2024年, 第48卷, 第1期　刊出日期：2024-01-25

  

• 全选
  |

企业信息化技术
• Select
  基于智能决策的炼钢流向平衡计划优化

  王兴, 凌广森, 赵伟, 郝金龙, 汪恭书

  冶金自动化. 2024, 48(1): 1-10.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.001

  摘要 ( )   可视化   收藏

  针对炼钢大规模批量化生产与后工序多流向对品种规格多样性需求的矛盾,研究了炼钢流向平衡问题,提出了基于智能决策的计划优化方法,以提升全流程生产的连续性和稳定性。分析了流向平衡问题的工艺规则和优化指标,建立了精准描述问题结构的混合整数规划模型。为实现大规模问题的高效求解,提出了改进禁忌搜索算法,设计了避免算法陷入局部最优的多种邻域结构和扰动因子。对不同规模的实际算例进行了数值试验,结果显示,所提出的改进禁忌搜索算法在解的质量和收敛性方面较标准求解器CPLEX 和常规禁忌搜索算法有显著性改进,且优于人工经验决策方法,能够基本满足流向平衡智能决策的需求。
  
• Select
  车轮智能排程系统的研发与应用

  王金叶, 王健

  冶金自动化. 2024, 48(1): 11-17,25.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.002

  摘要 ( )   可视化   收藏

  车轮生产计划编制是交材生产计划管理的核心任务之一,合理的生产计划有利于调控各订单的生产节奏,使车轮生产平稳有序进行。以交材车轮生产计划排产为背景,考虑轧制、热处理、委外粗加工、精加工、检测的生产能力以及保温罩、磨具切换、上下工序间的物流周期等因素,通过建立数学模型,建立多目标组合优化算法(multi-objective combinatorial optimization algorithm,MOCOA)实现车轮计划的智能排产,解决了马钢交材车轮计划排产订单批量小、多规格、个性化背景下的生产计划排程问题。系统运行结果表明,本系统通过对整个工厂范围内的车轮订单的合同交期、机组产能、物料库存、工艺路径、物流周期、设备利用率、产线可用时间、外委单位的生产能力等进行反复平衡,形成各工序的机组联动的车轮生产计划,实现了单一计划编制由原来的2 天缩短至2 h 以内,有效提升了车轮排产计划的编制效率,缩短了20% 的车轮产品制造周期,降低了20% 的库存占用,实现了降本增效的智慧工厂生产要求。
  
人工智能技术
• Select
  基于ICEEMDAN-KPCA-RVM 的铁水温度预测

  许威, 何朝辉, 杨凯, 李文岗, 肖清泰

  冶金自动化. 2024, 48(1): 18-25.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.003

  摘要 ( )   可视化   收藏

  为解决高炉铁水温度传统单一预测模型存在的模型精度不高、鲁棒性差等难题,提出了一种融合改进的自适应噪声完备集合经验模态分解(intrinsic computing expressive empirical mode decomposition with adaptive noise,ICEEMDAN)、核主成分分析(kernel principal component analysis,KPCA)和相关向量机(relevance vector machine,RVM)的组合模型来精准和稳定预测铁水温度。首先,利用ICEEMDAN 对铁水温度时间序列进行分解,以获取若干本征模态函数。然后,利用KPCA 对钢铁生产过程中的多维关键变量进行降维处理,提取关键变量的主要特征。最后,利用RVM 对降维后的变量分别预测铁水温度时间序列,得到铁水温度的累加预测结果。结果表明,相较于传统的自适应噪声完备集合经验模态分解模型(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),新模型的均方根误差(root mean square error,RMSE) 减少了13.0% ,训练速度提升了10. 9% ,能够更好地理解铁水温度的动态变化规律;相较于单一的RVM 等传统模型,新模型的平均绝对误差(mean absolute error,MAE)减少了2. 47,训练时间缩短了0. 463 s,具有模型精度更高和速度更快的优势。因此,新模型为高炉温度实时调控提供了理论支持,对保证高炉冶炼稳定性、实施冶
  金过程智能化具有实际意义。
  
• Select
  电炉大方坯角裂分析系统开发及应用

  肖畅, 孟庆玉, 吕立华, 王泽济, 邓龙

  冶金自动化. 2024, 48(1): 26-36.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.004

  摘要 ( )   可视化   收藏

  方坯裂纹敏感钢种在连铸过程中其角部容易出现裂纹,为了保证连续化生产与解决产品质量问题,建立了铸坯的数字化模型及质量分析算法,形成了一套可靠高效的分析系统。系统通过在线采集高频时序数据与质量数据实现米级跟踪落位,动态地计算工艺变量的稳定性,基于随机森林(random forest,RF)和费舍尔线性判别(Fisher忆s linear discriminant analysis,FDA)开发改进的自组织映射算法(self organizing map,SOM),通过变量筛选降维与稳定性判据建立因子模型,实现高维数据压缩的同时保留其空间拓扑结构并投影至二维
  平面进行可视化,实现角裂风险计算与工艺生产路径的动态跟踪,模型预测的准确率保持在90% 以上,实现了工艺优化与在线监控。系统自投用以来,典型钢种的角裂发生率由35. 3% 下降至8. 3%。
  
