重型異形坯連鑄坯智能定重系統(tǒng)開發(fā)與實(shí)踐

程錦君¹  鄧南陽²  吳帥¹  韋文鈺²  耿毅²  張立強(qiáng)¹

（1. 安徽工業(yè)大學(xué) 冶金工程學(xué)院  安徽馬鞍山 243000；

2. 馬鞍山鋼鐵有限公司  長材事業(yè)部  安徽馬鞍山 243000）

摘要：在馬鋼連鑄生產(chǎn)中，重量波動(dòng)大及模糊的坯料交接界面計(jì)量，加之智能化程度不足，均是導(dǎo)致重型異形坯成材率低下的顯著因素。針對(duì)這一問題，通過研究采納工業(yè)大數(shù)據(jù)的全量化分析方法，運(yùn)用先進(jìn)的冶金數(shù)據(jù)庫在線優(yōu)化學(xué)習(xí)、深度數(shù)據(jù)挖掘技術(shù)及人工神經(jīng)網(wǎng)絡(luò)算法，成功構(gòu)建了重型異形連鑄鋼坯的定重在線模型。該模型通過精確控制定尺切割，顯著提升了定重精度，并開發(fā)了動(dòng)態(tài)模型優(yōu)化算法以計(jì)算鑄坯的確切長度與重量，實(shí)現(xiàn)了生產(chǎn)流程的實(shí)時(shí)預(yù)測(cè)與閉環(huán)控制。結(jié)果表明重型異形鋼的成材率得到了顯著提升，模型實(shí)施后，鑄坯重量公差小于千分之三的最高合格率達(dá)到了93%以上，平均合格率穩(wěn)定在82%以上，而在千分之五范圍內(nèi)的合格率達(dá)到了99%以上。該模型以其動(dòng)態(tài)調(diào)整、智能修正、自我學(xué)習(xí)優(yōu)化及實(shí)時(shí)預(yù)判的特性，在節(jié)能降耗和提高產(chǎn)品成材率方面發(fā)揮了顯著作用。

關(guān)鍵詞：重型異形坯；數(shù)據(jù)挖掘；動(dòng)態(tài)稱重；模型優(yōu)化算法

1 前言

隨著公路橋梁、船舶、機(jī)械制造以及大跨度橋梁等大型基礎(chǔ)建設(shè)項(xiàng)目的不斷推進(jìn)，我國對(duì)H型鋼的需求量持續(xù)上升^[1-3]。其中重型熱軋H型鋼憑借其生產(chǎn)效率高、耗能低、工期短、軋制次數(shù)少、殘余應(yīng)力小以及綜合成本低等顯著優(yōu)勢(shì)，已被廣泛應(yīng)用于橋梁、機(jī)場(chǎng)、船舶和隧道等高端建設(shè)領(lǐng)域^[4-6]。為此，國內(nèi)生產(chǎn)異形坯的基地針對(duì)連鑄工藝中存在的一系列問題進(jìn)行了精心調(diào)整，為重型異形坯的生產(chǎn)奠定了堅(jiān)實(shí)的基礎(chǔ)。孟強(qiáng)等人^[7]對(duì)異形坯結(jié)晶器開口度檢測(cè)方面進(jìn)行了研究，設(shè)計(jì)出了精度高，結(jié)構(gòu)簡單，制造成本低的檢測(cè)異形坯形狀尺寸設(shè)備，為提高生產(chǎn)效率提供了基礎(chǔ)。黃明^[8]利用軟件，并根據(jù)異形坯內(nèi)鑄坯以及結(jié)晶器銅板熱力耦合模型，對(duì)結(jié)晶器錐度進(jìn)行了優(yōu)化設(shè)計(jì)，為異形坯結(jié)晶器的設(shè)計(jì)提供了參考。除此之外，更多學(xué)者將目光集中如何控制鑄坯質(zhì)量，其中黃文等人^[9]通過Visual Basic 6.0開發(fā)了離線動(dòng)態(tài)二冷控制模型，實(shí)現(xiàn)了對(duì)進(jìn)入二冷區(qū)的鑄坯信息的實(shí)行跟蹤、記錄和動(dòng)態(tài)調(diào)控，使鑄坯溫度分布保持穩(wěn)定。張年華^[10]通過調(diào)整保護(hù)渣、調(diào)整拉速和改善二冷制度等方法降低了異形坯R角裂紋的產(chǎn)生。胡林梅^[11]通過提高拉速，降低二冷強(qiáng)度的方式，改善鑄坯的傳熱條件，使得重型異形坯溫度更加均勻。而王金坤^[12]則通過提高錳硫比，調(diào)節(jié)拉速，優(yōu)化過冷度等方式降低了重型異形坯縱裂紋率，有效改善了鑄坯質(zhì)量。然而，由于重型異形坯的斷面復(fù)雜且重量難以精準(zhǔn)預(yù)測(cè)，加之人工修改定尺存在明顯的滯后性，難以精準(zhǔn)控制，常導(dǎo)致切廢或短尺，從而降低了成材率。在連鑄連軋生產(chǎn)中，定重切割技術(shù)在提高生產(chǎn)效益和效率的關(guān)鍵。定重切割技術(shù)在提高軋材成材率方面展現(xiàn)出顯著優(yōu)勢(shì)，廣泛應(yīng)用于不同拉速下的小方坯、大方坯、棒材和異形坯等連鑄生產(chǎn)工藝^[14-16]。但由于重型異形坯的重量較大，其在定重技術(shù)應(yīng)用方面的潛力仍值得進(jìn)一步探索。

