在熱軋冷卻過程中卷取溫度是決定鋼板力學(xué)性能的重要因素，因此需要非常高的控制精度。為提高鋼板溫度預(yù)測模型的精度，以便能夠確定向鋼板噴射的冷卻水量，神戶制鋼開發(fā)了融合AI深度神經(jīng)網(wǎng)絡(luò)的溫度預(yù)測模型。實際應(yīng)用結(jié)果顯示，高強(qiáng)度鋼板的卷取溫度的控制精度顯著提高。此外，高效靈活的新預(yù)測模型的穩(wěn)定運(yùn)行，為專業(yè)人員以及生產(chǎn)車間操作者的業(yè)務(wù)模式帶來了重大變革。
熱軋產(chǎn)線的冷卻工序?qū)Π宀漠a(chǎn)品的質(zhì)量和力學(xué)性能有著重要影響。其中，卷取機(jī)前的卷取溫度（CT）是最重要的影響因素，必須進(jìn)行高精度控制。為了控制CT，冷卻工序?qū)Ｓ玫倪^程計算機(jī)會根據(jù)鋼板的溫度預(yù)測模型來確定從冷卻設(shè)備向鋼板噴射的冷卻水量。然而，過去很難準(zhǔn)確預(yù)測并維持鋼板的溫度，CT的控制精度下降成為一項亟待解決的問題。為解決該問題，神戶制鋼開發(fā)并應(yīng)用了一種融合深度神經(jīng)網(wǎng)絡(luò)的溫度預(yù)測模型。本文將介紹神戶制鋼利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行卷取溫度控制的開發(fā)歷程和操作方法，以及其應(yīng)用為生產(chǎn)部門帶來的業(yè)務(wù)變革。
1利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行卷取溫度控制的開發(fā)歷程
1.1卷取溫度控制概述
熱軋過程中精軋機(jī)和卷取機(jī)之間的冷卻設(shè)備概覽如圖1所示。在該冷卻設(shè)備中，有多個從鋼板的上下方噴水的冷卻集管，每個冷卻集管都配有一個執(zhí)行開關(guān)動作的氣動閥。過程計算機(jī)具有利用精軋機(jī)出口處的鋼板溫度、板厚和運(yùn)輸時間等信息，預(yù)測鋼板在精軋機(jī)和卷取機(jī)之間的溫度下降量（以下簡稱“溫降”）的功能。根據(jù)溫降預(yù)測值，周期性迭代計算整個鋼板長度上與目標(biāo)CT相匹配的閥門開關(guān)數(shù)量和位置（以下簡稱“閥門開關(guān)模式”）。
1.2傳統(tǒng)控制存在的問題
在傳統(tǒng)控制中，溫降的預(yù)測采用基于鋼板傳熱方程的物理模型。然而，由于迭代計算時間有限，無法利用差分法嚴(yán)格計算傳熱方程，因此選擇基于其計算結(jié)果的近似模型。近似模型存在無法完全表現(xiàn)板厚方向上的回?zé)岈F(xiàn)象等問題，而且精度的提高也存在一定限度。此外，如果采用基于傳熱方程的傳統(tǒng)模型不僅需要調(diào)整參數(shù)以維持精度，還需要改進(jìn)預(yù)測模型結(jié)構(gòu)。而且，由于這種改進(jìn)需要專業(yè)知識與技術(shù)，部分產(chǎn)品未能完全涵蓋，難以確保CT的控制精度。為了解決這一問題，生產(chǎn)車間的操作人員只能根據(jù)過程計算機(jī)計算并按照作業(yè)指導(dǎo)書記錄的閥門開關(guān)數(shù)增減方法進(jìn)行操作。但在針對不同作業(yè)指導(dǎo)書的產(chǎn)品進(jìn)行連續(xù)軋制時，會出現(xiàn)操作人員來不及增減閥門數(shù)量，或者對于沒有作業(yè)指導(dǎo)書的常規(guī)產(chǎn)品，出現(xiàn)忘記恢復(fù)增減閥門數(shù)量的情況，因此會增加操作人員的作業(yè)負(fù)荷。此外，預(yù)測模型參數(shù)的調(diào)整取決于專業(yè)人員的個人能力，當(dāng)板材的穿板條件與以往不同（如使用新的高強(qiáng)高張力材料或改變冷卻條件）時，很難靈活且快速應(yīng)對。
