首页期刊导航|冶金自动化
期刊信息/Journal information
冶金自动化
冶金自动化

沈黎颖

双月刊

1000-7059

mia@yjzdh.com

010-63815269 63848128

100071

北京西四环南路72号

冶金自动化/Journal Metallurgical Industry Automation北大核心CSTPCD
正式出版
收录年代

    序 言

    刘文仲
    1页

    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...
    2-8,32页
    查看更多>>摘要: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.

    钢铁工业机器视觉智能装备系统设计软件平台

    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...
    9-20页
    查看更多>>摘要: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.

    元模型元数据管理数据空间数据血缘轧钢过程

    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...
    21-32页
    查看更多>>摘要: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,MS-VR)、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.

    热轧带钢机械性能预测机器学习沙普利加和解释框架机械性能优化

    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...
    33-45,63页
    查看更多>>摘要: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(deep stochastic configu-ration 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±5μm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.

    硅钢板形随机配置网络(SCN)流形正则化弯窜优化蜣螂优化算法(DBO)

    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...
    46-52页
    查看更多>>摘要: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1 700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,GA-BP)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.

    精轧遗传算法BP神经网络厚度预测特征工程

    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
    53-63页
    查看更多>>摘要: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.

    生产全要素分析规则引擎层次因果评分图推理模型

    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...
    64-76页
    查看更多>>摘要: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.

    烧结大数据智能化预测

    2023年1-12月重点统计钢铁企业累计生产粗钢8.25亿吨

    中国钢铁工业协会
    76页

    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...
    77-83页
    查看更多>>摘要: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"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25 kg/t,煤比提高24kg/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.

    智能信息系统流程再造智能制造信息流控制流