因重異形連鑄機(jī)按定尺切割，對(duì)應(yīng)型鋼軋鋼按重量軋制，定尺坯的重量波動(dòng)造成鋼軋執(zhí)行標(biāo)準(zhǔn)不統(tǒng)一，坯料交接界面計(jì)量不清晰，影響重型H型鋼的成材率；而坯重控制方式，通過“定尺切割+人工抽測(cè)” 增減長度，然而，工藝、設(shè)備等條件變化，鑄坯重量波動(dòng)范圍大，人工難以進(jìn)行精準(zhǔn)調(diào)控，影響切割精度和生產(chǎn)指標(biāo)。本研究對(duì)馬鋼生產(chǎn)的不同斷面尺寸的異形坯的生產(chǎn)環(huán)境進(jìn)行三維模擬仿真，并基于數(shù)據(jù)采集及挖掘、人工神經(jīng)網(wǎng)絡(luò)、智能模型算法等技術(shù)，對(duì)鋼種、鑄坯標(biāo)準(zhǔn)重量、斷面尺寸，實(shí)時(shí)采集中包溫度、拉速等指標(biāo)進(jìn)行深度學(xué)習(xí)，建立的冶金數(shù)據(jù)庫，并設(shè)計(jì)開發(fā)智能定重模型。通過機(jī)器學(xué)習(xí)，動(dòng)態(tài)模型優(yōu)化算法，計(jì)算鑄坯的定尺長度及重量，進(jìn)行實(shí)時(shí)在線預(yù)報(bào)，下達(dá)切割鑄坯指令，實(shí)現(xiàn)鑄坯精準(zhǔn)定重的目標(biāo)；并在切割后反饋鑄坯實(shí)際重量，對(duì)模型實(shí)時(shí)動(dòng)態(tài)優(yōu)化，進(jìn)一步提高精度。該模型上線運(yùn)行后連鑄坯重量公差小于千分之三的最高合格率達(dá)到了93%以上，平均合格率穩(wěn)定在82%以上，而在千分之五范圍內(nèi)的合格率達(dá)到了99%以上。

2模型構(gòu)建與算法開發(fā)

為了精確控制重型異形坯連鑄的定重過程，通過實(shí)時(shí)收集關(guān)鍵生產(chǎn)參數(shù)建立了冶金數(shù)據(jù)庫，并開發(fā)了切割長度動(dòng)態(tài)修正模型、基于紅外攝像的定尺修正模型以及基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，實(shí)現(xiàn)了鑄坯定重的高精度和實(shí)時(shí)動(dòng)態(tài)優(yōu)化。

2.1 冶金數(shù)據(jù)庫和模型的開發(fā)

