一种基于热模数计算的蠕化率表征方法、设备及介质

技术领域

本申请涉及数据预测领域，具体涉及一种基于热模数计算的蠕化率表征方法、设备及介质。

背景技术

蠕墨铸铁的石墨形貌是处于片状石墨和球状石墨之间的呈蠕虫状的过渡型石墨形貌，也正因为独有的石墨形貌，使得蠕墨铸铁不仅具有良好的铸造性、导热性同时也具备接近于球墨铸铁的力学性能，因此，蠕墨铸铁的应用范围也越来越广泛。

由于蠕墨铸铁的蠕化区间较窄，所以在进行蠕墨铸铁铸件生产时，不同壁厚位置由于冷却速度差异较大，导致各部位的蠕化率不同，而对于一些形状复杂的异形面，蠕化率又很难通过设备准确检测，所以这些部位就变成蠕化率盲区无法预测。

对此，发明专利《CN104391043A：一种超声波检测任意尺寸蠕墨铸铁蠕化率的装置及其使用方法》(尚未授权)公开了一种无需测量被测蠕墨铸铁件的尺寸大小，就能够快速检测蠕墨铸铁件蠕化率的检测方法。但是该技术方案只能在铸件打箱清理后，才能对铸件进行蠕化率检测，且铸件待检测部位的表面平整度和表面粗糙度对蠕化率检测结果的准确性影响较大，且对一些铸件内腔或无法放置超声检测探头的部位无法进行蠕化率检测。

发明内容

为了解决上述问题，本申请提出了一种方法、设备及介质，其中方法包括：

获取第一样本铸件各部位的热模数、原铁水的含硫量、蠕化剂加入量以及蠕化率；确定所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率之间的表征模型；通过第二样本铸件各部位的蠕化率对所述表征模型对进行验证；使用通过验证的所述表征模型预测待检测铸件的蠕化率。

在一个示例中，确定所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率之间的表征模型，具体包括：基于所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率确定初始表征模型对应的模型类型；将所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率代入至所述初始表征模型，修改初始表征模型中多个自变量分别对应的表征系数，以得到所述表征模型。

在一个示例中，基于所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率确定初始表征模型对应的模型类型，具体包括：获取多种预设表征模型，所述多种预设表征模型中多个自变量与所述蠕化率对应的数学关系不同；将所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率代入至所述多种预设表征模型中，以确定所述多种预设表征模型分别对应的表征误差值；将所述表征误差值最小的预设表征模型作为所述初始表征模型对应的模型类型。

在一个示例中，基于所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率确定初始表征模型对应的模型类型，具体包括：确定所述热模数、所述含硫量、所述蠕化剂加入量分别与蠕化率对应的二维图像；基于所述二维图像确定所述热模数、所述含硫量、所述蠕化剂加入量分别与蠕化率对应的数学关系；基于所述数学关系，确定所述蠕化率与所述热模数、所述含硫量、所述蠕化剂加入量对应的初始表征模型。

在一个示例中，通过第二样本铸件各部位的蠕化率对所述表征模型对进行验证，具体包括：获取所述第二样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及实际蠕化率；基于所述第二样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量，通过所述表征模型，确定所述第二样本铸件各部位分别对应的预测蠕化率；通过对比所述实际蠕化率以及所述预测蠕化率，对所述表征模型进行验证。

在一个示例中，通过对比所述实际蠕化率以及所述预测蠕化率，对所述表征模型进行验证，具体包括：基于所述实际蠕化率以及所述预测蠕化率，确定所述表征模型对应的预测误差均值；基于所述预测误差均值，对所述表征模型中的各表征系数进行调整，以使所述预测误差均值低于预设阈值。

在一个示例中，使用通过验证的所述表征模型预测待检测铸件的蠕化率时，表征模型如下：

L＝k

其中，L为蠕化率，k

在一个示例中，k

本申请还提供了一种基于热模数计算的蠕化率表征设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：获取第一样本铸件各部位的热模数、原铁水的含硫量、蠕化剂加入量以及蠕化率；确定所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率之间的表征模型；通过第二样本铸件各部位的蠕化率对所述表征模型对进行验证；使用通过验证的所述表征模型预测待检测铸件的蠕化率。

