基于大数据的冷轧板形分析与控制技术研究.pdfVIP

基于 “大数据的冷轧板形分析与控制技术研究 Researchonflatnessanalysisandcontrolin cold rollingbased onbigdate 包仁人’，张 杰’，李洪波’，程方武 ，贾生晖 BA0 Ren—ren。ZHANG Jie，LiHong．bo ，CHENG Fang．WU，JIASheng-hui (1．北京科技大学机械工程学院，北京 100083；2．武汉钢铁 (集团)公司，武汉430083) 摘 要：为充分利用冷轧过程中的工艺数据，总结板形控制过程中的规律，文章借鉴了 “大数据”的相 关思想，对板形检测结果和大量工艺数据进行了分析 ，找到边部板形缺陷难以控制的原因在 于冷连轧机现有板形控制手段能力不足，进而提出了能提高轧边部板形控制能力的辊形优化 方法，并进行了工业试验，证明此方案的有效性。 关键词：大数据；板形；冷连轧机；辊形优化 中图分类号 ：TG333．7 文献标识码：A 文章编号 ：1009—0134(2015)03(下)一001003 Doi：10．3969／j．issn．1009-0134．2015．03(下)．03 0 引言 陷的形式，实际生产过程中往往通过实物板形跟踪来确 近年来 ， “大数据 ”引起 了社会各界广泛的高度 定板形缺陷的类型，但这种靠人工进行的判断方法存在 关注。2012年3月22臼，美国总统奥巴马 式宣布美国 着效率低下的问题，且因采样较少不能全面的反映板形 政府将斥资2亿美元启动 “火数据研究和发展计划 (Big 缺陷问题。因此有学者提 出利用模式识别方法来对板形 DataResearchandDevelopmentInitiative)”。这是继 缺陷进行分析 ’ ，将板形仪的检测信号识别为几类确 1993年美国政府宣布 “信息高速公路”计划后的再一次 定的板形缺陷，如中浪、边浪、四分之一浪和边中复合 重大的科技发展部署 ，美 国对大数据 的研究上升为国 浪 ，这类识别方法中多需对板形检测信号进行拟合 ，面 家意志，必将对未来科技 、经济的发展带来深远的影 对成千上万组的板形检测结果计算速度较慢 。 响…。在维克托 迈·尔．舍恩伯格及肯尼斯 库·克耶编写的 某冷连轧机为五机架超宽六辊CVC轧机 ，最大可 《大数据时代》中 “大数据”指不用随机分析法 (抽样 轧带钢宽度达2080mm，通过对其所轧带钢板形长达两 调查)这样 的捷径，而采用所有数据用于分析的方法， 年的跟踪 ，发现同批轧制规格和钢种近似 的带钢 ，稳定 大数据具有4V特点：Volume(大量)、Velocity(高 轧制阶段的板形缺陷具有相似性 ，其浪形幅值和形态接 速)、Variety(多样)、Veracity(真实性) l。 近 ，因此本文借鉴 了 “大数据”的思想，采用基于密度 日前对 “大数据”的研究多集中在数据的存储、读 和网格的聚类分析方法 ”对大批量带钢的板形检测结果 取等方面 ，建立可快速读取的数据平台，而如何从 进行特征提取 ，再利用模式识别方法计算各板形缺陷分 工业数据中发现并总结规律方面的研究较少。现代化的 量，并利用MATLAB编程实现聚类分析与模式识别过 冷连轧机配备有完整的多级计算机系统，涉及轧制过程监 程l1，与传统板形模式识别方法相比，省去了大量的曲 测与控制、物料系统跟踪、合同订单跟踪等，生产线上有 线拟合过程，计算速度从每千帧信号30s，降低至每千 大量的传感器，实时采集的信息数据量以GB为单位存储 帧5s以内，而所得板形缺陷识别结果与传统方法保持一 ‘ 在服务器 中，仅某六辊CVC冷连轧机基础 自动化部分传 致，证明对冷轧板形分析而言，采用聚类分析的方法是 感器所记录的数据量每天可达6GB，这些数据被大部分