一、研究的背景与问题

随着钢铁产品应用场景的高端化以及消费者要求的进一步提高，对高品质板带的外观精细特性和组织性能均提出了更为苛刻的要求。通过对业内的主要钢厂调研发现，此类高品质的带钢产品出现的质量抱怨和质量异议90%出现在外观精细特性上。这种形表外观精细特性的控制，一方面源于对技术的掌控，同时对设备管理和生产管理也提出了极高的要求。项目组工作力求实现高品质板带形性表检测的智能化、预报的准确性、系统优化的兼容性。

板形检测技术是采集带材本身的物理特征并转化为板形显示，大多数冷轧产线选择接触式板形辊作为检测的主要手段，但是热轧产线受高温高速影响一般不适用接触式测量。现有的热轧产线多数采用的是IMS公司的平直度仪，采用干涉条纹原理，调试复杂而且导出结果只是凸度曲线，不够直观也不利于后续追踪调控。升级的Topplan系统增加了扫描摄像头，其受环境因素干扰，导致精度下降且维护成本较高。此外，检测系统和设备放置位置存在限制，机架间的板形情况以及遗传变化情况均无法实际测量。因此，板形检测的另一项研究核心是利用智能算法与轧制工艺参数相结合以对轧后板形进行离线预测。可是以往的SMS、Tmeic模型预测结果精度的一致性较差。另一方面热轧需要考虑到轧件、轧辊、冷却水的综合影响，也导致现有的预报系统准确度不高。与之相对应的热轧来料组织性能参数作为热连轧过程力学性能预报、温度制度与轧制规程优化控制的重要初始条件，如何解决连铸坯组织性能参数输出与热轧来料组织性能参数输入的断链问题，也显得更为突出且重要。

目前众多钢铁生产企业表面质量检测一直由人工目视卷料的缺陷类型、级别、位置，人工检出率仅能达到80%。而高端的国外检测设备，例如德国Parsytec和美国Cognex系统采购和维护成本高昂，在面对一些复杂的工况环境，系统的稳定性和检测精度会受到一定影响。而且这些系统依然采用传统的算法模式需要漫长的数据收集工作，与企业现有其他生产管理软件的兼容性存在问题，数据交互障碍明显，导致这些系统的检测精度、深度、灵活性不足又无法本土化融入。

项目组在立项时，已经完成了表面质量检测、板形预报等理论模型的开发。完成单位燕山大学在轧制领域有着专业的理论功底与强大的科研力量，河钢、宝钢、鞍钢等集团公司有着丰富的生产经验，国内外享誉全球的产品技术创新实践平台。因此，项目组在科研力量、创新水平、推广应用以及工业化生产等方面有着绝对性的优势。

二、解决问题的思路与技术方案

总体思路与项目整体技术路线如下图所示。

图1项目总体思路和技术路线

首先，完成多模态信息融合检测与多机架多工序协同的板形控制技术的开发：建立基于三角测量原理的3D线激光及可见光图像融合的热轧带钢平直度检测系统。作为板带智能检测技术的补充和延伸，开发考虑冷却水复杂环境下轧辊及板形状态的智能预报系统。在板形控制方面，研发以各机架窜动量与弯辊力作为参数的控制模型和冷热轧工序板形前馈控制技术，实现冷热轧工序板形与断面形状的协同控制。

其次，完成基于大模型的热轧过程工艺与力学性能控制技术的开发：建立热轧跨工序过程显微组织参数对应关系模型，保证热连轧产线全流程材料组织演变与性能参数计算的连续性。开发基于大数据与神经网络的带钢力学性能算法，借助产品成分与连轧工艺影响模型对神经网络模型参数进行优化，实现热轧高品质钢力学性能综合控制系统的开发。

最后，完成高品质板带表面特性智能检测及一体化检控技术的开发：搭建了表面质量检测整机设备及系统，开发表面质量缺陷检测识别深度学习算法。研发出表面质量缺陷设定模型、数值仿真模型和缺陷信息反馈控制集成系统。同时组建一套带钢表面粗糙度预报模型和表面缺陷治理技术，最终形成高品质板带形性表综合控制技术的创新与应用。

三、主要创新性成果

1. 高品质板带板形与断面形状智能检测及预报控制技术    建立了基于双线 3D 线激光的热轧带钢平直度检测系统，提出了板带振动平直度算法补偿技术，实现了热轧带钢生产过程中的平直度、浪形缺陷检测。建立了完整的“预报-检测-反馈-控制”全生态板形智能综合控制手段，开发了一套充分考虑冷却水复杂环境下轧辊状态及板形智能预报系统。研发了以各机架窜动量与弯辊力作为控制参数的带钢板形与断面形状控制模型，实现了对热轧带钢板形与断面形状的协同控制。开发了一套冷热轧过程板形预报与前馈控制系统，进一步提升板带质量。获发明专利7项；学术论文11篇；软件著作权5项。

