本发明涉及钢丝拉拔技术领域，尤其涉及一种冷拉拔钢丝原料碳含量预测方法、装置、设备及可读取介质。
背景技术
在钢丝冷拉拔工艺中，原料碳的含量百分比是一个很重要的指标，碳的含量在材料科学，机械加工中，有很多的测量碳的百分比的方法，但是往往因为操作复杂、成本高，难以在实际工程中简单快速投入运行。如文献[1]与文献[2]中的工程专家通过高频红外碳硫仪以及红外吸收法进行含碳量不确定度的分析，通过大量数据，得出结论，通过红外吸收测试钢的含碳量，具有太多的不确定性，难以得到精确的结果。海军工程大学的陈林根博士研究团队通过数学建模，数值模拟的方法，辨识钢材的动态模型，但是该方法针对于钢材的非线性特性效果并不显著。北京钢铁学院的鲁毅强老师早在1987年就提出了“摄谱法”进行钢铁材料中含碳量的检测。但是由于摄谱仪价格昂贵，且摄谱线中存在fe线的干扰，散射率小，难以分辨，因此该方法至今未能广泛采用。文献[3]中，提出了“一点法”进行钢铁中碳含量的测定，但是该方法在测定过程中，需要添加助溶剂等试剂，同时测试过程中测试电流以及氧压难以准确控制在有效范围内，因而结果误差较大。
文献[1]宋红艳，采用高频红外碳硫仪测定钢铁中碳含量不确定度的评定[j].热处理，2017，32(5):31-33。
文献[2]张晓红，高频感应炉燃烧红外吸收法测定钢铁碳含量的不确定度评定报告[j].钛合金，2017。
文献[3]卫志东，一点法测定钢铁中碳含量[j].安徽化工,2004,1:55。
技术实现要素：
本发明旨在至少在一定程度上解决上述技术问题之一，本发明提供一种冷拉拔钢丝原料碳含量预测方法、装置、设备及可读取介质，能够通过采样测算抗拉强度来反推钢丝含碳量，为钢丝来料品控提供参考。
为解决上述技术问题，一方面，本发明提供一种冷拉拔钢丝原料碳含量预测方法，所述冷拉拔钢丝原料碳含量预测方法包括步骤：
s10、获取某个未知碳含量钢丝的m个不同直径分别对应的拉拔强度，并绘制该未知碳含量钢丝的“强度-直径”曲线；其中m为不小于3的正整数；
s20、获取a个已知碳含量钢丝的n个不同直径分别对应的拉拔强度，并绘制所述n个已知碳含量钢丝的“强度-直径”曲线；其中，a为不小于1的正整数，n为不小于3的正整数；
s30、对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝，且所述拉拔强度误差不超过预设阈值，则所述未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。
在本发明的一些实施例中，步骤s10包括步骤：
s11、通过实验测量所述未知碳含量钢丝的m个不同直径，及每个直径所对应的钢丝破断力；
s12、计算a个不同直径相对应的拉拔强度。
在本发明的另一些实施例中，步骤s20包括步骤：
s21、根据初始直径和初始拉拔强度，采用彼得洛夫公式、波杰姆金公式以及屠林科夫中的至少一种计算不同直径对应的拉拔强度。
在本发明的再一些实施例中，m＝n，步骤s30包括步骤：
s31、将未知碳含量钢丝的m个不同直径分别对应的拉拔强度数据与其中一个已知碳含量钢丝的n个不同直径分别对应的拉拔强度数据做最小二乘指标运算，其中，所述最小二乘指标运算公式为：
其中，xi为所述未知碳含量钢丝的第i个直径对应的拉拔强度，yi为其中第j个已知碳含量钢丝的第i个直径对应的拉拔强度，zj为第j个已知碳含量钢丝的n个不同直径对应拉拔强度与所述未知碳含量钢丝的n个不同直径对应拉拔强度的最小二乘指标。j的取值范围为1-a。
另一方面，本发明提供了一种冷拉拔钢丝原料碳含量预测装置，所述冷拉拔钢丝原料碳含量预测装置包括：
第一计算模块，用于获取某个未知碳含量钢丝的m个不同直径分别对应的拉拔强度，并绘制该未知碳含量钢丝的“强度-直径”曲线；其中m为不小于3的正整数；
第二计算模块，获取a个已知碳含量钢丝的n个不同直径分别对应的拉拔强度，并绘制所述n个已知碳含量钢丝的“强度-直径”曲线；其中，a为不小于1的正整数，n为不小于3的正整数；
判断模块，用于对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝，且所述拉拔强度误差不超过预设阈值，则所述未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。
再一方面，本发明还提供了一种电子设备，所述电子设备包括：处理器；和存储器，在所述存储器中存储有计算机程序指令，
其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器执行以下步骤：
s10、获取某个未知碳含量钢丝的m个不同直径分别对应的拉拔强度，并绘制该未知碳含量钢丝的“强度-直径”曲线；其中m为不小于3的正整数；
