|
企业简介 天津市中重科技工程有限公司是知名的冶金装备制造企业，国家级高新技术企业，国家火炬计划先进集体。主营业务为冶金EPC工程，热轧型钢、板带、棒线材及精密冷轧设备成套设计供货。热轧带钢和H型钢生产线市场占有率国内第一。 以下正文  架构及研发工作进展 钢铁行业是典型的流程工业。目前钢铁行业的自动化、信息化发展已具有良好的基础，在行业绿色化转型的过程中跃上智能化台阶，钢铁行业技术发展和进步将如虎添翼。中心现已申报成功了“扁平材全流程智能化制备关键技术”和“长型材智能化制备关键技术”等国家十三五重点研发计划智能化项目，目标是建立真正达到工业4.0水平的示范样板线。这将在十三五期间实现典型示范生产线的全流程、一体化智能制造，使中国钢铁生产的管理、质量、效率都提高到一个前所未有的智能化水平。中心在钢铁全流程智能制造方面开展了系列相关工作，本报特组织相关报道，介绍其高层架构及研发进展情况，以飨读者。 热连轧过程智能化控制关键技术 热连轧在板带生产过程中处于承上启下的位置，具有高温、高速、多品种、高精度等特点，热连轧控制系统以满足产品的尺寸高精度要求、表面质量要求及力学性能要求为最终目标。在热连轧智能化控制过程中，需要以数据自动流动将生产过程进行联通，开发各工序的工艺质量关键参数检测技术，基于用户定制化需求进行质量在线综合评判和质量异常原因追溯，提高机理不明或复杂工况下的数学模型设定和质量控制精度，并通过多工序协调匹配提高产品质量稳定性和生产效率。热连轧过程智能化控制关键技术如图1所示。  1 加热炉智能燃烧控制技术 目前，轧制过程自动控制系统多以钢坯出炉时整体温度分布均匀为前提，但实际生产过程中多数钢坯横、纵面以及内部温度分布并不均匀，一方面加热炉本身的炉温分布不均，另一方面混装入炉导致炉内热负荷不均匀。加热炉智能燃烧技术如图2所示。  1.1钢坯温度在线精准控制技术 首先建立炉内炉气与钢坯辐射换热机理模型、炉气与钢坯对流换热机理模型，获得考虑复杂流动条件下辐射与对流的修正总括吸收率计算式。利用总括热吸收率法得出钢坯的表面热流，并以此为边界条件采用三维差分格式求解钢坯内部导热问题，获得钢坯内部温度分布。以炉内温度均匀性为目标，同时考虑最小燃料消耗量，模拟计算钢坯在炉内的运动、燃料燃烧加热升温过程，精确控制各个烧嘴的燃料量及空燃比；借助于数据挖掘技术分析不同工况下的数据关联特性，建立空燃比监测模型评价空燃比是否最优。同时考虑炉区温度的大滞后和耦合特征，采用前馈解耦控制策略，配合空燃比优化，获得加热炉各段温度精准控制。 1.2加热制度优化与炉群协调管控 实际生产中，针对各种工况变化及外部扰动造成的调度偏差，使用系统自动修复、智能算法重调度并结合人机交互的方法进行处理。对混装条件下的加热制度进行智能优化，使入口热负荷不均匀的影响降至最低，获得满足轧制温度要求的高温度均匀性钢坯。将多台加热炉过程控制系统与轧制控制系统联网监控，根据当前轧机轧制节奏和轧制计划，预估可出钢钢坯数目和时间、在炉坯的加热情况，动态调整本台加热炉温度，动态调节另一台加热炉的加热状态，减少能源消耗；综合考虑了连铸、加热、轧制等生产工序的约束条件，对生产的初步计划、轧制节奏提出调度策略。 2 质量在线监控、诊断与优化技术 2.1全流程数据存储和分析系统 基于数据重构及协同处理技术，搭建全流程数据存储平台。首先需要建立多源异构数据采集的标准，规范现场源数据，其次对热轧全流程工艺参数、实时质量数据、操作人员干预数据等不同频次的数据进行重构，实现全流程质量信息、工艺信息等参数在轧件长度方向上的时空同步和位置精准匹配。 