1.3在卷取溫度控制中應(yīng)用AI方法的優(yōu)勢
為解決上述問題，從以下三大優(yōu)勢可以判斷出采用深度神經(jīng)網(wǎng)絡(luò)這一AI方法能夠有效預(yù)測溫降量。
1）網(wǎng)絡(luò)結(jié)構(gòu)和計算處理過程簡單，因此其計算負(fù)荷小于差分法，而且不受迭代計算的時間限制。
2）為在輸入數(shù)據(jù)后能夠輸出正確的結(jié)果，對網(wǎng)絡(luò)中的權(quán)重等參數(shù)進(jìn)行優(yōu)化。（以下簡稱“學(xué)習(xí)”）。因此，對于鋼板前端和尾端等物理現(xiàn)象極其復(fù)雜的非穩(wěn)態(tài)區(qū)域，無需固定模式，即可通過網(wǎng)絡(luò)優(yōu)化的參數(shù)進(jìn)行高精度預(yù)測。
3）在調(diào)整模型時，與內(nèi)置調(diào)整參數(shù)的物理模型不同，只需改變權(quán)重等參數(shù)即可進(jìn)行預(yù)測，因此易于維護(hù)。
但其也存在一定劣勢，由于預(yù)測模型為黑箱模型，因此很難掌握溫度預(yù)測行為，但這可以通過仿真建立評估環(huán)境加以克服。
基于上述優(yōu)劣勢分析，研發(fā)人員決定利用深度神經(jīng)網(wǎng)絡(luò)開發(fā)一個溫度預(yù)測模型。
2關(guān)于利用深度神經(jīng)網(wǎng)絡(luò)控制卷取溫度的概述與應(yīng)用方法
2.1利用深度神經(jīng)網(wǎng)絡(luò)的溫度預(yù)測模型概述
此次開發(fā)的深度神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)如圖2所示。該模型將板厚、產(chǎn)品的化學(xué)成分等材料因素，以及閥門開關(guān)模式和材料傳送時間等操作因素作為輸入值預(yù)測溫降量。
此外，如表1所示，模型按CT、板厚以及產(chǎn)品的碳和硅等化學(xué)成分含量進(jìn)行范圍劃分，以模型No.進(jìn)行管理。通過采用這種方法，可以將涵蓋各種CT、板厚和化學(xué)成分含量的模型與側(cè)重于特定范圍的詳細(xì)模型進(jìn)行融合。這確保了模型的多功能性并提高了其精度。
2.2新控制裝置的功能配置
此次開發(fā)的新控制裝置的功能配置如圖3所示，該裝置由過程計算機(jī)和附帶的相關(guān)模型學(xué)習(xí)計算機(jī)構(gòu)成。過程計算機(jī)采用深度神經(jīng)網(wǎng)絡(luò)模型預(yù)測溫降，并確定閥門開關(guān)曲線圖。另一方面，模型學(xué)習(xí)計算機(jī)是用于學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)模型的專用計算機(jī)，專業(yè)人員操作計算機(jī)并進(jìn)行學(xué)習(xí)。計算機(jī)配有即使不懂AI或編程技巧也能進(jìn)行學(xué)習(xí)的用戶界面，專業(yè)人員可隨時進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，并將優(yōu)化后的參數(shù)傳輸?shù)竭^程計算機(jī)中進(jìn)行記錄。
2.3替換為新控制系統(tǒng)的對策
根據(jù)傳統(tǒng)控制系統(tǒng)積累的實際數(shù)據(jù)來確定所有模型No.的參數(shù)。此外，新控制系統(tǒng)與傳統(tǒng)控制系統(tǒng)的閥門開關(guān)曲線基本相同，僅對控制精度較差的區(qū)域進(jìn)行了改進(jìn)，于2021年9月切換為新控制方式。