s20、获取a个已知碳含量钢丝的n个不同直径分别对应的拉拔强度，并绘制所述n个已知碳含量钢丝的“强度-直径”曲线；其中，a为不小于1的正整数，n为不小于3的正整数；
s30、对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝，且所述拉拔强度误差不超过预设阈值，则所述未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。
另一方面，本发明还提供了一种计算机可读存储介质，所述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运行时，使得所述处理器执行以下步骤：
s10、获取某个未知碳含量钢丝的m个不同直径分别对应的拉拔强度，并绘制该未知碳含量钢丝的“强度-直径”曲线；其中m为不小于3的正整数；
s20、获取a个已知碳含量钢丝的n个不同直径分别对应的拉拔强度，并绘制所述n个已知碳含量钢丝的“强度-直径”曲线；其中，a为不小于1的正整数，n为不小于3的正整数；
s30、对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝，且所述拉拔强度误差不超过预设阈值，则所述未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。
本发明的上述技术方案至少具有如下有益效果之一：
根据本发明实施例的冷拉拔钢丝原料碳含量预测方法，通过采样测算未知碳含量钢丝的抗拉强度来反推该未知碳含量钢丝的含碳量，为来料品控提供参考。具体地，计算未知碳含量钢丝的采集数值与已知碳含量钢丝计算结果的最小二范数性能指标，且该最小二范数性能指标在预设阈值内，则未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。本发明实施例的冷拉拔钢丝原料碳含量预测方法，在钢丝拉拔实际生产中，取得了良好的运用效果。经实践证明(如经多组仿真实验证明)，该预测方法简单有效，操作简单，鲁棒性强。
附图说明
图1为本发明实施例的冷拉拔钢丝原料碳含量预测方法的一个可选的流程图；
图2是本发明实施例的冷拉拔钢丝原料碳含量预测方法的一个可选的仿真结果图；
图3为本发明实施例的冷拉拔钢丝原料碳含量预测方法的另一个可选的流程图；
图4为本发明实施例1的仿真结果；
图5为本发明实施例2的仿真结果；
图6为本发明实施例的冷拉拔钢丝原料碳含量预测装置的示意图；
图7为本发明实施例的电子设备的示意图。
具体实施方式
下面将结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
需要说明的是，本发明实施例的附图中纵坐标：抗张力、抗拉强度tsi均表示“抗拉强度”，单位均为：kg/mm2。
如图1所示，本发明实施例的冷拉拔钢丝原料碳含量预测方法包括步骤：
s10、获取某个未知碳含量钢丝的m个不同直径分别对应的拉拔强度，并绘制该未知碳含量钢丝的“强度-直径”曲线；其中m为不小于3的正整数；
s20、获取a个已知碳含量钢丝的n个不同直径分别对应的拉拔强度，并绘制所述n个已知碳含量钢丝的“强度-直径”曲线；其中，a为不小于1的正整数，n为不小于3的正整数；
s30、对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝，且所述拉拔强度误差不超过预设阈值，则所述未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。
在本发明一个可选的实现方式中，步骤s10还包括步骤：
s11、通过实验测量所述未知碳含量钢丝的m个不同直径，及每个直径所对应的钢丝破断力；
s12、计算a个不同直径相对应的拉拔强度。更具体地，计算a个不同直径相对应的拉拔强度公式为：p＝f/s，其中f为钢丝破断力，单位为kg，s为钢丝直径，单位为mm2，p为拉拔强度，单位为kg/mm2。
在本发明另一个可选的实现方式中，步骤s20包括步骤：s21、根据初始直径和初始拉拔强度，采用彼得洛夫公式、波杰姆金公式以及屠林科夫中的至少一种计算不同直径对应的拉拔强度。
需要说明的是，彼得洛夫公式、波杰姆金公式以及屠林科夫参见“蒋华龙热镀锌钢丝热处理工艺与性能研究[d],2014东南大学”和“李志深钢丝生产工艺[m]1992,湘潭钢铁公式职工大学”。由于测量拉拔力以及钢丝延展性能相关的数据所受影响非常大：摩擦力、钢丝本身的碳含量、横断面的硬度、实验仪器的精准度以及各种人为操作因素。因此很难通过实验测量得到一组精确的数据。对于钢丝直径与拉拔强度的曲线计算公式也非常多，且各自之间的结果差异性较大。因此通过仿真试验了多组公式(包括屠林科夫公式，波杰姆金屠林科夫，彼得洛夫公式)。通过对于不同模型准确性评估，从采样数据来分析不同模型的可信度。通过对比，最终采用了屠林科夫公式计算的结果作为参考基准。
