檢視数字化仿真技术在钢铁行业中的应用的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://x0.ifengimg.com/ucms/2022_23/61845A9D695448DF1CDF5E0EBA6750EFFF5E2A07_size1186_w1267_h845.png width="310"></center>
<small>[https://hebei.ifeng.com/c/8GVuQ7G5bD1 来自 凤凰网 的图片]</small>
|}

'''数字化仿真技术在钢铁行业中的应用'''仿真兴起于[[工业]]领域，作为必不可少的重要技术，已经被世界上众多企业广泛应用到工业的各个领域中，是推动工业技术快速发展的核心技术。数字化仿真技术，从技术角度看，建模和仿真是对伴生体，建模是模型化物理世界的理解，仿真是验证恶化确认理解的正确性和有效性。仿真是将包含确定性规律和完整机理模型转化为软件的方式来模拟物流世界的一种技术。只要模型正确，并拥有了完整的输入信息和环境数据，就可以基本正确的反映物理世界的特性和参数。项目是通过[[数字化]]<ref>[https://www.sohu.com/a/447972185_100188726 什么是数字化？数字化的概念及内涵] ，搜狐，2021-02-01</ref>仿真技术，考虑多因素的负荷预测方法，利用机理模型与数据挖掘技术相结合，通过对工艺过程控制数字模型进行了模拟仿真、学习、继承、优化，达到冷轧薄板生产工艺全面实现先进控制与工艺过程优化。

==一、案例简介==

仿真兴起于工业领域，作为必不可少的重要[[技术]]，已经被世界上众多企业广泛应用到工业的各个领域中，是推动工业技术快速发展的核心技术。数字化仿真技术，从技术角度看，建模和仿真是对伴生体，建模是模型化物理世界的理解，仿真是验证恶化确认理解的正确性和有效性。仿真是将包含确定性规律和完整机理模型转化为软件的方式来模拟物流世界的一种技术。只要模型[[正确]]，并拥有了完整的输入信息和环境数据，就可以基本正确的反映物理世界的特性和参数。

制造场景下，仿真包括产品仿真、制造仿真和生产仿真。

产品仿真：[[系统]]仿真、虚拟试验等

制造仿真：工艺仿真、装配仿真、数控加工仿真等；

生产仿真：离散[[制造]]工厂仿真、流程制造仿真等。

项目是通过数字化仿真技术，考虑多因素的负荷预测方法，利用机理模型与数据挖掘技术相结合，通过对工艺过程控制数字模型进行了模拟仿真、学习、继承、优化，达到冷轧薄板生产[[工艺]]全面实现先进控制与工艺过程优化。

==二、案例背景介绍==

自上世纪 90 年代以来，我国钢铁工业取得了长足的进步，体现在先进工艺装备的基础上，钢铁企业在整体自动化和信息化建设方面投入了大量的资源，积累了非常多的信息资产。尽管面临着产能过剩、结构失衡，[[能源]]环境等巨大压力，钢铁行业冷轧薄板企业经过大力发展，机械自动化程度得到了很大提高，目前在自动化控制技术、通信技术、信息管理系统等方面取得了显著进展，大大降低了工人的劳动强度，提高生产效率。目前钢铁行业的运行控制方面仍然严重依赖运行人员操作经验，存在巨大的控制优化空间。模型构建一套从运行控制目标决策、执行到效果评价的完整解决方案，考虑多因素的负荷预测方法，利用机理模型与数据挖掘技术相结合，通过对工艺过程控制数字模型进行了模拟仿真、[[学习]]、继承、优化，达到冷轧薄板生产工艺全面实现先进控制与工艺过程优化。

==三、案例应用详情==

===1、总体应用框架===

某钢铁企业的四条主要生产线生产过程控制系统均已建立数字化模型，并完成了工艺模拟仿真改造：

（1）酸洗-连轧生产线建立了轧制[[策略]]模型、后续计算模型（包括轧制模型、带钢平直度与设定模型、带钢温度模型）、自适应模型、轧辊温度与磨损模型；

（2）罩式退火炉生产线建立了堆垛优化模型、退火工艺温度控制模型；

（3）连续退火炉生产线建立了带钢张力控制模型、退火工艺[[温度]]控制模型；

（4）热镀锌[[生产线]]建立了带钢张力控制模型、剪切优化模型。

===2、关键技术应用详情===

====（1）在酸轧机组生产线建立了6个数字化模型====

mosRsTCM轧制策略：对钢卷原始数据和目标值、辊径和粗糙度等轧辊数据、摩擦数据，如润滑类型和数量、屈服应力曲线、[[数学]]模型适应因素、有关轧机中机械和电气设备的数据、标准轧制指令和各操作员指令、平直度指令等进行预处理并生成轧制指令：每个机架上的压下量类型、压下量值，特定的张力、低速时附加张力，规定的带材温度或规定的冷却介质的数量，入口/出口最大速度等。

