；当板坯运行到加热段，根据预热段和加热炉的实际板温情况，不再遵循r11，而是遵循r12为优选升温曲线；当板坯运行到均热端，不再遵循r 11和r12，而是根据加热段和均热端的板温，以r 13为优选升温曲线。
[0070]
本技术实施例基于板坯温度预测模型优化板坯的理论升温曲线。以能耗最优为目标，以各段板坯表面-中心温差合格及出炉温度合格为约束，对不同在炉时间、不同入炉温
度情景，分别优化各段的出段目标。其中，板坯温度预测模型可预测出在不同约束条件下板坯的出段预测温度，结合能耗筛选出出段目标，确定对应优化的升温曲线。
[0071]
从而能够预先确定板坯温度预测模型，以及板坯的升温曲线，在后续加热炉生产过程中辅助进行加热炉控制系统的自动控制。
[0072]
参照图1b，示出了本技术的一种基于工业过程的控制方法实施例的步骤流程图。
[0073]
步骤102，获取加热炉控制系统的生产加工数据。
[0074]
目前加热炉的生产过程已经采用dcs(distributed control system，分布式控制系统)/plc(programmable logiccontroller，可编程控制器)等常规控制系统，并实现了基础的回路控制功能。通过设定炉膛温度目标值，系统能够自动获取测量仪表数据，如：炉膛温度，然后计算测量值与目标值的偏差，进而调节现场空气和燃气阀门实现生产的炉温自动控制。
[0075]
在日常的工业生产过程中，基于控制系统可将生产加工数据自动存储到生产数据库中，从而可从生产数据库中获取所需的生产加工数据。本技术实施例中，生产加工数据包括：板坯数据、炉表数据和炉膛数据，其中，所述板坯数据包括板坯类型(如钢种)、板坯规格、板坯化学组成信息等，炉表数据包括：入炉表数据、出炉表数据等。入炉表数据如板坯入炉温度数据、入炉时间数据，出炉表数据如板坯出炉温度数据、出炉时间数据等。炉膛数据可基于在加热炉设置的测点确定，如炉膛数据为dcs/plc系统中测量仪表的数据，也就是现场实时生产数据，可部署实时数据库系统进行采集与存储。
[0076]
步骤104，基于所述板坯数据确定对应板坯的升温曲线，基于所述升温曲线确定板坯在加工段的目标出段温度。
[0077]
可基于多个板坯确定出目标板坯，将目标板坯的出段温度作为目标出段温度，或者综合多个板坯的出段温度确定目标出段温度，然后可结合板坯数据和板坯位置数据等确定所述加工段对应炉膛推荐温度。在一些示例中可确定板坯的优先级，采用优先级高的板坯在该加工段对应的出段温度作为目标出段温度，另外一些示例中，可确定该板坯的权重，基于权重对各板坯该加工段对应的出段温度进行加权计算，确定对应的温度为目标出段温度。还可结合优先级设置权重来确定目标出段温度，本技术实施例对此不做限制。
[0078]
如图3b所示，初始在预热段，根据板坯种类等信息，实际升温曲线为r1，在预热段以r11为优选升温曲线；当板坯运行到加热段，根据预热段和加热炉的实际板温情况，不再遵循r11，而是遵循r12为优选升温曲线；当板坯运行到均热端，不再遵循r 11和r12，而是根据加热段和均热端的板温，以r 13为优选升温曲线。因可基于板坯所处的加工段，在升温曲线中确定出该加工段的目标出段温度。
[0079]
步骤106，基于所述炉膛数据和板坯温度预测模型，预测板坯在加工段的预测出段温度。
[0080]
在生产加工过程中，可基于炉膛数据和板坯温度预测模型，预测板坯在加工段的预测出段温度。其中，炉膛数据包括测量的炉膛温度数据，可基于插值等方式拟合得到炉膛的温度分布，进而确定各位置对应炉膛的温度，再将炉膛的温度数据、板坯的位置等输入到板坯温度预测模型中，预测板坯在对应加工段的出段温度作为预测出段温度。
[0081]
其中，所述基于所述炉膛数据和板坯温度预测模型，预测板坯在加工段的预测出段温度，包括：基于所述炉膛温度数据进行拟合处理，确定炉膛温度分布；基于板坯温度预
测模型和炉膛温度，预测板坯在加工段的预测出段温度。在加热炉中设置几个传感器如热电偶等来测量炉膛温度，因此在炉膛数据中包括炉膛温度数据，但由于加热炉的测点比较少，因此可通过插值等方式来构建炉膛的温度分布，如对沿着炉膛长度方向的炉膛温度进行线性插值拟合，确定炉膛的温度分布。
