基于大数据和人工智能钢铁材料智能生产控制系统查看源代码讨论查看历史

来自 搜狐网 的图片

基于大数据和人工智能钢铁材料智能生产控制系统钢铁材料智能制造。

主要技术内容

技术背景和意义

进入21世纪以来，工业互联网、云计算、大数据、人工智能等新一代信息通信技术正在加速与制造业深度融合，引发新一轮工业革命。钢铁工业正面临智能化转型升级的迫切需求，通过数字化、信息化及网络化等过程提升钢铁制造流程运行效率，提高产品品质，降本提效。钢铁是典型连续、多工序生产。原料、冶炼、热轧、冷轧、退火、涂层等工艺中的任何微小变化，都可能对最终产品产生很大的影响。为了应对不同客户、不同性能和产品规格的订单需求，通常需要花大量的时间来评估、分析和开发不同的工艺，消耗了大量的人力和时间资源。通过利用人工智能和大数据技术，开发钢铁材料智能控制系统，可以大幅提高研发、生产效率，降低成本。

技术要点和优势

本技术中智能生产控制系统主要依托于丰富的产线数据，利用机器学习、深度学习、集成学习、迁移学习等人工智能技术，建立包含钢水成分、热轧、冷轧等主要工序流程工艺参数的产品性能模型，并以此为控制核心，指导材料生产和研发。创新点如下：1、建立完成的产品性能模型。利用炼钢成分数据（C、Si、Mn、Cr、Mo、Nb、Ti等），热轧工艺参数（加热温度、加热时间、开轧温度、压下率、终轧温度、卷曲温度等）、冷轧工艺参数（厚度、压下率、退火温度、平整延伸率等）数十个工艺参数，结合如奥氏体化模型、相变模型、析出模型、退火模型等建立全产品成分组织和性能模型。2、对不同原料进行工艺智能生产指导。依据产品模型，区分不同铸坯、热轧、冷轧等来料状态，结合产线特征，匹配已最佳工艺参数进行生产，大幅提高产品命中率。3、对每卷钢材进行实时数字化显示。对产品成分、工艺、性能、规格、用户等信息进行实时数字化显示，对产品全生命周期重要数据跟踪，直观便捷了解产品各个工艺流程和产品状态。4、对成分和热轧工艺波动进行冷轧工艺纠偏。针对不同产品可能出现的性能波动，例如低合金高强钢在头尾、边中等位置易出现较大力学性能波动，热轧卷曲外圈和内圈由于冷速不同产生的波动等，辅助以动态工艺参数进行纠偏，提高产品性能稳定性。5、对客户订单需求自动匹配最佳生产工艺。根据不同客户的不同规格、性能、牌号等产品需求，智能化匹配最佳产品选择和工艺选择，大幅提高订单评审效率，降低人员和时间成本。

技术应用情况

应用对象：首钢冷轧薄板有限公司应用规模：薄板材料≥10000卷应用时间：2年以上取得成效：（1）“耦合产品模型”，基于工业大数据和物理化学知识的耦合产品及生产控制模型，利用大数据技术应对复杂、多维度参数的强大能力，和冶金材料热力学、动力学等物化知识工艺指导和可解释性，形成一整套覆盖不同产品系列的成分、热轧、冷轧、退火、镀锌等全流程工艺参数和产品最终性能的复合模型。（2）“智能评审”，智能完成用户订单产品分析，依据不同产线特点、能力和生产负荷，智能完成用户对材料牌号、宽度、厚度、公差、表面、卷重等需求评审，并预估订单交货时间。（3）“智能生产”，根据订单评审数据，优先自动匹配库存坯料，如库存无法满足订单需求，即进入产品从炼钢-轧钢生产流程。每完成一工序，根据工序参数，自动生成下一工序工艺，并对生产不稳定状态予以纠偏，得到最终目标性能要求产品，并自动完成产品质保书。（4）“智能研发”，针对新产品研发，根据客户对材料机械性能、冲压性能、焊接性能等需求，和拟投产的目标产线，在数字化系统进行模拟仿真，再进行少量实验验证，打破现有由小炉冶炼-中试开发-工业试制-批量生产的研发模式，依托工业数据和历史研发数据，大幅降低实验次数、时间及研发成本，提高研发效率。