2023年, 第47卷, 第6期　刊出日期：2023-11-25

  

• 全选
  |

• Select
  序言

  彭开香

  冶金自动化. 2023, 47(6): 1-1.

  摘要 ( ) PDF全文 ( )   可视化   收藏
炼钢-连铸智能化控制技术专栏
• Select
  铁水预处理脱硫模型研究进展与应用

  赵钰铎, 吴思炜, 曹光明, 王国栋

  冶金自动化. 2023, 47(6): 2-14,36.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.001

  摘要 ( ) PDF全文 ( )   可视化   收藏

  现代转炉炼钢流程中的铁水预处理脱硫工序可以提高去除杂质效率、减轻转炉吹炼负担、缩短冶炼时间,是冶炼品种钢和洁净钢的必要工序。铁水预处理过程发生复杂的高温物理化学反应,是一个黑箱过程,这导致冶炼过程的精准控制十分困难。建立精确的过程控制模型是实现铁水预处理过程精准控制的核心,对企业降低钢材生产成本,促进企业数字化、绿色化转型具有重要意义。本文综述了国内外研究者针对铁水预处理脱硫工序建立的机理模型、统计回归模型、专家系统和机器学习模型等各类模型的建模原理、特点与研究进展。基于模型的不同用途,分别围绕终点硫含量与脱硫率预测、工艺参数预测及优化和脱硫剂耗量与利用率预测,总结了铁水预处理脱硫模型的发展历程,并就其未来发展提出展望。
• Select
  基于自编码-反向传播神经网络的LF钢水硫含量预测

  马亮, 王梦伟, 彭开香

  冶金自动化. 2023, 47(6): 15-20.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.002

  摘要 ( ) PDF全文 ( )   可视化   收藏

  钢包精炼炉(ladle furnace,LF)钢水硫含量预测对于精炼成品钢水成分的精准控制和产品质量的提升具有重要意义。针对LF机理复杂、多变量、非线性等特点,提出了一种基于自编码-反向传播神经网络(autoencoder-back propagation neural network,AE-BPNN)的LF钢水硫含量预测方法。首先,通过AE网络对数据降维和特征提取,消除噪声和缺失值的影响;然后,利用BPNN预测钢水硫含量。通过现场实际数据验证表明,所提出方法的均方根误差E_RMS(root mean square error,RMSE)达1.403,平均绝对误差E_MA(mean absolute error,MAE)达1.083,相关系数R²达0.824,具有良好的预测性能。
• Select
  基于机器学习的转炉热损失率预测

  景林, 闵义, 亓捷, 刘承军, 范佳

  冶金自动化. 2023, 47(6): 21-27.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.003

  摘要 ( ) PDF全文 ( )   可视化   收藏

  转炉热损失率是影响物料消耗量预测精度的重要参数之一,利用某钢厂150 t转炉1 900炉次冶炼历史生产数据,在热损失率计算的基础上,采用机器学习算法实现了转炉热损失率的准确预测。预测结果表明,相比于支持向量回归(support vector regression,SVR)和随机森林(random forest,RF)算法,轻量级梯度提升机(light gradient boosting machine,LightGBM)算法的预测精度最高;考虑上炉次的影响,增加上炉次冶炼终点温度变量后,LightGBM算法的决定系数R²由0.89提高到0.93,在±0.005、±0.01范围内,热损失率预测命中率分别由85%、89%提高到90%、93%;另外,通过算法内部参数优化可进一步提高模型预测精度,对于LightGBM算法,决定系数R²和均方根误差E_RMS(root mean square error,RMSE)进一步分别达到了0.94、0.009,在±0.005、±0.01范围内热损失率预测命中率进一步分别提高到91%、94%。基于转炉冶炼历史数据,采用智能算法可以实现转炉热损失率预测,为转炉物料消耗预测提供支持。
• Select
  基于代价敏感学习的钢铁企业转炉煤气柜柜位预测

  王兴, 赵伟

  冶金自动化. 2023, 47(6): 28-36.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.004