[0082]
其中，由于炉内高温的情况，加热炉缺少测量仪表，一般每个加热段只有几个高温计，如为4个高温计。在正常平稳的工况下，加热炉内部不同区域的温度一般按照设计曲线分布。因此可以根据每段加热炉的若干个高温计的温度测量值，通过插值、回归等方法预估不同位置的炉膛温度，以提升板坯温度预报精度。如图2所示的一种加热炉的温度分布曲线示例，可以显示出在加热炉的炉膛内不同位置的温度分布，通过虚线表示炉膛内不同的加工段，如分别为炉尾、预热段、加热段、均热段等。对于温度通过ta、tb、tc、td表示，实际温度可基于加热炉、板坯材质等确定。在一种示例的加热炉的温度分布为：
[0083][0084]
其中，tg(x)为炉膛炉温分布，t
ph
为炉膛入口处电偶实测炉温，l0为炉膛长度(即炉长)，x为炉膛的指定位置坐标，dt为炉膛的炉温温降。
[0085]
以上过程也可训练炉温插值模型，通过炉温插值模型确定炉膛的温度数据。
[0086]
对于板坯温度的预测也与板坯在炉膛内的位置相关，基于位置可确定板坯所在的加工段以及达到出段的时间等，因此还可对板坯的位置进行追踪。其中，由于炉内高温，板坯位置无法实时监测，可以通过轧钢厂原始数据输入(pdi)信息，获取板坯入炉时刻和入炉位置，通过步进梁的运动信号折算步进速度，从而跟踪各板坯在炉内的实际位置。其中，板坯位置＝(当前时间-进炉时间)*步进速度。
[0087]
从而能够基于板坯的位置、炉膛的温度分布以及板坯温度预测模型，预测出板坯在加工段的预测出段温度。
[0088]
步骤108，依据所述目标出段温度、预测出段温度确定炉膛推荐温度。
[0089]
基于优化的板坯升温曲线可以分析炉膛温度，在板坯生产过程中，炉膛温度优化的主要目标是保证炉内板坯出炉温度达到目标要求。可基于板坯在炉膛所处的加工段、目标出段温度、预测出段温度，确定所述加工段对应炉膛推荐温度。由于炉膛内会同时烧制多个板坯，而不同的板坯具有不同升温曲线，而炉膛内具有多个加工段，在不同的加工段有不同的温度需求，因此可结合烧制的板坯以及所处的加工段来控制炉膛的温度。
[0090]
一个可选实施例中，依据所述目标出段温度、预测出段温度确定炉膛推荐温度，包括：依据所述目标出段温度、预测出段温度确定温度偏差数据；依据所述温度偏差数据、板坯数据和板坯位置数据，确定炉膛推荐温度。可以基于时间、板坯位置数据等确定板坯所处的加工段，然后基于目标出段温度、预测出段温度确定在该加工段中板坯的温度偏差，再结合板坯数据和板坯位置数据等确定炉膛推荐温度。考虑不同板坯预测出段温度和目标出段温度的偏差程度、各板坯之间的加热优先级、各板坯的相对位置，对该加热段的炉膛推荐温度进行推荐。
[0091]
在一个示例中，炉膛温度优化的主要目标是保证炉内板坯出段温度达到目标要求，目标函数表示如下：
[0092][0093]
其中，出段目标来源于升温曲线：(升温曲线)。d为加热段编码，i为板坯编号，为板坯i在d段出口温度预测值即预测出段温度，为板坯i在d段出口温度设定值即目标出段温度，ad为d段推荐温度的权重，c
d,i
为工段d在i块板的对温差的权重。
[0094]
在实际生产中，加热炉对不同型号的板坯同时进行加工，因此需要兼顾各板坯的温度需求。由于板坯的温度无法直接测量得到，因此通过模型进行预测，但模型预测的温度存在误差，因此可将目标温度确定目标温度区间，从而在满足工艺加工要求的同时，兼顾模型不确定以及测量误差对炉温优化的表现。
[0095]
步骤110，发送所述炉膛推荐温度给所述控制系统。
[0096]
确定出炉膛推荐温度后，可发送炉膛推荐温度给所述控制系统，控制系统可基于该炉膛推荐温度调整炉膛温度设定值，实现自动控制。其中，可基于板坯所处的加工段，在各加工段分别反馈相应的炉膛推荐温度给所述控制系统。
[0097]
