首页 > 行业资讯 > 【佳文推荐】邓比涛：中冶赛迪铸坯质量在线预测系统研发及实践

【佳文推荐】邓比涛：中冶赛迪铸坯质量在线预测系统研发及实践

时间：2023-09-12 来源：浏览：

【佳文推荐】邓比涛：中冶赛迪铸坯质量在线预测系统研发及实践

中国冶金

中国冶金

微信号 chinamet

功能介绍钢铁、铁合金、有色、电石、采矿、焦化、水泥、化工，环保行业的技术交流和行业信息平台

收录于合集

点击上方蓝字关注我们

中冶赛迪铸坯质量在线预测系统研发及实践

邓比涛 ¹ ，韩志伟 ¹ ，刘强 ¹ ，孔意文 ¹ ，龙木军 ²

（1. 中冶赛迪技术研究中心有限公司连铸研究室，重庆400030;2. 重庆大学材料科学与工程学院，重庆 400030）

摘要： 为实时预测铸坯质量，指导连铸生产，中冶赛迪研发了基于规则的铸坯质量在线预测系统(CISDI Continuous Casting Quality Expert, CQE)，系统包括全过程数据跟踪、实时质量预测、灵活规则编辑、精准规则分析、高密数据查询功能，通过编辑规则将现场专家的生产经验转化为计算机程序，实时对铸坯进行质量预测。系统在国内某钢厂上线运行一年，期间对21 656块铸坯进行质量预测，预测精度达到90.2%，可较准确地预测铸坯质量，对铸坯的切割优化、质量异议分析、质量提升提供了巨大帮助，经济效益显著。

关键词： 连铸; 铸坯质量; 过程监控; 在线预测; 规则编辑

随着钢铁发展，高效连铸技术越来越受到人们重视。高效连铸技术以高拉速、高作业率和高质量为目标。

针对高质量目标，目前在铸坯质量的控制方面手段较多，成效显著，但是在铸坯质量的感知方面手段有限，生产过程中无法及时获取铸坯质量，更不能基于此及时调整工艺参数避免缺陷产生。热装热送作为一种降低碳耗的重要工艺，要求入炉铸坯无质量缺陷，对铸坯质量的在线预测提出了要求。因此，实时对铸坯质量缺陷分析判定，将带有质量缺陷的铸坯下线，可以提高热装热送的效率，并在此基础上对生产工艺进行闭环调整，可进一步提升产品质量。

研究现状

铸坯质量是连铸领域长期的研究热点，可分为质量控制、质量预测、质量检测3个方向，三者的关系如图1所示。质量控制主要通过控制生产设备、优化生产工艺、制定作业规程以避免产品缺陷的生成，如二冷动态配水、动态轻压下产品等；质量预测是指采集生产过程的数据、人工作业数据、钢种成分信息，再根据数学模型对质量进行判定，给定产品质量等级或缺陷种类、位置，比如奥钢联的计算机辅助质量控制系统；质量检测是指铸坯生成后通过光学、电磁等手段对铸坯进行在线检测，感知产品质量，比如基于线型激光的连铸板坯表面裂纹在线检测技术。其中，质量预测和质量检测可以为质量控制提供生产指导，质量控制和质量检测为质量预测提供数据支撑，三者形成有机整体，共同支撑连铸的高质量发展。

在高质量发展、节能减排、双碳目标的大背景下，质量预测越来越受到人们的重视，同时，大数据、深度学习等算法的进步为质量预测提供了良好的共性技术支撑，在质量在线预测领域，国内外做了很多研究，生产了多种产品，如英国钢铁公司的结晶器热监控系统、德马克公司的质量评估专家系统、国内中冶连铸开发的铸坯质量诊断专家系统、首钢开发的板坯质量预报系统等。

虽然目前所开发的各种铸坯质量在线预测系统的功能大同小异，但在实现算法上，其差异较大，本文分类整理相关资料，铸坯质量在线预测算法见表1。

根据上述分析，在研究方法上，高校等科研机构更侧重于采用先进的数据模算法，如神经网络等方法；钢铁企业、工程公司则侧重于采用规则判定等方法。对比两种算法，前者要求具备大量、准确的输入数据，这对应用场景有极高的要求，而目前国内各钢厂自动化水平参差不齐，有完整数据记录并且可以和质检结果形成闭环的企业并不多，这也是为什么此类算法在商业领域应用效果很好，但是在工业领域应用效果有一定差距的重要原因；后者可理解为出现产品质量问题后，质量分析过程的程序化执行、前置执行，从这个角度上分析，企业对质量缺陷的了解程度越深，进行预测的精度就越高。基于此，中冶赛迪结合自身多年连铸领域的工程经验，开发了一套先进的铸坯质量在线预测系统，系统包括全界面化的规则编辑器、高效的规则引擎、强大的历史数据查询功能和灵活的B/S架构。

