1
研究背景
連鑄是銜接煉鋼與軋鋼的核心工序，其穩(wěn)定性與智能化水平直接關系到產(chǎn)品質(zhì)量、生產(chǎn)效率與裝備安全。對其過程的監(jiān)控，尤其是鑄流凝固進程的實時跟蹤、表面與內(nèi)部變形行為的監(jiān)測以及微觀組織動態(tài)演變的預測，不僅影響鑄坯質(zhì)量，而且對后續(xù)軋制過程性能調(diào)控與終軋產(chǎn)品性能產(chǎn)生重要影響。同時，鑄輥故障、二冷噴嘴異常等工況對鑄坯質(zhì)量影響顯著，亟需借助數(shù)據(jù)驅(qū)動的診斷模型進行實時預警。本研究針對連鑄過程的冶金學行為與關鍵裝備狀態(tài)，通過融合機理建模與數(shù)據(jù)驅(qū)動的方法，構(gòu)建了集凝固跟蹤、變形預測、組織演化與裝備異常診斷于一體的工藝仿真、智能監(jiān)測與過程控制模型體系，建立“狀態(tài)感知-數(shù)據(jù)傳輸-模型融合-監(jiān)控仿真-優(yōu)化控制“的完整閉環(huán)，確保連鑄產(chǎn)品質(zhì)量穩(wěn)定性與可靠性（圖1）。
2
關鍵技術(shù)介紹
2.1鑄坯凝固進程預測技術(shù)
鑄坯凝固進程預測技術(shù)是連鑄數(shù)字孿生系統(tǒng)的核心技術(shù)之一，該技術(shù)突破點包括基于微觀偏析模型的熱物性參數(shù)動態(tài)表征、多相凝固模型與溶質(zhì)演變規(guī)律耦合、非均勻冷卻邊界條件處理以及壓下工藝對凝固進程的影響機制。技術(shù)的核心在于構(gòu)建與鋼種成分、溫度及溶質(zhì)偏析相關的動態(tài)熱物性參數(shù)庫，實現(xiàn)了鑄坯凝固進程的高精度實時預測。
2.2鑄坯變形特征預測技術(shù)
鑄坯變形特征預測技術(shù)通過深度學習與數(shù)值仿真相結(jié)合的方式，實現(xiàn)鑄坯在凝固末端壓下過程中應力應變分布的快速準確預測。技術(shù)核心包括基于自注意力調(diào)節(jié)生產(chǎn)對抗網(wǎng)絡（SACGAN）的應變分布快速推導模型、基于編碼器-解碼器框架的多模態(tài)深度學習流變曲線預測模型以及壓坯力的精確計算方法。該技術(shù)解決了傳統(tǒng)有限元仿真計算時間長、難以滿足在線應用需求的技術(shù)難題。
2.3鑄坯組織演變預測技術(shù)
鑄坯組織演變預測技術(shù)主要解決連鑄凝固過程第二相析出及連續(xù)組織相變的準確表征問題，這是影響熱塑性和實現(xiàn)連鑄-軋制組織一體化調(diào)控的關鍵技術(shù)。技術(shù)突破主要是利用微元疊加法實現(xiàn)變冷速下第二相析出生長表征以及基于“混合模型+溶質(zhì)阻力理論”的相變過程預測。技術(shù)核心在于考慮溶質(zhì)偏析及鑄坯截面不同位置冷卻速率差異的影響，建立變冷速下第二相析出動力學模型和奧氏體-鐵素體相變預測模型，實現(xiàn)了組織演變特征的準確預測。
2.4輥縫異常診斷技術(shù)
連鑄輥縫異常診斷技術(shù)旨在解決傳統(tǒng)人工巡檢存在的漏檢、誤判等風險問題，通過智能化手段實現(xiàn)輥縫狀態(tài)的精確監(jiān)測與故障預警。技術(shù)突破主要包括工業(yè)大數(shù)據(jù)的處理與輥縫異常特征定義，關鍵在于多源工業(yè)大數(shù)據(jù)的有效融合與故障特征的精確提取。該技術(shù)的核心在于構(gòu)建“工藝-壓力-拉坯力-輥縫”多維度關系模型，結(jié)合冶金專家知識與數(shù)據(jù)挖掘算法，實現(xiàn)了扇形段銜接偏差、輥縫左右不對稱等典型故障的準確識別。
2.5噴嘴異常診斷技術(shù)