在傳統(tǒng)控制中，模型的劃分?jǐn)?shù)量非常多，對于穿板少的產(chǎn)品來說，控制精度會產(chǎn)生變差的趨勢。為了改善這種情況，采取的措施是創(chuàng)建一個盡可能廣泛涵蓋CT和板厚等條件的模型。雖然這一措施的通用性較高，但控制精度也存在降低的趨勢，因此決定針對控制精度要求更高的高強(qiáng)鋼單獨創(chuàng)建模型。
2.4新控制系統(tǒng)中的模型調(diào)整方法
生產(chǎn)部門考慮到本研究中開發(fā)的模型結(jié)構(gòu)和功能配置的特點，根據(jù)以下順序進(jìn)行調(diào)整，使其能夠覆蓋所有產(chǎn)品。
步驟1：【選擇調(diào)整對象模型】
首先選擇要進(jìn)行調(diào)整的目標(biāo)模型No.。主要有三種選擇方法。
情況1：【不變更條件，選擇現(xiàn)有模型No.】
對于已鎖定條件范圍，數(shù)據(jù)量豐富的模型No.，無需變更范圍即可適配。
情況2：【變更條件，選擇現(xiàn)有模型No.】
如果條件范圍太廣，無法確保模型精度，或現(xiàn)有模型No.的CT等數(shù)據(jù)已發(fā)生變化時，則應(yīng)變更范圍進(jìn)行適配。
情況3：【創(chuàng)建新的模型No.】
對于過去只生產(chǎn)過幾次的試制材料或生產(chǎn)量極小的批量生產(chǎn)產(chǎn)品，大多沒有現(xiàn)成的模型No.。此時，可通過指定CT等各個條件范圍創(chuàng)建新的模型No.。
步驟2：【選擇用于學(xué)習(xí)的數(shù)據(jù)】
對于在步驟1中選擇的模型No.，提取指定時間段內(nèi)符合CT和化學(xué)成分含量等條件的所有數(shù)據(jù)。然后，從提取的數(shù)據(jù)中自動選擇數(shù)據(jù)，使其在條件范圍內(nèi)盡可能多樣化。
步驟3：【對所學(xué)模型進(jìn)行評估】
利用步驟2中選擇的數(shù)據(jù)進(jìn)行學(xué)習(xí)并確定模型參數(shù)。接下來，針對目標(biāo)模型No.中所有數(shù)據(jù)（包括經(jīng)自動選擇后用于學(xué)習(xí)的數(shù)據(jù)在內(nèi)），利用參數(shù)進(jìn)行鋼板總長度的CT預(yù)測計算，并計算以下兩個誤差。
a.由優(yōu)化參數(shù)導(dǎo)致的CT預(yù)測值與實際值之間的誤差；
b.由過程計算機(jī)中的內(nèi)置參數(shù)導(dǎo)致的CT預(yù)測值與實際值之間的誤差。
對a和b誤差的評估如圖4所示。如果誤差沒有減小，則返回步驟1或步驟2進(jìn)行調(diào)整，然后再次執(zhí)行步驟3。重復(fù)步驟1到步驟3，直到誤差減小。
步驟4：【在過程計算機(jī)中錄入新參數(shù)】
將步驟3中確定的新參數(shù)從模型學(xué)習(xí)計算機(jī)傳輸?shù)竭^程計算機(jī)，并錄入新參數(shù)。然后在過程計算機(jī)中利用新參數(shù)預(yù)測溫降量。
3將AI方法應(yīng)用于生產(chǎn)的效果
在生產(chǎn)部門，提高CT的控制精度是一個永無止境的命題。在這種情況下，利用本次開發(fā)并應(yīng)用的AI方法，對生產(chǎn)部門的業(yè)務(wù)帶來了以下變革：
1）快速完成模型調(diào)整工作；
2）大幅減輕操作者開關(guān)閥門的負(fù)擔(dān)；
3）消除了模型調(diào)整工作對人的依賴，順利實現(xiàn)技術(shù)的傳承。
