2024年, 第48卷, 第4期　刊出日期：2024-07-25

  

• 全选
  |

• Select
  序言

  刘文仲

  冶金自动化. 2024, 48(4): 1-1.

  摘要 ( ) PDF全文 ( )   可视化   收藏
钢铁行业工业软件专栏
• Select
  基于机器视觉的钢铁工业智能装备软件平台研究

  吴昆鹏, 杨朝霖, 李志友, 石 杰, 邓能辉

  冶金自动化. 2024, 48(4): 2-8.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 001

  摘要 ( ) PDF全文 ( )   可视化   收藏

  随着钢铁工业向自动化、智能化转型工作的深入开展,基于机器视觉的智能装备系统以成本低、精度高、稳定可靠的突出优势获得广泛应用。 依托于在工业现场的大量实践,本文研究设计了一款钢铁工业智能装备软件平台,采用分层结构,搭建底层库、开发模板、通讯协议、指令集合等作为基础支撑,并提供智能装备系统中必备的软件功能模块,用于辅助快速构造新型应用。 平台模块涉及数据采集、存储、图像算法处理、操作设备控制、数据展示和故障诊断的综合流程,充分考虑工业场景中对智能装备的结构需求和功能支持。 通过该软件平台能够大大降低特定智能装备应用的开发时间,可以在保证系统稳定的前提下满足应用落地的需求。
• Select
  基于元数据的轧钢过程数据空间构建

  董 洁, 康永怡, 张红军, 彭开香

  冶金自动化. 2024, 48(4): 9-20.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 002

  摘要 ( ) PDF全文 ( )   可视化   收藏

  随着制造业的高速发展,数据汇聚困难、缺乏统一表示、集成难度大等数据管理问题降低了工业过程数据利用率,使企业难以对数据进行有效分析。针对以上问题,设计了轧钢过程全生命周期数据空间平台,提出了描述轧钢过程元数据的六维数据模型,通过构建轧钢过程元数据模型,完成数据实体关联网络模型,实现多源异构数据的转换、存储、管理、查询以及分析等任务。 通过获取的带钢热连轧过程数据进行数据分析, 确定轧制过程元数据的类,在数据统一建模技术基础上提出六维数据模型,依据类与数据之间的关系,构建 轧制过程元数据结构模型;根据数据关系及相关属性构建本体模型,完成数据实体关联网络模型;通过数据血缘分析,基于元数据追踪数据流程、数据存储、数据加工和展示等各个环节的信息,并实现数据溯源和数据查询;最后构建轧制过程数据关系及属性的知识图谱,方便用户更直观便捷地查询数据空间中各实体关联关系,并对数据库中的各类元数据进行管理,完成轧制过程数据空间构建。
• Select
  基于沙普利加和解释框架的热轧带钢性能优化方法

  宋 君, 高 磊, 王奎越, 曹忠华, 马驰宇, 马晓国

  冶金自动化. 2024, 48(4): 21-32.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 003

  摘要 ( ) PDF全文 ( )   可视化   收藏

  传统的性能预测和优化方法多基于经验和机理,未充分考虑到数据中蕴含的价值。如何挖掘钢材性能与相关工艺参数之间的线性非线性传递关系,实现高精度的性能预测和工艺优化是目前的研究热点之一。 以热轧板带制造全过程的高维工艺质量数据集为基础,提出了一种融合机器学习性能预测模型和沙普利加和解释(Shapley additive explanation,SHAP)框架的热轧带钢性能优化方法。 该方法首先以最大互信息系数 (maximal information coefficient,MIC)相关性评价指标从高维的工艺数据中筛选与机械性能指标存在显著影响关系的有效变量;然后通过对比基于多输出支持向量回归模型(multiple output support vector regression,MSVR)、支持向量回归模型(support vector regression,SVR)和随机森林的性能预测模型的预测精度,选取最优性能预测模型;最后,基于SHAP解释框架和最优预测模型进行工艺参数评价,度量各工艺参数对最终性能的量化影响,并通过对操作变量按SHAP分析的结果进行调整,以验证性能优化的效果。 实验结果表明,本文提出的性能优化方法可显著按需求改善性能指标,对于钢铁生产过程的机械性能管控具有指导意义。
• Select
  基于随机配置网络-蜣螂优化算法的硅钢热轧过程弯辊力和窜辊量优化策略

