基于知识图谱的带钢成分和工艺参数的确定方法与流程

1.本发明涉及材料加工制造及智能化技术领域，特别涉及一种基于知识图谱的带钢成分和工艺参数的确定方法。


背景技术：

2.钢铁作为现代工业中的基础材料，广泛应用于机械制造、建筑设计、交通运输等领域。
3.带钢成分和工艺参数的选择，对于产品的质量、性能和使用寿命等方面有着直接的影响，是整个生产过程中至关重要的环节。传统的带钢成分和工艺参数的推荐方法主要依赖于人工经验和试错，生产效率低下且容易导致成品质量不稳定。在带钢生产的过程中制造工序与知识层次繁多，从炼钢、连铸到热轧、冷轧工艺知识非常复杂，同时各个工艺参数之间相互影响，造成了成分工艺设计效率低、知识重用率差及知识冗余等问题。
4.因此构建带钢工艺知识库系统实现带钢工艺知识的建模和重用，能够实现对各种工艺参数信息和材料成分的自动处理和推理。根据客户的个性化需求寻找最佳的带钢成分和工艺窗口，降低生产成本和质量风险，对于提升带钢知识重用率，提高企业生产的效率和稳定性具有重要意义。


技术实现要素：

5.本发明的目的就是克服现有技术的不足，提供了一种基于知识图谱的带钢成分和工艺参数的确定方法，通过构建带钢工艺知识图谱，一方面将多层次结构的带钢工艺知识存储到知识图谱中，实现带钢工艺知识的沉淀，提高知识重用率，降低知识存储的冗余，另一方面通过基于构建的知识图谱，采用智能推荐算法，为客户的个性化需求寻找最佳的带钢成分和工艺窗口。
6.为实现上述目的，本发明提供如下技术方案：
7.一种基于知识图谱的带钢成分和工艺参数的确定方法，包括：
8.s1：收集带钢数据，进行数据预处理；
9.s2：根据步骤s1的所述带钢数据，构建带钢本体模型；
10.s3：使用步骤s2的所述带钢本体模型，采用映射语言获取带钢三元组数据，构建带钢知识图谱；
11.s4：对于给定的客户需求，根据步骤s3的所述带钢知识图谱进行相似度计算，筛选一个或若干个相似度最高的带钢实例，确定满足客户需求的带钢成分和工艺参数。
12.如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤s1中，所述带钢数据，包括钢铁材料的钢种、成分、工艺、组织、力学性能的数据；所述数据预处理，包括所述带钢数据去除重复数据、去除异常数据及替换缺失数据。
13.如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤s1中，所述带钢数据的来源包括钢铁企业生产业务数据库、带钢生产工艺手册、带钢国家标准和专家知识。
14.如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤s2中，所述带钢本体模型包括带钢的类、层次结构与属性约束。
15.如上所述的任一可能的实现方式，进一步提供一种实现方式，所述带钢的类，包括钢种、化学成分、组织结构、生产工艺、力学性能；
16.所述层次结构为：带钢钢种包括低合金高强钢、双相钢、无间隙原子钢、马氏体钢、相变诱导塑性钢、复相钢、淬火延性钢、烘烤硬化钢；化学成分包括c元素、si元素、mn元素、p元素、s元素；组织结构包括奥氏体、铁素体、渗碳体、珠光体、马氏体、莱氏体、贝氏体；生产工艺包括热轧工艺、酸洗工艺、冷轧工艺、连退工艺、镀锌工艺；力学性能包括屈服强度、抗拉强度、断后延伸率、n值、r值、烘烤硬化值。
17.如上所述的任一可能的实现方式，进一步提供一种实现方式，所述属性约束具体包括：
18.设置一对属性约束“带钢适用化学成分”，其中“带钢适用化学成分”的定义域为带钢，值域为化学成分；
19.设置一对属性约束“带钢适用生产工艺”，其中“带钢适用生产工艺”的定义域为带钢，值域为生产工艺；
20.设置一对属性约束“带钢适用组织结构”，其中“带钢适用组织结构”的定义域为带钢，值域为组织结构；
21.设置一对属性约束“带钢适用力学性能”，其中“带钢适用力学性能”的定义域为带钢，值域为力学性能；
22.设置一对属性约束“力学性能适用化学成分”，其中“力学性能适用化学成分”的定义域为力学性能，值域为化学成分；
23.设置一对属性约束“组织结构适用生产工艺”，其中“组织结构适用生产工艺”的定义域为组织结构，值域为生产工艺。
24.如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤s3具体包括：
25.s3.1采用数据库语言，将步骤s1中预处理后的数据按照步骤s2中的带钢钢种、成分、工艺、组织、力学性能数据信息储存在关系型数据库中；