2. 高品质热轧板带过程工艺与力学性能智能控制技术    建立热轧跨工序过程显微组织参数对应关系模型，保证热连轧产线全流程材料组织演变与性能参数计算的连续性。开发基于大数据与神经网络的高品质钢力学性能算法，借助全流程一体化跨尺度集成计算设计平台和产品成分与连轧工艺影响模型对神经网络模型参数进行优化，实现力学性能参数的快速准确计算。以变形抗力的横纵向分布为桥梁，将组织演变与性能关系和轧制压力模型相结合，建立薄板热连轧过程板形与断面形状机理模型，以此反映带钢力学性能沿宽度方向的变化。进而，揭示热连轧产线高品质钢成分-工艺-组织-性能之间的数字映射关系，建立热连轧产线连轧过程多维动态数字孪生平台，实现带钢横纵方向屈服强度、抗拉强度与延伸率等力学性能指标的数字化模拟与可视化显示。获发明专利5项；学术论文8篇；软件著作权2项。

3. 高品质板带表面特性智能检测及控制技术的开发    在表面质量方面建立了表面质量缺陷设定模型和AI驱动的深度学习识别算法，搭建了表面质量检测整机设备及系统，为目标钢板的缺陷分类分级以及智能化控制系统提供数据分析与决策支持。完成了表面质量缺陷设定模型、数值模拟仿真和和缺陷信息反馈控制手段三方面结合的统一架构，研发了三维点云数据专用算法和实时渲染技术，利用模拟仿真方法对检测到的缺陷进行建模重现，同时利用缺陷重建后缺陷信息进行反馈调节。形成一套完整的覆盖冷热轧及后处理工序的形表一体化智能测控技术，实现了对高品质板带缺陷的全面调控。获得发明专利7项；学术论文5篇；软件著作权2项。

4. 国内外同类技术对比

随着钢铁产品应用场景的高端化以及消费者要求的进一步提高，对高品质板带的外观精细特性和组织性能均提出了更为苛刻的要求。目前，国际上对于高品质板带的外观精细特性和组织性能控制工艺研究较多、水平较高的主要集中在德国蒂森、西门子、西马克（SMS）公司、日本分东芝三菱公司、韩国浦项等发达国家的先进企业，但普遍存在生产工艺复杂、生产成本高、产品性能波动大、工艺及质量不稳定等技术难题。本项目所研发的高品质板带形性表综合控制技术，以实现高品质板带生产的“形、性、表”测控一体化为目标，围绕板带形性表检测、预报、控制等难题展开技术攻关。实现高品质板带形性表检测的智能化、预报的准确性、系统优化的兼容性。与国内外同类产品关键指标对比，技术先进性体现如表5-1所示。

表1 该技术与国内外同类技术对比情况表

由此看出，在表面质量检测水平和板形预报控制方面，赶超国际指标；在热轧平直度检测、支撑辊寿命提高和事故减少方面完成了新的突破。整体实现了全流程高精度、高质量、智能化批量稳定生产。满足了高端企业市场对板带的板形、表面质量及性能差异性需求。

四、应用情况与效果

实施效果1：

通过创新点一所述技术的应用，系统检测最大速度达到1200米/分钟；热轧板可轧厚度范围最小可达1.5mm、最大可达25.4mm；热轧板可轧宽度范围最小可达1000mm、最大可达2130mm；宽度方向检测精度达到0.375mm/点、行进方向检测精度达到9mm/点检测性能方面：使得板带宽度测量精度≤±1mm、基于辊道中心的跑偏量测量精度≤±5mm、浪形高度精度≤±1mm、由于板形不良造成的板带划伤率≤0.3%；研发的板形预报及控制技术，大大加强了轧制过程中板形控制能力，提高了成品板形质量，其中热轧板形质量≤35UI、板凸度≤20μm、板形预报精准≥97%、断面形状预报精准≥95%、轧辊辊形保持和磨损轮廓的精准预报≥90%、轧辊剥落事故次数减少30%、轧辊寿命提高30%；

实施效果2：

通过创新点二所述的技术应用，实现带钢横纵方向屈服强度、抗拉强度与延伸率等力学性能指标的数字化模拟与性能提升。其中产品性能预报准确率≥99.5%、工艺控制命中率100%。

实施效果3：

通过创新点三所述的技术应用，表面缺陷综合检出率由96%提升到98%，分类分级准确率由91%提升到95%，自动判级人工一致率由之前的86%提升到90%，最终成品合格率从94%提升到99%；同时通过缺陷表现与生产工艺的关联关系，指导工艺人员优化工艺参数，相比于人工识别降低人工成本80万元，效果显著。

表2 应用效果

图2 应用效果分类对比

图3 应用实施现场图