冶金自动化

Select

序言

方一鸣

冶金自动化. 2024, 48(6): 1-1.

摘要 ( ) PDF全文 ( )

可视化

Select

基于低碳钢连铸坯低倍组织图像颜色特征的碳含量预测综合模型

侯自兵, 郭坤辉, 岑叙, 朱程赫

冶金自动化. 2024, 48(6): 2-10.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 001

摘要 ( ) PDF全文 ( )

可视化

针对现有连铸坯碳含量检测方法的不足,前人基于低倍组织图像灰度与碳含量的对应关系尝试建立了高碳钢连铸坯碳含量预测指数函数模型,但对于碳偏析程度更加难以表征的低碳钢还尚未研究。低碳钢局部区域偏析程度明显,最大偏析指数大于3.0,故有必要展开碳含量高效表征研究。选取典型低碳钢连铸坯试样,首先建立基于低倍组织图像灰度的碳含量预测指数函数模型,函数拟合结果R²系数为0.62,平均相对误差(average relative deviation,ARD)为 29. 7%。然后,建立了基于低倍组织图像颜色参数的碳含量预测神经网络模型,训练结果ARD为19.5%。最后,结合神经网络模型和指数函数模型预测结果特点,构建了碳含量预测综合模型,测试集数据的ARD得到了进一步降低,为14.27%。同时,预测结果平均值与电子探针检测结果平均值的相对偏差为3.43%,与常用的碳含量检测方法相比,误差已基本达到相同的数量级,部分预测结果误差已低于常用检测方法。由于低倍组织图像及其颜色信息获取过程操作简单、成本低、像素尺度可处于微米级且获取范围可针对整个连铸坯断面或大区域范围,故本模型可为类似钢种连铸坯中碳元素偏析状况精细自动检测和评级以及数字化智能分析提供参考。

Select

基于短波照明的高温异形连铸坯表面缺陷在线检测方法

秦观, 张学民, 赵立峰, 李宏杰, 徐科

冶金自动化. 2024, 48(6): 11-18.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 002

摘要 ( ) PDF全文 ( )

可视化

铸坯表面缺陷直接影响后续钢材质量和性能,对高温连铸坯进行表面在线检测对于控制铸坯表面质量和提高钢材质量非常重要。本文介绍了开发的连铸坯表面缺陷检测系统,采用光学成像和图像识别方法,可以在线检测高温异形连铸坯表面缺陷。系统采用短波长的蓝色激光照明技术,并通过精密的窄带滤波方法, 采集高温异形坯表面高清图像。由于异形坯端面复杂、规格多样,系统采用两台高分辨率线阵CCD摄像机分别采集异形坯左右部分,并开发了一种适用于异形坯表面的图像拼接方法,对不同相机拍摄的图像进行拼接,形成异形坯表面完整图像。开发了基于YOLOv5的目标检测算法,融入注意力机制,增强模型的鲁棒性, 提高了异形连铸坯表面缺陷检测的准确率。检测模型对于常见的裂纹缺陷的mAP0.5指标达到95.8%,对于其他不常见缺陷的mAP0.5指标均达到80%以上。

Select

基于自启发式算法的板坯连铸二次冷却配水制度优化

任梓祥, 凌海涛, 詹中华, 张力, 于科哉, 徐李军

冶金自动化. 2024, 48(6): 19-30.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 003

摘要 ( ) PDF全文 ( )

