王紅濤，馮連強(qiáng)，劉 穎，周士凱，趙 靜

(中國重型機(jī)械研究院股份公司，陜西 西安 710032)

0 前言

隨著基于可編輯邏輯控制器(PLC)的生產(chǎn)工藝自動(dòng)化技術(shù)、電子計(jì)算機(jī)技術(shù)等在生產(chǎn)中廣泛應(yīng)用為主要標(biāo)識(shí)的信息控制技術(shù)革命興起及繁榮，通過應(yīng)用嵌入式系統(tǒng)，可以實(shí)時(shí)收集影響鑄坯質(zhì)量的因素?cái)?shù)據(jù)，并且充分利用信息通訊技術(shù)，將網(wǎng)絡(luò)空間虛擬系統(tǒng)與信息物理系統(tǒng)緊密結(jié)合，使傳統(tǒng)的制造業(yè)向智能化方向進(jìn)行轉(zhuǎn)型，成為當(dāng)前連鑄生產(chǎn)的發(fā)展趨勢。

由于鑄坯質(zhì)量缺陷的重要性、判定方法局限性、工藝過程復(fù)雜性，中國重型機(jī)械研究院股份公司針對(duì)鑄坯質(zhì)量的在線判定進(jìn)行了深入的專項(xiàng)研究，研發(fā)了智能化的鑄坯質(zhì)量在線判定系統(tǒng)，實(shí)時(shí)地采集影響鑄坯質(zhì)量的現(xiàn)場數(shù)據(jù)，對(duì)信息進(jìn)行分析，實(shí)現(xiàn)質(zhì)量判定，并進(jìn)行相應(yīng)的維護(hù)和管理。

1 鑄坯質(zhì)量判定方法概況

目前采用多爐連澆、熱送熱裝技術(shù)的板坯連鑄機(jī)已隨處可見。連鑄技術(shù)發(fā)展的一個(gè)重要方向已經(jīng)轉(zhuǎn)換為通過選用合適的技術(shù)措施較為明顯地提高連鑄機(jī)生產(chǎn)速度、提高連鑄-軋鋼工藝過程的運(yùn)行效率。

為適應(yīng)連鑄機(jī)高效率的生產(chǎn)過程，須建立一套因操作不當(dāng)或設(shè)備異常等引起的鑄坯質(zhì)量缺陷進(jìn)行判定的專家系統(tǒng)，用以快速判定鑄坯表面或內(nèi)部可能出現(xiàn)的質(zhì)量缺陷，并且及時(shí)追蹤定位可能存在質(zhì)量缺陷的鑄坯段位置，并將判定結(jié)果在鑄坯離開連鑄生產(chǎn)線前報(bào)出，指導(dǎo)鑄坯在線優(yōu)化切割、減少廢坯量等。

鑄坯質(zhì)量缺陷判定數(shù)學(xué)建模是通過連鑄生產(chǎn)機(jī)理建立具有預(yù)報(bào)功能的數(shù)學(xué)模型，但由于鑄坯質(zhì)量與各因素具有非線性和不確定性關(guān)系，許多成因仍未研究通透，而且由于企業(yè)不同、產(chǎn)品種類不同、原材料的不同，導(dǎo)致系統(tǒng)的重復(fù)利用、日常維護(hù)變得異常艱難。隨著人工智能技術(shù)的發(fā)展，使用基于技術(shù)人員知識(shí)經(jīng)驗(yàn)積累的專家系統(tǒng)或者數(shù)據(jù)挖掘方法，如K近鄰、神經(jīng)網(wǎng)絡(luò)等，可以對(duì)鑄坯質(zhì)量與各影響因素之間的不確定性和非線性關(guān)系進(jìn)行精確的求解，從而建立優(yōu)勢明顯的鑄坯質(zhì)量判定模型。

另外，有些鋼鐵企業(yè)使用物理檢測技術(shù)對(duì)鑄坯表面質(zhì)量缺陷進(jìn)行判定。在判定過程中，需要通過光學(xué)圖像對(duì)比來檢測鑄坯質(zhì)量缺陷。盡管鑄坯表面質(zhì)量的精度在不斷地提高，但由于受到各方面因素的影響，如設(shè)備精度以及環(huán)境的干擾，這些檢測方法涉及的技術(shù)相對(duì)復(fù)雜。因此，需要結(jié)合圖像檢測技術(shù)和人工智能技術(shù)的各自優(yōu)點(diǎn)，綜合應(yīng)用以降低硬件投資成本，提高鑄坯質(zhì)量缺陷評(píng)估的準(zhǔn)確率。

