全局通用型热轧带钢力学性能预报模型.ppt

全局通用型热轧带钢力学性能预报模型Global Model for Hot Strip Mechanical Property Prediction（GLOSP） 全局通用模型的内涵 一个模型针对特定成份和工艺范围内的所有 钢种——对未生产过的钢种、工艺、规格， 只要在模型适用范围内，就能给出相对准确 的预报。 为什么反对分钢种建模？ 性能预报的技术线路比较 应对误差的策略：分布式模型 难点：对建模过程的影响 模型间误差接近， 误差小不一定好。 原始预测结果 针对钢种的预报：平均值对比 新数据与小样本：外延能力的展现 合格判定：外延能力展现 更换产线：外延能力的展现 可靠性分析：分层模型判断法 模型还能告诉我们什么？！ 给定成分和工艺，带钢厚度规格、出炉温度、粗轧温度、开轧温度、终轧温度和卷取温度对性能影响多大？ 成份和工艺都稳定合格，性能为何不稳定？关键应该控制什么？ C增加了，强度为什么反而降低了？Nb、V、Ti的加入，分别对强度增加起到了多大作用？配比合算吗？ ....... 异想天开的尝试！ 技术应用：只是个开始 减少带钢取样频率。根据宝钢HFW产线的粗略统计，使用性能预报模型后，取样量较之前下降了约69%，交货期提前了1天时间。 板坯余材动态充当。2006年7月以来，每年完成两万多吨板坯余材的动态充当，按设计工艺参数生产出来的最终产品质量100%符合用户的要求，每年带来400多万的直接经济效益。 钢种优化。优化某钢种成分，避开包晶区，降低板坯的缺陷率。 谢谢大家 * * 适用范围 生产过的钢种 未曾生产过的钢种 CMn钢 耐候钢 IF 钢 析出强化钢 钢种类别 强度级别 бs下限170 бs上限：750 бb下限：250 бb上限：900 成分范围 C:0~0.3 Si:0.01~1.0 Mn:0~2.0 P:0.005~0.12 Nb:0~0.07 …… 工艺规格 H:1.3~22 CT:450~720 FT :780~920 ......... 671个出钢记号中可 预报581个,占86.6% 337608条数据中可预报 303702条，占89.95% 占比情况 “全局”的含义——对模型适用范围的大体描述 设计钢种时无用 钢种优化时无用 降低取样时无用 移植经验时无用 结论：纵然精度高，依然无用 成熟钢种预报准，不成熟钢种难 预报，未曾生产的钢种无法预报。 对原有工艺、规格预报准，工艺 或规格稍微改变后预报不准。 性能合格的带钢预报误差小， 性能不合格的带钢预报误差大。 不同产线、时间、类似钢种 模型相差很远、参数矛盾 有人能想到，但担心做不到，所以不去做。 想去做的人，往往缺乏必要的条件。 知识和信息的完整性。囊括材料、冶炼、轧制、精整、检测、设备、控制、管理等多方面——企业之外难以共享信息和知识。 数据量为基础：理论上可证明，至少10万条相对完整、高质量的数据，才能保证模型的基本精度——很少企业能有这样的条件。 研发文化与管理：12年的努力，难在信任和坚持 建模方法创新：传统建模方法无法保证模型外推能力，要创造性地找到合适的建模方法。 客观困难都是数据误差大、分布不理想的后果 —误差为精度设置了上限，无法达到理想的精度 —精度与外延性分离——精度高的模型往往外延性更差、适用范围更小。 —自变量多、相关性强、交互作用复杂。 主观难度来自观念的错误：追求无法实现的目标；过多时间花在不必要的探索上。 这样想法，难道别人想不到？ 做好这件事，需要什么条件？ 条件具备后，研究过程 和建模方法的难点何在？ 三个合理的质疑 典型统计模型 бb = 299 + 589C + 27Mn - 23Si+1862N+... 优点：获得数据容易，精度高。 缺点：外延性差：成份系数其实不是常数！ 典型机理模型 бb = 294 + 27Mn + 385fp+ 7.7 d- 1/2 +... 优点：原理正确、外延性好。 缺点：数据问题难解决，精度低！ GLOSP模型 бb = 299 +K1C + K2Mn+....... +f1(C| h,Ct,FT....)+......... + g1（NbC,h,RT, FT,CT,...)+..... +........ GLOSP的追求： 通过建模方法新，实现 冶金机理与统计科学的深度结合 钢种 误差大于25Mpa 误差大于40Mpa 正常 样本 异常 样本 异常 占比 正常 样本 异常 样本 异常 占比 A 19 110 85% 7 28 80% G 30 62 67% 3 36 92% 性能检测产生的误差 成分检测导致的误差 管理原因造成的预报误差 数据精度是 提高模型精度的拦路虎 100% 数据准确、完整时的极限精度