26.s3.2采用映射语言，将所述关系型数据库中带钢钢种、成分、工艺、组织、力学性能数据信息按照步骤s2的带钢本体模型进行映射，获得带钢三元组数据；
27.s3.3采用图数据库对所述带钢三元组数据进行储存并进行知识可视化，获得带钢的知识图谱。
28.如上所述的任一可能的实现方式，进一步提供一种实现方式，所述带钢三元数据组包括《实体，关系，实体》和《实体，属性，属性值》两种形式。
29.如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤s4中，采用相似度算法，计算客户需求输入值与带钢知识图谱中所有节点(与客户需求属性相同)之间的相似度，并根据相似度大小排序，选择与客户需求输入值相似度最高的一个或若干个实例作为带钢成分和工艺参数的确定结果。
30.如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤s4相似度计算与步骤s1-s3构建带钢知识图谱的关系为：基于构建的带钢知识图谱的不同实体之间的属性和关系，通过图搜索遍历访问与客户需求属性相同的节点作为相似度计算的实例对象数
据。
31.如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤s4具体包括：
32.s4.1根据带钢钢种、成分、生产工艺和力学性能中的属性信息，选择客户需求的属性作为相似度计算的依据；
33.s4.2将带钢数据的属性值进行无量纲化处理；
34.s4.3对于不同数值类型的属性值分别进行相似度计算；
35.s4.4根据方差波动对各不同属性进行权重计算；
36.s4.5计算得到综合权重相似度，根据综合权重相似度选择一个或若干个相似度最高的实例，作为满足客户需求的带钢成分和工艺参数。
37.本发明的有益效果至少包括：
38.通过构建带钢工艺知识图谱，一方面将多层次结构的带钢工艺知识存储到知识图谱中，实现带钢工艺知识的沉淀，提高知识重用率，降低知识存储的冗余；另一方面通过基于构建的知识图谱，采用智能推荐算法，为客户的个性化需求寻找最佳的带钢成分和工艺窗口，降低生产成本和质量风险，提高企业生产研发效率。
附图说明
39.图1所示为本发明实施例一种基于知识图谱的带钢成分和工艺参数的确定方法的整体流程图。
40.图2所示为实施例中带钢层次关系示意图。
41.图3所示为实施例中带钢知识图谱示意图
42.图4所示为实施例中带钢成分和工艺参数确定的具体流程图。
具体实施方式
43.下文将结合具体附图详细描述本发明具体实施例。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。
44.如图1所示，本发明实施例一种基于知识图谱的带钢成分和工艺参数的确定方法，包括如下步骤：
45.s1：收集带钢数据，进行数据预处理；
46.收集带钢的钢铁材料的钢种、成分、工艺、组织、力学性能等数据，带钢数据来源包括钢铁企业生产业务数据库、带钢生产工艺手册、带钢国家标准和专家知识等。
47.对收集的带钢数据进行清洗和预处理，确保数据的准确性和完整性。其中包括：
48.(1)对带钢数据进行去重处理，以确保带钢数据集中不存在重复的数据。
49.(2)采用箱线图法读取带钢数据集中的钢种、成分、工艺、组织、力学性能中的异常值，用四分位间距iqr表示下四分位数q1和上四分位数q3的间距(iqr＝q3-q1)，数值大小在上限线q3+1.5
×
iqr和下限线q1-1.5
×
iqr之间的值为正常值，其余为异常值；
50.(3)根据历史生产数据和带钢专家经验确定的经验值替换异常值与缺失值，得到预处理后的数据集；
51.s2：根据步骤s1的所述带钢数据，构建带钢本体模型；
52.(1)根据带钢钢种、成分、工艺、组织、力学性能的特征信息，定义带钢本体模型中带钢的类及其层次结构。其中带钢的类及其层次结构如下：
53.带钢钢种包括但不限于：低合金高强钢、双相钢、无间隙原子钢、马氏体钢、相变诱导塑性钢、复相钢、淬火延性钢、烘烤硬化钢。
54.化学成分包括但不限于：c元素、si元素、mn元素、p元素、s元素。
55.组织结构包括但不限于：奥氏体、铁素体、渗碳体、珠光体、马氏体、莱氏体、贝氏体。
56.生产工艺包括但不限于：热轧工艺、酸洗工艺、冷轧工艺、连退工艺、镀锌工艺。
57.力学性能包括但不限于：屈服强度、抗拉强度、断后延伸率、n值、r值、烘烤硬化值。