铸坯质量在线预测难点分析

由于铸坯质量预测涉及专业广，各钢厂生产情况复杂、产品种类多。根据系统的开发及应用经验，要做到高精度质量预测，必须解决以下几个难点。

2.1数据收集难

钢铁行业属于工业自动化水平较高的行业，基础过程数据的采集、监控已经有了很成熟的方案。但是要进行质量预测，只有基础数据的采集是不够的，需做到实时的数据整合并且映射到铸坯上。同时，缺少完整的表面质量、内部质量的反馈数据，这造成数据缺失，难以形成闭环。

首先是过程数据的映射问题。连铸工序一个很大的特点是数据的分段连续性，这是和其他场景（如炼铁、炼钢）的不同之处。连铸过程数据特点如图2所示。与炼钢工序数据特点对比分析，目标对象分别是一炉钢水和一块铸坯，生产中，钢水空间位置不发生变化，而铸坯在铸机内连续运动，导致研究对象在不同时间受到不同设备的影响。根据变化类型的不同，可分为3类：在较长时间内不随时间、空间有较大变化的连铸参数，如中间包质量、拉速等，即图2中D类型；随时间变化但仅影响一个固定的空间范围，如二冷水，即图2中A、C类型；随时间变化且空间范围变化，如轻压下区间，即图中B类型。同时，在铸机内并没有坯块的概念，导致某个时刻某个变量对铸坯的作用可能划分到不同的坯块上，因此，必须实时跟踪位置信息和过程数据并进行关联存储。

其次是质量数据反馈少的问题。连铸质量大类可分为表面质量、内部质量，对质量的分析手段基本是抽样质检，如取低倍样进行内部质量评级等导致缺陷数据反馈样本较少。另外，企业生产的绝大部分铸坯都是质量合格产品，导致无缺陷铸坯和有缺陷铸坯的数据对比悬殊，这对于深度学习算法的训练有较大影响。

除了以上两点问题，现场很多操作数据、线下数据的缺失也是当前质量预测的一大难题，要获得更高的精度，必须加强线下数据的采集，如保护渣添加量、水口是否对中，具体关系见表2。

本系统考虑了以上3点，实现了坯块任意位置过程数据的有效关联存储，打破了传统按时间存储的弊端，针对生产操作等线下数据的自动判定和采集，本系统开发了用于质量信息录入的APP，方便一线质检人员及时录入质量信息。

2.2算法开发难

目前采用规则进行铸坯质量预测的产品可分为两类：单纯基于异常事件判定类、具备调用过程数据开发新规则类。前者是铸坯位置的跟踪和事件的标定。后者是对参数进行实时计算，通过灵活的规则编辑器和强大的规则引擎来解析复杂的预测规则。为实现后者的功能，需要解决规则编辑难度大、计算效率低的问题。规则编辑涉及调用多种来源、多种类型的数据，在目前的连铸数据系统基础上，生产人员开发灵活的规则不可避免地要编写程序，难度较高，必须开发专用的编辑界面。在计算效率方面，在线质量预测的计算量为铸机内切片数量、数据采集点、规则数量、缺陷种类的乘积，具有很多循环计算，计算量呈指数增长，需要开发高效的算法。

中冶赛迪同众多一线专家经过深入交流，设计了“计算器”形式的规则编辑器，并在数据采集上做了处理，实现了高效的规则解析、计算。

2.3迭代升级难

因各厂特点不同，质量预测系统的准确性需要经过开发人员和应用人员的反复优化、改进，周期较长，很容易导致产品上线后应用效果不佳而废弃。因此，准确地质量预测是最终目标，但是过程中要和用户保持联系，增强产品的使用频率，及时发现问题，不断改进。这就要求质量预测系统在过程数据监控、产品质量追溯等方面提供便利，为生产带来效益，不断提高产品活力。前述建立的连铸数据系统可以为生产企业处理质量异议带来便利，有利于提升系统活力，不断迭代进步。本系统基于此理念开发的铸坯过程数据浏览、铸坯指标对比功能，极大提高了质量管控人员分析质量问题的效率。

系统功能及特点

中冶赛迪铸坯质量在线预测系统可以实现生产过程的全程监控和铸坯质量的在线预测，系统功能如图3所示，具体功能如下：

（1）全过程数据跟踪。所开发的连铸数据综合采集平台将L3、L2、L1三个层级的连铸数据采集到一起，并根据浇次、炉次、坯块、任意位置进行存储，实现详尽地数据查询、分析、展示，这是进行质量追溯和质量预测的基础。

（2）实时质量预测。系统周期性根据规则库中的预测规则对铸坯进行质量判定，在出铸机前即可判定质量等级，为后续处理提供指导意见，并及时反馈给生产以调整工艺参数。具备互联网访问和微信小程序推送功能，可第一时间处理生产问题，避免经济损失。