根据采样数据不同碳含量得出的抗拉强度和钢丝线径关系不同，例如，如图2所示，仿真结果中，当未知碳含量为82c时测得的一组数据绘制的“强度-直径”曲线“82ctsi”，与当未知碳含量为70c时测得的一组数据绘制的“强度-直径”曲线“70ctsi”差距较大。而使用屠林科夫公式计算的已知82c“强度-直径”曲线“屠林科夫公式”与“82ctsi”最接近。
具体地，m＝n，步骤s30包括步骤：
s31、将未知碳含量钢丝的m个不同直径分别对应的拉拔强度数据与其中一个已知碳含量钢丝的n个不同直径分别对应的拉拔强度数据做最小二乘指标运算，其中，所述最小二乘指标运算公式为：
其中，xi为所述未知碳含量钢丝的第i个直径对应的拉拔强度，yi为其中第j个已知碳含量钢丝的第i个直径对应的拉拔强度，zj为第j个已知碳含量钢丝的n个不同直径对应拉拔强度与所述未知碳含量钢丝的n个不同直径对应拉拔强度的最小二乘指标。j的取值范围为1-a。
需要说明的是，步骤s30中，对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝时，可先通过曲线排除最不相似的已知碳含量钢丝，进行初步筛选，对于曲线与未知碳含量钢丝较相近的已知碳含量钢丝再根据最小二乘指标运算。zj最小，且在预设阈值内的j对应的那个已知碳含量钢丝的碳含量即为未知碳含量钢丝的碳含量。
下面结合具体实施例对本发明实施例的冷拉拔钢丝原料碳含量预测方法做进一步说明，可以理解的是，本发明并不限于以下实施例。
实施例1
如图3所示，实验测量并计算未知碳含量钢丝的20个不同直径，及每个直径所对应的钢丝破断力；见表1未知碳含量钢丝的不同直径及相应拉拔强度数据。并根据表1数据绘制“强度-直径”曲线。根据初始直径d和初始拉拔强度σ，分别采用屠林科夫公式，波杰姆金屠林科夫，彼得洛夫公式计算不同直径对应的拉拔强度并绘制“强度-直径”曲线。将实验所得的不同直径对应的拉拔强度数据xi与不同公式计算所得的拉拔强度yi做最小二乘指标运算，公式为：
其中，zj为第j个已知碳含量钢丝的n个不同直径对应拉拔强度与所述未知碳含量钢丝的n个不同直径对应拉拔强度的最小二乘指标。j的取值范围为1-20。当zj+1<zj或zj+1＝zj时，记下该组zj对应的已知碳含量钢丝类型，当前已知碳含量钢丝的碳含量即认为是当前未知碳含量刚丝的碳含量。经仿真实验证明，该未知碳含量钢丝的类型为82c，仿真结果如图4所示。
表1未知碳含量钢丝的不同直径及相应拉拔强度数据
实施例2
实验测量并计算未知碳含量钢丝的5个不同直径，及每个直径所对应的钢丝破断力；见表2未知碳含量钢丝的不同直径及相应拉拔强度数据。其余步骤同实施例1。经仿真实验证明，该未知碳含量钢丝的类型为92c，仿真结果如图5所示。
如图6所示，本发明实施例的冷拉拔钢丝原料碳含量预测装置，所述冷拉拔钢丝原料碳含量预测装置包括：
第一计算模块，用于获取某个未知碳含量钢丝的m个不同直径分别对应的拉拔强度，并绘制该未知碳含量钢丝的“强度-直径”曲线；其中m为不小于3的正整数；
第二计算模块，获取a个已知碳含量钢丝的n个不同直径分别对应的拉拔强度，并绘制所述n个已知碳含量钢丝的“强度-直径”曲线；其中，a为不小于1的正整数，n为不小于3的正整数；
判断模块，用于对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝，且所述拉拔强度误差不超过预设阈值，则所述未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。
如图7所示，本发明实施例提供了一种电子设备200，包括：处理器210和存储器220，在所述存储器220中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器210执行以下步骤：
s10、获取某个未知碳含量钢丝的m个不同直径分别对应的拉拔强度，并绘制该未知碳含量钢丝的“强度-直径”曲线；其中m为不小于3的正整数；
s20、获取a个已知碳含量钢丝的n个不同直径分别对应的拉拔强度，并绘制所述n个已知碳含量钢丝的“强度-直径”曲线；其中，a为不小于1的正整数，n为不小于3的正整数；
s30、对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝，且所述拉拔强度误差不超过预设阈值，则所述未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。
