具体技术细节
[0004] 本发明采取的技术方案为：一种铝型材挤压生产能耗预测方法及系统，可以在铝型材产品生产前获知该产品的生产能耗，可以将预测值用于铝型材生产挤压设备的能耗控制及挤压工艺参数的控制，实现铝型材生产节能减排、降低生产成本的目的，所需数量大大减少，模型简单。
[0005] 针对此问题，本发明采用的技术方案为：
[0006] 一种铝型材挤压生产能耗预测方法，该方法包括以下步骤：
[0007] 1)利用正交实验法设计企业各种现有铝型材产品生产的工艺参数方案；
[0008] 2)根据工艺参数方案进行铝型材生产实验，确定各种现有铝型材产品最低生产能耗；
[0009] 3)采用深度学习对待加工产品横截面形状与实验生产产品横截面形状进行对比，找出与待加工产品横截面形状最相似的实验生产产品，计算两种产品横截面的相似度值；
[0010] 4)计算待加工产品挤压系数λd与最相似实验生产产品挤压系数λb之比；
[0011] 5)利用最相似铝型材产品生产能耗值、待加工产品与其最相似实验生产产品的相似度值以及挤压系数比计算待加工产品的生产能耗预测值。
[0012] 进一步地，上述步骤1)中工艺参数包括挤压杆的挤压速度、铝棒温度和模具温度。
[0013] 进一步地，上述步骤3)中深度学习方法为卷积神经网络或生成对抗网络。
[0014] 进一步地，上述步骤3)中相似度值为待加工产品横截面所有形状特征与其最相似实验生产产品横截面特征的相同数量占其最相似实验生产产品横截面的特征总数的百分比。
[0015] 进一步地，上述步骤5)中待加工产品的生产能耗预测值的计算公式为[0016]
[0017] Qy—待加工产品的生产能耗预测值；
[0018] γ—相似度值；
[0019] λd—待加工产品挤压系数；
[0020] λb—最相似实验生产产品挤压系数；
[0021] Qs—最相似实验生产产品的生产能耗值；
[0022] 铝型材挤压生产能耗预测系统，包括，
[0023] 工艺参数方案确定模块，用于确定各种现有铝型材产品生产的工艺参数方案；
[0024] 最低生产能耗确定模块，用于根据工艺参数方案确定模块确定的参数进行实验，确定各种现有铝型材产品最低生产能耗；
[0025] 相似度确定模块，用于对深度学习确定的待加工产品横截面形状与实验生产产品横截面形状的相似度值；
[0026] 挤压系数比确定模块，用于确定待加工产品挤压系数λd与最相似实验生产产品挤压系数λb之比；
[0027] 预测模块，根据最相似铝型材产品生产能耗值、待加工产品与其最相似实验生产产品的相似度值以及挤压系数比对待加工产品的生产能耗预测值。
[0028] 本发明的有益效果：与现有技术相比，本发明的效果如下：
[0029] 1)本发明通过实验构建铝型材产品生产的能耗数据库(正交实验后的工艺产生方案)，然后利用卷积神经网络找出现有实验生产产品中与待加工产品最相似的实验生产产品并计算它们的相似度值，接着计算出待加工产品挤压系数λd与最相似实验生产产品挤压系数λb之比，最后利用建立的预测能耗计算公式计算出产品的能耗。本发明旨在通过数据库、深度学习以及能耗计算模型相结合的方法，准确预测新的待加工铝型材产品的生产能耗，不仅能降低企业的劳动强度，为实现企业最优能耗生产计划调度奠定良好，而且能用于铝型材生产过程的能耗控制，实现企业的节能减排与生产成本下降；
[0030] 而且相比背景技术中给出的中国专利申请(申请号为201911218560.3，即对比专利)具有如下优点：
[0031] (1)工艺参数优化方法方面，本发明采用正交实验法，对比专利采用的粒子群算法，两者相比本专利方法简单快速，计算量小；
[0032] (2)数据量方面，本发明只需少量的实验数据，而对比专利需要大量的数据进行模型训练；
[0033] (3)模型方面，本发明不要构建复杂的数学模型，而对比专利需要构建以成形能耗与型材出口面的温度均方差为优化目标的多目标优化模型，且需要对多目标优化模型进行求解，计算资源需求相对大；
[0034] (4)计算参数方面，本发明利用的已有产品的能耗数据以及产品的设计参数(如横截面形状、挤压系数等)，而对比专利需要产品的挤压前后的温度数据及工艺参数；
[0035] (5)工艺参数数量方面，本发明为挤压速度、铝棒温度、模具温度，对比专利为坯料温度梯度(挤压前后的温度都需要)、坯料初始温度、挤压速度，然而模具温度是挤压工艺的重要参数之一；