• Select
  基于投影小波变换加权孪生支持向量机的加热炉炉温预测

  孙文锴, 高闯, 于政军

  冶金自动化. 2024, 48(1): 37-44.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.005

  摘要 ( )   可视化   收藏

  加热炉炉温预测可以确保在正常生产过程中炉温和钢坯温度的稳定性,降低能耗,这对于提高生产效率和优化能源利用具有重要意义。针对加热炉炉温控制耦合参数众多,温度控制受到各种干扰因素的影响,其变化具有复杂的非线性特征,且响应速度较慢、惯性较大的问题,采用加热炉系统的历史生产数据,结合投影小波变换加权孪生支持向量机(projection wavelet weighted twin support vector regression,PWWTSVR)构建了预测加热炉炉温的模型。在建立预测模型的过程中,根据从某钢厂采集到的实际生产数据,将950 组数据作为模型的训练数据,将50 组数据用来测试模型的准确性。结果表明,在依0. 25 益的误差容限内,PWWTSVR模型的预测准确率达到98% ,优于反向神经网络(back propagation,BP)模型和孪生支持向量机(twin support vector regression,TSVR)模型,因此提出的加热炉炉温预测模型能够更准确地预测加热炉的温度变化,便于决策者决策。
  
• Select
  基于数据驱动的热轧线精轧入口温度修正策略

  李俊南, 莫琳琳, 李博

  冶金自动化. 2024, 48(1): 45-53,64.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.006

  摘要 ( )   可视化   收藏

  传统热连轧生产过程中,由于带钢急剧氧化现象存在,常导致精轧入口测温受带钢表面氧化铁皮遮挡与干扰出现较大测量偏差,进而成为扰动轧制参数计算设定与模型自学习调控的重要影响因素。基于机器学习神经元网络建立精轧入口温度预测模型,融合极差分析方法确定数据特征,依据机理与设备条件筛选数据,通过预测带钢粗轧出口温度,融合机理模型温降计算后得到精轧温度预测值,以修正带钢表面氧化铁皮带来的精轧入口温度测量扰动。通过连续生产数据分析比较,其温度偏差由±9. 15 ℃下降至±5. 33 ℃。模型评估指标R² 由0. 41 提升至0. 84。针对带钢测量温度出现急剧降幅实例,样本精轧测温处方差均值由48.45 下降至11. 02。经性能评估后认为预测模型精度较高,泛化性较强。
  
• Select
  基于贝叶斯优化LightGBM 的热轧中厚板终冷温度预测

  王义铭, 杜岩, 张田, 杜平, 田勇, 王丙兴

  冶金自动化. 2024, 48(1): 54-64.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.007

  摘要 ( )   可视化   收藏

  中厚板热轧生产是典型的流程工业,依次要经历连铸、加热、除鳞、轧制、冷却、卷取等工艺过程,因冷却过程钢板温度变化幅度大、速率快的特点,使得冷却过程对钢板组织性能的影响最大,其中终冷温度是冷却过程的一项关键控制参数。为了提高终冷温度预测的精度,基于LightGBM(light gradient boosting machine)模型对终冷温度进行回归预测。以坯料尺寸、化学成分和上下游工艺参数作为模型的输入,终冷温度作为模型的输出,使用贝叶斯优化方法完成模型超参数调优;此外,使用Shapley 加性解释(Shapley additive explanation,SHAP)方法检验输入参数对预测参数的影响程度。结果表明,贝叶斯优化LightGBM(BO鄄LightGBM)模型在训练集和测试集上均实现了较低的误差,95% 的预测数据绝对误差控制在±10 ℃以内,相较其他集成学习模型,耗时最多减少了97% ,同时提高了对中厚板热轧工艺流程温度的预测精度和预测效率。
  
• Select
  多任务并行架构的转炉炼钢过程控制系统

  孙锐, 曹剑钊, 钟良才, 吕伍, 魏志强, 于学渊

  冶金自动化. 2024, 48(1): 65-72,105.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.008

  摘要 ( )   可视化   收藏

  针对传统转炉炼钢生产工艺复杂,高温钢水检测难度大,人工操作不易等问题,开发了一种多任务并行架构的转炉炼钢过程控制系统,用以提高转炉炼钢生产效率。该系统包括过程跟踪模块、人机界面(human machine interface,HMI)模块、数据通讯模块、模型计算模块、数据管理模块和数据有效性判断模块6 个功能模块,实现了转炉炼钢无人为干预的自动化炼钢过程,解决了数据检测误差大、过分依赖人工经验等问题。该系统采用多进程结构,进程内部采用一任务一线程的新型模式,降低了各功能模块间的耦合性。实际应用效果表明,该系统操作简单,稳定性强,交互性良好。
  
