項目圍繞影響盤條鋼質量的共性技術難題，分析盤條鋼制造過程影響質量的技術瓶頸，針對這些技術瓶頸，通過智能化水冷控制系統研究，解決軋線溫度波動范圍大的難題；通過智能化裝墊片機器人集成系統研究，解決打包線常因出現劃痕、勒傷的難題；通過方坯表面缺陷智能化檢測系統研究，解決人工檢測表面缺陷漏檢難題。基于以上研發技術，在福建三鋼閩光股份有限公司進行產業化推廣，以解決上述共性關鍵技術為突破口，為推動我國鋼鐵制造業的技術提升做出貢獻。
一 研究內容
1 智能化水冷控制系統研究
（1）優質盤條鋼水冷工藝模擬仿真
為了匹配軋件的不同品種盤條、控冷設備的利用率和控冷的工藝參數三方之間的最佳組合關系，本項目通過研究分析不同型號線材的冷卻過程，建立線材控冷的溫度場模型并對影響線材溫度場變化的各種控制冷卻工藝參數進行了優化設計。采用有限元法對線材穿水冷卻的整個溫度場變化過程進行了數學建模，通過ANSYS軟件對模型進行仿真求解；運用正交試驗(DOE)的方法對各個控冷工藝參數進行了主次分析，優化不同盤條最佳水冷工藝組合。
（2）優質盤條鋼水冷控制系統的自適應溫度控制研究
針對盤條鋼生產線水冷實際控制系統中存在的溫度控制精度波動范圍大的問題，提出一種具有學習自適應性且能逼近任意復雜函數的前饋多層感知器，構建基于前饋網絡水冷控制系統的優化模型。通過大量采樣水冷控制系統的輸入輸出數據，在數據特征分析與預處理的基礎上建立訓練樣本集，以盤條鋼水冷系統的溫度控制環節為對象，以周線水冷系統的入口溫度作為輸入，精軋機出口溫度作為輸出，構建水冷系統的溫度輸入輸出神經網絡模型，以期實現水冷控制系統的自適應溫度控制。
（3）優質盤條鋼智能化水冷控制系統軟硬件設計
構建水冷過程智能感知系統，設計水冷控制軟件系統，利用網絡探測器有效地截取基于協議的網絡信息，獲取并記錄與水冷控制系統智能感知的相關的數據，并利用分析器進行分析，然后經由處理器處理后產生指令，實現水冷控制優化。
2 智能化裝墊片機器人集成系統研究
為了解決因打捆線擠壓造成盤條壓痕、擦傷、勒傷等缺陷。本項目通過在現有打捆機上加裝智能化裝墊片機器人集成系統，而后在盤條上快速智能加墊片的形式完成。
（1）智能化裝墊片機器人集成系統設計難點
1）墊片精準放置到動態指定位置難；
2）現場環境差，振動劇烈，機器人路徑軌跡規劃難；
3）在現有打捆機上加裝放置系統，空間狹小，設備結構設計難。
（2）研究內容
1）機器人精準定位技術研究。
針對墊片難以精準放置到動態指定位置的問題，本項目構建基于注意力學習算法的機器人移動增強模型，該模型在視覺目標追蹤過程中，借助視頻幀間注意力和圖像幀內注意力，充分挖掘潛在關鍵信息并實現視覺表達的選擇性增強，從而分析出動態指定位置與墊片的匹配誤差，自動補償實現中心線精準定位。
2）機器人路徑智能補償技術研究。
為了解決震動劇烈機器人路徑軌跡難規劃問題。本項目研發基于Laplacian位面法控制策略，以期獲得多個抖動視頻的運動估計向量作為運動補償對象,實現柔性墊層材料拾取、運送、放置路徑精準規劃。
3）智能化裝墊片機器人集成系統結構優化
針對設備結構設計難的問題，本項目基于現有盤條打捆機空間結構，優化機器人的分布方案，設計專門存儲、輸送柔性墊層材料的機構，創新傳輸機構。
3 盤條鋼方坯表面缺陷智能化在線檢測系統研究
熱軋盤條產生表面缺陷的原因很多，但絕大部分都是在方坯軋制過程中直接產生的，常隨機大量出現盤條局部粗糙不平，呈多層或如夾雜類的鐵皮等缺陷。因此需要對方坯表面缺陷進行控制。傳統盤條的表面缺陷由人工檢測，檢測慢，漏檢嚴重，因此本項目提出對盤條方坯表面缺陷智能化在線檢測系統進行研究。
（1）基于深度卷積神經網絡高精度盤條方坯表面缺陷診斷研究
