随着液压、机械等相关学科以及计算机技术的进步,轧制过程自动化的水平近年来飞速提高。目前,轧制过程自动化技术,由于充分发挥了控制论、信息论、系统科学、计算机科学、人工智能等学科的综合优势,已经突破以往自动控制的传统观念,形成以智能化控制为核心的综合过程控制自动化新理论和新技术。轧制生产过程智能化控制的关键技术,例如智能化数据处理方法,智能化的数学模型调试工具、过程优化模型以及智能化的测量技术等都已经在生产中得到应用。
全球性竞争的加剧,对钢铁产品的质量,包括尺寸精度、力学性能和表面质量,提出了越来越高的要求。传统的轧制力计算公式已经不能适应高精度的要求,数学模型方法则是一种比较理想的方法,应用于轧制过程操作和轧机设备的设计。轧制过程的影响因素很多,如应变硬化、摩擦条件、轧辊的压扁、温度以及它们之间的相互作用等等,这使得轧制过程的模型理论分析变得十分困难复杂。目前,国际上普遍重视研发神经网络方法在轧制过程中的应用,它对于提高预报精度和生产的控制水平具有重要意义。通过建立正确的数学模型以及对工艺过程进行定性和定量的优化,为钢铁工业提供低成本的优化策略。比如,由Laurinen等人提出的基于自适应神经网络的控制模型,可以根据从生产线采集来的数据,在坯料加热时预测坯料粗轧时的温度,然后把此预测温度作为反馈值用来调整加热炉有关参数,从而较为精确地把坯料加热到预设温度,节省了加热成本,方便了后续轧制操作。经过实际测量,此模型的平均误差仅为5.6℃。又如,由Kim等人采用的混合神经网络方法,利用热轧板带厂的有关力学性能参数来对热带轧制过程建立数学模型,可以预测热轧合金板带的力学性能。他们的这种神经网络模型经过训练、验证和测试,显示出较好的预测精度。如采用双环网络模型可达到比单一神经网络模型更高的预测精度。此外,还可以将神经网络和有限元分析方法相结合,对轧制进行在线控制和优化。
我国近年来也开展了“热轧工艺的模拟和优化”、“人工智能在轧钢中的应用”等研发工作,提出连轧数模参数智能优化的思想,开发了连轧过程数学模型解析工具,使数学模型的维护与参数优化由个人行为变为计算机的智能行为,形成具有我国特色的轧制过程数模调优理论体系和实用方法。目前,国内正在开发热连轧精轧机组负荷分配智能优化技术,既可以对压下量的分配进行优化,以实现板形控制和负荷均衡的目标;也可以通过智能算法从实际生产积累的大量数据中提炼出最优的工艺参数,从而稳定和优化产品质量。