智能制造技术应用研究论文(推荐一篇工业自动化的论文《CPS在冶金产品质量在线管控中应用》)

徐钢北京科技大学

摘要：对于钢铁、化工等流程工业,产品在制造过程中涉及多个连续衔接的工序,每个工序都要求工艺参数的设定值和质量指标控制在确定的范围内,才能确保成品的最终质量。目前,企业对产品质量管控的主要手段是通过“事后”抽样方式来判定产品的最终品质。这种依赖于“事后”判定的方式容易出现批量的产品质量判废的问题,进而导致用户由于质量异议提出索赔和退货,中国钢铁企业每年仅质量判废和质量异议所造成的经济损失达百亿元。因此,提高产品质量稳定性是当目前钢铁企业亟待解决的关键问题。随“工业4.0”时代的来临,制造技术正逐步从自动化、数字化、网络化向智能化方向发展。作为工业4.0的重要策略—信息物理系统(信息物理融合系统,CyberPhysicalSystem,CPS),由于其具有自主判断、自主决策、自主调控的能力,将CPS和数字孪生模型应用于流程工业的智能制造引起了业内的高度关注。冶金企业经过近十年的升级改造,在信息化系统和控制技术上取得了显著进步,多数企业都配置了ERP/MES/PCS/PLC四级信息化系统、通讯网络和检测系统。但是,现有的制造系统主要针对集中式制造模式,缺乏产品质量在线管控能力,难以实现产品质量个性化定制的智能制造要求。本论文针对流程工业在产品质量管控中存在的问题,提出将产品质量的数字孪生模型嵌入到系统级和单元级CPS中,实现产品质量的在线管控、自主判断和优化控制,从而提高钢铁产品质量的稳定性。主要研究内容如下:(1)针对工业数据中通常存在高维、强相关、非线性等特点,提出基于拉普拉斯核矩阵的非线性同等缩放算法,使得高维数据在缩放成2D数据后,其内在的非线性特征保持不变。在此基础上,利用非线性同等缩放方法构建了不同钢种所对应的工艺参数在2D空间中的映射地图,以此来实现钢种的自动判级。以汽车钢实际生产数据为例,4类牌号的钢种在线判级的准确率为97%,而传统线性PCA方法在线判级的准确率仅为90%。(2)针对工业生产过程中产品质量在线动态优化准确率低的问题,提出产品质量在线监控、诊断与优化的集成方法。首先,利用基于支持向量描述的软超球体方法进行产品质量异常点的在线识别;然后,通过贡献图对工艺参数进行诊断分析;最后,利用邻近点局部投影变换方法实现异常工艺参数的实时优化。以IF钢实际工业生产数据进行验证,新方法的质量在线判定的准确率达到99%,明显优于传统的Hotelling-T2方法。(3)针对在产品质量设计和工艺规范制定中,依赖人的经验来制定的方式,易造成产品质量偏差大,提出基于数据驱动的产品质量设计和工艺规范制定方法。首先,建立基于多类邻近域主流形学习的工艺参数设定模型,提取出潜含在数据中的主流形“管道”,根据“管道”的流向和区间大小来实现系统级CPS的产品质量设计;在此基础上,建立基于软超球体最大内接矩形的工艺规范制定模型,获得在当前工艺装备能力制约下的工艺参数有效控制区间。通过IF钢的实际生产数据验证了方法的有效性。(4)针对曲线型生产数据难以准确表征,导致模型预测精度低问题,提出基于函数型数据分析的质量预测方法。首先,对随时间连续变化的离散数据点进行函数化拟合;在获得系统行为随时间变化规律的函数后,建立工艺参数与控制目标之间的预测模型。以转炉终点控制为例,利用新模型可以实现炼钢全过程的动态预测,终点碳在±0.02%误差范围内的命中率为95%,终点温度在±20℃误差范围内的命中为90%,比现有方法的命中率提高了近10%,具有广泛的工业应用前景。以上研究是国家工信部“智能制造”专项中“钢铁全流程产品质量在线管控系统”的主要研究内容,该系统已在冶金企业4条生产线中得到成功应用。