可视化

以某钢厂10号板坯连铸机生产Q355B钢的过程为研究背景,系统地比较了粒子群优化(particle swarm optimization,PSO)、遗传算法(genetic algorithm,GA)、模拟退火(simulated annealing,SA)、教学学习优化(teaching-learning-based optimization,TLBO) 和粒子群- 遗传算法(particle swarm optimization-genetic algorithm,PSO-GA)等多种自启发式算法在连铸二次冷却配水制度优化中的应用效果。在研究中结合冶金准则制定了多个优化目标对连铸过程进行优化,使用传热数值模型模拟铸坯的凝固和冷却过程。并对不同算法的计算效率、稳定性和优化效果进行了对比发现,PSO算法虽然求解效率高且收敛速度快,但表现出较大的波动,稳定性不高;GA算法则显示出更高的稳定性,但收敛速度较慢;SA算法参数调整简单,计算速度最快,稳定性较好,但收敛速度慢,精确率低;TLBO算法由于其复杂的算法结构,计算时间最长,但稳定性高,收敛速度快,精确率高;PSO-GA 混合算法求解效率高且稳定,保持快速收敛的同时,大幅度提高了全局搜索能力,优化的稳定性和准确性均得到了显著提升。在优化效果方面,所有算法均成功改善了铸坯的冷却均匀性和温度分布。这些结果不仅验证了自启发式算法在连铸技术优化中的应用潜力,也为连铸二次冷却工艺的进一步数字化研究和算法实际应用提供了理论参考。

Select

基于改进深度可分离卷积和混合注意力机制的DMS-YOLOv8板坯检测算法

吴传开, 黄锋, 李斌, 顾玲珑, 刘乐, 方一鸣

冶金自动化. 2024, 48(6): 31-39.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 004

摘要 ( ) PDF全文 ( )

可视化

针对钢铁连铸产线板坯检测精度低和速度慢等问题,提出了一种结合机器视觉、图像处理和深度学习的DMS-YOLOv8(YOLOv8 with depthwise separable convolution,multi-pooling,and SE (squeeze-and-excitation)- EMA(exponential moving average))算法。该算法通过构造基于反向残差和多尺度池化的深度可分离卷来替换标准卷积,减轻了冗余网络的负担,降低了内存使用,并提高了计算速度;通过混合注意力机制SE-EMA使模型在处理输入数据时可以有选择地关注和加权不同部分的信息,提高了模型的表达能力;最后,通过在自制的板坯数据集及PASCAL VOC2012 数据集上进行对比分析及消融实验,验证了本文所提方法在实时运行工况下能有效提升板坯检测精度,并保证一定的快速性,为后续热轧流程的高效生产奠定了基础。

Select

面向订单要求的板坯连铸机智能切割系统开发与应用

赵晓东, 钱宏智, 胡丕俊, 杨建平, 姚柳杰, 毕泽阳

冶金自动化. 2024, 48(6): 40-47.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 005

摘要 ( ) PDF全文 ( )

可视化

针对北京首钢股份有限公司连铸生产过程中存在的板坯赋号率偏低的问题,基于生产经验和板坯切割控制规则,开发了具备生产计划管理、切割跟踪与控制、坯号自动生成与打号控制、信息查询等功能的板坯连铸机智能切割系统。该系统重点应用中间坯和尾坯的切割优化,将“按炉生产冶模式转变为“按单生产冶模式, 更好地满足了多品种、小批量订单的生产要求。系统应用后,板坯赋号率由应用前的75%提高到99%以上, 这为企业订单兑现率的提升以及低碳生产的实现提供了技术支撑。

Select

基于相关性及主成分分析的铸坯质量缺陷成因追溯方法

从俊强, 付祥元, 徐李军

冶金自动化. 2024, 48(6): 48-56.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 006

摘要 ( ) PDF全文 ( )

可视化

在线追溯铸坯质量缺陷形成原因,对提升缺陷解决效率具有重要作用。传统离线追溯方法具有一定滞后性,已无法满足在线监控需求。以板坯纵裂纹为研究对象,解析了纵裂纹影响因素,构建了连铸过程大数据集成平台,分别采用相关性及主成分分析方法,建立了适用于不同应用场景的铸坯质量缺陷成因追溯模型。针对某钢厂产生的Q235B板坯纵裂纹,相关性分析结果表明,结晶器窄左宽内热流比及钢水过热度影响较大,影响权重分别为-0.28、0.15;主成分分析结果表明,钢水过热度与结晶器窄左宽外热流比是影响纵裂纹的主要影响因素。基于追溯结果检查分析发现,结晶器冷却水水质不合格导致冷却不均匀,造成纵裂纹频发。铸坯质量缺陷成因追溯方法成功在线应用,降低了缺陷再发生率,对实现智能化连铸具有重要意义。

