基于“大數(shù)據(jù)”的冷軋板形分析與控制技術(shù)研究

包仁人，張 杰，李洪波，程方武，賈生暉

（1.北京科技大學(xué) 機械工程學(xué)院，北京 100083；2.武漢鋼鐵（集團）公司，武漢 430083）

0 引言

近年來，“大數(shù)據(jù)”引起了社會各界廣泛的高度關(guān)注。2012年3月22日，美國總統(tǒng)奧巴馬正式宣布美國政府將斥資2億美元啟動“大數(shù)據(jù)研究和發(fā)展計劃（Big Data Research and Development Initiative）”。這是繼1993年美國政府宣布“信息高速公路”計劃后的再一次重大的科技發(fā)展部署，美國對大數(shù)據(jù)的研究上升為國家意志，必將對未來科技、經(jīng)濟的發(fā)展帶來深遠的影響[1]。在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》中“大數(shù)據(jù)”指不用隨機分析法（抽樣調(diào)查）這樣的捷徑，而采用所有數(shù)據(jù)用于分析的方法，大數(shù)據(jù)具有4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Veracity（真實性）[2]。

目前對“大數(shù)據(jù)”的研究多集中在數(shù)據(jù)的存儲、讀取等方面[3, 4]，建立可快速讀取的數(shù)據(jù)平臺，而如何從工業(yè)數(shù)據(jù)中發(fā)現(xiàn)并總結(jié)規(guī)律方面的研究較少。現(xiàn)代化的冷連軋機配備有完整的多級計算機系統(tǒng)，涉及軋制過程監(jiān)測與控制、物料系統(tǒng)跟蹤、合同訂單跟蹤等，生產(chǎn)線上有大量的傳感器，實時采集的信息數(shù)據(jù)量以GB為單位存儲在服務(wù)器中，僅某六輥CVC冷連軋機基礎(chǔ)自動化部分傳感器所記錄的數(shù)據(jù)量每天可達6GB，這些數(shù)據(jù)被大部分被束之高閣，僅用于出現(xiàn)事故時定點分析及查詢[5]。如何科學(xué)、高效的處理軋制過程工藝參數(shù)，明確板形控制狀態(tài)，是冷軋生產(chǎn)單位的迫切需求[6～8]，因此可將聚類分析、數(shù)據(jù)挖掘等“大數(shù)據(jù)”分析方法引入到冷軋板形分析領(lǐng)域。

1 冷軋板形缺陷的聚類分析

解決冷軋板形缺陷問題的前提是準(zhǔn)確分析板形缺陷的形式，實際生產(chǎn)過程中往往通過實物板形跟蹤來確定板形缺陷的類型，但這種靠人工進行的判斷方法存在著效率低下的問題，且因采樣較少不能全面的反映板形缺陷問題。因此有學(xué)者提出利用模式識別方法來對板形缺陷進行分析[9, 10]，將板形儀的檢測信號識別為幾類確定的板形缺陷，如中浪、邊浪、四分之一浪和邊中復(fù)合浪，這類識別方法中多需對板形檢測信號進行擬合，面對成千上萬組的板形檢測結(jié)果計算速度較慢。

某冷連軋機為五機架超寬六輥CVC軋機，最大可軋帶鋼寬度達2080mm，通過對其所軋帶鋼板形長達兩年的跟蹤，發(fā)現(xiàn)同批軋制規(guī)格和鋼種近似的帶鋼，穩(wěn)定軋制階段的板形缺陷具有相似性，其浪形幅值和形態(tài)接近，因此本文借鑒了“大數(shù)據(jù)”的思想，采用基于密度和網(wǎng)格的聚類分析方法[11]對大批量帶鋼的板形檢測結(jié)果進行特征提取，再利用模式識別方法計算各板形缺陷分量，并利用MATLAB編程實現(xiàn)聚類分析與模式識別過程[12]，與傳統(tǒng)板形模式識別方法相比，省去了大量的曲線擬合過程，計算速度從每千幀信號30s，降低至每千幀5s以內(nèi)，而所得板形缺陷識別結(jié)果與傳統(tǒng)方法保持一致，證明對冷軋板形分析而言，采用聚類分析的方法是可行的。通過對1000多卷，近百萬幀冷軋帶鋼板形檢測數(shù)據(jù)進行分析后發(fā)現(xiàn)，此機組所軋帶鋼板形缺陷以邊中復(fù)合浪為主，且軋機難以對此類板形缺陷進行有效控制，嚴(yán)重影響后續(xù)生產(chǎn)以及用戶的使用。

