科技新进展：基于人工智能技术的扁平材质量管控和新产品研发一体化系统开发与应用

一、研究的背景与问题

钢铁产品尤其是冷轧深加工扁平材产品的生产，涵盖多工序、多控制层级的大型复杂工业流程，产品的生产周期长，影响因素多，数据采集量大，各工序间往往存在信息孤岛问题，导致质量监控和判定难以实现动态化和实时化，增加了现场质量管理的难度和复杂性。

邯郸钢铁集团有限责任公司（以下简称“邯钢”）在产品质量控制和新产品研发方面，与国内外先进钢铁企业存在差距。主要表现为：①设备数据管控不足。设备数据对产线产品批量质量问题的影响管控不足，每年因设备质量导致的批量质量问题较多。②人工智能预测技术和控制过程关键质量参数的技术欠缺。国外模型适用性差、价格昂贵、技术服务费高，存在技术卡脖子问题，影响产线过程质量控制水平的提升。③应用全流程质量数据对产品等级细分的水平有待提高。导致邯钢高端汽车板产品如O5板和超高强钢合格率分别为85%和84%，与国内先进企业存在差距。④应用产线质量大数据对产品研发和智能化工艺参数寻优技术欠缺。导致研发时间长，试错过程多，研发效率低。

项目开始前，国内外先进企业均在探索全流程质量控制和产品研发的新方式，目前大部分依托MES系统如宝钢，或者QPMS系统如浦项实现对质量的管控，但功能较为单一，质量判定系统规则制定不灵活。

因此，2018年开始，邯钢借助国家十三五重点研发计划项目《扁平材全流程智能化制备关键技术》中的“基于CSP架构的多工序协调优化与质量精准控制及应用示范”课题，与北京科技大学共同开展“基于人工智能技术的扁平材质量管控、产品研发一体化系统开发与应用”项目的研究。

二、解决问题的思路与技术方案

1、总体思路

本项目针对钢铁行业质量管控中存在的设备数据管控不足导致的批量质量问题多发、过程质量控制模型受外方技术制约导致的质量控制偏差、全流程质量数据应用效果差、产品质量等级细分不足导致的用户端合规不合用，以及新产品研发效率低等问题，由邯钢与北京科技大学组建“产、学、研、用”联合创新团队，深度融合学校在冶金工艺数字化、材料基因组工程等领域的前沿研究成果，创新构建基于人工智能的扁平材质量管控、产品研发一体化系统并在现场推广应用。项目技术路线如图1所示。

图1 项目技术路线图

2、技术方案：

（1）构建了“设备-原料-介质”三位一体的扁平材产前质量预防系统，通过开发关键设备智能评级、原料适配性预判、介质供给稳定性监控等技术，提前识别和解决潜在的质量问题，突破设备与质量管理的信息孤岛，降低因设备、原料和介质问题导致的批量质量问题。

（2）首创基于视觉识别和人工智能算法相结合的扁平材生产过程质量预测及控制技术，通过开发转炉冶炼智能控制系统、精炼精准预测系统、热轧板形质量联控平台等，实现了对炼钢-轧钢工序关键工艺参数的精准预测和有效管控，提高了过程控制合格率。

（3）自主开发了扁平材钢轧一体全流程质量判定系统，通过开发跨工序质量溯源树、表面缺陷智能分类系统、质量等级+打分的评级算法等，建立了炼钢-热轧-冷轧全流程过程质量和表面质量分级判定规则，实现了产品质量等级的高效、准确判定。

（4）开发了基于产线质量大数据的扁平材新产品智能化研发系统，通过创新集成多尺度组织性能预测模型、冶金领域垂直语言大模型及参数寻优系统等，显著降低了研发周期和研发成本。

三、主要创新成果

1、构建了“设备-原料-介质”三位一体的扁平材产前质量预防系统

（1）关键质量设备产前分级与动态分析系统。项目依托信息化和数字化手段，创新开发关键质量设备产前分级与动态分析系统，将产前质量控制分为异常项维护、异常项确认、产前确认概览和三班报表四部分，同时将异常项对质量影响的严重程度分为A、B、C、D四个等级，将不同设备质量等级与能够生产的钢种进行关联，起到质量问题提前预防的目的。系统界面如图2所示。