Select

基于多模型堆叠集成算法的连铸保护渣缺陷分析

甘青松, 丁文静, 张竞丹

冶金自动化. 2024, 48(6): 57-65.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 007

摘要 ( ) PDF全文 ( )

可视化

鉴于当前钢铁产品质量要求的不断提高,为改善现场生产,减少因连铸结晶器内高频数据波动导致的保护渣缺陷的发生,针对连铸保护渣缺陷,提出一种基于多个机器学习模型的堆叠集成算法。首先,通过滑动窗口将从连铸结晶器中提取的高频特征数据分割成子序列,并从高频数据的波动模式中提取每个窗口中的重要特征。然后,将热轧表面检测仪识别出的保护渣缺陷位置与窗口位置相对应。最后,利用集成了多个学习模型的堆叠分类算法模型进行保护渣缺陷发生位置预测。对比实验结果表明,该集成算法效果优于各单个学习模型及投票分类模型,且具有更好的泛化能力和整体预测性能。目前,基于多模型堆叠集成算法的连铸保护渣缺陷分析模型已在某热轧产线上线运行。上线后的预测结果与实际值的对比情况表明,该模型可预测保护渣缺陷及发生位置范围,提高保护渣缺陷分析效率,也为保护渣缺陷成因分析提供了新的思路与方法。

Select

基于扰动补偿的结晶器液位模糊控制算法

孙丽华, 齐淏天, 吕立华, 姜庆超

冶金自动化. 2024, 48(6): 66-74.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 008

摘要 ( ) PDF全文 ( )

可视化

结晶器液位控制系统是连铸自动控制系统的核心组成部分,其液位稳定性直接关系到最终产品的质量。液位波动通常由多种干扰源引起,而干扰的有效补偿问题尚未得到充分解决。为此,本文提出了一种基于扰动补偿的结晶器液位模糊控制算法。首先,采用数据驱动的特征选择方法,结合机理分析,选取与结晶器液位密切相关的重要变量;然后,通过偏交叉映射方法分析液位波动的直接因果关系,以识别主要干扰因素。在此基础上,本文进一步开发了一种融合长短期记忆网络(long short-term memory,LSTM)的模糊控制方法。通过精确估计和补偿干扰,该方法显著提高了系统的控制精度。仿真结果表明,所提方法相较于传统控制方法,超调量由40.2%缩小至15.4%,恢复时间从7.6s减少到4.2s,同时能有效抑制环境干扰,保持结晶器液位稳定,提升了系统的稳定性,对于提高产品质量和生产效率具有重要意义。

Select

炼钢-连铸区段天车调度的研究进展

徐安军, 刘旋, 冯凯

冶金自动化. 2024, 48(6): 75-87.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 009

摘要 ( ) PDF全文 ( )

可视化

天车作为炼钢-连铸区段衔接上下游工序的重要运输工具和辅助作业的核心执行设备,其调度水平直接影响炼钢-连铸区段的物流运输效率及生产节奏。本文介绍了我国炼钢-连铸区段天车调度的研究现状及进展。首先,介绍并分析了炼钢-连铸区段天车调度的特点及存在的问题;然后,总结了炼钢-连铸区段天车调度的研究方法及优缺点;最后,对目前开发的炼钢-连铸区段的天车调度管理系统进行了介绍和归纳,为进一步实现炼钢-连铸区段天车调度任务流程的数字化管理和智能化运行,提高炼钢-连铸区段生产与调度一体化水平提供了研究思路与理论指导。

Select

数据驱动下智慧钢铁的孪生资源管理综述

马琰, 孙瑞, 周雪, 刘向南, 李卫, 张海君

冶金自动化. 2024, 48(6): 88-97.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 010

摘要 ( ) PDF全文 ( )