本申请还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：获取第一样本铸件各部位的热模数、原铁水的含硫量、蠕化剂加入量以及蠕化率；确定所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率之间的表征模型；通过第二样本铸件各部位的蠕化率对所述表征模型对进行验证；使用通过验证的所述表征模型预测待检测铸件的蠕化率。

通过本申请提出的方法能够带来如下有益效果：本发明的目的是通过仿真模拟计算和回归分析等手段，利用热模数并结合铁水的含硫量和蠕化剂加入量，预测铸件不同部位的蠕化率，并建立“蠕化率-热模数-含硫量-蠕化剂量”四者之间的数学关系模型，实现对铸件不同部位蠕化率的精准预测。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中一种基于热模数计算的蠕化率表征方法的流程示意图；

图2为本申请实施例中一种表征模型的四合一残差示意图；

图3为本申请实施例中一种基于热模数计算的蠕化率表征设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1为本说明书一个或多个实施例提供的一种基于热模数计算的蠕化率表征方法的流程示意图，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。

本申请实施例涉及的分析方法的实现可以为终端设备，也可以为服务器，本申请对此不作特殊限制。为了方便理解和描述，以下实施例均以服务器为例进行详细描述。

需要说明的是，该服务器可以是单独的一台设备，可以是由多台设备组成的系统，即，分布式服务器，本申请对此不做具体限定。

如图1所示，本申请实施例提供一种基于热模数计算的蠕化率表征方法，包括：

S101：获取第一样本铸件各部位的热模数、原铁水的含硫量、蠕化剂加入量以及蠕化率。

热模数是指铸件某一部位凝固过程中，其体积和表面积的比值称为热模数。不同形状、重量的铸件，只要其热模数相等，则其凝固时间就相等；热模数小的铸件凝固时间短，热模数大的铸件凝固时间长。而蠕化率指的是蠕墨铸铁金相组织中蠕虫状石墨占所有石墨(包括蠕虫状石墨和球状石墨)截面积的百分比。蠕化剂能够促使铸铁中的石墨形貌生长成为蠕虫状形貌的物质，因此，铸件各部位的蠕化率与热模数、原铁水的含硫量、蠕化剂加入量相关。在构建表征模型之前，需要获取第一样本铸件各部位的热模数、原铁水的含硫量、蠕化剂加入量以及蠕化率。

上述数据可以预先存储在计算机设备的存储装置中，当需要确定表征模型时，计算机设备可以从存储装置中选取数据。当然，计算机设备还可以从其它外部设备中获取该数据。比如，将数据存储在云端，当需要确定表征模型时，计算机设备可以从云端获取数据，本实施例对样本数据的获取方式不做限定。

S102：确定所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率之间的表征模型。

由于铸件各部位的蠕化率与热模数、原铁水的含硫量、蠕化剂加入量相关，因此可以通过方针模拟、回归分析等手段，利用热模数并结合铁水的含硫量和蠕化剂加入量，预测铸件不同部位的蠕化率，并建立“蠕化率-热模数-含硫量-蠕化剂量”四者之间的表征模型。

在一个实施例中，在确定表征模型时，首先要基于样本铸件各部位分别对应的热模数、含硫量、蠕化剂加入量以及蠕化率确定初始表征模型对应的模型类型，即进行回归分析时的分析模型，如线性回归、指数回归等模型。然后再将热模数、含硫量、蠕化剂加入量以及蠕化率代入至初始表征模型，修改初始表征模型中多个自变量分别对应的表征系数，以得到表征模型。