數(shù)據(jù)庫是整個(gè)模型的基石，根據(jù)目標(biāo)鋼種、鑄坯標(biāo)準(zhǔn)重量、斷面尺寸，實(shí)時(shí)采集中包溫度、拉速、結(jié)晶器通鋼量等指標(biāo)建立冶金數(shù)據(jù)庫。同時(shí)開發(fā)切割長度動(dòng)態(tài)修正模型^[17]、基于紅外攝像的動(dòng)態(tài)修正模型^[18]和基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型等模型，用于組成異形坯連鑄動(dòng)態(tài)定重模型，并在切割后反饋鑄坯實(shí)際重量，對(duì)模型實(shí)時(shí)動(dòng)態(tài)優(yōu)化，提高定重精度。

1) 切割長度動(dòng)態(tài)修正模型

將連鑄坯切割長度與軋鋼產(chǎn)線、需求相匹配，引入軋鋼廢品率，建立了連鑄坯切割長度修正公式，能夠動(dòng)態(tài)調(diào)整鑄坯切割長度，見式（1）：

式中，L₂為修正后連鑄坯長度；

L₀為當(dāng)前批次連鑄坯長度；

L₁為上批次連鑄坯長度；

k₀為當(dāng)前批次廢品率；

k₁為上批次廢品率；

b為長度因子；

sgn()為符號(hào)函數(shù)。

2) 基于紅外攝像的動(dòng)態(tài)定尺修正模型

通過紅外攝像機(jī)與鑄坯之間夾角來修正定尺誤差，見式（2）：

式中，L_X表示當(dāng)前批次修正后定尺長度；

X₁為起點(diǎn)測(cè)量誤差；

X_末為切割點(diǎn)誤差；

X_x-1為上批次修正長度；

I_x為當(dāng)前批次理論定尺長度；

H為測(cè)量值相機(jī)與鑄坯的垂直距離；

L₀為垂點(diǎn)處位置；

L₁為攝像機(jī)照射的最前端；

L_末為攝像機(jī)照射的最末端；

L_X-1為上批次定尺長度。

3) 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型

該模型采用徑向基函數(shù)（Radial Basis Function, RBF）神經(jīng)網(wǎng)絡(luò)構(gòu)建連鑄坯長度預(yù)測(cè)模型。RBF神經(jīng)網(wǎng)絡(luò)是一種具有普遍逼近能力的三層前饋神經(jīng)網(wǎng)絡(luò)^[19]，其結(jié)構(gòu)包括輸入層、隱藏層和輸出層。在本模型中，輸入層包含7個(gè)神經(jīng)元，分別對(duì)應(yīng)鑄坯斷面、鑄坯重量、現(xiàn)場(chǎng)工藝參數(shù)、結(jié)晶器狀態(tài)、中間包溫度、拉速以及一冷二冷配水等關(guān)鍵生產(chǎn)指標(biāo)。隱藏層由若干RBF神經(jīng)元構(gòu)成，每個(gè)神經(jīng)元對(duì)應(yīng)一個(gè)徑向基函數(shù)。輸出層包含一個(gè)神經(jīng)元，表示預(yù)測(cè)的連鑄坯長度，其示意圖如圖1所示。

圖1  RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型

RBF神經(jīng)網(wǎng)絡(luò)的輸出可以表示為：

其中，y(x)為網(wǎng)絡(luò)輸出，即預(yù)測(cè)的連鑄坯長度；

x為輸入向量；

wi為隱藏層到輸出層的連接權(quán)重；

_i為第i個(gè)RBF神經(jīng)元的激活函數(shù)；

c_i為第i個(gè)RBF神經(jīng)元的中心向量；

b為偏置項(xiàng)。

本研究選用高斯函數(shù)作為RBF神經(jīng)元的激活函數(shù)：

其中，r = ||x - c||為輸入向量與神經(jīng)元中心的歐氏距離，

為擴(kuò)展常數(shù)，決定了RBF的作用范圍。

RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程可分為三個(gè)階段：

a) 確定隱藏層神經(jīng)元中心：采用K-均值聚類算法[20]對(duì)輸入樣本進(jìn)行聚類，聚類中心即為RBF神經(jīng)元的中心。

b) 計(jì)算RBF神經(jīng)元的擴(kuò)展常數(shù)：使用P-最近鄰算法[21]確定每個(gè)RBF神經(jīng)元的擴(kuò)展常數(shù)。計(jì)算公式如下：

其中，c_i為第i個(gè)RBF神經(jīng)元的中心

c_j為與ci最近的P個(gè)中心。

確定輸出層權(quán)重：采用最小二乘法[22]優(yōu)化輸出層權(quán)重。令Φ為隱藏層輸出矩陣，W為權(quán)重向量，Y為目標(biāo)輸出向量，則：

