欢迎访问《冶金自动化》官方网站!今天是

2022年, 第46卷, 第2期 刊出日期:2022-03-25
  

  • 全选
    |
  • 刘士新
    冶金自动化. 2022, 46(2): 1-2.
    摘要 ( ) PDF全文 ( )   可视化   收藏
  • 前沿技术及综述
  • 杜 胜, 陈 聪, 胡 杰, 陈略峰, 安剑奇, 陈 鑫, 曹卫华, 吴 敏
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着“碳达峰冶 “碳中和冶 “低碳冶金冶等概念的提出,钢铁行业的绿色智能制造已成为大势所趋。 铁前工序是钢铁冶金过程的前端工序,也是主要的能源消耗环节。 因此,实现铁前工序的绿色智能制造具有重要的经济价值和环保意义。 围绕钢铁冶金过程铁前工序绿色智能制造,以“智能碳使用冶的低碳冶金技术为核心,综述铁前工序运行状态智能感知、运行参数智能控制、运行性能智能优化和智能协同管控 4 个方面的研究进展。 运行状态智能感知是获取难以检测运行状态信息的主要手段,包括运行状态监测和运行状态识别。运行参数智能控制是实现铁前工序运行状态正常的前提,包括基于人工经验的智能控制、基于参数预测的智能控制和面向多目标集成智能控制。 运行性能智能优化是提升运行状态的运行性能的主要措施,包括操作参数智能优化和运行指标智能优化。 钢铁冶金过程智能协同管控着重研究感知、控制和优化技术的协同融合。 最后,分析当前存在的机遇与挑战,铁前大数据分析和运行状态智能感知、铁前工序一体化智能协同管控和铁前工序全流程性能提升与优化控制或将成为铁前工序绿色智能制造的前景方向。
  • 蒋 珂, 蒋朝辉, 谢永芳, 潘 冬, 桂卫华
    摘要 ( ) PDF全文 ( )   可视化   收藏
    高炉铁水质量信息包括铁水温度和铁水成分(硅、磷、硫、锰等) ,是表征产品质量、能耗水平以及炉温状态的重要参数。 高炉铁水具有温度高、辐射强、渣铁混合、多种成分并存且含量差别大等特点,其出铁过程处于间歇性随机分布的粉尘和强振动等恶劣环境中,使得铁水质量信息在线直接获取困难,造成铁水质量精细化调控盲目。 因此,实时在线地获取铁水质量信息对提升产品质量和保障高炉稳定顺行具有重要意义。 本文主要聚焦于铁水质量信息在线检测和在线预报方法的研究现状,具体包括接触式和非接触式的铁水温度在线检测方法、基于机理分析和数据驱动的铁水温度在线预报方法,基于仪器分析的铁水硅含量在线检测方法、基于机理分析和数据驱动的铁水硅含量在线预报方法,分析了现有方法的优缺点,并展望了智能制造和工业大数据背景下的铁水质量信息智能感知的相关研究方向。
  • 陈先中, 倪梓明, 邓力夫, 于 晴, 侯庆文
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在高炉冶炼生产过程中,相较于机械探尺等传统的炉内测量技术,目前国内外出现了基于激光和雷达的料面成像技术。 首先,阐述了激光与微波/ 毫米波雷达为代表的高炉生产环境成像技术及应用,尤其是内部环境恶劣料面成像的国内外现状;概述了激光与微波/ 毫米波成像的特点,激光测量精度高、准直性好,但抗恶劣环境和干扰能力差;微波/ 毫米波电磁散射原理的成像技术抗干扰能光强、稳定性好,但存在精度偏低的问题。 其次,介绍了国际主流雷达设备类型、料面监测方法及其特点,同时提出了一种新的合成孔径雷达( synthetic aperture radar,SAR)前视凝视高分辨率成像( forward-looking staring high-resolution imaging,FSHI) 方法,具有点云高精度主动抗干扰成像特点,并成功应用于国内大型高炉。 最后,展望了雷达点云图像处理、料层分布可视化与高炉雷达保护技术,是未来高炉大规模部署成像雷达成功的关键。
  • 朱雄卓, 杨春节, 高大力, 黄晓珂