  杜昊展, 丁敬国, 孙建红, 曹国屿, 赵 健, 李 旭, 张殿华

  冶金自动化. 2024, 48(4): 33-45.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 004

  摘要 ( ) PDF全文 ( )   可视化   收藏

  热轧硅钢板形对冷轧板形和边降具有显著的遗传效应,减小热轧硅钢产品横向同板差可以有效提高冷 轧产品的质量。 在硅钢热连轧过程中,换规格或换牌号会出现弯辊力和窜辊量预设定值不准确的问题,使板 形控制的效果降低。针对该问题,本文提出了一种基于随机配置网络(stochastic configuration network,SCN) 的硅钢板凸度预测模型。 为了提升模型对数据的拟合能力,增加了模型的隐藏层层数(deepstochasticconfiguration network,DeepSCN),并在 SCN 的建模过程中引入了流形正则化项(regularization stochastic configuration, RSC)。 以数据驱动模型的预测结果为导向,采用蜣螂优化(dung beetle optimizer,DBO) 算法对弯辊力和窜辊 量进行优化。 根据优化结果可知,该方法可以使比例凸度的波动控制在较小范围内,并将精轧出口凸度偏差 在±5 μm以内的数据提高到92.2%。 这不仅有效提高了硅钢的板形质量,也为硅钢板形控制提供了新的研 究方向和技术手段。
• Select
  基于遗传算法改进BP算法的精轧首轧钢卷出口厚度偏差预测

  许欣恺, 陈雪姣, 宋向荣, 齐 正, 路广洲, 孙晨熙

  冶金自动化. 2024, 48(4): 46-52.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 005

  摘要 ( ) PDF全文 ( )   可视化   收藏

  为解决目前广泛存在的热连轧精轧换辊后首卷带钢头部厚度偏差过大的问题,提出了一种基于方差选择、互信息、L1/2 正则化结合专家经验的混合式特征选择方法,对国内某1700热连轧厂换辊首卷带钢历史生产数据进行特征选择,并将特征选择结果作为基于遗传算法改进BP(genetic algorithm-back propagation,GABP)神经网络的精轧换辊后首卷带钢头部厚度偏差预测模型的训练集。 对模型进行一系列实验,以平均绝对百分比误差(mean absolute percentage error,MAPE)、均方误差(mean square error,MSE)、决定系数(R2)等指标作为模型评价标准。结果表明,本文提出的混合特征选择方法相较于传统数学特征选择方法对于模型训练后的预测精度有显著提高。通过在某钢厂主要产品的不同钢种和不同厚度区间的数据样本上测试,验证了模型具有较高的预测精度,具有一定的泛化性。 该方法在生产实践中具有很好的应用前景。
• Select
  基于层次因果评分模型的生产全要素分析系统

  钱卫东, 俞佳熠

  冶金自动化. 2024, 48(4): 53-63.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 006

  摘要 ( ) PDF全文 ( )   可视化   收藏

  为全面提升产品质量,打通生产多级IT系统,优化生产规划,实现产线全生命周期跟踪与追溯,提出了 一种生产全要素分析系统。该系统通过规则引擎处理实时资产数据,形成包含业务逻辑的特征输入,利用特征输入以及诊断先验知识建立层次因果评分图,在图节点层面构建层次评分模型以获得从低层次向高层次工艺、设备、物料、人员等节点的推理结果。 通过有向图的层层推理,最终获得一个与生产ID号绑定的评分结果,在此过程中又能快速、精准地定位到引起评分异常的节点位置。将抽象的资产信息映射到现场生产问题,使得管理人员能够快速响应处理。 在现场的实际应用中,对同批不同物料进行联合分析,能够将针对单 一物料的质量、产量、能耗等生产全要素的监测扩展到整个产线。 通过可视化的操作页面完成对模型的搭建,由于模型优良的拓展性能,能够构建丰富的生产分析模型库,实现专家知识的沉淀,具有很强的推广价值。
前沿技术及综述
• Select
  基于大数据的智能烧结预测技术研究进展

