钢铁热轧基于人工智能的多目标工艺参数逆向优化技术规范.docxVIP

1

钢铁热轧基于人工智能的多目标工艺参数逆向优化技术规范

1范围

本文件界定了钢铁热轧生产涉及的相关术语和定义及缩略语，确立了钢铁热轧产线多目标工艺参数逆向优化智能系统的总则，规定了技术要求、验证与应用、维护、模型迭代与人员要求。

本文件适用于钢铁热轧产线多目标工艺参数逆向优化智能系统的研发和设计。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GB/T709热轧钢板和钢带的尺寸、外形、重量及允许偏差

GB/T3274碳素结构钢和低合金结构钢热轧钢板和钢带

GB/T37393数字化车间通用技术要求

GB/T38129智能工厂安全控制要求

GB/T39466.1ERP、MES与控制系统之间软件互联互通接口第1部分：通用要求

GB/T42127智能制造工业数据采集规范

YB/T6131钢铁行业设备状态监测与故障预警系统技术要求

YB/T6132钢铁行业轧钢产线能源管理系统技术要求

3术语和定义

下列术语和定义适用于本文件。

3.1

钢铁热轧steelhot-rolling

以钢坯为原料，将其加热至再结晶温度以上，通过轧机施加压力使钢坯发生塑性变形，在不改变金属固态属性的前提下，加工成钢板、钢带、型材等目标形态，并同步改善金属内部晶粒结构、提升力学性能的连续成型工艺。

3.2

多目标工艺参数逆向优化reverseoptimizationofmulti-objectiveprocessparameters

先明确产品的多个性能目标，再通过算法反向推导适配这些性能的最优工艺参数组合的过程。3.3

模型迭代modeliteration

通过反复调整模型参数、优化算法或数据处理流程，持续改进模型性能的过程。

4缩略语

下列缩略语适用于本文件。

MES：制造执行系统（ManufacturingExecutionSystem）

ERP：企业资源计划（EnterpriseResourcePlanning）

PLC：可编程逻辑控制器（ProgrammableLogicController）

5总则

5.1技术架构

2

采用“数据层-模型层-应用层”三层架构，各层功能协同实现工艺参数逆向优化：

——数据层：负责钢铁热轧全流程数据的采集、传输、存储与预处理，为模型层提供标准化数据支撑；

——模型层：构建多目标逆向优化模型，实现目标指标与工艺参数的反向映射及协同优化；

——应用层：提供模型部署、参数输出、效果监控、迭代更新等功能，支持与生产管控系统互联互通。

5.2基本要求

5.2.1数据要求

数据采集应覆盖钢铁热轧全流程，包括原料数据、工艺参数、设备状态、质量检测、能耗消耗、成本消耗等，数据采集方式和要求应符合GB/T42127的规定。

5.2.2模型要求

模型应具备自主学习、自适应性调整能力，支持多目标权重动态配置，换规格时模型精度偏差不超过±5％，优化响应时间不超过10s。

5.2.3集成要求

应支持与MES、ERP、PLC等系统互联互通，接口符合GB/T39466.1的规定，实现数据双向交互和控制指令无缝下发。

5.2.4安全要求

系统运行应符合GB/T38129的安全控制要求。

5.2.5可扩展性要求

采用模块化设计，支持新增优化目标、扩展模型类型、适配不同钢铁热轧产线，满足企业个性化需求。

6技术要求

6.1数据采集与预处理

6.1.1数据采集内容

需采集的数据类别及主要内容如下：

——原料数据：包括原料牌号、化学成分、尺寸规格、重量等；

——工艺参数：包括加热温度、加热时间、轧制力、轧制速度、辊缝、冷却水量、冷却速度等全流程工艺参数；

——设备状态数据：包括轧机、加热炉、冷却系统等关键设备的运行参数、振动、温度、负载率等，应符合YB/T6131的规定；

——质量数据：包括产品尺寸精度、表面质量、力学性能、金相组织等检测数据；

——能耗数据：包括电、水、煤气等能源消耗数据，应符合YB/T6132的规定；

——成本数据：包括原料消耗、轧辊消耗、辅材消耗、人工成本等数据。

6.1.2数据采集方法

采用传感器、PLC、数据采集器等设备进行自动采集，采集频率满足：模拟信号不低于2次/min，高频开关信号不低于1次/s。质量检测数据可结合在线检测设备和实验室检测数据，实现全流程覆盖。通信网络应满足GB/T37393的要求。

6.1.3数据预处理

数据预处理环节应按以下流程