以MES平臺(tái)數(shù)據(jù)為基礎(chǔ)的Proficy Csense在熱軋加熱制度優(yōu)化中的應(yīng)用

張德欽，陳冬玲

（1.廣西鋼鐵集團(tuán)責(zé)任有限公司，防城港，538000；2.柳州職業(yè)技術(shù)學(xué)院，廣西 柳州 545006）

0 引言

鋼廠經(jīng)過近2 年的MES 系統(tǒng)實(shí)施改造，已經(jīng)建立起來MES 系統(tǒng)已經(jīng)能采集、存儲(chǔ)生產(chǎn)過程中的工藝、操作、設(shè)備等數(shù)據(jù)，這些這些數(shù)據(jù)基本采集周期是一分鐘，由于熱軋生產(chǎn)設(shè)備眾多、工藝復(fù)雜、生產(chǎn)環(huán)節(jié)多等特點(diǎn)，采集到的數(shù)據(jù)量巨大。針對(duì)目前MES 系統(tǒng)“智能化”問題，利用MES 平臺(tái)采集的生產(chǎn)數(shù)據(jù)，采用工業(yè)大數(shù)據(jù)分析方法和數(shù)據(jù)挖掘，建立鋼坯出爐溫度數(shù)學(xué)模型和噸鋼能耗數(shù)學(xué)模型，進(jìn)行加熱制度的優(yōu)化，實(shí)現(xiàn)節(jié)能生產(chǎn)。

軋鋼加熱爐的能源消耗約占冶金行業(yè)能源消耗的10%左右，其中軋鋼加熱爐又占了75 至80%。如何有效提高加熱爐的熱效率，降低能源消耗，從而提高企業(yè)的競(jìng)爭(zhēng)力，已成為當(dāng)前各個(gè)鋼廠所不得不面對(duì)的最重要的課題之一。熱軋廠軋鋼加熱爐為大型加熱爐，盡管加熱爐在國(guó)內(nèi)得到推廣應(yīng)用，但是關(guān)于大型加熱爐的加熱制度的優(yōu)化研究很少，僅僅依靠人工經(jīng)驗(yàn)，獲得優(yōu)化的溫度制度十分困難[1]。傳統(tǒng)的基于物理化學(xué)機(jī)理建立模型的方法，無法完整地描述復(fù)雜的工業(yè)過程系統(tǒng)。筆者以具有典型生產(chǎn)條件的柳鋼熱軋加熱爐為對(duì)象，通過引入適用于大量輸入、輸出數(shù)據(jù)的復(fù)雜非線性過程系統(tǒng)的研究策略，采用海量歷史生產(chǎn)過程數(shù)據(jù)，結(jié)合鋼材軋制工藝制度，得出各個(gè)因變量之間的影響關(guān)系，找到影響煤耗的關(guān)鍵指標(biāo)，建立鋼坯出爐溫度的數(shù)學(xué)模型。研究成果應(yīng)用在熱軋2#生產(chǎn)線的加熱爐，已取得顯著效果，對(duì)加熱爐的優(yōu)化操作具有重要意義。

1 Proficy Csense簡(jiǎn)介

Proficy CSense 能對(duì)工業(yè)生產(chǎn)和設(shè)備數(shù)據(jù)進(jìn)行分析與知識(shí)挖掘，監(jiān)視工藝和設(shè)備性能，識(shí)別生產(chǎn)變化的原因，減少波動(dòng)、優(yōu)化生產(chǎn)。Proficy Csense 以MES 數(shù)據(jù)平臺(tái)為基礎(chǔ),建立在線生產(chǎn)優(yōu)化模型。模型通過實(shí)時(shí)數(shù)據(jù)不斷修正自身，其優(yōu)化結(jié)果具有很強(qiáng)的實(shí)時(shí)性。Proficy Csense 提供連接不同種類的歷史數(shù)據(jù)源，進(jìn)行數(shù)據(jù)準(zhǔn)備、可視化查看數(shù)據(jù)，還可以建立規(guī)則模型。從這些模型中挖掘出的知識(shí)，幫助過程改進(jìn)的收益進(jìn)行評(píng)估，整個(gè)過程使用這個(gè)模型系統(tǒng)，可以找出生產(chǎn)過程波動(dòng)的原因，并且進(jìn)行調(diào)整。

