基于长短时记忆神经网络的锌液温度预测模型
2021-07-02顾婧弘李晓义
现代制造技术与装备 2021年5期
关键词:模型
顾婧弘 李晓义
(中国能源建设集团鞍山铁塔有限公司,鞍山 114000)
铁塔[1]主要是用于电力输送、信号远距离传输等露天场景,因此要求铁塔质量稳定,能够长时间使用,同时要求铁塔加工企业铁塔制造高质量发展。防止工件生锈,提高铁塔防生锈能力,是一个关键问题。因此,在铁塔制造中有一个主要步骤是热浸镀锌[2-3],即将铁塔工件浸入到高温锌液,使得工件表面均匀附上厚度合适的锌层,使得铁塔能够有效抗腐蚀、防生锈。
锌液温度控制是热浸镀锌工艺流程中的关键环节。温度过高会造成锌液过多氧化,产生更多锌渣,加速锌锅的腐蚀;温度过低则会造成附着能力不足,对锌层厚度和工件表面锌花状态产生不利影响[4-5]。针对不同的工件,会要求不同的锌液温度。在铁塔、钢结构件镀锌时,温度应保持在450 ℃±5 ℃。然而,在实际热浸镀锌过程中,受外界环境、锌液成分波动或者生产工艺变化等因素的干扰,实际锌液温度会存在不可控制的波动变化。因此,本文在对热浸镀锌工艺流程、现场相关实测数据分析的基础上,确定影响锌液温度的多个因素,选取更加适合时间序列分析的长短时记忆神经网络,建立锌液温度在线预测模型,从而为操作人员控制锌液温度提供有效参考。
1 热浸镀锌工艺流程与参数分析
铁塔加工企业热浸镀锌的工艺流程及各阶段的温度要求,如图1所示。它可以分为3个阶段。第1阶段,工件预处理,包括脱脂和酸洗两个主要步骤。……
登录APP查看全文