进一步地，在确定初始表征模型对应的模型类型时，可以基于多种预设表征模型，然后将数据带入至表征模型中，以确定不同表征模型分别对应的表征误差值，进而选择初始表征模型。具体地，获取多种预设表征模型，多种预设表征模型中多个自变量与蠕化率对应的数学关系不同；将热模数、含硫量、蠕化剂加入量以及蠕化率代入至多种预设表征模型中，以确定多种预设表征模型分别对应的表征误差值；将表征误差值最小的预设表征模型作为初始表征模型对应的模型类型。

在一个实施例中，在确定初始表征模型时，还可以通过分别确定不同自变量与蠕化率之间的数学关系，进而确定初始表征模型。具体地，可以确定热模数、含硫量、蠕化剂加入量分别与蠕化率对应的二维图像，并基于二维图像确定热模数、含硫量、蠕化剂加入量分别与蠕化率对应的数学关系；最后基于数学关系，确定蠕化率与热模数、含硫量、蠕化剂加入量对应的初始表征模型。

S103：通过第二样本铸件各部位的蠕化率对所述表征模型对进行验证。

确定了表征模型之后，需要对表征模型进行验证，以确定表征模型的误差，在进行验证时，可以基于第二样本铸件各部位的蠕化率对表征模型进行检验。

在一个实施例中，在对表征模型进行验证时，需要获取第二样本铸件各部位分别对应的热模数、含硫量、蠕化剂加入量以及实际蠕化率，并基于第二样本铸件各部位分别对应的热模数、含硫量、蠕化剂加入量，通过表征模型，确定第二样本铸件各部位分别对应的预测蠕化率；通过对比实际蠕化率以及预测蠕化率，对表征模型进行验证。

进一步地，在对比实际蠕化率以及预测蠕化率时，需要基于实际蠕化率以及预测蠕化率，确定表征模型对应的预测误差均值；基于预测误差均值，对表征模型中的各表征系数进行调整，以使预测误差均值低于预设阈值。

S104：使用通过验证的所述表征模型预测待检测铸件的蠕化率。

当表征模型通过验证后，即可使用通过验证的所述表征模型预测待检测铸件的蠕化率，实现对铸件不同部位蠕化率的精准预测。

在一个实施例中，通过验证的表征模型如下：

L＝k

其中，L为蠕化率，k

在一个示例中，铸件热模数、原铁水含硫量、蠕化剂加入量和铸件最终蠕化率数据统计如下表所示：

“蠕化率-热模数-含硫量-蠕化剂量”的表征模型如下：

蠕化率＝1.833*热模数-82.1*含硫量-57.37*蠕化剂量-969*蠕化剂量*蠕化剂量+0.922。

如图2所示，通过四合一残差图可以看出残差正常，即回归模型有效。

通过热模数预测铸件各部位的蠕化率和铸件的实际蠕化率的偏差仅为1.5％左右，数学关系模型较好，验证数据如下：

通过本申请公开的一种基于热模数计算的蠕化率表征方法，在铸件浇注之前，即可通过铸件不同部位的热模数，预测铸件各部位的蠕化率；对铸件各部位的蠕化率均可准确预测，对铸件形状、尺寸、表面状态均无要求；对不满足蠕化率要求的铸件部位，可以在浇注之前通过调整蠕化剂的加入量来精确调控所需铸件部位的蠕化率。

如图2所示，本申请实施例还提供了一种基于热模数计算的蠕化率表征设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取第一样本铸件各部位的热模数、原铁水的含硫量、蠕化剂加入量以及蠕化率；确定所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率之间的表征模型；通过第二样本铸件各部位的蠕化率对所述表征模型对进行验证；使用通过验证的所述表征模型预测待检测铸件的蠕化率。

本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

获取第一样本铸件各部位的热模数、原铁水的含硫量、蠕化剂加入量以及蠕化率；确定所述样本铸件各部位分别对应的所述热模数、所述含硫量、所述蠕化剂加入量以及所述蠕化率之间的表征模型；通过第二样本铸件各部位的蠕化率对所述表征模型对进行验证；使用通过验证的所述表征模型预测待检测铸件的蠕化率。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。