一种钢铁冶炼工艺参数曲线形态匹配的方法及系统与流程

本发明涉及钢铁冶炼参数处理领域，具体地，涉及一种钢铁冶炼工艺参数曲线形态匹配的方法及系统。
背景技术：
：钢铁产业是国民经济的重要基础原材料产业，投资拉动作用大、吸纳就业能力强、产业关联度高，是我国工业体系的重要组成部分。在钢铁冶炼过程中，涉及到的工艺过程非常复杂，在生产中会对各工艺参数进行监控，以有效提高生产率，保证产品质量。在钢铁工业中，掌握和控制各工艺参数十分重要，监测各工艺参数可以判断钢铁生产过程是否工作在所要求的范围之内。例如，通过对温度的监控可以判断加热炉温度是否太低或太高；轧机是否需要调整，或者需要冷却到何种程度等等。但是，这些监控和分析手段存在如下不足：对参数变化范围、均值和方差的监控只保留了数据本身或简单的统计特征，对数据间的关系利用不足；影响工艺参数的因素多，如对于温度参数来说，高炉铁水温度是由炉容、燃料比、风温、富氧、喷煤、湿度、直接还原度、渣量等多种因素决定的，且温度变化有非线性的特点，预测分析难度大；参数数据采集量大，变化尺度不同，难以提取特征；在对参数数据进行数据分析中，业务人员往往参与不足。技术实现要素：针对现有技术中的缺陷，本发明的目的是提供一种钢铁冶炼工艺参数曲线形态匹配的方法及系统。根据本发明提供的一种钢铁冶炼工艺参数曲线形态匹配的方法，包括步骤：绘制选取步骤：实时绘制和选取参数曲线；识别匹配步骤：识别与匹配在所述绘制选取步骤中得到的参数曲线；显示分析步骤：显示匹配结果，分析缺陷原因。优选的，所述绘制选取步骤包括：绘制子步骤：根据选取工序、时间范围，实时获取工艺参数数据，绘制并显示工艺参数曲线；选取子步骤：实时响应选取工艺参数曲线的鼠标操作，获取所选工艺参数曲线对应数据，并在图像中标注；存储和训练子步骤：将选取的工艺参数曲线存储至特定工艺参数曲线形态库，不断进行样本的增加、学习和训练。优选的，所述识别匹配步骤包括：识别匹配定义子步骤：定义模式匹配规则，根据使用场景及需求，确定匹配数据范围，匹配方法、数量和缩放信息；识别匹配执行子步骤：利用所选的工艺参数曲线和模式匹配规则，调用dtw算法，利用模式识别技术，进行模式匹配，返回含相似曲线波动的钢卷物料号、时间范围和相似度。优选的，所述相似度包括所选工艺参数曲线与匹配结果之间的距离。优选的，所述显示分析步骤包括：匹配结果显示子步骤：将在识别匹配步骤中得到的匹配结果按照相似度排列，显示匹配结果并标注；匹配结果分析子步骤：将相同缺陷的钢卷列表和上述匹配结果进行匹配、对比，追踪定位产生缺陷的原因。本发明还提供的一种钢铁冶炼工艺参数曲线形态匹配的系统，包括：绘制选取模块：实时绘制和选取参数曲线；识别匹配模块：识别与匹配通过绘制选取模块得到的参数曲线；显示分析模块：显示匹配结果，分析缺陷原因。优选的，所述绘制选取模块包括：绘制子模块：根据选取工序、时间范围，实时获取工艺参数数据，绘制并显示工艺参数曲线；选取子模块：实时响应选取工艺参数曲线的鼠标操作，获取所选工艺参数曲线对应数据，并在图像中标注；存储和训练子模块：将选取的工艺参数曲线存储至特定工艺参数曲线形态库，不断进行样本的增加、学习和训练。优选的，所述识别匹配模块包括：识别匹配定义子模块：定义模式匹配规则，根据使用场景及需求，确定匹配数据范围，匹配方法、数量和缩放信息；识别匹配执行子模块：利用所选的工艺参数曲线和模式匹配规则，调用dtw算法，利用模式识别技术，进行模式匹配，返回含相似曲线波动的钢卷物料号、时间范围和相似度。优选的，所述相似度包括所选工艺参数曲线与匹配结果之间的距离。优选的，所述显示分析模块包括：匹配结果显示子模块：将在识别匹配模块中得到的匹配结果按照相似度排列，显示匹配结果并标注；匹配结果分析子模块：将相同缺陷的钢卷列表和上述匹配结果进行匹配、对比，追踪定位产生缺陷的原因。