mosPcTPM TCM后续计算模型：设定值[[计算]]，包括基本的轧制模型、带钢平直度与设定模型、带钢温度模型。

mosAdTCM自适应模型：模型的自适应和继承，包括短期自适应和长期继承。虽然物理模型本身的结果是相当精确的，但在计算的设定点和测量值之间仍有小的偏差。为减小这些偏差，采用了自适应模型，主要优点是它能够学习轧制物料的[[化学]]组成、摩擦系数、过程数据和波动数据，以神经网络<ref>[https://www.sohu.com/a/354729010_185201 一文搞懂神经网络] ，搜狐，2019-11-19 </ref>的形式从事件的系统中获得经验，并在出现类似情况时，此经验发生作用。

mosRcTCM换辊和校准模型：换辊和机架校准处理。

mosTwTCM轧辊温度和磨损模型：轧辊循环运行的热凸度和轧辊磨损模型。辊温度和磨损模型计算轧机机架上所有辊的与时间有关的热辊形状，即工作辊，中间辊和支承辊。除了热影响之外，辊外形也受到磨损，也要用辊[[温度]]和磨损模型来计算。磨损主要与轧制的长度和辊接触的压力有关。

SOS速度优化模型：速度优化的目的是保证生产高质量产品的条件下，使生产率达到最大，这就要求酸洗线操作的稳定性和可靠性，以及尽可能的使通过轧机的带钢稳定而具有最高可能的速度。

====（2）在全氢罩式退火炉机组建立了2个模型====

退火工艺模型：采用[[奥地利]]ENBER技术，按钢种、规格建立了退火工艺温度数字模型，生产时直接调用、并按模型实现优化控制。

堆垛优化模型：当钢卷从三级下发到二级系统之后，利用堆垛优化模型就会按照钢种、内外径、重量、厚度以及宽度等参数进行自动组垛，同时自动分配合适的退火程序，进行装炉和开启退火程序操作。

====（3）连续退火炉机组重点建立了2个模型:====

张力模型：数学模型通过带钢的钢种等级、宽度和厚度、延伸率以及静态调节参数表来计算出带钢生产过程中所需的张力预设值。

剪切优化模型：根据产品卷的重量或长度[[范围]]，提供相对应的分卷优化规则，使产品卷重量符合生产要求。

====（4）连续镀锌机组重点建立张力模型====

张力模型：数学模型通过带钢的钢种等级、宽度和厚度、延伸率以及静态调节参数表来[[计算]]出带钢生产过程中所需的张力预设值。

==四、创新性与优势==

（1）设备智能化：引进先进工艺装备和[[自动化]]检测设备，酸洗连轧生产线、连续热镀锌生产线、连续退火生产线和精整生产线等。对于传感器、小型仪器和原有短板设备，利用自主开发的嵌入式系统、数据采集卡和智能网关获取数据；对于高新设备，则结合设备厂商提供的资料，开发中间件，实现与设备各模块的数据交互。

（2）统一的大数据平台：利用数据整合处理和数据仓库等多种大数据技术，结合自身定制的算法、模型，建立全部工艺流程数字化模型，为生产流程数据可视化与工艺优化提供了有力的数据支撑。

==五、案例应用效益分析==

某钢铁企业各生产机组均建立了具有自适应自学习功能数字化模型、进行了模拟仿真、实现了先进的工艺过程优化的控制，在具体生产时可以根据产品不同自主选择最优的工艺参数参与控制，使产品研制生产周期由原28天，缩短到21天，缩短了25%；生产效率可提升10%；产品不良品率由目前的2%下降到1.5%，同时重点产品[[质量]]（汽车板和家电板占比提升40%）可提高一个等级。

==参考文献==
[[Category:500 社會科學類]]