  摘要 ( ) PDF全文 ( )   可视化   收藏

  钢铁企业转炉煤气柜柜位的准确预测可为煤气系统调度提供重要依据,然而鉴于转炉煤气(Linz Donawitz gas,LDG)回收的冲击性,调度人员对柜位的超上限问题尤为关注。为此,依托大量系统运行数据,提出了一种基于代价敏感学习支持向量机(support vector machine,SVM)的转炉煤气柜柜位预测方法,可提高对柜位超上限情况的预报精度。该方法以LDG回收流量、LDG消耗流量等作为输入,以未来柜位值作为输出,利用KKT方程,将原约束条件转化为等式约束,对煤气柜位超限误报和未超限误报设定了不同的代价;最终通过最小化模型漏报误差,将原预测问题转化为一系列线性方程并求解。针对国内某钢铁厂数据的仿真实验结果表明,所提方法将LDG柜位超限状况的漏报率降低至0.16%,可为调度人员制定合理的调度策略提供更快速有效的指导。
• Select
  基于机器学习模型的Consteel电弧炉终点碳含量及温度预测

  陈超, 农伟民, 王楠

  冶金自动化. 2023, 47(6): 37-44.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.005

  摘要 ( ) PDF全文 ( )   可视化   收藏

  Consteel电弧炉终点碳含量和温度的精准控制对于高质量钢水冶炼极为重要。基于某钢厂Consteel电弧炉冶炼过程实际生产数据,采用包括预测模型和超参数优化模型在内的多种机器学习模型进行建模,并通过对比不同模型预测结果,确定了基于贝叶斯优化算法(Bayesian optimization algorithm,BOA)和梯度提升决策树算法(gradient boosting decision tree,GBDT)的Consteel电弧炉冶炼终点碳含量和温度预测模型。利用采集的数据进行验证,结果表明,本文所建模型具有不错的预测性能,可以对Consteel电弧炉冶炼终点碳含量与温度进行预测,从而为现场提供一定的生产指导。
• Select
  基于冶炼设备故障的炼钢-连铸重调度

  周涛, 邵鑫, 高山, 李少帅, 刘青

  冶金自动化. 2023, 47(6): 45-56.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.006

  摘要 ( ) PDF全文 ( )   可视化   收藏

  针对炼钢-连铸生产过程中某一冶炼设备发生故障之后的重调度问题,为保证生产的稳定性,减少重调度方案相对于初始调度方案的变化程度,以开始作业时间、作业周期和设备指派的加权差异度最小化为目标,采用数学规划方法建立了重调度模型。通过分析炼钢厂生产运行模式和生产工艺过程,提出了由基于“炉-机对应”调度策略的设备指派算法和基于工序柔性缓冲调控策略的时间调整算法两部分组成的重调度算法。以国内某中大型炼钢厂炼钢-连铸实际生产中经常发生的转炉设备故障或精炼炉设备故障问题为仿真案例进行研究,结果表明,调度前/后开始作业时间、作业周期与设备指派的总加权差异度分别为0.29、1.43和1.21,可有效保持重调度方案与初始调度方案的一致性,保证生产的稳定性,且求解时间均小于0.6 s,能够针对冶炼设备发生故障后的重调度问题快速给出较优的解决方案,在冶炼设备故障频发的实际生产过程中能够保证炼钢-连铸有序、稳定、高效运行。
• Select
  基于机器学习的连铸生产过程铸坯表面缺陷预测方法

  孙卫平, 刘士新

  冶金自动化. 2023, 47(6): 57-63.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.007