（3）灵活规则编辑。全界面化的规则编辑器可根据铸机基础数据创建规则，也可根据多个基础数据组合创建可以交叉引用的自定义变量，系统具备规则修改记录查询、规则准确率分析、规则优化建议功能，可帮助用户高效开发高精度预测规则。

（4）精准规则分析。系统通过反馈的实际质量数据给出规则预测精度，并分析规则中的失效变量，帮助用户优化规则。

（5）高密数据查询。系统具备比IBA等数据采集软件更高密度的查询功能，可实现任意铸坯位置任意过程数据的查询以进行质量问题分析。

图3所示为本系统各部分功能的运行示意图，系统建立了规则编辑、规则预测、规则分析的闭环网络，新创建的规则经过上线运行并和实际铸坯质量进行对比即可检验预测规则是否准确。系统可通过规则分析模块对规则进行透视，查看运行过程中规则内的执行情况，找出规则中设置不合理的子项，并予以修正。规则经过多次循环改进，预测精度不断提升。

系统在国内某钢厂上线运行，运行效果如图4所示。其中，上部云图表示铸机内未切分铸坯与弯月面的距离，以及未切分铸坯位置处产生缺陷的类型，从而实时预测铸机内铸坯的质量；右下云图表示近期切分的铸坯质量详情。

系统应用及实践

4.1铸机参数

系统在国内某钢厂1号连铸机上线运行，铸机参数见表3。

4.2数据采集

将铸坯质量有关数据整合接入到数据采集平台，包括L1、L2、L3系统内数据和生产操作数据、设备寿命、设备状态等信息，共计数据采集点1 256个，具体结果见表4。数据采集采用OPC通讯协议，数据存入Mysql和专用数据库中。

4.3数据监控

在系统运行期间，该厂出现了较为显著的结晶器液面周期性波动问题，严重时波动可达到±10 mm，且具有明显的正弦振动特点，其特点如图5所示，这给生产带来了很大的困扰。企业希望铸坯质量在线预测系统对此过程进行监控，在波动扩大之前及时报警。

通过对波动前后的数据进行分析，确定采用傅里叶变换加带通滤波的方法进行预测，基于质量预测系统的特点，仅在界面上定义了自定义监控变量规则，就实现了对液面波动的监测，报警准确度高于95%，运行效果如图6所示。

4.4规则编辑及预测

规则编辑是质量预测系统的核心，生产中所需要的规则一般包含多种类型来源的数据，系统梳理了质量预测领域需要实现的功能，结果见表5。系统通过全界面化的方式进行规则开发，编辑界面如图7所示。

系统运行期间，厂内轧钢发现了较多起皮现象，经过质量异议分析，确定其由连铸坯夹渣引起；通过分析产生起皮缺陷的连铸坯生产参数，确定中间包质量、拉速波动、结晶器、开浇、停机、中间包热换、换水口等事件是引起夹渣的主要原因，将现场生产经验转化为预测规则，确定规则内容如下：

1 min内拉速降幅度不小于0.2 m/min

并且

或者 abs(液面设定-液面实际) 不小于5 mm

或者换水口 10 min内

或者开浇5 min内

或者热换中间包5 min内

或者停浇尾坯

或者敞浇铸坯

根据分析，应用规则编辑器开发规则如下：

$maxChangeInPast(#cast_speed,120)>0.2

and

(T(Math).abs(#level-#level_set)>5

or $isHaveInPast(#changeSub,600,true)

or $isHaveInPast(#startCast,300,true)

or $isHaveInPast(#changeTd,300,true)

)

or $isHaveInPast(#endCast,true)

or $isHaveInPast(#openCast,true)

预测规则开发完成后上线运行，将轧钢表面质量检测仪反馈的质量数据导入系统中，与系统预测结果进行对比，判定系统准确率。期间共判定铸坯21 656块，涉及Q235B、SPHC等钢种，系统准确率达到90.2%。铸坯质量在线预测效果如图8所示。

总结

（1）根据铸坯质量与生产过程因素的关系，开发了基于预测规则的铸坯质量在线预测系统，其核心是开发了一套高度灵活、易于操作的规则编辑器和一款高效的规则引擎；

（2）针对连铸坯卷渣引起的轧钢起皮缺陷开发了规则并上线验证，经实践表明，系统预测精度达到了90.2%；

（3）系统具备的高精度、高密度过程数据查询功能对铸坯质量异议分析、铸坯质量改进提供了极大帮助，有利于企业加强铸坯质量管控，从而提高铸坯质量。

参考文献

略

引用本文

邓比涛, 韩志伟, 刘强, 孔意文, 龙木军. 中冶赛迪铸坯质量在线预测系统研发及实践[J]. 连铸, 2022(6): 80-87. DENG Bi-tao, HAN Zhi-wei, LIU Qiang, KONG Yi-wen, LONG Mu-jun. Development and application of CISDI continuous casting online quality prediction system [J] . Continuous Casting , 2022(6): 80-87.