进一步地，如图7所示，电子设备还包括网络接口230、输入设备240、硬盘250、和显示设备260。
上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器210代表的一个或者多个中央处理器(cpu)，以及由存储器220代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。
所述网络接口230，可以连接至网络(如因特网、局域网等)，从网络中获取相关数据，并可以保存在硬盘1405中。
所述输入设备240，可以接收操作人员输入的各种指令，并发送给处理器210以供执行。所述输入设备240可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。
所述显示设备260，可以将处理器210执行指令获得的结果进行显示。
所述存储器220，用于存储操作系统运行所必须的程序和数据，以及处理器210计算过程中的中间结果等数据。
可以理解，本发明实施例中的存储器220可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom)、可编程只读存储器(prom)、可擦除可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)或闪存。易失性存储器可以是随机存取存储器(ram)，其用作外部高速缓存。本文描述的装置和方法的存储器220旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器220存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统280和应用程序270。
其中，操作系统280，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序270，包含各种应用程序，例如浏览器(browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序270中。
上述处理器210，当调用并执行所述存储器220中所存储的应用程序和数据，具体的，可以是应用程序270中存储的程序或指令时，获取全景图像；对所述全景图像进行预处理，获得待处理子图像；将所述待处理子图像输入到多路径卷积神经网络中，获得所述待处理子图像的深层特征图；对所述深层特征图进行池化处理；将经过池化处理后的深层特征图输入到全连接模型中，将所述全连接模型的输出作为重定位后的位置信息。
本发明上述实施例揭示的方法可以应用于处理器210中，或者由处理器210实现。处理器210可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器210中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器210可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块b组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器220，处理器210读取存储器220中的信息，结合其硬件完成上述方法的步骤。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(asic)、数字信号处理器dsp)、数字信号处理设备(dspd)、可编程逻辑设备(pld)、现场可编程门阵列(fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
另外，本发明实施例还提供了一种计算机可读存储介质，所述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运行时，使得所述处理器执行以下步骤：
s10、获取某个未知碳含量钢丝的m个不同直径分别对应的拉拔强度，并绘制该未知碳含量钢丝的“强度-直径”曲线；其中m为不小于3的正整数；
s20、获取a个已知碳含量钢丝的n个不同直径分别对应的拉拔强度，并绘制所述n个已知碳含量钢丝的“强度-直径”曲线；其中，a为不小于1的正整数，n为不小于3的正整数；
s30、对比判断a个已知碳含量钢丝中与所述未知碳含量钢丝的拉拔强度误差最小的一个已知碳含量钢丝，且所述拉拔强度误差不超过预设阈值，则所述未知碳含量钢丝的碳含量与该已知碳含量钢丝的碳含量相等。
在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。