  摘要 ( ) PDF全文 ( )   可视化   收藏

  铸坯是钢铁产品生产的原材料,铸坯的缺陷会导致最终钢铁产品的质量缺陷。针对现场采集的连铸生产过程低频数据和高频数据进行研究,提出了复杂流程工业数据的清洗方法以及高频工业数据特征提取方法。基于机器学习理论建立了分类与回归树(classification and regression tree,CART)、AdaBoost、随机森林(random forest,RF)和最优分类树(optimal classification tree,OCT)4种铸坯表面缺陷预测模型,并利用Relief和RF模型进行了特征选择。通过大量实验对比分析了不同模型的预测精度,结果表明,RF模型给出了最好的预测精度;通过实验找出了液相线温度、中间包(tundish,TD)下限温度、TD目标温度等对铸坯表面缺陷具有关键作用的10个参数特征。本文方法可以推广到其他场景的工业数据分析与建模,对于利用工业数据提升产品质量具有重要的参考价值。
• Select
  板坯连铸结晶器液位瞬时异常波动的时频特性

  孟晓亮, 罗森, 周业连, 王卫领, 朱苗勇

  冶金自动化. 2023, 47(6): 64-71.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.008

  摘要 ( ) PDF全文 ( )   可视化   收藏

  在连铸过程中,结晶器液面的瞬时异常波动会对连铸坯质量造成不利影响,因此结晶器液位波动的控制是高品质钢连铸过程的关键一环。本研究收集了低碳钢、中碳钢、亚包晶钢和包晶钢的板坯连铸工艺数据,利用快速傅里叶变换(fast Fourier transform,FFT)和连续小波变换(continuous wavelet transform,CWT)分析数据特征,进而研究工艺参数对结晶器液位瞬时异常波动的影响。FFT分析结果表明,鼓肚对于结晶器液面瞬时异常波动并无明显影响。通过CWT分析了结晶器液位瞬时异常波动和塞棒位置的时频特性,结果表明,在不同钢种和拉速下,结晶器液位瞬时异常波动发生之前塞棒位置高频区CWT系数均呈线性增加趋势。因此,通过对塞棒位置高频区的CWT分析,可以预测结晶器液位瞬时异常波动。
智能制造探索与实践
• Select
  综合图像处理技术在高炉破损调查中的应用

  宋明波, 孟赛, 焦克新, 张建良, 邓勇, 纪晨坤

  冶金自动化. 2023, 47(6): 72-84.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.009

  摘要 ( ) PDF全文 ( )   可视化   收藏

  高炉破损调查工作对明晰炉内物相分布及炉衬侵蚀特征有着重要的意义,而计算机图像处理技术可以快速且低成本地获取破损调查样品的多种物相参数信息。基于国内某大型高炉的破损调查工作,结合Photoshop(PS)软件、Image-Pro Plus(IPP)软件、工业CT设备对炉缸残铁截面焦炭信息、渣铁焦三维结构、耐火材料破损程度进行定量化表征。首先介绍了图像的获取及二值化处理流程,并对死料柱空隙度的“像素占比计算法”及网格划分的趋势分布进行表征,同时通过检测死料柱渣铁焦的三维物相分布及体像素占比,验证了二维空隙度与三维空隙度的相关性。此外,在“等效圆计算焦炭粒度”的基础上引入修正系数C,降低了焦炭不规则形貌对粒度的影响程度。利用耐火材料的二值化图像对表面宏观及内部微观裂纹的分布、大小及深度进行直观表征,三维结构可对耐火材料的孔隙数量、体积和孔隙率等多方面参数进行表征,定量化判断炉缸耐火材料的破损情况。
人工智能技术
• Select
  基于双向长短时记忆网络模型预测烧结矿FeO含量

  张学锋, 闻亦昕, 熊大林, 龙红明

  冶金自动化. 2023, 47(6): 85-92.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.010

  摘要 ( ) PDF全文 ( )   可视化   收藏

  烧结过程中FeO含量是影响烧结矿性能的重要参考指标。对FeO含量变化进行实时观测和监视,可以减少烧结能耗,改善烧结效果。针对目前企业实时观测FeO含量手段较为单一的情况,研究了基于双向长短时记忆网络模型(bi-directional long short-term memory,BiLSTM)的烧结矿FeO含量预测模型。数据来源为攀钢六型烧结机2021年部分工艺数据,经过滤、提优等数据处理后,选取BiLSTM神经网络进行训练、调参,与企业现场烧结工艺相结合,提高了模型预测的准确率,基本实现了烧结矿FeO的预测。测试结果表明,在企业误差允许的范围内,准确率达90.2%,因此可以给予企业内烧结矿生产有效意见。
• Select
  基于随机森林的热轧带钢卷取温度预测