2.2 模型構(gòu)建和算法的開發(fā)

基于工業(yè)大數(shù)據(jù)模型，重異形坯定重模型根據(jù)目標(biāo)鋼種、鑄坯標(biāo)準(zhǔn)重量、斷面尺寸，實(shí)時(shí)采集中包溫度、拉速、結(jié)晶器通鋼量等指標(biāo)。結(jié)合本項(xiàng)目建立的冶金數(shù)據(jù)庫，采用動(dòng)態(tài)模型優(yōu)化算法，計(jì)算鑄坯的定尺長度及重量，進(jìn)行實(shí)時(shí)在線預(yù)報(bào)，下達(dá)切割鑄坯指令，實(shí)現(xiàn)鑄坯精準(zhǔn)定重的目標(biāo)；并在切割后反饋鑄坯實(shí)際重量，對(duì)模型實(shí)時(shí)動(dòng)態(tài)優(yōu)化，進(jìn)一步提高鑄坯定重精度，重型異形坯連鑄動(dòng)態(tài)定重模型示意圖如圖2所示。

圖2 重型異形坯連鑄動(dòng)態(tài)定重模型示意圖

1） 定重模塊。

定重模塊是整體定重系統(tǒng)的核心，它由冶金數(shù)據(jù)庫和定重模型兩大關(guān)鍵組成部分構(gòu)成。在此模塊中，冶金數(shù)據(jù)庫貯藏了多種鋼材型號(hào)的詳細(xì)信息，這些信息是執(zhí)行定重基本運(yùn)算的基礎(chǔ)。基于鋼水靜壓力的定重算法，通過采用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，模塊能夠?qū)χ付ㄤ摬牡蔫T坯長度進(jìn)行精確預(yù)測(cè)，并將預(yù)測(cè)結(jié)果傳遞至定尺模塊以便執(zhí)行切割操作。另一方面，定重模塊能夠接收來自稱重模塊的實(shí)時(shí)數(shù)據(jù)，并利用這些數(shù)據(jù)對(duì)定重模型進(jìn)行優(yōu)化設(shè)計(jì)，實(shí)時(shí)調(diào)整鑄坯切割指令以提升定重精度。此外，該模塊還能夠更新冶金數(shù)據(jù)庫中的鋼種生產(chǎn)的實(shí)時(shí)信息，實(shí)現(xiàn)對(duì)生產(chǎn)數(shù)據(jù)的跟蹤與學(xué)習(xí)，從而進(jìn)一步增強(qiáng)定重操作的精確度。

2）定尺模塊。

定尺模塊在連鑄生產(chǎn)中扮演著至關(guān)重要的角色，其核心職能在于通過精確測(cè)量和控制鑄坯的切割長度來確保產(chǎn)品質(zhì)量。該模塊采用基于紅外攝像技術(shù)的動(dòng)態(tài)修正模型來判定最佳切割時(shí)機(jī)，通過測(cè)量紅外攝像頭與鑄坯之間的角度差異來計(jì)算鑄坯的實(shí)際長度，從而保障切割過程的高精度。進(jìn)一步地，模塊能夠根據(jù)連鑄生產(chǎn)過程中的實(shí)時(shí)數(shù)據(jù)自動(dòng)調(diào)節(jié)定尺長度，實(shí)現(xiàn)對(duì)鑄坯生產(chǎn)狀況的實(shí)時(shí)監(jiān)控，并根據(jù)生產(chǎn)需求動(dòng)態(tài)調(diào)整，以適應(yīng)生產(chǎn)線上的變化。此項(xiàng)技術(shù)的運(yùn)用大大減少了對(duì)人工干預(yù)的需求，優(yōu)化了生產(chǎn)流程，確保了連鑄產(chǎn)品的質(zhì)量和一致性。

