本发明属于复杂工业过程智能建模，具体涉及一种前向工序引导的钢铁厚板板形质量预测方法及装置。
背景技术：
1、厚板作为钢铁工业的重要产品之一，具有产品类型多样、质量稳定、性能各异和应用范围广等特点。所以世界各国都十分重视厚板的产品质量，提升厚板产品质量不仅可以保证后续使用中的安全，而且可以降低厚板制造企业的损耗，进一步推动钢铁制造行业向智能化、数字化迈进。
2、厚板生产过程十分复杂，是典型的流程工业过程。其生产目标是获得性能优越、质量合格、板形符合标准的产品。为了实现这一目标，厚板生产过程必须进行实时监测和有效控制。厚板生产由一系列的工序组成，前一工序的输出是后一工序的输入，具体主要包括加热过程，轧制过程和冷却等过程。关于厚板最终产品质量是否合格，目前企业主要从五个方面对其进行评估，分别是厚板产品尺寸、板形、性能、表面和内质。其中，厚板板形质量和生产流程的关系十分紧密，要求整个生产过程控制最为严格，而且厚板板形作为评价厚板产品质量的关键指标之一，会直接影响厚板最终的成材率，厚板制造企业应尽可能以低生产成本和低能源损失的方式提升产品的质量。因此，寻找生产过程与最终厚板板形质量之间的关系，建立准确的厚板板形质量预测模型是目前亟待解决的一个重要问题。
技术实现思路
1、针对现有技术的不足，本申请提出一种前向工序引导的钢铁厚板板形质量预测方法及装置。
2、第一方面，本申请提出一种前向工序引导的钢铁厚板板形质量预测方法，包括：
3、获取厚板生产全流程多源异构数据；
4、对所述厚板生产全流程多源异构数据进行预处理；
5、按照不同的工序对预处理后的厚板生产全流程多源异构数据进行特征提取，得到不同工序对应的特征；
6、将不同工序对应的特征输入预训练的协同注意力机制模型中，得到融合特征；
7、将所述融合特征输入到预训练的预测模型中，得到钢铁厚板板形质量预测结果。
8、所述对所述厚板生产全流程多源异构数据进行预处理，包括：
9、对所述厚板生产全流程多源异构数据进行数据清洗；
10、对数据清洗后的厚板生产全流程多源异构数据进行插值，得到等长度的多源异构数据；
11、对厚板生产全流程多源异构数据中的高维数据进行降维处理，得到降维后的源异构数据。
12、所述按照不同的工序对预处理后的厚板生产全流程多源异构数据进行特征提取，得到不同工序对应的特征，包括：
13、按照不同的工序，对等长度的多源异构数据以及降维后的源异构数据进行变量划分；
14、按照不同工序的时间顺序将变量划分后的等长度的多源异构数据以及降维后的源异构数据进行拼接；
15、对拼接后的多源异构数据进行归一化处理；
16、将归一化后的多源异构数据输入不同工序对应的不同卷积神经网络中，进行特征提取，得到不同工序对应的特征。
17、所述不同卷积神经网络包括：一个卷积层、一个衰减曾、一个展平层以及一个全连接层。
18、所述不同工序包括：加热工序、轧制工序以及冷却工序。
19、所述预训练的协同注意力机制模型，包括：
20、第一协同注意力层以及第二协同注意力层；所述第一协同注意力层包括：第一查询向量、第一键向量以及第一值向量；所述第二协同注意力层包括：第二查询向量、第二键向量以及第二值向量；利用加热工序的特征叠加在第一查询向量中作为第一协同注意力层的输入，利用轧制工序的特征分别叠加在第一键向量以及第一值向量中，作为第一协同注意力层的注意力权重，将第一协同注意力层的输出叠加在第二查询向量中，作为第二协同注意力层的输入，将冷却工序分别叠加在第二键向量以及第二值向量中，作为第二协同注意力层的注意力权重，以第二协同注意力层的输出作为融合特征。
21、所述预训练的预测模型为单层全连接网络。
22、第二方面，本申请提出一种前向工序引导的钢铁厚板板形质量预测装置，包括：
23、数据获取模块用于获取厚板生产全流程多源异构数据；
24、数据预处理模块用于对所述厚板生产全流程多源异构数据进行预处理；
25、工序特征提取模块用于按照不同的工序对预处理后的厚板生产全流程多源异构数据进行特征提取，得到不同工序对应的特征；
26、融合特征提取模块用于将不同工序对应的特征输入预训练的协同注意力机制模型中，得到融合特征；
27、质量预测模块用于将所述融合特征输入到预训练的预测模型中，得到钢铁厚板板形质量预测结果。
28、第三方面，本申请提出一种电子设备，包括：一个或多个处理器，以及存储器，所述存储器用于存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行所述的前向工序引导的钢铁厚板板形质量预测方法。
29、第四方面，本申请提出一种计算机可读存储介质，其存储有可执行的指令，所述指令当被执行时使得处理器执行所述的前向工序引导的钢铁厚板板形质量预测方法。
30、第五方面，本申请提出一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现所述的前向工序引导的钢铁厚板板形质量预测方法。
31、有益效果：
32、本申请提出一种前向工序引导的钢铁厚板板形质量预测方法及装置，针对不同工序数据特点设计不同的卷积神经网络进行特征提取，并且采用协同注意力机制对提取的三个工序特征进行融合，充分考虑了各个工序之间的联系，能够更好地对厚板板形质量进行预测，从而辅助现场生产决策。
1.一种前向工序引导的钢铁厚板板形质量预测方法，其特征在于，包括：
2.根据权利要求1所述的前向工序引导的钢铁厚板板形质量预测方法，其特征在于，所述对所述厚板生产全流程多源异构数据进行预处理，包括：
3.根据权利要求2所述的前向工序引导的钢铁厚板板形质量预测方法，其特征在于，所述按照不同的工序对预处理后的厚板生产全流程多源异构数据进行特征提取，得到不同工序对应的特征，包括：
4.根据权利要求3所述的前向工序引导的钢铁厚板板形质量预测方法，其特征在于，所述不同卷积神经网络包括：一个卷积层、一个衰减曾、一个展平层以及一个全连接层。
5.根据权利要求1所述的前向工序引导的钢铁厚板板形质量预测方法，其特征在于，所述不同工序包括：加热工序、轧制工序以及冷却工序。
6.根据权利要求5所述的前向工序引导的钢铁厚板板形质量预测方法，其特征在于，所述预训练的协同注意力机制模型，包括：
7.一种前向工序引导的钢铁厚板板形质量预测装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：一个或多个处理器，以及存储器，所述存储器用于存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1～6任一权利要求所述的前向工序引导的钢铁厚板板形质量预测方法。
9.一种计算机可读存储介质，其特征在于，其存储有可执行的指令，所述指令当被执行时使得处理器执行权利要求1～6任一权利要求所述的前向工序引导的钢铁厚板板形质量预测方法。
10.一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行时实现权利要求1～6任一权利要求所述的前向工序引导的钢铁厚板板形质量预测方法。
