欧宝体育娱乐平台:最新！RAL实验室智能轧制技术取得新突破｜数据驱动融合机理的热连轧三维尺寸数字孪生模型与CPS系统应用进展

　　原标题：最新！RAL实验室智能轧制技术取得新突破｜数据驱动融合机理的热连轧三维尺寸数字孪生模型与CPS系统应用进展

　　热连轧生产过程中，现场运行的数学模型大多为机理模型，由于工艺条件、设备运行状态变化常引起生产工况变化，加之过程输入条件、状态变量和控制目标之间的关系十分复杂，这些机理模型对于复杂的动态过程适用性较差，在工艺条件和运行状态变化时模型预报精度不高，难以准确透视工艺、设备、质量等关键参数之间的复杂关系。尤其是在换辊后首卷、换规格首卷、宽薄规格轧制等非稳态工况下，常出现带钢厚度、宽度及板形偏差较大的现象，造成大量的产品尺寸和板形超差，导致产品降级、判废甚至生产事故。因此，如何提高这些非稳态工况下的模型控制精度，是热轧控制系统亟待解决的难题。

　　依托河钢邯钢公司邯宝2250mm热连轧生产线，基于现有自动化与信息化系统，深度融合数据驱动模型与机理模型，首次开发了热连轧过程动态数字孪生模型并建立了CPS控制系统平台，提高了轧制工艺对复杂多变工况的原位分析能力，改善了热连轧过程尺寸控制指标。

　　利用数字感知技术对热连轧生产过程数据进行智能处理和集成，并采用机器学习算法进行数据挖掘，从海量数据中准确透视工艺、设备、质量等关键参数之间的复杂关系，开发了分析与挖掘模块，建立了命中率低的数据分布图，找到了规格切换过程中的模型误差分布规律，为后续的数据驱动模型节点选择和模型优化提供依据，并实现了尺寸控制过程异常的解析、判断与溯源。

　　邯宝2250mm热连轧生产线已投产运行十余年，但在进一步提升非稳态工况下的三维尺寸控制精度遇到瓶颈。RAL板带轧制及智能化课题组进行了大量的现场调研和系统优化设计，在现场工艺、模型及自动化相关人员的大力配合和支持下，开发了高精度数字孪生模型，并以现有控制系统硬件为基础，利用现有工业网络架构，构建了热轧过程CPS控制系统平台，实现了新系统和原有系统的并行计算，并具备自组织、自配置、自优化，形成知识库、模型库、资源库，使得系统能够不断自我演进与学习提升，实现了“系统自治”，当数字孪生模型设定精度达到要求后，可实现新的数字孪生模型与原有模型的自由切换，系统控制逻辑图如图2所示。

　　基于现场实际需求，构建了基于仪表数据、数值模拟数据、机理模型、机器学习模型等多源数据与多模型融合的数字孪生模型体系和CPS反馈优化模块软件，提高了轧制力和三维尺寸的设定精度。上述方法已成功应用于邯宝2250mm热连轧生产线吨产品的实际生产数据进行数据统计和分析，其模型设定效果如图3和图4所示，换规格后首卷轧制力设定精度由91.6%提升至95.2%，轧制力综合设定精度由93.4%提升至95.4%。为进一步提高产品三维尺寸的控制精度，开发了机理与数据驱动融合的轧机弹跳、轧辊磨损和热膨胀设定模型，并通过滚动优化提高厚度和宽度的控制精度，厚度命中率由95%提升至97%以上，换规格首卷宽度命中率由90.5%提高至94.5%，综合宽度命中率由92.3%提高至96.5%。上述质量指标提升后，产品因三维尺寸控制精度导致的二级品率下降26.3%。

　　通过实际应用表明，数据驱动模型可明显改善传统机理模型对于复杂动态过程的适用性较差的现象，解决了板带轧制过程中因机理不清、工艺过程复杂和产品质量要求高等因素导致的模型设定精度不高的问题。在接下来的工作中，基于目前搭建的数字孪生模型和CPS应用平台，可通过双层闭环系统进一步实现数字孪生模型迭代优化和参数提升。其中，内环系统是在数字孪生系统运行过程中，通过机器学习算法，实现热轧生产线各个工序的生产参数高精度设定。外环系统是在数字孪生模型运行过程中，通过机器学习算法实现数字孪生模型系统的自适应优化、专家规则库更新和机器学习算法网络模型的训练和结构优化。该项技术不仅可提升板带材轧制过程的三维尺寸控制精度，对长型材及有色金属轧制产线的智能化升级和提质增效具有普适性意义。

　　国策蓝天与日铁工程技术株式会社签订《绿色火焰专利技术转让合同》，并确立多渠道长期合作伙伴关系

　　重磅！中钢国际签10.96亿美元合同，EPC总承包TOSYALI阿尔及利亚四期综合钢厂项目

　　【国际动态】总投资1.7亿美元，La Siderurgica Las Lomas钢铁公司投产！玻利维亚迈出国内钢铁生产第一步