  张学锋, 唐晶晶, 黄刘松, 闻亦昕

  冶金自动化. 2024, 48(4): 64-76.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 007

  摘要 ( ) PDF全文 ( )   可视化   收藏

  烧结是高炉炼铁的重要工序之一,使用智能化技术准确预测烧结过程中状态、质量等参数控制烧结过程,对于降低生产成本、优化烧结过程以及提高生产安全性至关重要。首先剖析了大数据平台在烧结参数预测技术中的作用,其次从烧结终点位置预测、烧结料层透气性预测、烧结终点温度预测、FeO含量预测、转鼓强度预测、点火温度预测、风箱阀门开度预测以及经济技术指标预测等方面对比分析了智能化技术在烧结生产过程中的应用情况,并重点分析了FeO含量预测从人工观察法到数学模型法再到人工智能法的发展历程,揭示了基于大数据的智能烧结预测技术的发展状况以及演变规律。 另外,对智能烧结预测技术在烧结生产预测上的不足以及发展趋势进行了探讨。
智能制造探索与实践
• Select
  基于钢铁流程解析与再造的智能制造模式

  王 刚, 徐 灿, 何茂成, 谢 皓, 何海熙

  冶金自动化. 2024, 48(4): 77-83.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 008

  摘要 ( ) PDF全文 ( )   可视化   收藏

  在冶金工艺没有显著革新的前提下,直接对物质流和能量流进行优化面临瓶颈。 而随着智能化大数据 的迅猛发展,通过智能信息系统的开发,对钢铁生产的信息流、控制流进行优化,实现流程再造,特别是通过控制流的改变可以影响到跨岗位、跨机组、跨作业区甚至跨厂部的融合与优化。 在智能信息系统与流程再造的共同作用下,建立了“智慧决策-智慧操控-智慧作业冶的三级技术架构,是新一代智慧制造技术体系人信息-物理系统(human-cyber-physical systems,HCPS)架构在钢铁行业的实践落地,确保了整个钢铁生产的智能化、精细化,提高了效率,降低了人工劳动强度,提升了本质化安全。所形成的钢铁智能制造整体解决方案在钢铁企业中进行实际应用,作业区数量精简60%,操作岗位精简40%,高炉生产焦比降低25kg/t,煤比提高24 kg/t,产量提高2.2%,实现了通过信息流、控制流的优化反向优化物质流和能量流,构建了钢铁智能制造的新模式。
• Select
  智能行车控制系统在高炉底滤法水渣中的应用

  宿立伟, 高 达, 周 凡, 韩志萌

  冶金自动化. 2024, 48(4): 84-89.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 009

  摘要 ( ) PDF全文 ( )   可视化   收藏

  通过对高炉底滤法水渣工艺功能需求和桥式行车抓斗结构的分析,提出抓渣智能行车控制系统。该系统采用大小车及抓斗自动定位、变频调速控制、抓斗防摇摆、无线网络通讯、视频监控、知识学习算法等技术, 实现行车的智能抓渣作业。 根据工艺需求划分过滤池的网格,采用高效抓渣策略,自动控制行车抓斗完成抓、卸渣作业。 智能行车控制系统在多座高炉底滤法水渣工艺中的实际应用效果表明,智能抓渣行车控制系统作业率大于99%,较人工抓渣效率提高32.5%,减编人员66.7%,检修周期提高一倍。
人工智能技术
• Select
  基于递归特征消除-梯度提升决策树的高炉悬料智能诊断模型

  李福民, 杨 柳, 刘小杰, 孟令茹, 李宏扬, 吕 庆

  冶金自动化. 2024, 48(4): 90-100.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 010