综上，可获取加热炉控制系统的生产加工数据，所述生产加工数据包括：板坯数据和炉膛数据，然后基于所述板坯数据确定对应板坯的升温曲线，基于所述升温曲线确定板坯在加工段的目标出段温度，从而能够确定出板坯在加工段的目标出段温度，再基于所述炉膛数据和板坯温度预测模型，预测板坯在加工段的预测出段温度，预测在当前生产条件下板坯的出段温度，然后可依据所述目标出段温度、预测出段温度分析生成情况，确定为达到目标出段温度对炉膛进行控制的炉膛推荐温度，发送所述炉膛推荐温度给所述加热炉控制系统，以便更准确的控制温度，使得板坯达到目标出段温度，提高板坯加工质量。
[0098]
在上述实施例的基础上，本技术实施例还提供了一种基于工业过程的控制方法，如图4所示：
[0099]
步骤402，获取加热炉控制系统的生产加工数据，所述生产加工数据包括：板坯数据和炉膛数据。
[0100]
步骤404，基于所述板坯数据确定对应板坯的升温曲线，基于所述升温曲线确定板坯在加工段的目标出段温度。
[0101]
步骤406，对所述炉膛温度数据进行拟合处理，确定沿加热炉长度方向的炉膛温度分布。
[0102]
可基于所述生产加工数据的炉表数据，确定板坯位置数据。所述基于所述生产加工数据的炉表数据，确定板坯位置数据，包括：基于所述生产加工数据的炉表输入数据确定板坯位置和板坯间隔；基于所述生产加工数据的炉表输出数据，对所述板坯位置和板坯间隔进行修正，确定板坯位置数据。
[0103]
所述基于所述炉膛数据进行拟合处理，确定多个位置的炉膛温度数据，包括：对所述炉膛数据中的温度测量值进行插值拟合，确定炉膛的升温曲线；依据所述升温曲线，预测多个位置的炉膛温度。
[0104]
步骤408，基于板坯温度预测模型和炉膛温度分布，预测板坯在加工段的预测出段
温度。
[0105]
将所述炉膛温度、板坯位置数据输入到所述板坯温度预测模型中，预测板坯在加工段的预测出段温度。
[0106]
步骤410，依据所述目标出段温度、预测出段温度确定温度偏差数据。
[0107]
步骤412，依据所述温度偏差数据、板坯数据和板坯位置数据，确定炉膛推荐温度。
[0108]
步骤414，将所述加工段对应炉膛推荐温度发送给所述控制系统。
[0109]
本技术实施例构造了加热炉的生产数据库，汇集日常生产数据并形成了板坯加工履历数据库。然后融合数据与机理建模方法，构建板坯温度预报模型，并随着生产数据的沉淀，不断提升模型的精度。最后通过优化控制炉膛温度保证板坯加工到后继热轧工序的温度要求，实现了生产的闭环和自动烧钢。
[0110]
针对加热炉生产过程中，由于高温原因无法直接测量在炉板坯的温度的问题，只能手动操作，无法实现自动化闭环控制等问题。本技术实施例通过建立板坯温度预报的机理模型拓展生产过程数据，然后再基于大数据分析与优化技术，推荐优选升温曲线和优化当前炉膛温度控制目标，最后通过控制技术实现生产过程的自动加工。将本技术实施例的方式应用于加热炉烧制钢坯的上产中，具体技术相关指标表现如下：1、自控率90％以上，其中，自控率指的是加热炉控制系统进行自动化控制的效率，因此基于上述过程能够基本实现自动化控制，大大降低现场工作人员劳动强度；2、燃气能耗降低5～15％；3、烧损率降低5～10％。
[0111]
上述各实施例以板坯加工为例，实际处理中还可应用于加热炉烧制其他物料的场景，也存在热值波动大，温度控制不准确等问题，因此可通过以下过程进行自动化控制，提高生产质量。
[0112]
在上述实施例的基础上，本技术实施例提供了一种基于工业过程的控制方法，如图5所示：
[0113]
步骤502，获取加热炉控制系统的生产加工数据，所述生产加工数据包括：物料数据和炉膛数据。
[0114]
步骤504，基于所述物料数据确定对应物料的升温曲线，基于所述升温曲线确定物料在加工段的目标出段温度。
[0115]
步骤506，基于所述炉膛数据和板坯温度预测模型，预测物料在加工段的预测出段温度。
[0116]
其中，所述基于所述炉膛数据和板坯温度预测模型，预测物料在加工段的预测出段温度，包括：基于所述炉膛温度数据进行拟合处理，确定沿加热炉长度方向的炉膛温度分布；基于板坯温度预测模型和炉膛温度分布，预测物料在加工段的预测出段温度。
[0117]
所述基于板坯温度预测模型和炉膛温度分布，预测物料在加工段的预测出段温度，包括：确定物料位置数据；依据所述炉膛温度分布、物料位置数据和所述板坯温度预测模型中，预测物料在加工段的预测出段温度，所述板坯温度预测模型基于机理模型构建，所述机理模型基于热传导模型构建。