可视化

全球工业4.0革命不断深化推动了智慧钢铁等计算密集型工业应用场景的发展。钢铁生产具备工艺繁多、工序复杂、高温高压设备集中等特征,这需要对生产状态进行实时监测与分析以优化生产流程。由于各工序均为“黑箱冶,导致实时状态难以精准获取等难题。数字孪生(digital twin,DT)技术通过创建物理世界的虚拟映射,已广泛应用于辅助钢铁生产过程实现实时模拟、分析和透明化,进而促进生产效率和质量的提升。首先提出了基于DT的云边端工业网络的多层协作调度框架,为实现资源的高效管理和网络安全,从网络层深入分析DT赋能下的工业互联网(industrial Internet of things,IIoT)新型资源调度与网络安全关键技术难点并探讨现有技术方案;然后聚焦物理层与数据链路层讨论孪生数据使能的跨层资源调度策略研究现状。最后指出现有工作不足并展望DT赋能的智慧钢铁的资源管理发展趋势,为钢铁行业的数字化转型提供参考。

Select

面向烧结工业的多源异构数据融合与实时感知技术

胡润琦, 何柏村, 杨冲, 钱金传, 张新民, 宋执环

冶金自动化. 2024, 48(6): 98-107.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 011

摘要 ( ) PDF全文 ( )

可视化

铁矿石烧结是高炉炼铁的关键初步工序,其中烧结过程关键生产指标在线实时智能感知是实现烧结工艺绿色、低耗、高效发展的关键技术之一。然而,一方面,传统的烧结生产指标(如FeO含量)测定方法存在高耗时,难以满足实时控制的需求;另一方面,烧结过程数据具有非线性、多源异构性和时滞性,对提高建模精度提出了很大的挑战。为此,本文提出了一种面向烧结工业的多源异构数据融合与实时感知技术。本研究采用多源异构信息融合方法,针对红外热像仪采集到的烧结机截面图像数据,通过专家知识和基于离散余弦变换(discrete cosine transform,DCT)的 FcaNet 模型分别提取浅层和深层特征,实现了特征级和数据级融合。在预测任务中将二维卷积块作用在时序数据上,使用FcaBlock作为特征提取的卷积块,有效提取了时序数据的频率分量信息。在真实炼钢厂的铁矿石烧结数据集上,本模型的预测精度和稳定性均优于现有模型,显著提高了对烧结过程关键质量指标的在线实时感知能力。

Select

基于GA-XGBoost算法的高炉可解释铁水产量预测模型

孟凯, 刘小杰, 伊凤永, 段一凡, 陈树军, 刘二浩

冶金自动化. 2024, 48(6): 108-121.
https://doi.org/10. 3969/ j. issn. 1000-7059. 2024. 06. 012

摘要 ( ) PDF全文 ( )

可视化

针对高炉出铁前铁水产量未知导致铁水包难以高效中转与调度的问题,使用遗传算法优化的极度梯度提升树(genetic algorithm optimized extreme gradient boosting,GA-XGBoost)算法构建并训练了铁水产量预测模型。经过测试与多模型对比,所提方法在多特征数据集的铁水产量预测问题中具有一定优势,在误差10t的范围内取得89.64%的预测准确率。首先修正了实验数据集的缺失值和异常值,在归一化后获得结构化的数据用于模型训练;然后,采用灰色关联分析方法筛选了铁水产量的主要影响因素,并结合工艺原理去除冗余参数;最后确定15个特征变量用于构建模型的输入向量。同时,针对预测结果,采用沙普利值可加性解释 (Shapley additive explanations,SHAP)原理量化了不同操作参数对铁水产量的贡献程度,为高炉的参数调控工作提供数据支持。本研究实现了基于炉次特征的铁水产量预测任务,不仅有利于更高效的高炉调控以促进铁水产量的提高,同时结合预测结果,工作人员可以提前部署铁水包的运输路线,减少铁水包的热量耗散,进一步实现高炉冶炼的降本增效。

选择文件类型/文献管理软件名称

选择包含的内容

2024年, 第48卷, 第6期　刊出日期：2024-11-25

扫码分享

扫码分享

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

2024年, 第48卷, 第6期 刊出日期：2024-11-25

扫码分享

扫码分享

2024年, 第48卷, 第6期　刊出日期：2024-11-25