熱連軋鋼材力學(xué)性能在線預(yù)報(bào)的研究與應(yīng)用
孫衛(wèi)華，焦吉成，李率民，崔健，曹金生，王猛
(山東鋼鐵集團(tuán)日照有限公司鋼鐵研究院， 山東 日照 276800)
摘要：傳統(tǒng)的產(chǎn)品力學(xué)性能檢測(cè)是一種建立在統(tǒng)計(jì)學(xué)隨機(jī)抽樣理論基礎(chǔ)上的檢驗(yàn)方法，即在實(shí)驗(yàn)室中對(duì)取樣板卷的頭尾部切割樣品進(jìn)行檢測(cè)，檢測(cè)結(jié)果代表整批產(chǎn)品的力學(xué)性能。由于鋼材生產(chǎn)流程長(zhǎng)，生產(chǎn)過(guò)程控制參數(shù)存在一定的波動(dòng)，傳統(tǒng)力學(xué)性能檢測(cè)方法不能反應(yīng)每一卷帶鋼的力學(xué)性能，所檢測(cè)樣品的代表性不夠充分。隨著工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能技術(shù)的飛速發(fā)展，特別是工業(yè)大數(shù)據(jù)相關(guān)技術(shù)的發(fā)展和應(yīng)用，為這一問(wèn)題的解決提供了新的途徑。以實(shí)現(xiàn)山東鋼鐵集團(tuán)日照有限公司熱連軋產(chǎn)品力學(xué)性能在線預(yù)報(bào)為試驗(yàn)對(duì)象，以熱連軋產(chǎn)品生產(chǎn)全流程關(guān)鍵控制工藝參數(shù)為基礎(chǔ)，采用神經(jīng)元網(wǎng)絡(luò)、隨機(jī)森林等算法建立碳素結(jié)構(gòu)鋼、低合金高強(qiáng)度結(jié)構(gòu)鋼的力學(xué)性能預(yù)報(bào)模型，構(gòu)建了一種基于工業(yè)大數(shù)據(jù)為基礎(chǔ)的熱軋產(chǎn)品力學(xué)性能預(yù)報(bào)系統(tǒng)，包括數(shù)據(jù)采集、數(shù)據(jù)清洗、模型訓(xùn)練、結(jié)果分析、再現(xiàn)性試驗(yàn)和在線應(yīng)用。力學(xué)性能在線預(yù)報(bào)系統(tǒng)已成功運(yùn)行2年多時(shí)間，系統(tǒng)的預(yù)測(cè)精度高、穩(wěn)定可靠。預(yù)測(cè)結(jié)果精度在±6%以內(nèi)的比例達(dá)到90%以上，MAPE(平均絕對(duì)百分誤差)不大于4%,均低于再現(xiàn)性檢測(cè)水平，預(yù)測(cè)結(jié)果完全可以取代檢測(cè)試驗(yàn)；提高了生產(chǎn)效率，縮短了產(chǎn)品的檢測(cè)周期，軋后即可掌握產(chǎn)品的力學(xué)性能，降低了生產(chǎn)成本，已成為生產(chǎn)運(yùn)行過(guò)程不可缺少的環(huán)節(jié)。
關(guān)鍵詞：力學(xué)性能；在線預(yù)報(bào)；神經(jīng)元網(wǎng)絡(luò)；隨機(jī)森林；再現(xiàn)性檢測(cè)
1 引言
熱軋產(chǎn)品力學(xué)性能主要包括屈服強(qiáng)度、抗拉強(qiáng)度、斷后伸長(zhǎng)率和沖擊功等指標(biāo)。實(shí)際生產(chǎn)中力學(xué)性能指標(biāo)是通過(guò)對(duì)代表一批次鋼卷的取樣卷，在實(shí)驗(yàn)室中進(jìn)行檢驗(yàn)得到的一組數(shù)據(jù)，這種方法需要進(jìn)行破壞性的產(chǎn)品取樣，降低了成材率，增加了生產(chǎn)成本，延長(zhǎng)了產(chǎn)品出廠周期。
20世紀(jì)50年代至60年代，Irvine K J和Sen-uma T等開(kāi)始利用數(shù)學(xué)模型的方法預(yù)測(cè)鋼材的微觀組織演化和最終力學(xué)性能。20世紀(jì)80年代末，國(guó)內(nèi)開(kāi)始利用冶金物理學(xué)模型從事這方面試驗(yàn)研究，這種預(yù)測(cè)方法不斷發(fā)展和完善。1990年，Hodgson和Gibbs等建立了熱軋C-Mn鋼和微合金鋼的力學(xué)性能數(shù)學(xué)模型；Yoshie等提出了從加熱爐到層流冷卻區(qū)的奧氏體長(zhǎng)大模型、合金元素的溶解和析出模型、再結(jié)晶模型、相變模型和組織性能對(duì)應(yīng)模型，獲得了較好的結(jié)果。部分研究也建立了預(yù)報(bào)系統(tǒng)，如加拿大UBC大學(xué)和美國(guó)的NIST開(kāi)發(fā)了名為HSMM(Hot Strip Mill Models)的模擬軟件用于熱連軋機(jī)組；奧鋼聯(lián)開(kāi)發(fā)了名為VAI-Q Strip(VAI's Integrated Quality Control for Hot Rolled Strip)的熱軋模擬軟件；西門子公司也開(kāi)發(fā)了熱軋帶鋼組織性能預(yù)測(cè)的商業(yè)化軟件即西門子微觀組織檢測(cè)系統(tǒng)，應(yīng)用于Hoesch Hohenlimburg鋼廠等企業(yè)，明顯減少了鋼板抽樣檢測(cè)的樣品數(shù)量，大大提高了勞動(dòng)生產(chǎn)率；韓國(guó)浦項(xiàng)公司的熱軋板力學(xué)性能預(yù)測(cè)系統(tǒng)，對(duì)普碳鋼和微合金鋼抗拉強(qiáng)度的預(yù)測(cè)精度達(dá)到±30 MPa。但由于實(shí)際生產(chǎn)條件所限，各生產(chǎn)環(huán)節(jié)信息不能互聯(lián)互通，所需生產(chǎn)工藝參數(shù)信息不能在線獲得，致使系統(tǒng)不能充分考慮生產(chǎn)過(guò)程的遺傳性問(wèn)題，影響了系統(tǒng)精度和推廣應(yīng)用。