[0118]
其中，所述生产加工数据还包括炉表数据，所述方法还包括确定物料位置数据的步骤：基于所述炉表数据确定物料位置和物料间隔；依据所述物料位置和物料间隔，确定物料位置数据。可将所述炉膛温度、物料位置数据输入到所述板坯温度预测模型中，预测物料
在加工段的预测出段温度。
[0119]
步骤508，依据所述目标出段温度、预测出段温度确定炉膛推荐温度。
[0120]
依据所述目标出段温度、预测出段温度确定炉膛推荐温度，包括：依据所述目标出段温度、预测出段温度确定温度偏差数据；依据所述温度偏差数据、物料数据和物料位置数据，确定炉膛推荐温度。
[0121]
步骤510，发送所述炉膛推荐温度给所述加热炉控制系统。
[0122]
其中，还可获取加热炉控制系统的历史生产加工数据，所述生产加工数据包括：物料数据和炉膛数据；根据物料在加热炉中的优先级信息，筛选目标物料；基于所述历史生产加工数据，确定所述目标物料的升温曲线。
[0123]
所述基于所述历史生产加工数据，确定所述目标物料的升温曲线，包括：获取目标物料的升温曲线；基于所述历史加工数据和板坯温度预测模型，预测物料的出段温度；基于所述出段温度对所述升温曲线进行优化。
[0124]
本技术实施例能够在加热炉测量仪表不充分的情况下，基于机理模型实现对生产过程状态预报。
[0125]
本技术各实施例中，如果涉及到用户信息，均在得到用户的授权允许后进行采集、使用及存储，各类基于用户信息的操作也在得到用户授权允许后执行。
[0126]
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术实施例并不受所描述的动作顺序的限制，因为依据本技术实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本技术实施例所必须的。
[0127]
在上述实施例的基础上，本实施例还提供了一种基于工业过程的控制装置，应用于服务端的电子设备中。
[0128]
获取模块，用于获取加热炉控制系统的生产加工数据，所述生产加工数据包括：板坯数据和炉膛数据；
[0129]
温度确定模块，用于基于所述板坯数据确定对应板坯的升温曲线，基于所述升温曲线确定板坯在加工段的目标出段温度；
[0130]
温度预测模块，用于基于所述炉膛数据和板坯温度预测模型，预测板坯在加工段的预测出段温度；
[0131]
温度推荐模块，用于依据所述目标出段温度、预测出段温度确定炉膛推荐温度；发送所述炉膛推荐温度给所述加热炉控制系统。
[0132]
综上，可基于加热炉控制系统的生产加工数据进行分析，预测板坯在加热炉的炉膛中加工的加工过程数据，所述加工过程数据包括温度数据和板坯位置数据，从而能够预测板坯在加热炉中加工的各种数据，然后可基于温度数据和板坯位置数据优化板坯升温曲线，再基于优化的板坯升温曲线确定炉膛推荐温度，发送给炉膛推荐温度给所述控制系统，以便更准确的控制温度，提高板坯加工质量。
[0133]
可选的，所述炉膛数据包括炉膛温度数据，所述温度预测模块，用于基于所述炉膛温度数据进行拟合处理，确定沿加热炉长度方向的炉膛温度分布度；基于板坯温度预测模型和炉膛温度分布，预测板坯在加工段的预测出段温度。
[0134]
所述温度预测模块，用于确定板坯位置数据；依据所述炉膛温度分布、板坯位置数据和所述板坯温度预测模型，预测板坯在加工段的预测出段温度，所述预测模型基于机理模型构建，所述机理模型基于热传导模型构建。
[0135]
所述温度推荐模块，用于依据所述目标出段温度、预测出段温度确定温度偏差数据；依据所述温度偏差数据、板坯数据和板坯位置数据，确定炉膛推荐温度。
[0136]
所述温度预测模块，还用于基于所述炉表数据确定板坯位置和板坯间隔；依据所述板坯位置和板坯间隔，确定板坯位置数据。
[0137]
还包括：预处理模块，用于获取加热炉控制系统的历史生产加工数据，所述生产加工数据包括：板坯数据和炉膛数据；根据板坯在加热炉中的优先级信息，筛选目标板坯；基于所述历史生产加工数据，确定所述目标板坯的升温曲线。
[0138]