工艺控制理论与技术
• Select
  基于扩张状态观测器的冷带轧机速度张力系统固定时间预设性能控制

  杨军, 宋鸿斌, 李清华, 刘乐, 方一鸣

  冶金自动化. 2024, 48(1): 73-81.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.009

  摘要 ( )   可视化   收藏

  可逆冷带轧机是生产带钢产品的专用设备,维持其张力恒定,保证其轧制速度稳态精度是解决带钢板形板厚品质问题的有效手段。为了提高冷带轧机速度张力系统的跟踪控制精度,提出了一种基于扩张状态观测器(extended state observers,ESOs)的固定时间预设性能控制方法。构造ESOs 对系统的非匹配不确定项进行观测,并将观测值引入到控制器中进行补偿,有效提高了系统的跟踪控制精度;基于预设性能函数法和固定时间控制理论完成冷带轧机速度张力系统控制器的设计,有效兼顾了系统的收敛速度、超调量和稳态精度等指标,并实现了冷带轧机系统状态在固定时间内收敛;最后,通过仿真对比研究,验证本文所提方法有效提高了系统的动、静态性能,并削弱了不确定项对系统的影响。
  
• Select
  质量过程判定与评级方法在热连轧中的应用

  陈丹, 王晓晨, 殷实, 张雅倩, 陆惟见

  冶金自动化. 2024, 48(1): 82-88.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.010

  摘要 ( )   可视化   收藏

  热轧产品质量终判在制造执行系统(manufacturing execution system,MES)中进行,采用取样方式进行检验,难以满足客户对生产过程把控的需求。为了将过程参数对产品质量的影响准确表征出来,本文提供质量过程判定与评级方法,在传统基于人工经验规则判定的基础上,加入了去头尾规则,并对判定结果进行分项评级后再综合评级。现场实际应用中,对比之前单一基于人工经验规则判定方法,该方法为MES 质量终判提供了更全面、精细、精准的数据支撑,降低了质量缺陷卷的流出率,提高了客户满意度,提升了企业竞争力。
  
检测仪表与自动化装置
• Select
  基于三维检测的钢管外表面缺陷检测与识别方法

  刘国栋, 苏成, 王晓晨, 吴昆鹏, 王少聪, 周锦波

  冶金自动化. 2024, 48(1): 89-96.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.011

  摘要 ( )   可视化   收藏

  无缝钢管表面介质的干扰以及人工检查漏检率高,造成钢管表面缺陷检测准确率不能满足在线检测的要求。二维相机检测的成像景深不够、成像灰度不均导致缺陷识别率低、缺陷误检、漏检等问题。因此提出3D 点云的钢管外表面检测系统,解决成像景深小、缺陷识别率低和钢管表面存在干扰缺陷的问题。将深度学习算法和3D 尺寸测量技术应用到无缝钢管的缺陷检测上,使用该套缺陷检测系统实现对缺陷尺寸的量化,更准确地检测出缺陷。本系统现场缺陷识别率可达90% 以上,且检测速度快。此外,本系统具备周期缺陷报警、钢管表面缺陷统计报表打印、缺陷分级等多种功能,使表面缺陷检测系统多功能化及智能化,对减少人工劳动强度及提高无缝钢管质量具有积极意义。
  
• Select
  皮带输送机故障监测系统设计

  吴京扬

  冶金自动化. 2024, 48(1): 97-105.
  https://doi.org/10.3969/j.issn.1000-7059.2024.01.012

  摘要 ( )   可视化   收藏

  皮带输送机是焦直送高炉系统最重要的设备之一,皮带输送机设备发生故障不仅会影响产量,严重时还引发安全事故。为了及时发现皮带输送机系统的异常,设计了一套皮带输送机故障监测系统,用于实时监测皮带机的电机、减速机、重锤改向轮轴承、尾轮轴承等关键部位的故障状态。硬件架构设计解决了星型布局的皮带输送机监测点分布广、测点多、距离远等难点,其中传感器的压电集成电路(integrated electronics piezo-electric,IEPE)接口能有效降低布线成本,并提升信号传输距离及可靠性。软件层面创新性地采用了先经
  过变分模态分解(variational mode decomposition,VMD)对原始训练数据进行特征分解,再对神经网络进行训练的方法。试验结果表明,在未增加神经网络复杂度的前提下,软件判断正确率由96. 5% 提升至99. 3% ,漏判率由3. 5% 降低至0. 7% ,同时训练误差能够快速收敛,提升效果明显。