[发明专利]带钢酸洗浓度的预测方法及计算机可读存储介质

说明书

本发明公开了一种带钢酸洗浓度的预测方法及计算机可读存储介质，其中所述方法包括：获取冷轧带钢酸洗溶液在当前时刻的待分析数据，所述待分析数据包括溶液温度、溶液密度和溶液电导率；调用酸洗浓度预测模型对所述待分析数据进行浓度预测，得到所述冷轧带钢酸洗溶液的酸洗浓度预测值。采用本申请，能解决现有技术中存在的酸浓度测量性能较差及精度较低等问题。

技术领域

本发明涉及酸浓度预测技术领域，尤其涉及一种带钢酸洗浓度的预测方法及计算机可读存储介质。

背景技术

钢铁工业是国家经济的支柱，在国家经济快速发展以及工业化进程的推进中，钢铁行业的发展存在耗能过高、产能过剩、产业结构不合理等问题。随着科学技术的发展，新产品的开发和人们的实际需求逐渐增加，市场对钢铁的表面质量也提出了更高的要求，这就要求生产时先将钢铁表面的氧化皮和锈蚀通过酸洗去除。为了提高酸洗的效果，酸洗过程中必须将酸的浓度控制在误差允许的范围之内。

目前，酸浓度测量主要有两种方式：在线测量和离线测量。在实践中发现，无论是在线测量还是离线测量，其酸浓度测量的性能较差、精度降低。因此，亟需提出一种更好地酸浓度测量方案。

发明内容

本申请实施例通过提供一种带钢酸洗浓度的预测方案，解决了现有技术中存在的酸浓度测量性能较差及精度较低等问题。

一方面，本申请通过本申请的一实施例提供一种带钢酸洗浓度的预测方法，所述方法包括：

获取冷轧带钢酸洗溶液在当前时刻的待分析数据，所述待分析数据包括溶液温度、溶液密度和溶液电导率；

调用酸洗浓度预测模型对所述待分析数据进行浓度预测，得到所述冷轧带钢酸洗溶液的酸洗浓度预测值；

其中，所述酸洗浓度预测模型为预先对包括弹性网正则化项和门控循环单元GRU网络在内的待训练神经网络模型训练好的模型。

可选地，所述调用酸洗浓度预测模型对所述待分析数据进行浓度预测之前，所述方法还包括：

获取所述冷轧带钢酸洗溶液在n个不同时刻的历史数据，n为正整数；

利用所述历史数据对包括弹性网正则化项和门控循环单元GRU网络在内的所述待训练神经网络模型进行训练，从而得到所述酸洗浓度预测模型。

可选地，所述门控循环单元GRU网络部署在所述待训练神经网络模型的隐藏层，所述GRU网络用于：

根据t时刻的历史数据、所述GRU网络输出的(t-1)时刻的记忆保留信息及预设的第一权重参数，计算所述隐藏层在t时刻的第一记忆信息，t为不超过n的正整数；

根据t时刻的历史数据、所述GRU网络输出的(t-1)时刻的记忆保留信息及预设的第二权重参数，计算所述隐藏层在t时刻的第二记忆信息；

根据所述第二记忆信息、所述GRU网络输出的(t-1)时刻的记忆保留信息及预设的第三权重参数，计算所述隐藏层在t时刻的当前记忆信息；

根据所述第一记忆信息、所述当前记忆信息及所述GRU网络输出的(t-1)时刻的记忆保留信息，计算所述GRU网络输出的t时刻的记忆保留信息。

可选地，所述t时刻的第一记忆信息为：

z_t＝σ(W_z·[x_t,h_t-1])

其中，z_t为所述t时刻的第一记忆信息，x_t为所述t时刻的历史数据，h_t-1为所述GRU网络输出的(t-1)时刻的记忆保留信息，W_z为所述第一权重参数，σ为激活函数。

可选地，所述t时刻的第二记忆信息为：