基于人工智能方法的鑄坯質(zhì)量判定系統(tǒng)的實(shí)施一般由數(shù)據(jù)采集、異常事件處理、質(zhì)量缺陷判定和鑄坯綜合質(zhì)量等級(jí)評(píng)定環(huán)節(jié)組成。作為系統(tǒng)的核心功能就是質(zhì)量缺陷如何判定。

2 鑄坯質(zhì)量判定方法分析

鑄坯質(zhì)量缺陷預(yù)報(bào)主要包括鑄坯內(nèi)部缺陷預(yù)報(bào)及鑄坯表面缺陷預(yù)報(bào)，鑄坯內(nèi)部缺陷預(yù)報(bào)主要包括中心線裂紋預(yù)報(bào)、枝晶間裂紋預(yù)報(bào)、三角區(qū)裂紋預(yù)報(bào)。鑄坯表面缺陷預(yù)報(bào)主要包括表面縱裂紋預(yù)報(bào)、角部表面縱裂紋預(yù)報(bào)(角裂)、表面橫裂紋預(yù)報(bào)、角部橫裂紋預(yù)報(bào)、表面“網(wǎng)狀”裂紋預(yù)報(bào)、連鑄坯表面夾渣預(yù)報(bào)、鑄坯表面潤滑預(yù)報(bào)、表面氣孔預(yù)報(bào)等。

對(duì)于如何提高連鑄坯質(zhì)量判定準(zhǔn)確率研究，當(dāng)前主要有如圖1所示三種研究方法：一是基于專項(xiàng)缺陷的質(zhì)量預(yù)報(bào)，依靠專門的檢測設(shè)備在線對(duì)連鑄坯質(zhì)量缺陷進(jìn)行檢測，通過生產(chǎn)現(xiàn)場信息的分析，協(xié)助工程師信息定位和控制缺陷；二是對(duì)某種質(zhì)量缺陷的專項(xiàng)深入研究，對(duì)具體連鑄坯質(zhì)量缺陷與工藝條件、設(shè)備條件、操作條件和鋼水條件等的關(guān)系進(jìn)行實(shí)驗(yàn)研究和具體分析，構(gòu)建數(shù)學(xué)模型，通過模型分析主要影響因素，并且確定控制措施；三是基于現(xiàn)場生產(chǎn)數(shù)據(jù)跟蹤的質(zhì)量判定，掌握現(xiàn)場生產(chǎn)中實(shí)際的工藝數(shù)據(jù)、設(shè)備條件等，按照人工智能和神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)其進(jìn)行推理和判定，借助于神經(jīng)網(wǎng)絡(luò)，解決連鑄坯質(zhì)量預(yù)報(bào)過程中存在的多因素、不確定和不精確的非線性問題。

圖1 鑄坯質(zhì)量判定分類

基于物理手段的檢測方法，從實(shí)現(xiàn)機(jī)理上看，此類系統(tǒng)直接針對(duì)鑄坯缺陷，通過檢測設(shè)備采集鑄坯缺陷信息，借助圖像處理技術(shù)中的模式識(shí)別方法，對(duì)鑄坯的質(zhì)量缺陷進(jìn)行診斷和辨別。

2.1 圖像處理

鑄坯質(zhì)量在線判定系統(tǒng)包括圖像采集、圖像處理、模式識(shí)別和人機(jī)交互等幾個(gè)部分。其中，每幅圖像之間的采集間隔需要準(zhǔn)確設(shè)定，避免圖像之間的重疊，保證系統(tǒng)不會(huì)出現(xiàn)漏檢或重復(fù)檢測現(xiàn)象發(fā)生。

圖像采集部分在獲得鑄坯表面圖像之后，通過數(shù)字圖像處理技術(shù)判定是否有缺陷存在。如果存在缺陷，通過設(shè)計(jì)的自學(xué)習(xí)系統(tǒng)，對(duì)缺陷分類，從而達(dá)到自動(dòng)識(shí)別鑄坯表面缺陷的目標(biāo)。

2.2 傳統(tǒng)數(shù)學(xué)模型建模的判定

連鑄坯質(zhì)量判定系統(tǒng)以往是通過分析連鑄生產(chǎn)的基本原理，分析冶金工藝模型，建立相關(guān)模型的方式進(jìn)行，而鑄坯質(zhì)量存在很多影響因素，在此基礎(chǔ)上，將連鑄過程質(zhì)量分析分為結(jié)晶器內(nèi)分析和二冷區(qū)分析。傳統(tǒng)數(shù)學(xué)模型建模的判定存在著較多的原理缺陷，因此，實(shí)際應(yīng)用并不理想。