二冷回路噴嘴異常診斷技術(shù)解決了傳統(tǒng)人工巡檢或噴淋測試存在的監(jiān)測周期長、定位精度低、無法實時預警等關鍵問題。該技術(shù)避免了基于鑄坯表面溫度間接評估方法易受水汽、氧化鐵皮等因素干擾的局限性，直接基于生產(chǎn)過程工業(yè)大數(shù)據(jù)建立噴嘴故障診斷模型。技術(shù)核心在于準確定義噴嘴不同類型異常特征，采用數(shù)據(jù)挖掘、機器學習與啟發(fā)式算法相結(jié)合的方法，實現(xiàn)了噴嘴異常的精確識別與預警。
3
技術(shù)路線與實施方案
3.1鑄坯凝固進程
針對準確預測鑄坯凝固進程而言，首先，基于微觀偏析模型構(gòu)建與鋼種成分、溫度相關的熱物性參數(shù)庫，通過多相凝固模型結(jié)合鑄坯不同位置碳偏析檢測數(shù)據(jù)，準確表征各計算節(jié)點的溶質(zhì)演變規(guī)律；其次，在熱跟蹤計算中根據(jù)各切片單元不同節(jié)點的碳偏析與溫度狀態(tài)，動態(tài)調(diào)用相應熱物性參數(shù)；再次，根據(jù)二冷水流密度分布引入非均勻冷卻邊界條件，同時考慮壓下工藝對鑄坯厚度減薄及傳熱距離的影響；最后，通過變形行為反算坯殼厚度，實現(xiàn)“軟測量”與“真檢測”相結(jié)合的模型實時校驗，確保計算精度。
3.2鑄坯變形特征
針對準確預測鑄坯變形特征而言，首先，基于大量鑄坯變形熱-力耦合仿真數(shù)據(jù)，以斷面、溫度分布、鋼種特性等為約束變量，采用SACGAN模型構(gòu)建橫截面應變分布快速推導模型，實現(xiàn)與仿真結(jié)果誤差≤1%的高精度預測；其次，基于材料應力-應變曲線數(shù)據(jù)庫與微觀組織數(shù)據(jù)庫，構(gòu)建多模態(tài)深度學習模型，實現(xiàn)“應力-應變-溫度-應變速率”關系的快速表征，結(jié)合熱跟蹤模型溫度數(shù)據(jù)實現(xiàn)應力分布快速推導，預測誤差≤1.5%；最后，根據(jù)凝固末端壓下過程各單元應力與壓力作用面積，累加計算壓坯力，與實測值平均誤差≤5%。
3.3鑄坯組織演變
針對準確預測鑄坯組織演變而言，首先，根據(jù)連鑄凝固過程固-液界面溶質(zhì)微觀偏析模型及動態(tài)平衡分配系數(shù)，建立TiN、Ti(C,N)、MnS等第二相析出動力學模型；其次，基于鑄坯斷面溶質(zhì)分布，結(jié)合第二相經(jīng)典形核理論，采用微元疊加法實現(xiàn)變冷速下第二相析出、生長的準確表征，揭示拉速、過熱度等工藝參數(shù)對鑄坯橫截面第二相分布的影響規(guī)律；最后，在鑄坯熱/力學仿真基礎上，結(jié)合熱力學計算與高溫試驗模擬，建立初始奧氏體晶粒尺寸生長預測模型，基于“混合模型+溶質(zhì)阻力理論”實現(xiàn)奧氏體-鐵素體相變過程組織演變規(guī)律預測。
3.4輥縫異常診斷
針對準確診斷輥縫異常而言，首先，基于連鑄熱/力仿真模擬數(shù)據(jù)和生產(chǎn)過程輥縫、壓力、拉坯力、澆鑄工藝等工業(yè)大數(shù)據(jù)，構(gòu)建“工藝-壓力-拉坯力-輥縫”關系數(shù)據(jù)庫；其次，結(jié)合冶金先驗知識，采用數(shù)據(jù)挖掘和機器學習技術(shù)提取不同類型輥縫異常的特征參數(shù)；最后，建立故障診斷模型，實現(xiàn)扇形段銜接偏差、輥縫異常彈起、輥縫左右不對稱、矯直對弧偏差、位移傳感器偏差等典型故障的自動準確判定。為鑄坯裂紋與偏析風險判定提供數(shù)據(jù)支撐，形成完整的異常診斷與質(zhì)量預警體系。
3.5噴嘴異常診斷
針對準確診斷噴嘴異常而言，首先，基于連鑄生產(chǎn)過程與二冷強度相關的實際工業(yè)大數(shù)據(jù)，結(jié)合現(xiàn)場噴嘴檢修記錄和冶金先驗知識，準確定義噴嘴不同類型異常的特征參數(shù)；其次，依據(jù)回路噴嘴的關鍵特征變量建立回路理論水量預測模型；最后，對比實際水量與預測水量的偏差與回路狀態(tài)判定閾值確定二冷回路在單個時間點的工作狀態(tài)，采用滑動窗口和統(tǒng)計學方法最終確定回路噴嘴工作狀態(tài)；顯著降低了因噴嘴堵塞或噴淋不均引發(fā)的設備損傷與鑄坯質(zhì)量缺陷，為鑄坯質(zhì)量判定提供重要數(shù)據(jù)支撐。