2 冷軋板形相關(guān)工藝參數(shù)的大數(shù)據(jù)分析

為確定復(fù)雜板形缺陷難以控制的原因，需對軋機的板形控制工藝參數(shù)進行分析，以往多對單參數(shù)的時域檢測信號進行分析，忽視了各工藝參數(shù)間的聯(lián)系性，不能準(zhǔn)確反映軋機的工作狀態(tài)。利用Excel的VBA功能，開發(fā)了工藝參數(shù)讀取程序，從軋機服務(wù)器數(shù)據(jù)庫文件中讀取工藝參數(shù)。

提取了2012年2月至3月中旬一個半月內(nèi)某冷連軋機連續(xù)生產(chǎn)的12000卷帶鋼的板形控制工藝參數(shù)，包括帶鋼的規(guī)格，各機架工作輥彎輥（WRB）、中間輥彎輥（IMRB）、中間輥竄輥（IMRS）數(shù)據(jù)。以任意兩個參數(shù)為橫縱坐標(biāo)（如圖1所示），分析其關(guān)系，發(fā)現(xiàn)工作輥彎輥、中間輥彎輥、中間輥竄輥受帶鋼寬度B變化影響較大，受帶鋼厚度變化影響相對較小，因此將寬度作為影響板形控制手段調(diào)節(jié)量的主要因素進行分析。

2.1 彎輥與帶鋼寬度關(guān)系

以帶鋼寬度為橫坐標(biāo)，以歸一化彎輥值為縱坐標(biāo)繪制散點圖。從圖1和圖2中可看出對于S1（第1機架）而言，僅當(dāng)所軋帶鋼寬度B≤1500mm時，工作輥彎輥存在超過正彎50%的情況，中間輥彎輥存在超過30%的情況，當(dāng)帶鋼寬度B>1500mm時，工作輥彎輥常用范圍約為正彎40%～50%，中間輥彎輥常用范圍約為15%～30%。

圖1 工作輥彎輥與帶鋼寬度關(guān)系

圖2 中間輥彎輥與帶鋼寬度關(guān)系

2.2 彎輥與中間輥竄輥關(guān)系

從圖3中和圖4中可以看出，僅當(dāng)IMRS≥180mm時才會出現(xiàn)工作輥彎輥超過50%，中間輥彎輥超過正彎極限40%的情況，僅當(dāng)IMRS≥180mm時，才會出現(xiàn)工作輥彎輥和中間輥彎輥超過30%，甚至達100%的情況。

2.3 中間輥竄輥與帶鋼寬度關(guān)系

圖3 工作輥彎輥與中間輥竄輥關(guān)系

圖4 中間輥彎輥與中間輥竄輥關(guān)系

從圖5中可以看出，當(dāng)所軋帶鋼寬度B≤1500mm時，S1中間輥均處于正竄區(qū)間，進一步對數(shù)據(jù)進行分析發(fā)現(xiàn)，IMRS≥180mm的頻率為52.7%；當(dāng)B≥1900mm時，中間輥竄輥均處于負竄區(qū)間，IMRS≤-180mm的頻率為0.6%。

圖5 中間輥竄輥與帶鋼寬度關(guān)系

其他4個機架的工藝參數(shù)分布與第1機架的工藝參數(shù)基本一致，分析結(jié)果表明在此冷連軋機在軋制寬度低于1500mm帶鋼時，存在邊浪控制能力不足的問題，而恰好其所軋帶鋼寬度小于1500mm的較窄帶鋼占總卷數(shù)的75%，使邊浪問題更為突出。