与现有技术相比，本发明具有如下的有益效果：本发明以交互式的模式，提供了一种方便业务人员充分参与的分析钢铁冶炼工艺参数数据的全新方式，充分利用工艺参数数据为生产状况和产品质量提供分析服务，进行缺陷原因分析定位，降低缺陷发生率，提高钢铁产量和质量，并通过建立特定参数曲线形态库为进一步预警和分析打好基础，适应智慧制造的需要。本发明在钢铁冶炼过程中的各工序均可使用，并可推广到其他领域，应用广泛，经济效益显著。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：图1为选取温度曲线的示意图；图2为匹配结果中排列第一的温度曲线示意图；图3为所选取温度曲线与匹配结果中排列第一的温度曲线的对比示意图；图4为匹配结果中排列第七的温度曲线示意图；图5为所选取温度曲线与匹配结果中排列第七的温度曲线的对比示意图。具体实施方式下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。本发明提供的一种钢铁冶炼工艺参数曲线形态匹配的方法，包括步骤：步骤1：实时绘制和选取参数曲线；步骤2：识别与匹配在所述绘制选取步骤中得到的参数曲线；步骤3：显示匹配结果，分析缺陷原因。其中，步骤1包括：步骤1.1：根据选取工序、时间范围，实时获取工艺参数数据，绘制并显示工艺参数曲线；步骤1.2：实时响应选取工艺参数曲线的鼠标操作，获取所选工艺参数曲线对应数据，并在图像中标注；步骤1.3：将选取的工艺参数曲线存储至特定工艺参数曲线形态库，不断进行样本的增加、学习和训练。步骤2包括：步骤2.1：定义模式匹配规则，根据使用场景及需求，确定匹配数据范围，匹配方法、数量和缩放信息；步骤2.2：利用所选的工艺参数曲线和模式匹配规则，调用dtw算法，利用模式识别技术，进行模式匹配，返回含相似曲线波动的钢卷物料号、时间范围和相似度。所述相似度包括所选工艺参数曲线与匹配结果之间的距离。步骤3包括：步骤3.1：将在识步骤1.1中得到的匹配结果按照相似度排列，显示匹配结果并标注；步骤3.2：将相同缺陷的钢卷列表和上述匹配结果进行匹配、对比，追踪定位产生缺陷的原因。在上述钢铁冶炼工艺参数曲线形态匹配的方法的基础上，本发明还提供的一种钢铁冶炼工艺参数曲线形态匹配的系统，包括：绘制选取模块：实时绘制和选取参数曲线；识别匹配模块：识别与匹配通过绘制选取模块得到的参数曲线；显示分析模块：显示匹配结果，分析缺陷原因。绘制选取模块包括：绘制子模块：根据选取工序、时间范围，实时获取工艺参数数据，绘制并显示工艺参数曲线；选取子模块：实时响应选取工艺参数曲线的鼠标操作，获取所选工艺参数曲线对应数据，并在图像中标注；存储和训练子模块：将选取的工艺参数曲线存储至特定工艺参数曲线形态库，不断进行样本的增加、学习和训练。识别匹配模块包括：识别匹配定义子模块：根据使用场景及需求，定义模式匹配规则，确定匹配数据范围，匹配方法、数量和缩放信息；识别匹配执行子模块：利用所选的工艺参数曲线和模式匹配规则，调用dtw算法，利用模式识别技术，进行模式匹配，返回含相似曲线波动的钢卷物料号、时间范围和相似度。所述相似度包括所选工艺参数曲线与匹配结果之间的距离。dtw算法即动态时间规整算法，是模式识别中的经典算法，它的提出导致了语音识别技术上的飞跃，目前仍然是语音识别中孤立词模板识别的最有效方法之一。该算法使得形态相似但时序上并不完美一致的两序列之间距离最小化。在这里利用dtw算法,通过滑动时间窗口,计算参数序列数据曲线的相似度，距离越小越相似，从而匹配到相似的曲线模式。