2.3 人工智能判定

利用現(xiàn)代人工智能技術(shù)，能夠針對(duì)具有不確定性和非線性關(guān)系的問題進(jìn)行有效求解，因此用來建立質(zhì)量判定模型具有明顯優(yōu)勢。該類質(zhì)量診斷建模通常是把冶金知識(shí)以規(guī)則的形式匯總成鑄坯質(zhì)量知識(shí)庫，將澆鑄過程各工序監(jiān)測的所有數(shù)據(jù)輸入計(jì)算機(jī)，利用數(shù)據(jù)挖掘等技術(shù)或利用多元統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)等技術(shù)建立質(zhì)量診斷模型，對(duì)鑄坯質(zhì)量做出評(píng)價(jià)。

3 鑄坯質(zhì)量判定系統(tǒng)需求分析

建立一個(gè)新的系統(tǒng)時(shí)，需要進(jìn)行需求分析，描述新系統(tǒng)的目的、范圍、定義和功能。作為軟件工程的一個(gè)關(guān)鍵過程，在需求分析過程中通過系統(tǒng)分析師確定系統(tǒng)的需求。“智能化鑄坯質(zhì)量在線判定系統(tǒng)”的需求分析是對(duì)智能化鑄坯質(zhì)量在線判定系統(tǒng)進(jìn)行需求調(diào)研以后，對(duì)相關(guān)資料信息進(jìn)行詳細(xì)的分析，確定系統(tǒng)的輸入數(shù)據(jù)、處理數(shù)據(jù)的具體方法、以及要求的輸出結(jié)果。

通過詳細(xì)分析“智能化鑄坯質(zhì)量在線判定系統(tǒng)”的目標(biāo)和任務(wù)，可以將系統(tǒng)的需求分析劃分為幾個(gè)方面，即功能需求分析、信息需求分析、方法需求分析以及軟硬件需求分析等。

對(duì)系統(tǒng)需求進(jìn)行分析時(shí)，首先必須了解系統(tǒng)任務(wù)及目標(biāo)，即處理需求，由智能化鑄坯質(zhì)量在線判定系統(tǒng)的任務(wù)及目標(biāo)分析可知，處理功能需求主要包括對(duì)異常事件診斷、對(duì)鑄坯內(nèi)部缺陷預(yù)報(bào)、對(duì)鑄坯表面缺陷預(yù)報(bào)、系統(tǒng)仿真離線模擬、系統(tǒng)可視化界面構(gòu)建等。除此之外，還需要根據(jù)系統(tǒng)任務(wù)及目標(biāo)，實(shí)現(xiàn)其他輔助處理功能。

信息需求主要是指將要實(shí)現(xiàn)具體的處理功能，需要什么樣的數(shù)據(jù)為基礎(chǔ)，信息需求主要包括四個(gè)方面，生產(chǎn)之前已知的設(shè)備、鋼種、材料信息，連鑄生產(chǎn)前化驗(yàn)室得到的鋼水成分、溫度等信息，連鑄生產(chǎn)過程實(shí)時(shí)檢測到的信息，以及當(dāng)前鑄坯質(zhì)量判定后得到信息及指導(dǎo)修正模型的自學(xué)習(xí)信息。

方法需求分析主要包括模型構(gòu)建方法、系統(tǒng)數(shù)據(jù)采集通訊方法、界面搭建方法等。系統(tǒng)通過OPC與一級(jí)系統(tǒng)數(shù)據(jù)進(jìn)行采集交流、基于C#編程語言進(jìn)行界面設(shè)計(jì)、使用Oracle數(shù)據(jù)庫管理方法對(duì)數(shù)據(jù)進(jìn)行收集管理、系統(tǒng)通過搭建C/S框架結(jié)構(gòu)完成服務(wù)器與客戶端交流、定制圖像處理算法對(duì)鑄坯表面圖像進(jìn)行分析處理；對(duì)異常事件進(jìn)行預(yù)報(bào)使用人工診斷方式或自動(dòng)診斷方式完成；對(duì)鑄坯內(nèi)部缺陷進(jìn)行預(yù)報(bào)使用經(jīng)驗(yàn)及機(jī)理模型、神經(jīng)網(wǎng)絡(luò)模型、自學(xué)習(xí)模型完成；對(duì)鑄坯表面缺陷進(jìn)行檢測與預(yù)報(bào)使用經(jīng)驗(yàn)及機(jī)理模型、神經(jīng)網(wǎng)絡(luò)模型、自學(xué)習(xí)模型完成；并且對(duì)使用軟硬件對(duì)鑄坯表面質(zhì)量進(jìn)行拍照分析，輔助完成鑄坯表面缺陷進(jìn)行檢測與預(yù)報(bào)。