图2 关键质量设备产前分级与动态分析系统界面

（2）基于视觉识别的原料适配性预判技术。项目基于视觉识别算法，通过包号、斗号、废钢种类识别技术，开发了原料适配性预判技术，解决了废钢和铁水的信息采集不准确的问题。项目实施后，铁水和废钢信息识别准确率提高至98%以上。如图3和图4所示。

图3 包号识别实例

图4 废钢吊识别模型

图5 识别结果混淆矩阵

（3）开发介质供给稳定性监控模块。项目构建了统一的介质供给稳定性监控模块，打通各部门间的数据壁垒，做到问题及时发现、工艺及时纠正、超标及时整改的目的，系统界面如图6所示。

图6 介质供给稳定性监控模块

2、构建了基于人工智能算法的扁平材生产过程质量关键参数预测及控制技术

（1）转炉智能控制系统。项目融合了熔池火焰视觉识别与动态副枪检测数据，炉内实时噪音数据，构建了转炉碳温双命中预测模型。打破了依赖外方设备和模型的弊端，模型命中率高达98.5%以上，终点氧含量降至450ppm以下，渣中TFe含量控制在15%以下，达到国际先进水平。转炉控制模型界面如图7-10。

图7 炉口火焰分析

图8 炉内实时噪音分析

图9 加料优化曲线

图10 转炉静态模型界面

（2）LF精炼冶炼智能控制系统。项目通过渣样快速分析及人工智能算法对光化学碱度、曼内斯曼指数、硫容量、硫分配比、渣重等因素进行预测，并开发在线实时硫含量预测功能。通过现场大数据构建温度预测模型，通过线性规划法、收的率动态预测等人工智能算法，开发合金成本最小化的窄成分控制模型。LF精炼实现了高品质钢窄成分精准控制，成分合格率提高2%。精炼模型界面如图11-16所示。

图11 三元脱硫能力评估图

图12 硫含量在线预测

图13 温度实时预测模型

图14 线性规划算法

图15 动态收得率模型

图16 合金计算窗口

（3）连铸剩钢控制系统。项目通过建立钢水临界下渣机理模型，结合数值模拟仿真技术，计算出不同浇钢条件下的下渣钢水剩钢重量，构建了连铸剩钢模型。项目实施后，剩钢量平均每包钢水较之前减少剩钢2吨以上，大包下渣率控制在0.5%以内。下渣模型理论和界面如图17-19所示。

图17 下渣数值模拟

图18 下渣程度分析

图19 大包剩钢模型界面

（4）板形质量联控平台。项目研发了板形质量联控平台，通过人工智能算法预测工艺与凸度的关系，同时，开发了热轧横断面形状查询模块和冷轧板形横向应力分布查询模块，形成了热轧鼓包的管控流程，显著降低了热轧鼓包发生率。项目实施后鼓包发生率由6%降低至0.12%。板形控制界面如图20-22所示。

图20 横断面厚度曲线

图21 横断面查询

图22 板型查询

3、开发了扁平材钢轧一体全流程质量判定系统

（1）钢轧全流程过程质量判定技术。项目充分利用大数据发掘，开发全流程过程质量判定技术，构建跨工序质量溯源树，通过数据追溯和工艺攻关，制定了转炉高拉碳、连铸高效保护浇注、热轧板形控制等相关技术措施，保证汽车板超高强钢产品性能合格率从84%提升至88%以上，汽车板高端系列产品O5板的合格率从85%提升至89%以上。判定界面具体如图23-25所示。

图23 质量判定

图24 液面波动回查

图25 质量溯源树

（2）表面质量判定技术。项目自主开发了基于ResNet-Transformer混合网络的表面缺陷智能分类系统，实现了高效且精准的缺陷识别。同时通过不同缺陷时间维度的统计与分析，明确不同缺陷的发展趋势，为缺陷的减少和降低明确整改措施，尤其对与夹杂类缺陷和划伤类缺陷，通过跨工序质量溯源树实现工艺参数、设备状况问题的精准定位，便于解决相应问题。

