鋼鐵工業是典型的流程工業,每時每刻都在產生海量數據。這些數據對于鋼材產品性能、質量的精準預測和穩定控制具有寶貴意義,但是對于如何利用鋼鐵大數據調控產品質量,國內外研究人員目前均在探索之中。
作為流程化、批量化大宗生產的鋼鐵產品,如何精準滿足客戶的“訂制化”生產需求?近年來,東北大學軋制技術及連軋自動化國家重點實驗室教授劉振宇團隊基于多年來在鋼鐵組織性能預測技術與應用領域的理論積淀和實踐,與寶鋼梅山公司、鞍鋼等企業通力合作,深入開展基于熱軋板帶鋼工業大數據預處理技術的研究,開發出了以組織性能預測與優化為核心的鋼鐵智能化制造技術,有效解決了當前鋼鐵企業規?;a和用戶個性化需求之間的矛盾。
劉振宇作為我國在鋼鐵組織性能預測與優化技術研發方面的首個博士研究生,已經在該領域開展了30余年的研發。其團隊開發出了以人工智能理論為基礎的神經網絡模型及計算機系統。借助神經網絡強大的非線性擬合能力,以工業大數據為基礎建立鋼鐵組織性能預測和調控模型,取得了較高的預測精度,成功實現了熱軋產品力學性能在線預測。
由于基于人工智能方法的熱軋產品組織性能預測技術嚴重依賴于原始數據,過度追求預測精度往往產生過擬合現象,有時偏離鋼鐵材料的物理冶金學規律,從而導致熱軋工藝的逆向優化結果可信度受到影響。如何合理有效利用工業大數據,就成為性能預測與工藝優化必須突破的瓶頸。
為解決這一關鍵技術難題,團隊成員從軋鋼生產實際出發,開發出熱連軋工業大數據的分析和處理方法,建立起基于大數據分析與優化的智能化物理冶金學模型。
依托此模型,劉振宇在鞍鋼2150熱連軋生產線開發出焊瓶用鋼屈強比波動控制技術,解決了焊瓶鋼屈強比窄幅(0.735~0.785)控制這一軋鋼領域的世界性難題。在梅鋼1422和1780熱連軋生產線,通過組織性能預測與工藝優化,鋼種牌號已減少60%以上,實現了熱軋的集約化、綠色化生產,大大促進了企業的節能減排;同時,針對厚度規格為2.5 mm的汽車車輪用鋼,通過組織性能預測與工藝優化,使鋼中錳含量降低一半,噸鋼節約材料成本約50元。
該項成果得到國際著名鋼鐵行業期刊ISIJ international的國際審稿專家的高度評價,專家認為該成果“對鋼鐵行業中應用系統科學開展工藝優化研究做出重大貢獻”。