組織性能預(yù)測(cè)和控制技術(shù)的實(shí)施方法主要有兩種：一種是利用物理冶金學(xué)模型，以實(shí)驗(yàn)室模擬試驗(yàn)結(jié)果為基礎(chǔ)，對(duì)板材熱軋生產(chǎn)中各種金屬學(xué)現(xiàn)象，如奧氏體的再結(jié)晶，碳氮化物析出，奧氏體向鐵素體、珠光體和貝氏體的相變等，進(jìn)行計(jì)算機(jī)模擬，建立描述不同熱軋生產(chǎn)工藝條件下發(fā)生的各種冶金學(xué)現(xiàn)象的數(shù)學(xué)模型，預(yù)測(cè)出軋后產(chǎn)品組織狀態(tài)和力學(xué)性能，然而，力學(xué)性能與工藝成分等因素之間存在相互耦合關(guān)系，作用機(jī)理復(fù)雜，使得性能預(yù)測(cè)模型呈現(xiàn)高維度非線性，難以通過(guò)冶金機(jī)理進(jìn)行建模，對(duì)現(xiàn)場(chǎng)的適應(yīng)性差；另一種是搜集大量生產(chǎn)過(guò)程的歷史數(shù)據(jù)之后，利用人工智能技術(shù)強(qiáng)大的學(xué)習(xí)能力對(duì)產(chǎn)品力學(xué)性能進(jìn)行預(yù)測(cè)和控制。實(shí)際證明這兩種方法的精度沒(méi)有明顯的差別。隨著計(jì)算機(jī)、工業(yè)互聯(lián)網(wǎng)絡(luò)、大數(shù)據(jù)和人工智能等技術(shù)的迅猛發(fā)展，大量生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)可以進(jìn)行長(zhǎng)期保存分析，使基于數(shù)據(jù)的力學(xué)性能預(yù)報(bào)技術(shù)越來(lái)越成熟。由于這種方法建立在實(shí)際生產(chǎn)數(shù)據(jù)基礎(chǔ)之上，其現(xiàn)場(chǎng)適應(yīng)性明顯優(yōu)于前一種方法。本文以建立山東鋼鐵集團(tuán)日照公司(以下簡(jiǎn)稱山鋼日照公司)熱軋產(chǎn)線4個(gè)鋼種(Q235、Q345、Q355和SPHC)的在線力學(xué)性能預(yù)報(bào)系統(tǒng)為目標(biāo)，搭建在線環(huán)境，檢測(cè)系統(tǒng)應(yīng)用效果。
2 精選圖表
3 結(jié)論
(1)把工業(yè)大數(shù)據(jù)、人工智能等算法引進(jìn)到鋼材力學(xué)性能檢測(cè)領(lǐng)域，構(gòu)建出預(yù)測(cè)精度高、適用于普碳鋼和低合金鋼產(chǎn)品的力學(xué)性能預(yù)報(bào)模型，具有普遍的推廣應(yīng)用價(jià)值。預(yù)測(cè)結(jié)果精度在±6%以內(nèi)的比例達(dá)到90%以上，MAPE(平均絕對(duì)百分誤差)不超過(guò)4，均低于再現(xiàn)性檢測(cè)水平。
(2)開(kāi)發(fā)了產(chǎn)品性能在線檢測(cè)系統(tǒng)，應(yīng)用于熱連軋鋼帶產(chǎn)品的在線檢測(cè)與判定。平均提高成材率0.56%，檢測(cè)時(shí)間由過(guò)去的11 h降低到30 min，節(jié)約檢化驗(yàn)人力成本50%以上，節(jié)省物理試驗(yàn)成本50%以上。
(3)力學(xué)性能預(yù)報(bào)系統(tǒng)把目前統(tǒng)計(jì)抽樣檢測(cè)轉(zhuǎn)變?yōu)槊烤眍A(yù)報(bào)，使檢測(cè)取樣更有針對(duì)性。
(4)力學(xué)性能預(yù)報(bào)系統(tǒng)建立在大量生產(chǎn)的數(shù)據(jù)基礎(chǔ)上，例如文中所預(yù)報(bào)的4個(gè)鋼種產(chǎn)量，占到熱軋產(chǎn)線的50%以上。對(duì)于生產(chǎn)批量較少的鋼種或新鋼種,使用性能預(yù)報(bào)值取代檢測(cè)值要慎重。
(5)基于大數(shù)據(jù)的力學(xué)性能預(yù)報(bào)系統(tǒng)與現(xiàn)場(chǎng)工藝技術(shù)緊密結(jié)合，生產(chǎn)工藝流程、設(shè)備參數(shù)改變相應(yīng)的要對(duì)模型進(jìn)行重新訓(xùn)練，從而保證系統(tǒng)精度，對(duì)于不同的工況條件，選擇的模型不一樣。由于系統(tǒng)投用后取樣(樣本)減少，研究一種基于增量樣本的力學(xué)性能預(yù)報(bào)系統(tǒng)是本研究下一步的方向。