3） 稱重模塊。

稱重模塊采用托架式整體輥道式稱重法，徑下方配備高級(jí)輥道電子秤來完成，確保了連鑄坯重量的在線精確測(cè)量。該輥道鋼坯稱重裝置整合了輸送裝置、傳感器和控制器等，可在鑄坯達(dá)到特定位置時(shí)進(jìn)行精確稱重，并與定重模型機(jī)進(jìn)行有效數(shù)據(jù)交換。系統(tǒng)支持輥道電機(jī)的精確控制、自動(dòng)化記錄、數(shù)據(jù)統(tǒng)計(jì)及網(wǎng)絡(luò)通信等多項(xiàng)功能，采用的高精度傳感器和數(shù)字化測(cè)量儀表保障了稱重過程的高效性和抗干擾能力，符合惡劣工業(yè)環(huán)境的操作需求，顯著提升了生產(chǎn)效率和鑄坯品質(zhì)。

4）算法開發(fā)。

在本研究中，開發(fā)了一個(gè)基于VSCode C++的定重模型算法，旨在利用工業(yè)大數(shù)據(jù)，為連鑄坯智能定重提供支持。該模型通過整合PLC讀取的實(shí)時(shí)現(xiàn)場(chǎng)數(shù)據(jù)和冶金數(shù)據(jù)庫信息，如鋼種、拉速、過熱度及結(jié)晶器通鋼量等，動(dòng)態(tài)預(yù)測(cè)鑄坯重量，并據(jù)此調(diào)整切割長度。隨后，定尺模塊利用紅外攝像技術(shù)進(jìn)行鑄坯切割和動(dòng)態(tài)跟蹤，切割后的鑄坯經(jīng)過稱重模塊的精確稱重，其數(shù)據(jù)反饋至冶金數(shù)據(jù)庫中以優(yōu)化下一輪的模型計(jì)算。該算法開發(fā)的詳細(xì)流程圖如圖3所示，展示了從數(shù)據(jù)收集到模型預(yù)測(cè)，再到切割和數(shù)據(jù)反饋的完整過程，實(shí)現(xiàn)了系統(tǒng)的閉環(huán)控制和智能化。

圖3 算法開發(fā)流程圖

2.3 模擬仿真及現(xiàn)場(chǎng)改進(jìn)

根據(jù)馬鋼重型異形坯現(xiàn)場(chǎng)情況，需要生產(chǎn)的不同斷面尺寸的異形坯對(duì)輥道、主控室現(xiàn)場(chǎng)進(jìn)行三維模擬仿真，并根據(jù)現(xiàn)場(chǎng)情況改進(jìn)，新增定重模型機(jī)，熱送輥道，稱重儀表及工業(yè)電腦等設(shè)備用于配合重型異形坯連鑄動(dòng)態(tài)定重模型的開發(fā)，現(xiàn)場(chǎng)模型布置示意圖如圖4所示。

圖4現(xiàn)場(chǎng)模型布置示意圖

3動(dòng)態(tài)稱重模型與軟件開發(fā)

3.1現(xiàn)場(chǎng)模型搭建

基于三維模擬現(xiàn)場(chǎng)，一方面，對(duì)廠房進(jìn)行定重模型搭建，通過傳感器采集連鑄實(shí)時(shí)生產(chǎn)數(shù)據(jù)、鋼種信息盒連鑄設(shè)備信息等PLC數(shù)據(jù)傳輸至數(shù)據(jù)庫；另一方面，對(duì)原有的輥道進(jìn)行優(yōu)化設(shè)計(jì)，加入與智能定重模型相適配的輥道鋼坯稱重布置測(cè)點(diǎn)位置如圖5(a)所示，稱重設(shè)備也通過傳感器將信號(hào)傳輸?shù)綌?shù)據(jù)庫。所有數(shù)據(jù)經(jīng)一級(jí)網(wǎng)絡(luò)通訊進(jìn)入模型服務(wù)器后根據(jù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行定重模型計(jì)算，然后將計(jì)算結(jié)果通過定尺切割系統(tǒng)切割連鑄坯后稱重。其中輥道上的傳感器檢測(cè)到的重量信號(hào)通過現(xiàn)場(chǎng)帶隔熱箱的數(shù)字盒數(shù)字信號(hào)傳輸至主控制的稱重儀表，電子稱稱重?cái)?shù)據(jù)通過485通訊實(shí)時(shí)采集稱重?cái)?shù)據(jù)；輸出數(shù)據(jù)通過一級(jí)網(wǎng)絡(luò)實(shí)時(shí)輸出到定尺約定的DB塊地址，實(shí)現(xiàn)與鑄機(jī)切割系統(tǒng)通訊，現(xiàn)場(chǎng)輥道布置如圖5(b)，搭建完成后進(jìn)行現(xiàn)場(chǎng)稱重，結(jié)果與模擬結(jié)果吻合度一致，說明模型搭建成功。