所述预处理模块，用于获取目标板坯的升温曲线；基于所述历史加工数据和板坯温度预测模型，预测板坯的出段温度；基于所述出段温度对所述升温曲线进行优化。
[0139]
本技术实施例构造了加热炉的生产数据库，汇集日常生产数据并形成了板坯加工履历数据库。然后融合数据与机理建模方法，构建板坯温度预报模型，并随着生产数据的沉淀，不断提升模型的精度。最后通过优化控制炉膛温度保证板坯加工到后继热轧工序的温度要求，实现了生产的闭环和自动烧钢。
[0140]
针对加热炉生产过程中，由于高温原因无法直接测量在炉板坯的温度的问题，只能手动操作，无法实现自动化闭环控制等问题。本技术实施例通过建立板坯温度预报的机理模型拓展生产过程数据，然后再基于大数据分析与优化技术，推荐优选升温曲线和优化当前炉膛温度控制目标，最后通过控制技术实现生产过程的自动加工。将本技术实施例的方式应用于加热炉烧制钢坯的上产中，具体技术相关指标表现如下：1、自控率90％以上，大大降低现场工作人员劳动强度；2、燃气能耗降低5～15％；3、烧损率降低5～10％。
[0141]
本技术实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本技术实施例中各方法步骤的指令(instructions)。
[0142]
本技术实施例提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。本技术实施例中，所述电子设备包括服务器、终端设备等设备。
[0143]
本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括服务器(集群)、终端等电子设备。图6示意性地示出了可被用于实现本技术中所述的各个实施例的示例性装置600。
[0144]
对于一个实施例，图6示出了示例性装置600，该装置具有一个或多个处理器602、被耦合到(一个或多个)处理器602中的至少一个的控制模块(芯片组)604、被耦合到控制模块604的存储器606、被耦合到控制模块604的非易失性存储器(nvm)/存储设备608、被耦合到控制模块604的一个或多个输入/输出设备610，以及被耦合到控制模块604的网络接口612。
[0145]
处理器602可包括一个或多个单核或多核处理器，处理器602可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置600能够作为本技术实施例中所述服务端、终端等设备。
[0146]
在一些实施例中，装置600可包括具有指令614的一个或多个计算机可读介质(例如，存储器606或nvm/存储设备608)以及与该一个或多个计算机可读介质相合并被配置为执行指令614以实现模块从而执行本公开中所述的动作的一个或多个处理器602。
[0147]
对于一个实施例，控制模块604可包括任意适当的接口控制器，以向(一个或多个)处理器602中的至少一个和/或与控制模块604通信的任意适当的设备或组件提供任意适当的接口。
[0148]
控制模块604可包括存储器控制器模块，以向存储器606提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
[0149]
存储器606可被用于例如为装置600加载和存储数据和/或指令614。对于一个实施例，存储器606可包括任意适当的易失性存储器，例如，适当的dram。在一些实施例中，存储器606可包括双倍数据速率类型四同步动态随机存取存储器(ddr4sdram)。
[0150]
对于一个实施例，控制模块604可包括一个或多个输入/输出控制器，以向nvm/存储设备608及(一个或多个)输入/输出设备610提供接口。
[0151]
例如，nvm/存储设备608可被用于存储数据和/或指令614。nvm/存储设备608可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(hdd)、一个或多个光盘(cd)驱动器和/或一个或多个数字通用光盘(dvd)驱动器)。
[0152]