显示分析模块包括：匹配结果显示子模块：将在识别匹配模块中得到的匹配结果按照相似度排列，显示匹配结果并标注；匹配结果分析子模块：将相同缺陷的钢卷列表和上述匹配结果进行匹配、对比，追踪定位产生缺陷的原因。以含有某一缺陷的某块厚板加热炉温度参数为例，具体实现过程如下：1、在服务器部署温度曲线模式匹配功能并确保可以连接到加热炉数据，在浏览器端展示；2、选择待分析温度数据项所属工序、机组、名称和时间范围参看整体波动，并选取需分析温度波动范围。图1为选取温度曲线的示意图，虚线框内为所选择的工艺参数曲线(在这里选择的是温度曲线，但本发明对此不做限制，技术人员可以根据实际需求选择其他工艺参数曲线)。3、根据使用场景及需求，定义模式匹配规则，设定可匹配上述选取时间范围内的加热炉预热段温度数据(剔除已选分析温度波动)，调用模式匹配功能，返回匹配结果，如表1，默认显示相似度最高结果，见图2，和对比图，见图3。图2为匹配结果中排列第一的温度曲线示意图，图中虚线框内的曲线为匹配到的工艺参数曲线；图3为所选取温度曲线(直线部分)与匹配结果中排列第一的温度曲线(虚线部分)的对比示意图，可见两者的相似度非常高。表1、识别与匹配的所有结果namefromtodist13032015/8/307:452015/8/3121:3392.7328423462015/8/307:452015/8/3121:33222.32973172015/8/307:452015/8/3121:33285.04034552015/8/307:452015/8/3121:33303.717352012015/8/307:452015/8/3121:33353.5556182015/8/11:002015/8/214:48361.734672222015/8/1318:292015/8/158:17363.194181732015/8/1318:292015/8/158:17368.59299192015/8/1318:292015/8/158:17409.971910122015/8/1021:492015/8/1211:37412.9171其中，第一列为相似度排序(可以默认为相似度从高到底)，name为匹配结果钢卷物料号(这里已脱敏处理)，from和to分别为匹配结果时间范围，dist为选取曲线和匹配结果之间距离。4、根据需要查看其他匹配结果和对比图，在这里，我们选择相似度第七的匹配结果，如图4和图5所示。图4为匹配结果中排列第七的温度曲线示意图，图中虚线框内的曲线为匹配到的工艺参数曲线；图5为所选取温度曲线(直线部分)与匹配结果中排列第七的温度曲线(虚线部分)的对比示意图。5、存储选取的温度参数曲线至温度曲线形态库。6、将相同缺陷的厚板列表和上述匹配结果进行匹配、对比，进行缺陷原因追踪定位，判断该缺陷是否是由加热炉温度波动造成的，供现场人员生产参考，提高厚板质量。由于采用了上述技术方案，本发明1)利用曲线形态匹配的方法，提高参数数据的利用率，并通过关联对比相似分布对应的生产数据，追踪定位可能产生缺陷的原因，为分析参数波动的原因、考察波动的特点提供了新的可靠的方法，有利于保证生产的正常运作和提高产品的质量；2)收集和分析业务人员关注特征，使得分析人员有效利用专家经验、了解业务场景和需求，提高了数据分析的效率且利于知识的积累、分享和传承；3)通过建立特定参数曲线形态库的方式，实现典型参数曲线波动特征的收集，为进一步对工艺参数进行分析预警打好数据基础；4)对形态匹配结果进行对比分析，追踪定位可能产生缺陷的原因，供生产参考。本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。当前第1页12