針對盤條方坯生產過程極易出現表面裂紋、表面夾雜、氧化鐵皮壓入、疤/坑等表面質量問題，以機器視覺技術為基礎，研究非接觸式、在線檢測方法，開發基于CPU+GPU異構智能缺陷檢測算法平臺，采用深度學習卷積神經網絡方法，建立基于深度卷積神經網絡高精度盤條方坯表面缺陷診斷模型，實現缺陷智能檢測平臺自學習，提高在線檢測各種表面缺陷類型的精準率。
（2）基于層次分析法的盤條方坯表面質量評估與控制研究
通過盤條方坯表面缺陷的智能在線檢測，根據盤條方坯表面缺陷類型、形成原因、分布等，建立基于層次分析法的盤條方坯表面缺陷類型的層級結構模型，構造成對比較矩陣，計算表面缺陷的單特征排序權向量和總排序權向量，進行一致性檢測，實現盤條方坯表面質量分級評估。研發基于生產管理系統和層次分析法的盤條方坯質量自適應控制技術，將檢測的缺陷數據實時導入MES生產管理系統，采用AHP層次分析法和深度學習，形成檢測缺陷數據集模型和決策結果，實現盤條方坯生產過程自適應剪切和生產工藝優化，自適應控制盤條方坯表面質量。
（3）基于長短期記憶網絡的盤條方坯表面周期性缺陷識別研究
考慮到周期性缺陷對生產質量的影響極大，提出盤條方坯表面缺陷長短期記憶網絡算法（LSTM），建立基于長短期記憶網絡的盤條方坯綱表面周期性缺陷識別模型，采用誤差反向傳播優化更新網絡參數，構建盤條方坯周期性表面缺陷模型的訓練模型，實現盤條方坯周期性缺陷追蹤及預警，有效識別輥印、劃傷、麻點等周期性缺陷。開發基于長短期記憶網絡的盤條方坯表面周期性缺陷識別系統，設計盤條方坯表面周期性缺陷診斷和鋼號軟件系統，盤條方坯表面圖像數據和鋼號實時自動輸入該軟件系統，實現盤條方坯表面周期性缺陷的精準在線識別和溯源。
二 重點解決的關鍵技術
1 水冷控制系統的智能化優化
提出一種具有學習自適應性且能逼近任意復雜函數的前饋多層感知器，通過大量采樣水冷控制系統的輸入輸出數據，在數據特征分析與預處理的基礎上建立訓練樣本集，以盤條鋼水冷系統的溫度控制環節為對象，以周線水冷系統的入口溫度作為輸入，精軋機出口溫度作為輸出，構建水冷系統的溫度輸入輸出神經網絡模型。
2 表面缺陷診斷與識別機理
從表面裂紋、表面夾雜、氧化鐵皮壓入、疤/坑等方面評價盤條方坯鋼軋制質量，基于機器視覺技術構建異構智能缺陷檢測算法模型，采用深度學習卷積神經網絡方法，建立高精度盤條方坯鋼表面缺陷診斷模型，考慮到周期性缺陷對生產質量的影響極大，建立基于長短期記憶網絡的盤條方坯綱表面周期性缺陷識別模型，實現缺陷智能檢測系統自學習和生產工藝優化，確保在線檢測盤條方坯鋼表面缺陷的精準率。
3 智能化裝墊片機器人智能定位與結構優化
依據現場空間要求對專用工業機器人的不同路徑規劃及其控制；機器人末端拾取執行機構的設計與控制；緩沖墊層主用、備用儲料機構的設計與協調控制；機器視覺技術對于兩套系統各自動作到位情況的指引與監控，并確認墊層材料數量、吸附可靠性、按照指定位姿粘貼情況、停留于目標位置可靠性等信息。
三 項目的創新點
1 水冷控制系統的智能化優化。提出一種具有學習自適應性且能逼近任意復雜函數的前饋多層感知器，通過大量采樣水冷控制系統的輸入輸出數據，在數據特征分析與預處理的基礎上建立訓練樣本集，構建水冷系統溫度輸入輸出神經網絡模型。
2 盤條方坯表面缺陷診斷與識別理論。提出基于深度卷積神經網絡高精度盤條方坯鋼表面缺陷診斷方法，研究基于機器視覺技術非接觸式、在線檢測異構智能缺陷檢測算法，建立基于長短期記憶網絡的盤條方坯綱表面周期性缺陷識別模型，進而構建缺陷智能檢測的理論體系，確保在線檢測盤條方坯鋼表面缺陷的精準率。
3 工業機器人的不同路徑規劃及精準定位。機器人末端拾取執行機構的設計與控制；緩沖墊層主用、備用儲料機構的設計與協調控制；機器視覺技術對于兩套系統各自動作到位情況的指引與監控，并確認墊層材料數量、吸附可靠性、按照指定位姿粘貼情況、停留于目標位置可靠性等信息。
該項目與福建三鋼閩光股份有限公司“優質盤條智能制造關鍵技術”項目對接。
評論
全部評論