  摘要 ( ) PDF全文 ( )   可视化   收藏

  高炉悬料是高炉冶炼期间极易发生的炉况失常现象之一。 由于实际生产中悬料诊断主要依赖于操作人员的经验,个人主观性较强且传继性较差,容易出现误判而导致炉况的大幅度波动。随着计算机技术发展,数据驱动的过程监测理论逐渐成熟,基于机器学习的故障诊断被广泛应用于复杂工业生产中并取得了良好的诊断效果,因此,本研究通过分析悬料现象及形成原因,基于专家经验对初始特征集进行数据清洗;利用递归特征消除算法(recursive feature elimination,RFE)筛选有效变量并确定其重要性;依据选择的关键指标建立梯度提升决策树(gradient boosting decision tree,GBDT)进行实时悬料诊断。结果表明,采用集成学习投票机制融合GBDT分类结果准确率超过90%,呈现出较强的鲁棒性,诊断模型在精度和计算效率方面均表现出色。 基于诊断模型进行智能诊断系统功能应用开发,能辅助高炉操作人员对悬料发生进行实时监测,从而保证高炉的稳定顺行。
• Select
  基于IBA-LightGBM 的热轧带钢在线厚度预测

  黄 硕, 张 飞, 王丽君, 郭 强, 肖 雄

  冶金自动化. 2024, 48(4): 101-109.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 011

  摘要 ( ) PDF全文 ( )   可视化   收藏

  针对热轧带钢的厚度数学模型耦合性强、精度低等问题,提出了一种带钢在线厚度预测算法。 首先使 用轧制数据,利用轻量级的梯度提升机(light gradient boosting machine,LightGBM)算法建立在线厚度预测模 型;然后采用改进蝙蝠优化算法(improved bat algorithm,IBA)改善 LightGBM 的模型参数,并通过自学习系统 优化结果;最后对比预测结果和真实厚度,验证预测模型准确性。 实验结果表明,IBA-LightGBM模型能够快 速高精度在线预测带钢厚度,在预测2mm、3mm、4mm和5.65mm规格的带钢时,均方根误差ERMS (rootmean square error,RMSE)可以分别控制在11.0 μm、11.5 μm、11.6 μm 和16.4 μm 以内。 结果可改善热轧带钢的厚 度数学模型的精度,提高厚度控制系统的水平。
工艺控制理论与技术
• Select
  高炉封炉流程化操作模型研发及应用

  林安川, 邱贵宝, 刘晓兰, 蒋玉波, 徐建宇

  冶金自动化. 2024, 48(4): 110-124.
  https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 04. 012

  摘要 ( ) PDF全文 ( )   可视化   收藏

  高炉封炉是炼铁生产中复杂的特殊操作。 为了将影响其控制的众多因素之间的复杂关系进行全面量化并形成封炉操作的标准化、流程化。 基于炼铁理论,结合实践经验,辅以计算机信息化手段,创新性地设计研发了能够定量化、模块化精确控制封炉前炉料配料、排料及封炉过程中综合冶炼参数控制及校核、复风开炉验证并具有数据采集、量化评价、优化等功能的高炉封炉流程化操作模型。这不仅提升了高炉封炉配料及排料计算、炉内上部空出容积与封炉料落入位置、封炉参数控制3个方面的准确程度,而且给出了封炉末次出 铁、停止下料、封炉休风、封炉停煤停氧时间等重要操作节点的计算方法。应用于具体容积、原燃料条件高炉 的实践表明,封炉过程中计划腾出容积与按理论料速计算值偏差率为-0.184%,封炉料计划填充容积与实际值偏差率为-0.72%,计划填充料线与实际值偏差值为0.15m,依据理论料速计算腾出容积计算的封炉焦比与计划腾出容积配料封炉焦比计算值偏差率为0.81%。高炉封炉复风后第一炉铁水出炉参数均达到入炉封炉料配料、排料计算界定范围,复风6个自然班后高炉冶炼参数恢复正常。模型为提高封炉过程控制精度、 缩短封炉开炉冶炼进程、降低成本奠定基础。