信息搜集以后需要具體的處理方法才能得到想要的輸出結(jié)果，處理方法主要包括對(duì)異常及缺陷進(jìn)行診斷的方法，對(duì)采集的表面質(zhì)量信息進(jìn)行處理的算法等；搜集和整理鋼廠的大量生產(chǎn)數(shù)據(jù)，設(shè)計(jì)和開發(fā)相應(yīng)的仿真模擬算法，對(duì)采集到的數(shù)據(jù)進(jìn)行仿真模擬，實(shí)現(xiàn)系統(tǒng)的離線仿真目標(biāo)，涉及的需求分析數(shù)據(jù)如表1所示。

表1 主要需求分析

4 鑄坯質(zhì)量判定系統(tǒng)的實(shí)現(xiàn)與應(yīng)用效果分析

本文主要以國家智能制造裝備發(fā)展專項(xiàng)為研究背景，開發(fā)的系統(tǒng)已成功應(yīng)用于河北鋼鐵集團(tuán)燕山鋼鐵有限公司板坯連鑄生產(chǎn)線、印尼廣青板坯連鑄生產(chǎn)線、福建吳航鋼鐵公司板坯連鑄生產(chǎn)線、伊朗穆巴拉克鋼鐵集團(tuán)板坯連鑄生產(chǎn)線等。

通過對(duì)連鑄生產(chǎn)現(xiàn)場的實(shí)際情況的詳細(xì)調(diào)研和系統(tǒng)分析，結(jié)合項(xiàng)目實(shí)施的具體網(wǎng)絡(luò)環(huán)境，建立針對(duì)鑄坯質(zhì)量判定系統(tǒng)相適應(yīng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)?；谠跀?shù)據(jù)通信中，各網(wǎng)絡(luò)設(shè)備有效、可靠的接收和傳遞數(shù)據(jù)，采用國際標(biāo)準(zhǔn)的TCP/IP協(xié)議，滿足整體系統(tǒng)中不同種類設(shè)備之間相互連通的基本要求?；A(chǔ)自動(dòng)化級(jí)控制系統(tǒng)生產(chǎn)相關(guān)數(shù)據(jù)和連鑄生產(chǎn)設(shè)備自身運(yùn)行的狀態(tài)數(shù)據(jù)等共同組一級(jí)控制系統(tǒng)中數(shù)據(jù)。為此，建立了工業(yè)以太網(wǎng)的數(shù)據(jù)傳輸線路，保障服務(wù)器與PLC的通訊，同時(shí)選用西門子公司的Wincc系統(tǒng)為一級(jí)控制系統(tǒng)的數(shù)據(jù)采集軟件。由于一級(jí)控制系統(tǒng)和數(shù)據(jù)采集服務(wù)器之間的數(shù)據(jù)傳輸具有低延時(shí)、大容量的特點(diǎn)，針對(duì)此問題，設(shè)計(jì)該系統(tǒng)以O(shè)PC DA作為數(shù)據(jù)通道。圖2為鑄坯質(zhì)量判定系統(tǒng)的OPC數(shù)據(jù)交換示意圖。

圖2 PC數(shù)據(jù)交換示意圖

以系統(tǒng)開放性、易維護(hù)性、可擴(kuò)充性等為設(shè)計(jì)原則，充分考慮用戶操作界面的人性化，進(jìn)行了鑄坯質(zhì)量判定系統(tǒng)的二級(jí)計(jì)算系統(tǒng)的設(shè)計(jì)。二級(jí)計(jì)算機(jī)系統(tǒng)的基本架構(gòu)模型如圖3所示。系統(tǒng)包括客戶端應(yīng)用程序、服務(wù)器端應(yīng)用程序、數(shù)據(jù)庫管理與維護(hù)系統(tǒng)等三部分，分別在不同的應(yīng)用層上運(yùn)行完成不同的工作，共同工作支撐智能化鑄坯質(zhì)量判定系統(tǒng)穩(wěn)定高效運(yùn)行。