圖5 現(xiàn)場(chǎng)模型搭建圖((a) 定重模型布置測(cè)點(diǎn)圖;(b) 現(xiàn)場(chǎng)輥道布置圖)

3.2軟件開發(fā)

為實(shí)現(xiàn)重型異形坯生產(chǎn)流程的實(shí)時(shí)優(yōu)化、故障預(yù)防和提高安全性等方面，同時(shí)利用生產(chǎn)數(shù)據(jù)完善冶金數(shù)據(jù)庫和工業(yè)大數(shù)據(jù)開發(fā)了連鑄坯智能定重系統(tǒng)。該系統(tǒng)主要包括鋼種設(shè)定、更換結(jié)晶器、數(shù)據(jù)導(dǎo)出、標(biāo)重更新、合格率等模塊，其中種設(shè)定、更換結(jié)晶器和純定尺模式等模塊直接通過PLC讀取冶金數(shù)據(jù)庫和現(xiàn)場(chǎng)生產(chǎn)的數(shù)據(jù)，標(biāo)重更新和稱重記錄通過RS485串行通訊方式進(jìn)入定重模型機(jī)機(jī)管理系統(tǒng)進(jìn)行數(shù)據(jù)自動(dòng)采集，并記錄至系統(tǒng)和數(shù)據(jù)庫中，連鑄坯智能定重系統(tǒng)主界面如圖6所示。

圖6 重型異形坯智能定重系統(tǒng)主界面

4 應(yīng)用效果

，隨著模型投用時(shí)間增加，不同鋼種的合格率由82.35%增加到93.33%；從圖7(b)可知，隨投用時(shí)間的增加，平均合格率也不斷提高。該模型自投用以來運(yùn)行連鑄坯重量公差小于千分之三的最高合格率達(dá)到了93%以上，平均合格率穩(wěn)定在82%以上，而在千分之五范圍內(nèi)的合格率達(dá)到了99%以上。

圖7 各鋼種稱重合格率((a)不同鋼種單月不超過0.3%合格率情況;(b)所有鋼種不超過0.3%平均合格率情況;)

5結(jié)語

本文主要開發(fā)了一種用于重型異形鋼坯連鑄過程中的智能定重模型，該模型通過結(jié)合冶金數(shù)據(jù)庫、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、動(dòng)態(tài)修正等技術(shù)，實(shí)現(xiàn)了鑄坯重量的高精度控制，顯著提高了生產(chǎn)效率和產(chǎn)品質(zhì)量。得出如下結(jié)論：

1）構(gòu)建了馬鋼重型異形坯智能定重模型，并開發(fā)了連鑄坯智能定重系統(tǒng)，改善了因鑄坯重量造成的軋材短尺或切廢現(xiàn)象，提高了軋鋼成材率；同時(shí)可避免頻繁改動(dòng)定尺而造成的鋼水收得率損失，有利于提升鋼水-鋼坯收得率。

2）模型自上線以來，鑄坯重量公差小于0.3%的班次高值合格率達(dá)到了93%，全年平均合格率穩(wěn)定在80%以上。

3）模型具備動(dòng)態(tài)靈活、智能修正、自學(xué)習(xí)優(yōu)化、實(shí)時(shí)預(yù)判等特點(diǎn)，提高定重精度，節(jié)能降耗，提高產(chǎn)品成材率，且重異形坯定重系統(tǒng)所用的模型以及數(shù)據(jù)采集設(shè)備均為高度智能化，可以大大提升企業(yè)的自動(dòng)化以及智能化水平。

參考文獻(xiàn)

[1]  楊寶,李亞博,李洪俊等.大跨徑拼裝H型鋼疊合梁橋孔群制作精度控制技術(shù)[J].建筑技術(shù),2024,55(01):35-37.

[2]  馬鋼熱軋H型鋼首次打入國外采油船項(xiàng)目[J].軋鋼,2020,37(06):39.

[3]  田學(xué)伯.我國H型鋼市場(chǎng)需求分析及市場(chǎng)定位[J].機(jī)械設(shè)計(jì),2018,35(S1):273-275.