4
落實產(chǎn)業(yè)與實施效果
4.1本鋼特鋼方坯連鑄智能過程控制系統(tǒng)
在本鋼特鋼升級改造項目中，東北大學和中冶南方聯(lián)合設計了一臺430mm×510mm斷面的大方坯連鑄機和一臺210mm×210mm斷面的方坯連鑄機。這兩臺連鑄機均搭載東北大學自主研發(fā)的基于數(shù)字孿生的過程控制系統(tǒng)用于連鑄過程控制監(jiān)測。鑄機投產(chǎn)后鑄坯中心疏松與偏析≤0.5級比例均達到95%，處于國際領先水平，已成功服務于風電設備、軌道交通等關鍵領域，有效促進了企業(yè)產(chǎn)品結(jié)構(gòu)優(yōu)化和轉(zhuǎn)型升級。
4.2湘鋼超厚板坯連鑄智能控制系統(tǒng)
針對湘鋼450mm厚板坯連鑄機進行了工藝與控制系統(tǒng)全面升級，該臺鑄機搭載了基于數(shù)字孿生的過程控制系統(tǒng)，系統(tǒng)中設計研發(fā)了不同斷面規(guī)格、鋼種相關的凝固末端壓下與冷卻工藝應用于實際生產(chǎn)，實現(xiàn)了整澆次工藝全自動投用和鑄機設備狀態(tài)監(jiān)控評判。目前已在450mm、350mm等多個斷面穩(wěn)定投用，生產(chǎn)鑄坯質(zhì)量大幅升，中心偏析C類比例≥92%，且確保了拉尾坯過程凝固末端壓下的穩(wěn)定投用（不滯坯），鑄坯尾坯切割長度（降級長度）≤1.5m，大幅提升了尾坯收得率。相關產(chǎn)品已成功應用于液化天然氣運輸船、俄羅斯YAMAL項目等重大工程。
4.3連鑄關鍵工藝仿真云平臺
面向?qū)氫?、鞍鋼、濟源鋼鐵、南鋼、湘鋼等鋼企的20余條連鑄產(chǎn)線，提供了連鑄關鍵工藝仿真云服務，實現(xiàn)了連鑄壓下與冷卻工藝離線仿真，高效地指導了新鋼種連鑄工藝開發(fā)與優(yōu)化。其中濟源鋼鐵400mm×500mm斷面大方坯連鑄機生產(chǎn)的齒輪鋼、軸承鋼連鑄坯中心碳偏析0.94-1.07比例由50%提升至90%，300mm×360mm斷面大方坯連鑄機生產(chǎn)的齒輪鋼連鑄坯中心碳偏析合格率由66%提升至92%，為企業(yè)產(chǎn)品結(jié)構(gòu)調(diào)整升級提供了技術(shù)支撐。同時，該平臺也為一重、中冶京誠等冶金裝備設計公司提供連鑄機工藝設計服務，具有鑄機輥列、二冷分區(qū)定制，非穩(wěn)態(tài)澆鑄模擬、鋼種物性參數(shù)計算、一鍵水表反算、壓下工藝設計仿真等實用功能。
5
結(jié)語
依托連鑄關鍵工藝數(shù)字孿生平臺，構(gòu)建了連鑄生產(chǎn)過程“狀態(tài)感知-數(shù)據(jù)傳輸-模型融合-監(jiān)控仿真-優(yōu)化控制”的完整閉環(huán)，提高了連鑄全流程凝固進程的預測精度，在此基礎上對鑄坯變行特征及組織演變做出準確預測。在線應用過程中，系統(tǒng)對設備運行狀態(tài)做出判定，采取相應舉措保證工藝執(zhí)行效果和生產(chǎn)穩(wěn)定順行，避免因故障不斷放大導致的設備損壞，以及鑄坯質(zhì)量缺陷的持續(xù)產(chǎn)生，確保了工藝實施的穩(wěn)定性與鑄坯質(zhì)量的可靠性。
此外，系統(tǒng)通過云平臺/本地部署提供了鋼熱物性參數(shù)快速計算、一鍵二冷水表反算、壓下工藝設計、非穩(wěn)態(tài)澆鑄過程模擬仿真等實用功能，為連鑄工藝決策、新鋼種工藝研發(fā)、鑄機設計評估等提供了重要數(shù)據(jù)支持，縮短了工藝研發(fā)時間與現(xiàn)場試驗頻次，提高了高附加值鋼種成材率，體現(xiàn)了智能制造與連鑄工藝深度融合的技術(shù)趨勢，有助于達成綠色低碳目標，助力國家“雙碳”戰(zhàn)略。