3 中間輥輥形優(yōu)化與工業(yè)應(yīng)用

一直以來，輥形進行優(yōu)化被認為是提高軋機板形控制能力的有效手段，針對此軋機存在邊浪控制能力不足的問題，考慮利用分段輥形為軋機增加邊部板形控制能力，進而將原邊中復(fù)合浪缺陷轉(zhuǎn)化為中浪缺陷，以便于采用其他手段消除。

按照這一思路，同時考慮到中間輥竄輥與帶鋼寬度之間存在的對應(yīng)關(guān)系（如圖5所示），可在中間輥端部疊加一段二次多項式輥形（如圖6所示），以降低帶鋼邊部的壓下率，且中間輥可橫向竄動，擴大了其倒角的利用范圍，更加有利于消除邊浪。

圖6 中間輥CVC分段輥形示意圖

為檢驗所設(shè)計輥形的板形控制能力，于2013年8月在某超寬冷連軋機組上進行了工業(yè)應(yīng)用，結(jié)果表明：該輥形優(yōu)化方案能夠有效消除窄帶鋼和寬幅帶鋼的邊中復(fù)合浪，從而使帶鋼板形質(zhì)量有所提高；工作輥彎輥力有所下降，提高了軋機邊浪控制能力。

4 結(jié)論

本文利用聚類分析方法對大量板形檢測結(jié)果進行分析，明確某冷連軋機存在邊中復(fù)合浪難以控制的問題，進一步利用“大數(shù)據(jù)”思想，對12000卷帶鋼軋制過程工藝參數(shù)的分析，找到邊浪難以控制的原因在于冷連軋機現(xiàn)有板形控制手段能力不足，進而提出了能提高軋邊部板形控制能力的輥形優(yōu)化方案，對軋機板形控制能力分析與優(yōu)化進方法行了有益的探索，同時也說明將“大數(shù)據(jù)”的相關(guān)思想引入到冷軋板形分析過程當(dāng)中是可行且有效的。

[1] 李國杰,程學(xué)旗.大數(shù)據(jù)研究：未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J].中國科學(xué)院院刊.2012,27(6):647-657.

[2] 維克托·邁爾-舍爾維恩,肯尼斯·庫克耶.大數(shù)據(jù)時代[M].浙江人民出版社,2012:261.

[3] 張艷霞,豐繼林,郝偉,等.基于NoSQL的文件型大數(shù)據(jù)存儲技術(shù)研究[J].制造業(yè)自動化.2014(6):27-30.

[4] 鄭柏恒,孟文,易東,等.在Hadoop集群下的智能電網(wǎng)數(shù)據(jù)云倉庫設(shè)計[J].制造業(yè)自動化.2014(19):134-138.

[5] 李海英.PDA數(shù)據(jù)采集系統(tǒng)在酸軋線上的應(yīng)用研究[J].礦冶. 2013,22(z1):243-250.

[6] 葛寶騫.云計算與大數(shù)據(jù)在鋼鐵企業(yè)的應(yīng)用[J].計算機光盤軟件與應(yīng)用.2014,17(3):140.

[7] 賀毓辛.軋制科技發(fā)展展望[J].中國冶金.2013,23(12):1-4.

[8] 黃曉斌,鐘輝新.大數(shù)據(jù)時代企業(yè)競爭情報研究的創(chuàng)新與發(fā)展[J].圖書與情報.2012(6):9-14.

[9] 白振華,馬續(xù)創(chuàng),王瑞,等.冷連軋機組板形再現(xiàn)與異議分析系統(tǒng)的開發(fā)[J].塑性工程學(xué)報.2013,20(02):68-72.

[10] 郝亮,邸洪雙,龔殿堯,等.平直度離線顯示和板形識別統(tǒng)計軟件開發(fā)[J].東北大學(xué)學(xué)報(自然科學(xué)版).2010,31(10):1414-1416, 1420.

[11] Martin Ester H K J G. A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise[Z].Portland, Oregon:1996226-234.

[12] Bao R R, Zhang J, Li H B, et al. Flatness assessment system of ultra-wide tandem cold rolling mill[C].Wuhan,China:Trans Tech Publications Ltd,2014.