  郝秋宇, 龚殿尧, 田宝钱, 丁鹿西, 徐建忠

  冶金自动化. 2023, 47(6): 93-102.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.011

  摘要 ( ) PDF全文 ( )   可视化   收藏

  在带钢热连轧过程中,卷取温度是重要的工艺参数和主要的控制目标,其一定程度上可决定带钢的微观组织,从而影响产品的力学性能和使用性能。为进一步提高热轧带钢卷取温度控制精度,以某热连轧产线的实际生产数据为基础,采用随机森林(random forest,RF)算法建立了一种基于数据驱动的热轧带钢卷取温度预测模型,并采用贝叶斯优化算法确定RF模型的最优超参数,采用类似于网格搜索的方式确定贝叶斯优化算法自身超参数。同时,采用贝叶斯优化的决策树模型(decision tree,DT)、支持向量回归模型(support vector regression,SVR)和现场基于经典传热学建立的机理模型进行对比验证。模型测试结果表明,RF模型的预测结果有97%以上样本点预测误差在-10~10 ℃以内,相较于现场模型能更好地实现对卷取温度的预测,进一步提高卷取温度的控制精度。
• Select
  基于多级网络的钢板表面喷码识别方法

  石杰, 郭亚男, 杨朝霖, 焦小松

  冶金自动化. 2023, 47(6): 103-111.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.012

  摘要 ( ) PDF全文 ( )   可视化   收藏

  钢板表面喷码识别是实现冷区钢板物料跟踪的重要基础,然而受限于不同标印设备喷印字体形态差异,且存在人工手写钢板号等特殊情况,单一模型识别方式无法具备较强的适应能力并保证识别的精准性。本文阐述了实现物料跟踪的软件流程,并分析喷码识别在其中扮演的角色及作用。设计出多级网络喷码识别框架,以轻量化目标检测模型为基础,快速定位喷码区域并截取,通过逐行分割模型及先验知识精确提取钢板号位置,以卷积循环神经网络(convolutional recurrent neural network,CRNN)模型实现独立钢板号的识别。多级网络模型能够实现超过99.2%的整体钢板号识别率,且通过与生产计划比对可进一步提升识别准确率,通过数据库交互获取钢板细节信息,能够为物料跟踪过程提供有效的数据支撑。
• Select
  基于多维感知和人工智能算法的干熄焦提升机减速机状态在线监测系统

  吴建明, 黄海箐, 李俭松

  冶金自动化. 2023, 47(6): 112-121.
  https://doi.org/10.3969/j.issn.1000-7059.2023.06.013

  摘要 ( ) PDF全文 ( )   可视化   收藏

  提升机是干熄焦装焦系统的关键设备,其负载大、启停频繁、工况不稳定,提升机减速机结构复杂且减速比大。因此,提升机的连续性和可靠性一直是生产和设备管理人员关注的重点。本文提出了一种基于多维感知和神经网络的人工智能算法来实时识别提升机设备的瞬时故障以及监测提升机生命周期的方法。通过提取和识别提升机减速机的声振特征,结合卷积神经网络(convolutional neural network,CNN)和长短期记忆(long-short term memory,LSTM)神经网络算法,提取振动空间特征和时间工况特征,判断及预测设备运行的状态,从而实现对设备运行状态的实时监测、故障诊断和预测性维护。工程应用实践表明,该方法可有效实现95.3%的故障识别准确率,能够量化提升机处于机器运转生命周期的具体阶段,以提醒维护人员及时响应设备故障。实现提升机的预测性维护,降低设备故障率,减少维修成本,实现连续安全生产,推进设备专业化管理和智能工厂建设。
• Select
  《冶金自动化》2023年总目次

  冶金自动化. 2023, 47(6): 122-124.

  摘要 ( ) PDF全文 ( )   可视化   收藏