以下將逐一進(jìn)行詳細(xì)介紹。
3.1實現(xiàn)模型的快速調(diào)整工作
即使工作人員不具備AI方面的專業(yè)知識或技術(shù)，現(xiàn)在也能夠快速開展模型調(diào)整工作。從確定需要提高CT控制精度到結(jié)束模型調(diào)整的新老控制方法所需的工作時間進(jìn)行對比的結(jié)果如表2所示。本次通過調(diào)整用于確認(rèn)生產(chǎn)實際數(shù)據(jù)的用戶界面，大幅縮短了實際情況的調(diào)查時間。此外，在模型調(diào)整中，只需檢查實際數(shù)據(jù)的最低值并學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)模型，因此在不到一天的時間內(nèi)便完成了所有工作。如圖4所示，將通過調(diào)整使模型誤差得到改善的狀況進(jìn)行可視化后，能夠快速評估調(diào)整后的模型，并做出是否需要向過程計算機(jī)添加數(shù)據(jù)的決策。
3.2操作者開關(guān)閥門的負(fù)擔(dān)得到大幅減輕
如上所述，每當(dāng)CT的控制精度下降時，通過適當(dāng)且快速進(jìn)行模型調(diào)整工作使其控制精度得到提高。通過這一措施，成功廢除所有關(guān)于特定產(chǎn)品閥門數(shù)量增減方法的作業(yè)指示書，大幅減輕了操作者的作業(yè)負(fù)擔(dān)，同時也減少了作業(yè)失誤等風(fēng)險。
3.3模型調(diào)整工作對人工依賴的消除以及技術(shù)傳承的實現(xiàn)
傳統(tǒng)控制中對預(yù)測模型的改進(jìn)工作以及基于個人經(jīng)驗和訣竅的參數(shù)調(diào)整工作已不再需要，取而代之的是通過學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行模型調(diào)整。這使得模型調(diào)整工作擺脫了經(jīng)驗和直覺的束縛，與傳統(tǒng)控制相比，大大消除了其對人的依賴。此外，由于專業(yè)人員之間也能夠順利且可靠地進(jìn)行技術(shù)傳承，從而構(gòu)建了一個由專業(yè)人員開展模型調(diào)整工作的可持續(xù)性體制。
4AI方法的應(yīng)用對產(chǎn)品質(zhì)量提升的效果
通過此次開發(fā)和應(yīng)用的技術(shù)，不僅能夠?qū)μ幱诜€(wěn)態(tài)的鋼板中部進(jìn)行高精度CT控制，還可以針對傳統(tǒng)控制中精度下降現(xiàn)象頻發(fā)的鋼板前端和尾端，尤其在目標(biāo)溫度與穩(wěn)態(tài)發(fā)生變化時也能實現(xiàn)高精度CT控制。因此，對于神戶制鋼熱軋和冷軋高強(qiáng)鋼等代表性產(chǎn)品而言，與傳統(tǒng)控制相比，超出CT公差范圍導(dǎo)致的廢品量分別減少了21%和71%，收得率得到了提高。
5結(jié)語
本文介紹了將深度神經(jīng)網(wǎng)絡(luò)實際應(yīng)用于板帶卷取溫度控制的溫度預(yù)測模型，及其為生產(chǎn)部門帶來的業(yè)務(wù)變革。
近年來，神戶制鋼重新構(gòu)建了用于收集整個熱軋過程中各種數(shù)據(jù)的基礎(chǔ)設(shè)施，并創(chuàng)造了一個可以利用比過去更加龐大的數(shù)據(jù)量的環(huán)境。未來會利用該環(huán)境，將本文所述AI方法相關(guān)技術(shù)橫向部署至加熱爐和軋制設(shè)備等熱軋的其他工序，以進(jìn)一步穩(wěn)定產(chǎn)品質(zhì)量并減少生產(chǎn)車間操作人員的作業(yè)負(fù)擔(dān)。