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着工业信息化水平的不断提高,数据驱动的过程监测已成为过程工业安全、质量和运行效率提高的关键技术。 高炉炼铁作为钢铁制造流程中能耗最大、排放最多的关键工序,其故障监测技术的研究与应用对于高炉炼铁过程的安全顺行、节能减排具有重要意义。 首先,以高炉过程及运行数据具有的非线性、非高斯性、时变性等不同特性为切入点,对数据驱动的高炉故障监测算法研究现状展开综述。 然后,通过与当前监测领域前沿的研究算法相比,分析各类算法的优缺点,并有针对性地提出高炉监测算法真正的需求和发展方向。 最后,基于监测算法在线运行的需求,提出了一种能够实现算法在线运行且定时更新的平台架构,并结合前端展现了算法可视化结果。
  • 孙 杰, 汪龙军, 任 辉, 李高峰, 彭 文, 张殿华
    摘要 ( ) PDF全文 ( )   可视化   收藏
    板带材轧制过程的各工序都已达到较高控制水平,工序耦合和工况复杂性限制了产品质量及生产效率提升,难以再从单独工序取得进一步突破。 多工序过程具有难以建立准确模型、运行状态不可测、非线性动态耦合等特征,如何实现以轧制过程关键运行指标感知为基础的多工序综合协调优化,是本领域面临的挑战性问题。 以多工序综合协调实现资源和工序过程能力的优化配置,提高轧制过程对于复杂多变工况的适应能力,优化各工序生产过程与终端产品的匹配度,实现产品质量和生产效率的提升,将成为重要发展趋势。
  • 赵梓焱, 李思怡, 刘士新, 刘 硕, 赵亚峰
    摘要 ( ) PDF全文 ( )   可视化   收藏
    钢铁制造是典型的流程工业,其复杂生产流程中的多重不确定性为生产调度带来了巨大挑战。 面向不确定事件扰动,如何制定动态调度策略实现快速响应,是钢铁企业亟需解决的实际问题。 现有研究针对炼铁、炼钢 - 连铸、热轧、炼钢 - 连铸 - 热轧一体化调度等多种调度场景,提出了基于 Petri 网、启发式算法、数学规划、动态约束满足、人机交互、案例推理、鲁棒和模糊优化等各类方法的大量动态调度方法。 针对钢铁动态调度这一领域展开综述,介绍钢铁生产的主要流程及其动态扰动因素,回顾钢铁制造过程中各生产环节的动态调度研究,总结现有的动态调度方法,分析钢铁行业的实际需求与现有研究的局限,提出知识和数据驱动的高性能动态调度算法、全流程多工序协同的动态调度问题及方法、可配置的决策支持系统等亟待解决的关键科学问题与待探索的研究方向。
  • 智能制造探索与实践
  • 夏建超, 王志远, 黄成永, 韩中洋
    摘要 ( ) PDF全文 ( )   可视化   收藏
    多行车协同调度问题含有时空约束,是一个典型的多机多任务的复杂非确定性多项式难题,传统求解方法难以良好应对。 鉴于此,建立了一种考虑时空约束的多行车协同调度问题模型。 该模型以行车最少完工时长为优化目标,同时在时间和空间上分别考虑了行车的避碰约束和运行约束。 提出了一种兼顾“群体智慧冶和“个体认知冶的改进遗传算法,对调度模型进行有效求解,基于真实数据的仿真实验结果表明,相较于现场人工调度,调度优化性能提高了 65% 。 同时,将上述模型方法开发为应用软件,应用于国内某大型钢铁企业炼钢区域,进一步证明了方法的有效性和实用性。
  • 何 飞, 吕志民, 王珍传, 张志研, 朱华鑫
    摘要 ( ) PDF全文 ( )   可视化   收藏
    高端线材产品因其严苛的表面质量和内在性能的要求,需要从冶炼、连铸、轧制和冷却全流程进行质量管控,因此亟需打通流程间的信息壁垒,改变传统的以炉组织生产到以流支组织生产的模式,打造高端线材全流程质量管控系统,实现物料流支跟踪、生产过程监控、质量追溯、质量评级、质量诊断和过程优化等功能。采用了多变量监控实现变量耦合关系的解析,采用多种变量重要性分析方法综合定位引发质量波动的异常原因,最终形成质量管控闭环,不断改善产品质量,减少质量异议。
  • 人工智能技术
  • 马 湧, 刘新建, 蒋胜龙
    冶金自动化. 2022, 46(2): 96-102.