采用Proficy Csense 分析實(shí)時(shí)數(shù)據(jù)過程包括三個(gè)階段：數(shù)據(jù)準(zhǔn)備階段、模型建立階段和實(shí)時(shí)應(yīng)用階段。數(shù)據(jù)準(zhǔn)備階段就是收集所要分析的各種現(xiàn)場(chǎng)數(shù)據(jù)，包括綜合質(zhì)量數(shù)據(jù)和過程數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)性分析，合并關(guān)聯(lián)度高的數(shù)據(jù)、剔除關(guān)聯(lián)度低的數(shù)據(jù)，并以此作為模型建立的依據(jù)。模型建立階段就是設(shè)定所要輸出的目標(biāo)值（可以一個(gè)或多個(gè)），已處理過的數(shù)據(jù)建立模型，并以部分歷史數(shù)據(jù)訓(xùn)練模型，得到所期望的目標(biāo)值。實(shí)時(shí)應(yīng)用階段就是以建立好模型為算法，連接實(shí)時(shí)數(shù)據(jù)，輸出數(shù)據(jù)直接用于優(yōu)化生產(chǎn)。圖1為Proficy Csense軟件架構(gòu)①。

圖1 Proficy Csense軟件架構(gòu)

2 采用工業(yè)大數(shù)據(jù)方法進(jìn)行數(shù)學(xué)模型的建立和優(yōu)化

通過將軋鋼鋼坯加熱環(huán)節(jié)所產(chǎn)生的數(shù)據(jù)（包括鋼坯的入爐溫度、預(yù)熱段溫度及時(shí)間、一加熱段溫度及時(shí)間、二加熱段溫度及時(shí)間、三加熱段溫度及時(shí)間、均熱段溫度及時(shí)間和出爐溫度）經(jīng)過“數(shù)據(jù)清洗”后，采用主成分回歸（Principal Component Regression）算法，簡(jiǎn)稱PCR，建立起鋼坯出爐溫度數(shù)學(xué)模型和噸鋼能耗的數(shù)學(xué)模型，再通過數(shù)據(jù)轉(zhuǎn)換的方法，可以挖掘出影響噸鋼能耗波動(dòng)和出爐溫度波動(dòng)的主要參數(shù)，最后通過雙目標(biāo)優(yōu)化法對(duì)這兩個(gè)數(shù)學(xué)模型的主要參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，使被優(yōu)化的參數(shù)能夠在滿足多種限制條件下自動(dòng)調(diào)整，使鋼坯的出爐溫度滿足工藝制度的同時(shí)，使噸鋼能耗控制在最低水平。

2.1 PCR算法原理

回歸分析法是一種應(yīng)用最大似然法估計(jì)回歸系數(shù)的回歸方法，它不要求變量服從協(xié)方差矩陣相等和殘差項(xiàng)服從正態(tài)分布。回歸分析要求模型的解釋變量之間不能具有線性的函數(shù)關(guān)系，然而各變量常常不是獨(dú)立存在的，而是存在多重共線性（multi-collinearity）關(guān)系。多重共線性關(guān)系增大估計(jì)參數(shù)的標(biāo)準(zhǔn)誤差，降低模型的穩(wěn)定性。主成分回歸是解決回歸分析分析中的多重共性問答常用方法之一。通過主成分變換，將高度相關(guān)的變量的信息綜合成相關(guān)性低的主成分，然后以主成分代替原變量參與回歸[2]。PCR 原理和步驟如下：第一，原始數(shù)據(jù)標(biāo)準(zhǔn)化；第二，計(jì)算相關(guān)系數(shù)矩陣；第三，求相關(guān)矩陣R 的特征根、特征向量和方差貢獻(xiàn)率，確定主成分；第四，建立主成分特征函數(shù)；第五，使用主成分代替原始變量進(jìn)行多元回歸。