nvm/存储设备608可包括作为装置600被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，nvm/存储设备608可通过网络经由(一个或多个)输入/输出设备610进行访问。
[0153]
(一个或多个)输入/输出设备610可为装置600提供接口以与任意其他适当的设备通信，输入/输出设备610可以包括通信组件、音频组件、传感器组件等。网络接口612可为装置600提供接口以通过一个或多个网络通信，装置600可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如wifi、2g、3g、4g、5g等，或它们的组合进行无线通信。
[0154]
对于一个实施例，(一个或多个)处理器602中的至少一个可与控制模块604的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器602中的至少一个可与控制模块604的一个或多个控制器的逻辑封装在一起以形成系统级封装(sip)。对于一个实施例，(一个或多个)处理器602中的至少一个可与控制模块604的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器602中的至少一个可与控制模块604的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(soc)。
[0155]
在各个实施例中，装置600可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，装置600可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置600包括一个或多个摄像机、键盘、液晶显示器(lcd)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(asic)和扬声器。
[0156]
其中，检测装置中可采用主控芯片作为处理器或控制模块，传感器数据、位置信息等存储到存储器或nvm/存储设备中，传感器组可作为输入/输出设备，通信接口可包括网络
接口。
[0157]
本技术实施例还提供了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本技术实施例中一个或多个所述的方法。本技术实施例中存储器中可存储各种数据，如目标文件、文件与应用关联数据等各种数据，还可包括用户行为数据等，从而为各种处理提供数据基础。
[0158]
本技术实施例还提供了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本技术实施例中一个或多个所述的方法。
[0159]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0160]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0161]
本技术实施例是参照根据本技术实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0162]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0163]
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0164]
尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
[0165]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0166]
以上对本技术所提供的一种基于工业过程的控制方法、一种电子设备和一种存储介质，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般
技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。