    https://doi.org/10. 3969 / j. issn. 1000-7059. 2022. 02. 009
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来,机器学习作为人工智能最活跃的分支得到突飞猛进的发展。 炼钢 - 连铸作为钢铁制造全流程中的关键环节,其生产调度问题具有约束复杂和强不确定性等难点。 在回顾数据驱动的生产调度方法的基础上,探讨了基于机器学习计算的炼钢 - 连铸调度方法涉及的主要研究内容,并提出了一种集成算法框架。该框架基于机器学习算法,通过期望指标预测器、调度规则挖掘器、滚动优化算法等模块实现调度过程智能化寻优。 最后,对本文工作进行了总结,针对炼钢 - 连铸调度特点,对强化学习方法的应用提出展望。
  • 工艺控制理论与技术
  • 贺东风, 官竹林, 胡正彪
    冶金自动化. 2022, 46(2): 103-109.
    https://doi.org/10. 3969 / j. issn. 1000-7059. 2022. 02. 010
    摘要 ( ) PDF全文 ( )   可视化   收藏
    钢铁企业的高炉煤气产生量因工况变化和各种复杂因素的影响,存在波动周期幅度较大和大量随机扰动的现象,使得高炉煤气产生量精准预测困难。 为解决该问题,通过分析高炉煤气产生量特点,利用数据的波动特性对历史数据进行分类,并利用整合滑动平均自回归模型 ( autoregressive integrated moving average model,ARIMA) 、长短期记忆网络模型( long short-term memory,LSTM) 和小波变换( wavelet transform,WT) 建立了ARIMA-WT-LSTM 模型,对高炉煤气产生量进行实时动态分类和预测。 以某钢厂 1 号高炉实际数据为例进行了验证,结果表明,本文提出的混合模型预测的均方根误差( root mean square error,RMSE) 、平均绝对百分比
    误差( mean absolute percentage error,MAPE)和平均绝对误差( mean absolute error,MAE)比未进行数据分类的ARIMA-WT-LSTM 模型分别降低了 12. 86、2. 88 和 10. 91,验证了模型的有效性。
  • 彭开香, 张学艺, 胡鑫裕
    冶金自动化. 2022, 46(2): 110-117.
    https://doi.org/10. 3969 / j. issn. 1000-7059. 2022. 02. 011
    摘要 ( ) PDF全文 ( )   可视化   收藏
    钢铁工业在国民经济基础中有着重要地位,转炉炼钢作为钢铁生产中的一个重要环节,直接决定了生产钢铁的质量。 转炉炼钢是一个影响因素众多、过程非常复杂的多元多相高温物理化学反应过程,对转炉炼钢终点实现精确控制是冶金行业一个有待解决的难题。 以提高转炉炼钢终点碳温命中率为目标,针对传统全局模型预测性能不足,难以解决多工况问题,提出了一种基于即时学(just-in-time learning,JITL)的动态终点预测方法。 在 JITL 的框架下,利用不同准则下的相似性度量方法,选取相应的子样本集,分别构建局部回归模型,最后通过集成学习输出各个局部模型的预测结果。 在实际转炉炼钢数据验证中,使用本文所提方法,终点温 度 在 ± 15 ℃ 范 围 内 ( | Δt | ≤ 15 ℃ ) 命 中 率 为 92. 7% , 终 点 碳 质 量 分 数 在 ± 0. 02% 范 围 内( | Δw ( C) |≤0. 02% )命中率为 95. 7% ,可以为实际生产过程中的终点控制等操作提供参考。
  • 检测仪表与自动化装置
  • 王玉涛, 郑宗鹏, 苏志祁, 杨 钢, 王大阳, 郝 乐
    冶金自动化. 2022, 46(2): 118-124.
    https://doi.org/10. 3969 / j. issn. 1000-7059. 2022. 02. 012
    摘要 ( ) PDF全文 ( )   可视化   收藏
    维持稳定的高炉铁口深度对高炉安全生产以及高炉长寿具有重要意义。 目前,高炉铁口深度检测是利用开铁口机的行程标尺或速度编码器,而铁口环境恶劣,具有高温、强腐蚀、多尘、多振动等特点,难以实现低成本、高效率测量。 对此,提出了一种基于ArUco 标记的机器视觉测距技术,针对 ArUco 标记,研究了快速、准确提取 ArUco 标记特征点的方法;针对铁口打开时机难以人工判断的情况,提出基于图像颜色变化的铁口打开判据,实现铁口深度的自动测量。 实验表明,在实验室景深 5 m、量程 4. 3 m 的条件下,移动距离的测量相对误差小于 1% ;在现场环境下,该方法可以实时有效提取标记区域,检测速度可以达到 20 fps,满足炉前区域高炉铁口深度的持续、准确测量需求。