在實(shí)驗(yàn)環(huán)境測試中，CPU使用率在10%以內(nèi)，內(nèi)存使用量在4 GB以內(nèi)，響應(yīng)時(shí)間為5 ms左右，目前支持的最大用戶約為50，軟件性能符合預(yù)期設(shè)計(jì)；并且系統(tǒng)的各功能模塊進(jìn)行了詳細(xì)測試，同樣符合預(yù)期設(shè)計(jì)，遂將系統(tǒng)投入實(shí)際生產(chǎn)環(huán)境進(jìn)行試運(yùn)行。

在系統(tǒng)上線試運(yùn)行后，項(xiàng)目組在馬鋼集團(tuán)連鑄車間選取了1552塊鑄坯進(jìn)行缺陷判定實(shí)驗(yàn)，并與傳統(tǒng)人工判定進(jìn)行對(duì)比，其中存在表面缺陷鑄坯26塊，存在內(nèi)部缺陷鑄坯5塊，無質(zhì)量缺陷鑄坯1521塊，實(shí)驗(yàn)結(jié)果如表2所示。

表2 缺陷判定實(shí)現(xiàn)結(jié)果對(duì)比

圖3 二級(jí)計(jì)算機(jī)系統(tǒng)的基本架構(gòu)模型

5 結(jié)束語

通過實(shí)驗(yàn)發(fā)現(xiàn)，基于BP神經(jīng)網(wǎng)絡(luò)的鑄坯質(zhì)量在線判定系統(tǒng)由于訓(xùn)練樣本的局限，對(duì)于存在表面質(zhì)量缺陷的鑄坯判定目前略低于傳統(tǒng)的人工判定，但在肉眼無法識(shí)別的鑄坯內(nèi)部質(zhì)量缺陷的判定上存在明顯優(yōu)勢。只要通過后期持續(xù)樣本學(xué)習(xí)，此系統(tǒng)基本可以替代甚至優(yōu)于傳統(tǒng)的人工判定。而且通過此系統(tǒng)，可繼續(xù)減少連鑄生產(chǎn)線的操作人員數(shù)量，在機(jī)械化、自動(dòng)化程度已經(jīng)很高的鑄坯生產(chǎn)線上，通過智能系統(tǒng)的開發(fā)，大幅提升連鑄生產(chǎn)線的生產(chǎn)效率和產(chǎn)品合格率。

由此，可確定該系統(tǒng)運(yùn)行結(jié)果良好，并在鑄坯質(zhì)量預(yù)測方面發(fā)揮較高準(zhǔn)確度的優(yōu)勢，可在實(shí)際工程環(huán)境中進(jìn)一步推廣并應(yīng)用。

[1] 朱苗勇.連鑄坯的偏析及其控制[M].冶金工業(yè)出版社,2015.

[2] 蔡自興.高級(jí)專家系統(tǒng)：原理設(shè)計(jì)及應(yīng)用[M].科學(xué)院出版社,2014.

[3] 黃凱,毛偉杰,顧駿杰.OpenStack實(shí)戰(zhàn)指南[M].機(jī)械工業(yè)出版社,2014.

[4] 單多,徐安軍,汪紅兵,田乃媛.連鑄坯質(zhì)量判定系統(tǒng)研究綜述[J].連鑄,2011.

[5] 張慶.質(zhì)量控制系統(tǒng)在寬厚板連鑄機(jī)的應(yīng)用[J].山西冶金,2016.

[6] 鐘志峰.方坯質(zhì)量智能判定切割系統(tǒng)的設(shè)計(jì)[J].電腦知識(shí)與技術(shù),2017.

[7] 曹建國.薄板坯連鑄連軋工藝與設(shè)備[M].北京：化學(xué)工業(yè)出版社,2017.

[8] 盧盛意.連鑄坯質(zhì)量研究[M]. 北京：冶金工業(yè)出版社,2011.

[9] 蔡開科.連鑄坯質(zhì)量控制[M]. 北京：冶金工業(yè)出版社,2010.

[10] A Piccinini， VP Campagnoni， S Ierace， et,al. A vibrational approach to Slag Sensing System: development and industrial application[J]. IFAC Papers On Line, 2016 , 49 (12).

[11] Simon Haykin.神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)[M]. 北京：機(jī)械工業(yè)出版社,2011.

[12] 何正風(fēng).MATLAB R2015b神經(jīng)網(wǎng)絡(luò)技術(shù)(精通MATLAB)[M].清華大學(xué)出版社,2016.

[13] 張景陽,潘光友.多元線性回歸與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對(duì)比與運(yùn)用研究[J].昆明理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2013(06).