58.(3)根据带钢钢种、成分、工艺、组织、力学性能的特征信息，定义带钢中类的属性与属性的约束。其中带钢的类的属性与属性的约束如下：
59.设置一对属性约束“带钢适用化学成分”，其中“带钢适用化学成分”的定义域为带钢，值域为化学成分，并单独为每一种带钢钢种牌号设置适用的化学成分。例如，双相钢cr340/590dp适用化学成分包括：c元素、si元素、mn元素、p元素、s元素等。
60.设置一对属性约束“带钢适用生产工艺”，其中“带钢适用生产工艺”的定义域为带钢，值域为生产工艺，并单独为每一种带钢钢种牌号设置适用的生产工艺。例如，双相钢cr340/590dp适用生产工艺包括：冷轧工艺、连退工艺。
61.设置一对属性约束“带钢适用组织结构”，其中“带钢适用组织结构”的定义域为带钢，值域为组织结构，并单独为每一种带钢钢种牌号设置适用的组织结构。例如，双相钢cr340/590dp适用组织结构为马氏体、奥氏体或贝氏体与铁素体基体两相组织。
62.设置一对属性约束“带钢适用力学性能”，其中“带钢适用力学性能”的定义域为带钢，值域为力学性能，并单独为每一种带钢钢种牌号设置适用的组织结构。例如，双相钢cr340/590dp适用力学性能为：屈服强度340～460mpa、抗拉强度不小于590mpa、断后延伸率不小于18％。
63.设置一对属性约束“力学性能适用化学成分”，其中“力学性能适用化学成分”的定义域为力学性能，值域为化学成分。例如：c含量在0.8％以下时，c含量与屈服强度和抗拉强度呈正相关，与断后延伸率呈负相关；c含量在1％以上时，c含量与屈服强度和抗拉强度呈负相关。
64.设置一对属性约束“组织结构适用生产工艺”，其中“组织结构适用生产工艺”的定义域为组织结构，值域为生产工艺。例如：为获得双相钢cr340/590dp的马氏体和铁素体组织采用连续退火工艺中的奥氏体双相法或临界区双相法。
65.带钢本体模型设计完成后，应用prot
égé
软件实现带钢本体模型文档化。图2给出了一个具体的带钢本体模型中带钢层次关系示意。
66.s3：使用步骤s2的所述带钢本体模型，采用映射语言获取带钢三元组数据，构建带钢知识图谱；
67.(1)采用sql数据库语言，将步骤s1中的预处理数据按照步骤s2中的带钢钢种、成分、工艺、组织、力学性能数据信息储存在关系型数据库中。
68.具体地，为带钢钢种、成分、工艺、组织、力学性能每个类单独建立数据库表，并设置唯一的id标记每一个实体(具体的带钢编号)，然后将具有属性的类之间用外键连接。
69.(2)采用d2rq映射语言，将关系型数据库的带钢钢种、成分、工艺、组织、力学性能数据信息按照步骤s2的带钢本体模型进行映射，并对映射后的mapping文件进行修改，获得rdf形式的带钢三元组数据。所述带钢三元数据组包括《实体，关系，实体》和《实体，属性，属性值》两种形式；其中，所述实体包括带钢型号、化学成分、生产工艺、力学性能、属性值，所述关系和属性为属性约束；在带钢知识图谱中，每个所述实体均表示为一个节点，每个所述关系和属性均表示为一条边。
70.(3)采用neo4j图数据库中的neosemantics插件，导入映射后获得的rdf形式的带钢三元组数据至neo4j图数据库中，对带钢三元组数据进行储存并进行知识可视化，获得带钢知识图谱。
71.具体带钢知识图谱示意图如图3所示。
72.s4：对于给定的客户需求，根据步骤s3的所述带钢知识图谱进行相似度计算，筛选一个或若干个相似度最高的实例，确定满足客户需求的带钢成分和工艺参数。
73.采用相似度算法，计算客户需求输入值与节点之间的相似度，并根据相似度大小排序，选择与客户需求输入值相似度最高的一个或若干个带钢实例作为带钢成分和工艺参数的确定结果。
74.步骤s4相似度计算与步骤s1-s3构建带钢知识图谱的关系为：基于构建的带钢知识图谱的不同实体之间的属性和关系，通过图搜索遍历访问与客户需求属性相同的节点作为相似度计算的实例对象数据。
75.具体地，带钢成分和工艺参数确定(推荐)的相似度计算方法如下：
76.(1)根据带钢钢种、化学成分、生产工艺和力学性能中的属性信息，选择客户需求的属性作为相似度计算的依据。其中包括：
77.带钢钢种包括带钢钢种牌号。
78.化学成分包括c含量、si含量、mn含量、p含量、s含量等。
79.生产工艺：热轧工艺、酸洗工艺、冷轧工艺、连退工艺、镀锌工艺参数。例如：热轧工艺中的参数包括出炉温度、终轧温度、卷取温度、热轧厚度、热轧宽度。
80.力学性能包括屈服强度、抗拉强度、断后延伸率、n值、r值、烘烤硬化值。
81.(2)为了使相似性计算具有公度性，对属性值进行无量纲化处理，使属性值在[0,1]范围内。
