热轧带钢组织性能在线预报系统的研究应用

张金旺　粟劲超　张远志

摘要：热轧带钢组织预报主要基于生产工艺数据，运用相应的冶金模型实现从板坯到带钢成品的组织演变预报，本文介绍了柳钢2032 mm热轧生产线带钢组织性能在线预报系统的应用和优化，该系统的应用有效降低取样损耗、改善了职工劳动环境。

关键词：热轧;性能预报;应用

前言

2018年底，柳钢热轧2032mm生产线完成全线装备技术升级改造，轧线整体技术质量控制水平得到显著提升，热轧厂基于改造后的装备优势及技术深化应用成果，于2019年起全面推进组织性能预报系统的开发与应用攻关，经过近2年的持续优化调试跟踪，确认性能预报系统长期运行稳定且预报指标保持较好的水平，实现了普碳系列免取生产性能样，大大降低职工劳动强度和生产成本。

1 模型构建

热轧板带力学性能预测是指利用热轧产品化学成分和相关生产工艺参数建立能够准确预测板带最终力学性能的预测模型，热轧2032mm生产线通过建立基于“机理模型+数据模型”的混合驱动模型，基于生产工艺数据，运用相应的模型实现从板坯到带钢成品的组织演变预报。不仅体现了材料科学的一般规律，而且弥补了实验室理想条件和工业生产复杂环境之间的差异性。

1.1机理模型

机理模型主要描述粗轧、精轧、层流冷却等工序的组织演变过程，包括动态再结晶模型、亚动态再结晶模型、静态再结晶模型、相变热力学模型、相变动力学模型等。

技术人员通过不断调试、优化机理模型，利用物理冶金模型对带钢在各工序的轧制变形过程进行模拟计算，对轧后产品组织状态和力学性能进行预测，并结合现场获取的实际力学性能结果，优化各物理冶金模型程序及预测参数，确保了各模型程序正常稳定运行，提高了模型预测精度。

1.2数据模型

数据模型主要根据机理模型预测得到的组织演变结果和大量力学性能实测数据，通过机器学习算法建立组织特征参数和力学性能参数之间的关系，且模型系数可实时动态更新。

为提高数据模型精度，在模型建立初期，技术人员进行了大数据匹配模型调试，优化样本库相似度匹配模型算法，丰富样本库数据容量并完善匹配模型关联的轧制过程变量与控制参数。同时通过构建集成学习模型，分析集成学习模型对带钢力学性能预测的准确率与子模型数量的关系，以集成学习显著提升子模型的预测准确率，保证了数据模型的准确率及稳定性。

2性能预报实际应用

系统上线初期，性能预报数据完整性和有效性未能达到设计预期，出现“预报数据异常”、“预报缺失”、“预报延迟”等异常情况的频率偏高，暴露了性能预报系统运行不够稳定的问题。热轧厂技术人员通过对原因的查找分析，确认出现上述不稳定的深层次原因，并进行了相应的优化，同时组织各方力量从工艺制度匹配性优化、过程工艺规范化管控、过程控制系统控制逻辑优化、设备控制精度改造等方面全方位提升轧线温度控制稳定性，为提升性能预报精度创造有利条件，有效提高了系统运行稳定性和性能预报精度。

2.1预报数据异常问题优化

系统上线初期，偶尔会有预报性能数据为“0”的情况。主要是由于性能预报系统有2个预报模型同时运行，轧线二级系统取预报精度高的模型的预报值作为预报目标数据，但在特殊情况下会出现其中一个模型未计算出预报值的情况，但二级在处理预报原始数据的逻辑中未进行有效合理的判定，造成上传的数据中出现“0”值的异常数据。后期通过适当降低二级与检化验系统数据交互过程中的传输频率，由原来的1s发送接收一次降低到60s，降低了因数据交互过程中短时间内数据量过大引起的数据缺失，杜绝了该情况的發生。

2.2预报缺失问题优化

“预报缺失”及性能预报系统预报数据与检化验系统的信息交互过程中出现“遗传漏取”。经分析，主要原因为轧线二级系统处理模型预报值数据频率过高，导致在与检化验系统的信息交互过程中出现“遗传漏取”等不稳定情况。后期通过优化模型在采集轧制过程数据的逻辑算法，提升模型采集过程数据的效率，避免了模型在收集数据过程中的遗漏，减少了无法正常计算出预报值的情况。

2.3预报延迟问题优化

预报延迟主要是因为模型预报过程中遍历的历史数据量过大，导致系统运算量超限，经常需要较长时间才能预报出性能数据，检验人员在无法及时获取性能数据的情况下只能安排取生产性能样。后期通过对模型预报机理做适当调整，定期树立样本库，优化样本库相似度匹配模型算法，减少模型预报过程中遍历的历史数据量，减小模型计算出预报值的时间，降低了出现模型无预报数据的风险，提高了系统运行稳定性。

2.4 预报精度偏低问题

针对初期模型预报精度不高的问题，一方面系统开展机理模型的试验优化工作，根据柳钢普板的成分和生产工艺特点，对其轧制过程中的动态再结晶、静态再结晶、相变过程等模型进行修正改善;另一方面针对所轧制钢卷的历史性能数据进行分析，对部分受取样不规范、性能异常波动、工艺温度异常等数据进行剔除优化，同时加大历史可用数据的采集和对比，不断丰富不同钢号、不同规格的数据量，确保数据模型的自学习精度不断提升。

2.5应用效果

组织性能在线预报系统上线经过优化调试后，系统长期运行稳定，模型预报精度高，目前柳钢2032 mm热轧生产线已实现普碳系列全规格免取性能样，全部采用性能预报数据。预报准确率（假设预报值在实测值的±10%以内为预报准确），屈服强度、抗拉强度、延伸率的预报准确率分别达到91.06%、98.85%、78.67%;按±20%统计，屈服强度、抗拉强度、延伸率的预报准确率可达到99.76%、100%、97.94%。

3 结语

热轧组织性能预报系统在热轧板带厂2032mm生产线正式上线运行后，系统运行稳定，开启了柳钢在线质量预测技术创新应用项目落地实施的先河，降低取样损耗、改善劳动环境的同时可大幅缩短钢卷产出到准发出厂的时间，对公司实现“快产快销”具有重大推动作用。同时，通过组织性能预报系统可实现在线模拟带钢微观组织结构及性能结果，定量研究影响产品性能的关键参数，为新钢种开发和工艺优化提供技术指导，实现工艺制度快速优化设计，有效提高新技术研发和工艺优化效率。

参考文献：

[1]于景辉，赵德琦.热轧产品力学及组织性能预报[J].金属世界，2019（05）：28-32.

[2]李飞飞，宋勇，刘超，李博，张世伟.板带力学性能预报的集成学习模型及其可靠性评价[J].机械工程学报，2021，57（02）：239-246.