'''基于机器视觉与AI的冷床智能预弯系统'''热轧型钢 [[ 生产线 ]] 的轧件在冷床上冷却时会发生弯曲，需在轧件进冷床时进行预弯。传统方法中，预弯曲线是人工根据冷床出口侧的激光测距仪得到的数据用经验公式 [[ 计算 ]] 得到的，效果不理想。本系统控制激光雷达扫描冷床，得到冷床及轧件的点云数据并进行处理，计算出预弯曲线，并应用机器学习算法优化预弯曲线，得到最优预弯曲线。

==技术要点和优势 ：==

本系统的技术要点及关键点主要有以下几点： 冷床轧件追踪，建立维护一个冷床钢轨队列，在钢轨进出冷床时更新队列，将激光雷达扫描得到的钢轨数据跟冷床上的钢轨匹配起来，并结合冷床步进 [[ 信号 ]] ，来准确推断钢轨在冷床上的位置、判断扫描区域钢轨的编号。 云台和激光雷达控制，统一冷床步进周期和激光雷达扫描周期，调整激光雷达的扫描角度，得到清晰的冷床点云数据。 点云数据处理，将原始点云数据进行准确高效的滤波，然后对点云数据进行分割，得到每根轧件的点 [[ 云数据 ]] ，然后再结合OBB包围盒算法和主成分分析算法，计算出轧件的弯曲度，再结合本文所用专利中的预弯曲线计算模型，计算出预弯曲线。 预弯曲线自学习，记录轧线的生产数据，用当前最高效的机器学习算法XGBoost算法对数据进行训练学习，建立回归模型。通过回归模型计算最优预弯曲线，指导预弯小车进行预弯，然后用得到新数据进行新一轮数据 [[ 训练 ]] ，循环往复，直到预弯曲线最优化。 本系统将激光雷达和机器学习用于冷床预弯曲线的计算是首次创新，为冷床预弯控制技术发展开辟了新方向。本系统计算出的预弯曲线明显由于传统的计算方法，且能做到不断优化预弯曲线、及时调整预弯曲线，灵活高效。

==应用案例介绍 ：==

本系统于2021年4月份在永洋特钢全国首条轻轨万能连轧生产线上成功应用。 永洋特钢集团精品轻轨生产线，是国内第一条万能轧机连轧生产线、第一条轻轨长尺预弯 [[ 生产线 ]] 、第一条长尺矫直生产线、第一条自动化精整生产线，其年生产能力60万吨，主要生产轻轨、矿用工字钢、鱼尾板和H型钢等产品。 本系统在永洋轻轨连轧线上的应用取得了以下成效： 本系统通过激光雷达扫描得到的冷床点云图像清晰，满足进行数据处理及计算的需要。激光雷达运行稳定，扫描周期与冷床步进周期配和统一，点云数据传输速度及时，通讯稳定。 本系统点云数据处理模块运行稳定，处理 [[ 速度 ]] 快，在冷床一次步进周期内便可完成数据的处理。点云数据处理效果较好，可以准确地对点云图像进行滤波、分割，测量出各轧件的弯曲度。 从现场观测和冷床末端机光测距仪的测量数据可以得出，本系统应用后，轧件冷却后弯曲度明显减小，随着系统不断地学习，轧件冷却弯曲度越来越小，这说明本系统计算得到的预弯曲线要优于人工计算的预弯曲线，且预弯曲线在 [[ 学习 ]] 中不断优化。此外用本系统调整预弯曲线比人工调整更具有及时性，灵活性。 经本系统计算得出的预弯曲线指导生产的产品，通条断面尺寸和表面质量全部合格。