[0082]
(3)对于在某一范围的属性值，对区间值之间的相似度进行计算。
[0083]
根据带钢知识图谱的数据，将待推荐对象(客户需求输入)与实例对象(知识图谱节点)采用欧式距离相似度进行计算。定义待推荐对象属性区间值[a1，a2]，实例对象属性区间值[b1，b2]，则两者之间相似度为：
[0084][0085]
其中，r取2。
[0086]
对于属性值为某一确切值的数值类型，对属性值直接进行相似度计算。
[0087]
定义待推荐对象属性值a1，实例对象属性值b1，则两者之间相似度为：
[0088][0089]
定义cr为待推荐对象，c＝{c1，c2，c3，c4，
…
，cn}是实例集，cr和ci的第j个属性相似度记为s
ij
，则待推荐对象cr与实例集c中所有实例的属性相似度构成相似度矩阵s。
[0090][0091]
(4)不同的属性对相似度的影响程度不同，基于相似度矩阵各列方差作为的计算权重依据，每一列的方差作为权重可以表示该列的波动程度，从而评估该列的重要性。方差越大，权重越大，说明该列数据的波动程度越大，相对来说更为重要。
[0092]
定义相似度矩阵s的各列的属性权重w＝{w1，w2，w3，w4，
…
，wm}，则相似度矩阵s各列方差为：
[0093][0094]
其中，s
ij
表示相似度矩阵中第i行第j列的元素，n表示相似度矩阵的行数，m表示相似度矩阵的列数。
[0095]
计算列属性权重为：
[0096][0097]
(5)将得到的权重进行相似度加权计算，设定相似度阈值，筛选一个或若干个相似度最高的实例作为带钢成分和工艺参数确定结果。
[0098]
具体的，综合权重相似度为：
[0099][0100]
实施例
[0101]
通过输入的力学性能属性作为相似度计算的依据。例如，获得(屈服强度，抗拉强度，断后延伸率)＝(250，360，30％)的镀锌钢种，以知识图谱中遍历的15条数据作为相似度计算实例对象数据，数据为材料的部分成分数据、工艺数据和性能数据，如下表所示：
[0102]
[0103][0104]
对选择的力学性能数据进行无量纲处理，获得如下数据表：
[0105]
[0106][0107]
进一步地，计算相似度获得相似度矩阵s如下：
[0108][0109]
进一步地，根据相似度矩阵s获得各列的方差，进而计算获得每项的权重。
[0110]
wi＝[0.40 0.40 0.20]
[0111]
进一步地，通过综合权重计算得到的最终相似度为：
[0112]
[0.67 0.58 0.74 0.82 0.13 0.96 0.66 0.06 0.27 0.64 0.73 0.70 0.79 0.11 0.64]
t
。
[0113]
进一步，设置相似度阈值为0.90，根据相似度计算获得推荐钢种为dx51d，综合权重相似度为0.96，其推荐的部分成分与工艺参数为：(c，si，mn，p，s，开轧温度，终轧温度)＝(0.037，0.028，0.140，0.012，0.006，1204，883)。
[0114]
具体流程如图4所示。
[0115]
本文虽然已经给出了本发明的几个实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。

技术特征：
1.一种基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，所述方法包括：s1：收集带钢数据，进行数据预处理；s2：根据步骤s1的所述带钢数据，构建带钢本体模型；s3：使用步骤s2的所述带钢本体模型，采用映射语言获取带钢三元组数据，构建带钢知识图谱；s4：对于给定的客户需求，根据步骤s3的所述带钢知识图谱进行相似度计算，筛选一个或若干个相似度最高的带钢实例，得到满足客户需求的带钢成分和工艺参数。2.如权利要求1所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，步骤s1中，所述带钢数据，包括带钢的钢种、成分、工艺、组织、力学性能的数据；所述数据预处理，包括所述带钢数据去除重复数据、去除异常数据及替换缺失数据。3.如权利要求1所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，步骤s1中，所述带钢数据的来源包括钢铁企业生产业务数据库、带钢生产工艺手册、带钢国家标准和专家知识。4.