[4]  樊三彩.丁毅代表建議:將重型熱軋H型鋼列入“高端鋼鐵產(chǎn)品”[N].中國冶金報(bào),2024-03-12(003).

[5]  胡豪,徐升橋,鄒永偉等.高速公路30 m跨度大規(guī)格熱軋H型鋼簡支組合梁應(yīng)用經(jīng)濟(jì)性研究[J].市政技術(shù),2023,41(11):22-29+86.

[6]  呂偉鋒,尚文彪,張宏杰等.重型熱軋H型鋼在大跨度桁架和鋼梁中的焊接應(yīng)用[J].金屬加工(熱加工),2022,(10):35-39.

[7]  孟強(qiáng),閆炯,孫勝勇.連鑄異形坯結(jié)晶器開口度檢測(cè)解決方案[J].包頭職業(yè)技術(shù)學(xué)院學(xué)報(bào),2023,24(04):63-66.

[8]  黃明.異形坯連鑄結(jié)晶器錐度的優(yōu)化設(shè)計(jì)[J].工程建設(shè)與設(shè)計(jì),2019,(22):143-144.

[9]  黃文,連天龍,張興中等.異形坯連鑄離線動(dòng)態(tài)二冷控制模型的研究與開發(fā)[J].中國機(jī)械工程,2016,27(12):1643-1647.

[10]  張年華,李亮,渠松濤等.異形坯生產(chǎn)S450J0V鋼樁鋼表面質(zhì)量控制與改善[J].山東工業(yè)技術(shù),2017(20):1-2.

[11]  胡林梅,沈昶,王猛.重型異形坯鑄坯表面橫裂紋的成因分析與控制[J].冶金動(dòng)力,2024,(01):86-89.

[12]  王金坤,王勇,牛金印等.馬鋼重型異形坯縱裂紋處理優(yōu)化研究[J].江西冶金,2022,42(05):76-82.

[13]  陳小冬.定重定尺智能切割在連鑄中的應(yīng)用及問題分析[C]//中國金屬學(xué)會(huì)煉鋼分會(huì)（Steelmaking Committee of the Chinese Society for Metals）.2018年（第二十屆）全國煉鋼學(xué)術(shù)會(huì)議大會(huì)報(bào)告及論文摘要集.陜鋼集團(tuán)漢中鋼鐵有限責(zé)任公司;,2018:1.

[14]  周從銳,熊良友,吳建軍等.定重切割技術(shù)在小方坯連鑄機(jī)上的應(yīng)用[J].金屬世界,2022,(06):75-79.

[15]  李偉,黃大軍,吳帥等.連鑄坯在線定重切割技術(shù)工藝實(shí)踐[J].連鑄,2022,(05):101-107.

[16]  李偉,談?wù)?程錦君等.基于二冷優(yōu)化的高拉速方坯質(zhì)量改善及實(shí)踐[J].連鑄,2022,(02):95-99.

[17]  陽春新鋼鐵有限責(zé)任公司. 一種基于鑄軋聯(lián)動(dòng)的連鑄坯定尺系統(tǒng):CN201910941025.4[P]. 2019-12-06.

[18]  陽春新鋼鐵有限責(zé)任公司,安徽工業(yè)大學(xué). 一種連鑄紅外攝像定尺誤差在線連續(xù)修正的方法:CN202110194769.1[P]. 2021-07-09.

[19]  楊彥霞, 王普, 高學(xué)金, 等. 基于混合雙層自組織徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的 優(yōu)化學(xué)習(xí)算法[J]. Journal of Beijing University of Technology, 2024, 50(1).

[20]  何帆, 何選森, 劉潤宗, 等. 數(shù)據(jù)降維與 K-均值聚類的質(zhì)量評(píng)估[J]. 重慶理工大學(xué)學(xué)報(bào) (自然科學(xué)), 2024, 38(1): 131-141.

[21]  朱金, 付玉, 管文瑞, 等. 基于自然最近鄰的樣本擾動(dòng)三支聚類[J]. 《 山東大學(xué)學(xué)報(bào) (理學(xué)版)》, 2024, 59(5): 45-51.

[22]  Qiao S, Fan Y, Wang G, et al. Multi-sensor data fusion method based on improved evidence theory[J]. Journal of Marine Science and Engineering, 2023, 11(6): 1142.