2.2 建立鋼坯出爐溫度和噸鋼煤耗耗數(shù)學(xué)模型

采用PCR 算法，在csense 中建立數(shù)學(xué)模型。將入爐溫度、預(yù)熱段溫度及時(shí)間、各加熱段溫度及時(shí)間、均熱段溫度及時(shí)間等變量通過正交旋轉(zhuǎn)變換轉(zhuǎn)化為少數(shù)幾個(gè)互不相關(guān)的主成分，再將數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化的主成分與出爐溫度及噸鋼能耗分別建立回歸方程，從而得到出爐溫度及噸鋼煤耗的數(shù)學(xué)模型。由于建模時(shí)只考慮少數(shù)幾個(gè)主成分且不至于損失太多信息，因此建立好的數(shù)學(xué)模型不僅能夠有效克服輸入變量的多重共性和誤差性對(duì)模型造成的影響，而且能夠有效減少噪音的干擾，所以具有更高的預(yù)測(cè)精度。建立的數(shù)學(xué)模型如圖2所示。

圖2 在csense中建立的鋼坯出爐溫度數(shù)學(xué)模型

2.3 噸鋼煤耗數(shù)學(xué)模型的優(yōu)化

在找到出爐溫度及噸鋼能耗的數(shù)學(xué)模型的基礎(chǔ)上，在csense 中利用其非線性優(yōu)化算法進(jìn)行優(yōu)化。通過雙目標(biāo)優(yōu)化法對(duì)這兩個(gè)數(shù)學(xué)模型的主要參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，使被優(yōu)化的參數(shù)能夠在滿足多種限制條件下自動(dòng)調(diào)整，使鋼坯的出爐溫度滿足工藝制度的同時(shí)，讓噸鋼煤耗耗控制在較低水平。優(yōu)化前后煤耗對(duì)比如圖3所示。從圖3可以看出，優(yōu)化后的煤耗明顯低于優(yōu)化前的煤耗。

圖3 優(yōu)化前后煤耗對(duì)比

3 鋼坯出爐溫度和噸鋼煤耗耗數(shù)學(xué)模型在熱軋加熱制度優(yōu)化中應(yīng)用

3.1 優(yōu)化加熱制度

采用建立和優(yōu)化好的數(shù)學(xué)模型，對(duì)熱軋二線雙爐生產(chǎn)時(shí)的SPHC-1L 的加熱爐溫度制度進(jìn)，對(duì)比煤耗變化情況。實(shí)驗(yàn)對(duì)象為熱軋1450mm 生產(chǎn)線，具體如表1 所示，優(yōu)化前后的加熱制度如表2、表3所示。

表1 加熱制度優(yōu)化實(shí)驗(yàn)對(duì)象

表2 優(yōu)化前加熱溫度

表3 優(yōu)化后的加熱制度

3.2 測(cè)試結(jié)果

具體結(jié)果見表4、表5。

表4 煤耗對(duì)比

表5 成材率對(duì)比

3.3 實(shí)驗(yàn)結(jié)論

本次試驗(yàn)，對(duì)入爐溫度在500℃以上的板坯進(jìn)行煤耗和成材率統(tǒng)計(jì)，綜合煤耗降低，成材率正常。在生成過程中，按照試驗(yàn)溫度加熱的板坯在粗軋和精軋的板形無明顯變化，軋線順行均在可控范圍內(nèi)。鋼卷在軋制完成和冷軋工序的表面質(zhì)量均正常。

4 結(jié)語

用CSENSE建立的數(shù)學(xué)模型和優(yōu)化模型，用于熱軋加熱制度是可行的，可以推廣應(yīng)用。但在在應(yīng)用過程中，也遇到不少問題，如MES 平臺(tái)收集的數(shù)據(jù)量大，包括了正常生產(chǎn)數(shù)據(jù)、非常正常生產(chǎn)數(shù)據(jù)、異常數(shù)據(jù)，通常需要工藝人員首先根據(jù)生產(chǎn)情況對(duì)數(shù)據(jù)進(jìn)行初步的篩選和剔除，由于數(shù)據(jù)量大，需要花費(fèi)工藝人員大量的時(shí)間，如果能有一個(gè)系統(tǒng)或平臺(tái)能對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，能大大提高模型的構(gòu)建速度和精度。

注釋：

①基于GE 智能平臺(tái)Proficy CSense http://www.gongkong.com/download/201505/80680.html