如权利要求1所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，步骤s2中，所述带钢本体模型包括带钢的类、层次结构与属性约束。5.如权利要求4所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，所述带钢的类，包括钢种、化学成分、组织结构、生产工艺、力学性能；所述层次结构为：带钢钢种包括低合金高强钢、双相钢、无间隙原子钢、马氏体钢、相变诱导塑性钢、复相钢、淬火延性钢、烘烤硬化钢；化学成分包括c元素、si元素、mn元素、p元素、s元素；组织结构包括奥氏体、铁素体、渗碳体、珠光体、马氏体、莱氏体、贝氏体；生产工艺包括热轧工艺、酸洗工艺、冷轧工艺、连退工艺、镀锌工艺；力学性能包括屈服强度、抗拉强度、断后延伸率、n值、r值、烘烤硬化值。6.如权利要求5所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，所述属性约束具体包括：设置一对属性约束“带钢适用化学成分”，其中“带钢适用化学成分”的定义域为带钢，值域为化学成分；设置一对属性约束“带钢适用生产工艺”，其中“带钢适用生产工艺”的定义域为带钢，值域为生产工艺；设置一对属性约束“带钢适用组织结构”，其中“带钢适用组织结构”的定义域为带钢，值域为组织结构；设置一对属性约束“带钢适用力学性能”，其中“带钢适用力学性能”的定义域为带钢，值域为力学性能；设置一对属性约束“力学性能适用化学成分”，其中“力学性能适用化学成分”的定义域为力学性能，值域为化学成分；设置一对属性约束“组织结构适用生产工艺”，其中“组织结构适用生产工艺”的定义域为组织结构，值域为生产工艺。7.如权利要求1所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，步骤s3具体包括：s3.1采用数据库语言将步骤s1中预处理后的数据按照步骤s2中的带钢钢种、成分、工
艺、组织、力学性能数据信息储存在关系型数据库中；s3.2采用映射语言将所述关系型数据库中带钢钢种、成分、工艺、组织、力学性能数据信息按照步骤s2的带钢本体模型进行映射，获得带钢三元组数据；s3.3采用图数据库对所述带钢三元组数据进行储存并进行知识可视化，获得带钢的知识图谱。8.如权利要求7所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，所述带钢三元数据组包括<实体，关系，实体>和<实体，属性，属性值>两种形式；其中，所述实体包括带钢型号、化学成分、生产工艺、力学性能、属性值，所述关系为属性约束；在带钢知识图谱中，每个所述实体均表示为一个节点，每个所述关系均表示为一条边。9.如权利要求8所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，步骤s4中，采用相似度算法，计算客户需求输入值与带钢知识图谱中所有节点之间的相似度，并根据相似度大小排序，选择与客户需求输入值相似度最高的一个或若干个带钢实例作为带钢成分和工艺参数的确定结果。10.如权利要求1所述的基于知识图谱的带钢成分和工艺参数的确定方法，其特征在于，步骤s4具体包括：s4.1根据带钢钢种、成分、生产工艺和力学性能中的属性信息，选择客户需求的属性作为相似度计算的依据；s4.2将带钢数据的属性值进行无量纲化处理；s4.3对于不同数值类型的属性值分别进行相似度计算；s4.4根据方差波动对各不同属性进行权重计算；s4.5计算得到综合权重相似度，根据综合权重相似度选择一个或若干个综合权重相似度最高的实例，作为满足客户需求的带钢成分和工艺参数。

技术总结
本发明涉及材料加工制造及智能化技术领域，提供了一种基于知识图谱的带钢成分和工艺参数的确定方法，所述方法包括：S1：收集带钢数据，进行数据预处理；S2：构建带钢本体模型；S3：采用映射语言获取带钢三元组数据，构建带钢知识图谱；S4：进行相似度计算，筛选相似度最高的实例，得到满足客户需求的带钢成分和工艺参数。本发明通过构建带钢工艺知识图谱，一方面实现带钢工艺知识的沉淀，提高知识重用率，降低知识存储的冗余；另一方面为客户的个性化需求寻找最佳的带钢成分和工艺窗口，降低生产成本和质量风险，提高企业生产研发效率。提高企业生产研发效率。提高企业生产研发效率。


技术研发人员：杨永刚 袁长辉 米振莉 张勇军 宋勇 何方 雷明钢 安会龙
受保护的技术使用者：河钢股份有限公司邯郸分公司 河钢集团有限公司
技术研发日：2023.04.27
技术公布日：2023/8/9