[0036] 2)采用正交实验方法进行工艺参数方案确定，优点有：1)能够减少试验次数，正交试验法通过精心设计的试验方案，可以在较少的试验次数下获取足够的数据，从而减少生产试验的总体次数。这种方法可以有效地节省时间和成本，尤其是在铝型材生产中，全面试验可能需要大量的原材料和时间。例如，通过正交试验法，可以在不牺牲结果质量的前提下，用更少的试验来评估多个工艺参数的影响；2)提高试验效率：正交试验法通过选择代表性强的试验点，使得试验结果更具普遍性和推广性，从而提高了试验的效率。这种方法可以快速地识别出影响产品质量的关键因素，帮助生产者更快地找到最优的工艺参数组合；3)降低实验成本：由于试验次数的减少，相应的原材料、能源和人力成本也会降低。4)正交试验法可以清晰地揭示各因素对产品性能的影响，使得结果更容易被解释和推广，这种明确的因素影响分析有助于生产者理解工艺参数如何影响最终产品的质量，并据此进行工艺改进；5)优化工艺参数：通过正交试验法，可以系统地分析和优化工艺参数，如挤压速度、铝棒温度、模具温度等，从而提高铝型材的产品质量。例如，通过正交试验法可以确定最佳的挤压工艺参数，以获得所需的力学性能和微观结构；6)适应性强：正交试验法可以适应各种不同的试验条件和要求，包括多因素多水平的情况，这使得它在铝型材生产中具有很高的灵活性和适应性；
[0037] 3)深度学习模型能够自动从原始数据中学习并提取特征，减少了人工干预，提高了特征提取的效率和准确性；深度学习模型，尤其是深度神经网络，具有丰富的层次结构，能够表达复杂的特征映射关系，使得它们能够处理高维度的数据，并从中提取有用的信息；深度学习模型在处理噪声和异常值时表现出较好的鲁棒性，这使得它们在处理实际应用中的数据时具有更好的性能；
[0038] 4)本发明综合正交实验法确定工艺参数方案、深度学习方法确定相似度值、挤压系数比协同来确定的生产能耗预测，预测更科学和合理，预测更精确。
法律保护范围
涉及权利要求数量7：其中独权2项，从权-2项
1.一种铝型材挤压生产能耗预测方法，其特征在于：该方法包括以下步骤：
1）利用正交实验法设计各种现有铝型材产品生产的工艺参数方案；
2）根据工艺参数方案进行铝型材生产实验，确定各种现有铝型材产品最低生产能耗；
3）采用深度学习对待加工产品横截面形状与实验生产产品横截面形状进行对比，找出与待加工产品横截面形状最相似的实验生产产品，并计算出两种产品横截面的相似度值；
4）计算待加工产品挤压系数λd与最相似实验生产产品挤压系数λb之比；
5）利用最相似铝型材产品生产能耗值、待加工产品与其最相似实验生产产品的相似度值以及挤压系数比计算待加工产品的生产能耗预测值。
2.根据权利要求1所述的一种铝型材挤压生产能耗预测方法，其特征在于：步骤1）中工艺参数包括挤压杆的挤压速度、铝棒温度和模具温度。
3.根据权利要求2所述的一种铝型材挤压生产能耗预测方法，其特征在于：步骤1）中正交实验方案为3因素、10水平的实验方案。
4.根据权利要求2所述的一种铝型材挤压生产能耗预测方法，其特征在于：步骤3）中深度学习方法为卷积神经网络或生成对抗网络。
5.根据权利要求3所述的一种铝型材挤压生产能耗预测方法，其特征在于：步骤3）中相似度值为待加工产品横截面所有形状特征与其最相似实验生产产品横截面特征的相同数量占其最相似实验生产产品横截面的特征总数的百分比。
6.根据权利要求3所述的一种铝型材挤压生产能耗预测方法，其特征在于：步骤5）中待加工产品的生产能耗预测值的计算公式为
（1）
—待加工产品的生产能耗预测值；
—相似度值；
—待加工产品挤压系数；
—最相似实验生产产品挤压系数；
Qs—最相似实验生产产品的生产能耗值。
7.铝型材挤压生产能耗预测系统，其特征在于：包括，
工艺参数方案确定模块，用于确定各种现有铝型材产品生产的工艺参数方案；
最低生产能耗确定模块，用于根据工艺参数方案确定模块确定的参数进行实验，确定各种现有铝型材产品最低生产能耗；
相似度确定模块，用于对深度学习确定的待加工产品横截面形状与实验生产产品横截面形状的相似度值；
挤压系数比确定模块，用于确定待加工产品挤压系数 与最相似实验生产产品挤压系数 之比；
预测模块，根据最相似铝型材产品生产能耗值、待加工产品与其最相似实验生产产品的相似度值以及挤压系数比对待加工产品的生产能耗预测值。
