本发明涉及铝型材挤压制造,具体是涉及一种基于贝叶斯网络的制造系统能耗评估方法。
背景技术:
1、根据《有色金属加工企业产品能耗指标》(ys/t109-92)的统计,中国主要铝加工企业的挤压材工序的能耗为1571~5405kg标煤/t,是典型的能源密集型行业。华南某大型铝型材企业的3600t挤压成型车间自2012年以来已投入运营,高度16.5米,建筑面积14368平方米,经过能源审计发现挤压制造系统用电占企业总耗电量的55.59%,天然气用量占企业天然气总消耗的84.95%,水用量占企业总耗水量的15.86%,是铝型材企业生产的主要耗能部门。在过去的几年里随着原材料价格快速增长,它几乎影响到了所有的生产过程,因为铝挤压制造系统依赖于能源供应(电力、天然气)以及铝锭原材料供应。因此,所有的生产工艺都瞄准了降低能源消耗,并且努力降低排放到环境中的二氧化碳。本文研究了铝挤压生产过程中的电能耗,以及如何调整挤压制造系统的工艺来获得更高的能源效率。仅仅对电能源消耗进行了评估。
2、铝挤压行业的市场竞争非常激烈,铝挤压生产工厂不愿意失去任何一个客户,订购挤压铝材及其生产之间的时间段通常少于24小时,必须在短时间内满足客户的不同需求。这导致了挤压生产过程中生产订单的变化非常频繁,不可能对生产订单进行提前规划。而铝挤压制造系统采用的铝棒原材料是由客户的生产订单所决定,因而生产过程中出现的一些不确定因素是与高度变化的原材料相关的,这将会对节能加工的性能产生很大的影响。因而在挤压制造系统的日常生产中必须处理这些不确定性。
技术实现思路
1、针对现有技术存在的不足,本发明实施例的目的在于提供一种基于贝叶斯网络的制造系统能耗评估方法,以解决上述背景技术中的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种基于贝叶斯网络的制造系统能耗评估方法,包括以下步骤:
4、步骤一:获取铝型材挤压制造工艺,制造工艺包括加热炉、挤压机、加工设备及输送装置;
5、步骤二:获取制造工艺中的总能耗em,所述总能耗em包括加工能耗eope、待机能耗erea、预处理能耗epre、运输能耗etran及公共能耗epub;
6、步骤三:根据制造工艺和总能耗构建评估模型,
7、步骤四:获取不确定性来源,根据偶然不确定性构建预测模型;
8、步骤五:根据多维预测模型构建工艺贝叶斯网络,根据工艺贝叶斯网络生成工艺参数后验分布的样本;
9、步骤六:采用核密度估计和蒙特卡罗采样方法进行贝叶斯向前不确定性传播,获得的工艺参数后验分布样估计挤压成型制造系统总能耗的后验分布。
10、作为本发明进一步的方案,所述步骤一中制造工艺的流程为:铝棒加热→挤压→冷却淬火→拉伸矫直→锯切→检验→人工时效→检验→入库。
11、作为本发明进一步的方案,所述步骤二中加工能耗eope为挤压机和三道后续工艺的机器加工订单e中铝型材产品i时的能耗,
12、
13、作为本发明进一步的方案,所述步骤二中运输能耗etran为产品在挤压制造系统各设备之间传递所消耗的能耗,
14、
15、作为本发明进一步的方案,所述步骤二中公共能耗epub是包括照明、降温及供水供气维持生产环境恒温所消耗能源的总和,
16、
17、作为本发明进一步的方案,所述步骤四中贝叶斯网络技术将多变量联合概率密度函数,表示为边际和条件概率密度函数的乘积,用于信息融合以及多维不确定性因素的整合。
18、作为本发明进一步的方案,所述步骤六中工艺参数的测量误差被假定为有着零均值的正态分布,标准偏差为0.01。
19、综上所述,本发明实施例与现有技术相比具有以下有益效果:
20、基于贝叶斯网络方法开发了一个能耗不确定性预测模型,在不确定性环境下,可以高精度地预测挤压制造系统的能耗。
21、为更清楚地阐述本发明的结构特征和功效,下面结合附图与具体实施例来对本发明进行详细说明。
1.一种基于贝叶斯网络的制造系统能耗评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于贝叶斯网络的制造系统能耗评估方法,其特征在于,所述步骤一中制造工艺的流程为:铝棒加热→挤压→冷却淬火→拉伸矫直→锯切→检验→人工时效→检验→入库。
3.根据权利要求2所述的基于贝叶斯网络的制造系统能耗评估方法,其特征在于,所述步骤二中加工能耗eope为挤压机和三道后续工艺的机器加工订单e中铝型材产品i时的能耗,
4.根据权利要求3所述的基于贝叶斯网络的制造系统能耗评估方法,其特征在于,所述步骤二中运输能耗etran为产品在挤压制造系统各设备之间传递所消耗的能耗,
5.根据权利要求4所述的基于贝叶斯网络的制造系统能耗评估方法,其特征在于,所述步骤二中公共能耗epub是包括照明、降温及供水供气维持生产环境恒温所消耗能源的总和,
6.根据权利要求5所述的基于贝叶斯网络的制造系统能耗评估方法,其特征在于,所述步骤四中贝叶斯网络技术将多变量联合概率密度函数,表示为边际和条件概率密度函数的乘积,用于信息融合以及多维不确定性因素的整合。
7.根据权利要求6所述的基于贝叶斯网络的制造系统能耗评估方法,其特征在于,所述步骤六中工艺参数的测量误差被假定为有着零均值的正态分布,标准偏差为0.01。