基于数据存储系统，按照功能需求提供时间和物理长度同步后的工艺曲线和质量数据，构建全流程质量分析平台。进一步采用基于主成分分析、偏最小二乘法、独立分量分析等线性统计过程分析方法或非线性主元分析、核主成分分析等非线性统计过程分析方法，分析工艺参数间、质量指标间、以及工艺参数与质量指标间的对应关系及相关性，为质量的在线监控和诊断提供规则和数据基础。 2.2质量在线监控和诊断技术 综合考虑内外部因素对产品质量影响，研究多变量降维变换、非线性特征抽取技术，以及不同工况场景的在线质量监控技术，建立基于大数据和过程能力分析的多维自适应过程统计控制模型，识别质量波动的偶然影响因素和异常影响因素，建立工艺参数和质量指标之间的对应关系，监控质量指标值的正常波动和异常波动，当异常因素影响使质量指标值偏离规定的范围时，及时找出异常因素并消除它们对过程的影响。针对典型钢种基于大数据分析确定关键过程变量及关键产品质量变量。开发基于大数据的关键过程变量与关键产品质量变量关系模型，建立典型产品质量指标评判标准和产品质量综合评判规则库，实现产品质量在线精准综合评判。 2.3质量的溯源分析和质量优化技术 实际轧制过程中，产品生产具有一定的生产工艺窗口，这意味着过程工艺参数在设计时预留了一定程度的冗余量，能够为质量异常条件下轧制过程的优化控制创造了条件。通过数据分析建立基于产品质量至工艺变量的逆映射的全流程质量追溯模型，确定引起产品质量缺陷的工序以及关键过程变量，分析对比相应工艺参数设定和实际控制区间，综合各工序质量诊断分析和全流程质量追溯分析结果，汇集产品质量偏差或缺陷的成因，确定需要调整的工序以及关键过程变量范围，并基于规则和大数据分析的优化求解，优化工艺参数设定模型，从而实现工艺参数设定与优化。 3 轧制过程精准控制技术 目前，国内外开发的热轧计算机控制系统均能够在连续稳定的轧制过程中实现高精度控制，但是针对非稳态轧制（停轧、换辊、变规格后的第一根带钢）等轧制过程的预报控制精度不高，东北大学开发了先进的智能控制手段对模型进行实时优化，保证模型的精度。在智能控制模型的研究过程中，神经元网络分析、快速有限元分析、案例推理技术、模糊控制策略都在不同生产现场得到了实际应用。针对生产过程中产生的大量历史数据，也在开发基于数据挖掘技术的“数据+机理”相融合的控制模型。 产品的尺寸和性能等质量控制贯穿于整个生产流程，在热轧全流程模型协同优化方面也是需要重点关注的问题。在实际生产过程中，往往把各质量指标的控制割裂开来，如粗轧区专注于轧件宽度控制、精轧区进行厚度控制等，由此造成了各工艺段的模型计算相对独立，如精轧区厚度控制过程中忽略轧制宽展。殊不知在轧制厚规格产品时，在上游机架产生的宽展也会影响到轧制力的预报精度，近似处理则会导致学习紊乱，反而降低了产品的质量。 因此，东北大学在新一代系统研发过程中，已考虑从全局的角度出发，在建模过程中充分考虑多工艺段、多质量指标间相互影响，对历史数据进行挖掘，进行规律性总结，实现模型优化，从而达到对轧制过程实现精准控制的目的。 4 结语 我国的热连轧装备和自动化水平取得了长足的进步，在硬件、软件配置方面已经处于世界领先水平。如何利用这些高水平的设备生产出高质量的产品，实现提质增效是我们长期需要解决的现实问题。基于良好的工艺装备和自动化水平，以信息深度感知、智慧优化决策和精准协调控制突破工序界面和信息壁垒，以柔性化、集约化、精准化为特征的智能化技术是热连轧控制的发展趋势。 |
|
|