图26 表面缺陷数识别分类系统

图27表面缺陷趋势统计系统

4、基于产线质量大数据的扁平材新产品智能化研发系统

（1）多尺度组织性能预测模型。项目通过对钢中马氏体、铁素体、贝氏体含量检测方法的测定，采用了相场模拟技术，能够精确描述材料在成形过程中的组织演化，对于介观和宏观尺度，则通过热力耦合数据来模拟材料的力学性能及各类工艺条件对最终产品的影响。项目结合机器学习模拟技术，对生产过程中的数据进行筛选，将高通量数据库和筛选后的生产大数据库进行结合，优化相关参数，使得研发人员能够从大数据中提取出有价值的规律，识别出影响材料性能的关键因素，使得材料的性能预测变得更加科学和精准。

图28 钢材性能详情

（2）冶金领域垂直语言大模型及参数寻优系统。基于IATF16949体系要求，建立冶金领域垂直语言大模型，辅助技术人员快速将客户需求转化为：执行标准、生产钢种、市场调研报告、可行性分析报告等信息。结合深度学习打通了产品研发不同阶段的数据孤岛和信息壁垒，完成策划阶段、设计开发阶段、试生产阶段和批量生产阶段的53个表单生成，通过人工神经网络构建性能预测模型，应用PSO-GA混合优化算法组合成逆向机器学习算法，追溯性地找到符合性能要求的合金成分和工艺参数的最佳组合，成功开发了第三代扁平材QP980等6个高附加值产品，研发周期缩短了40%。

图29 智能化研发表单设计；图30工艺逆向设计平台

四、应用情况与效果

1、产线应用情况

（1）炼钢厂：应用智能模型后，转炉终点温度预测准确率达到±10℃以内，碳含量预测精度达到±0.15%的命中率90%以上，显著降低了炉终点氧含量和渣中TFe含量，达到国内先进水平。

（2）热轧厂：板形质量联控平台的应用使热轧鼓包发生率由最初6%降低至目前≤0.12%，显著提高了热轧板的板形质量，降低了因板形问题导致的次品率和废品率。

（3）冷轧厂：冷轧工序夹杂物发生率降低0.1%，实现了资源的节约和成本的降低。此外，冷轧厂通过智能化的工艺参数寻优系统，优化了冷轧、镀锌等工序的工艺参数，提高了生产效率和产品质量，为邯钢拓展高端冷轧产品市场提供了有力支撑。

2、新产品在用户端应用

上汽集团：多款车型的外板零件通过试模验证并实现批量供货。邯钢产品成功应用于大众、通用、荣威等车型的制造。上汽集团与邯钢成立联合实验室。目前邯钢供上汽3个基地，7款车型、8个牌号，50余个规格，其中外板零件批量供货13个，主机厂年供货量4.5万吨。

图31 上汽典型零件与联合实验室

长城汽车：邯钢镀锌外板通过长城认证，用于冲压后围灯罩外板和后车厢边板外板，产品反响良好。长城汽车与邯钢成立联合实验室。目前邯钢供长城4个基地，长城、哈弗、 欧拉、WEY四个品牌20款车型35个牌号。主机厂年订货15万吨。

图32 长城典型零件与联合实验室

项目实施三年以来，邯钢高端产品结构和产线工艺指标均取得了长足进步，通过合格率提升和难点问题攻关，共计实现创效2.1亿元。通过本项目的实施，获权发明专利授权11项，授权软件著作权6项，受理发明专利5项，形成了具有自主知识产权的扁平材产品生产制造技术，有力的推进了邯钢数据化和智能化转型。项目打破了炼钢、热轧、冷轧、镀锌等工序间的数据壁垒，率先实现了生产事前预防、过程控制、事后分析的生产过程全面控制，囊括了全流程关键工艺和控制的核心技术，同时充分利用产线质量数据，实现了新产品智能研发系统的开发，缩短了研发周期，减少了工业试错成本，为我国同类型钢制造企业提供了值得借鉴的成功经验。

信息来源：河钢集团邯钢公司