（控制理论与控制工程专业论文）用于热轧中低c钢余材充当的力学性能数学模型研究.pdf

摘要 热轧带钢力学性能预报，在冶金工业界是受全世界关注的一个研究课 题，涉及了传热学、压力加工、金属组织工程学、人工智能技术和数据挖掘等 多个学科。钢材力学性能预报系统是在现代冶金装备自动化水平不断提高的基 础上，充分结合现代信息技术最新成果的产物。现代冶金设备、钢材力学性能 预报系统与现代信息技术的完美结合将使定量、可控和柔性冶金生产成为可 能，是用高新技术改造和提升传统产业的具体的、可行的、有效的步骤，是以信 息技术集成为代表的新经济在钢铁工业中的一次伟大实践。余材充当对于解决 钢铁企业的大规模生产与用户的多品种、小批量的需求之间的矛盾，加快交货 速度，降低企业成本有着重要的意义。宝钢“用于热轧中低碳钢余材充当的力 学性能数学模型研究”项目，是一个多学科研究与实际应用紧密结合的项目。 在此项目利用大生产条件下的数据挖掘方法，在分布式模型概念的指导下，得 出了涵盖宝钢整个中低碳钢范围的力学性能预报模型。本人在其中所做的主要 工作有，针对季节因素对热轧带钢力学性能的影响，带钢厚度与碳含量的交互 作用，度量误差模型中存在交互作用时参数估计问题，交接坯成分与性能关 系，预报误差的分类及变化规律等方面，分别开展了研究工作。经过深入系统 的研究，得到以下五个方面结论： 1 在分析了大生产条件下影响带钢力学性能的各种因素后，研究了季节因 素对热轧带钢力学性能的影响：在宝钢的热轧中低碳钢中，对于抗拉强 度和屈服强度，除去工艺与成分的影响，相同出钢记号的带钢，夏季生 产的会低于冬季生产的；在不同出钢记号的带钢之间，季节对带钢各个 强度的影响基本上与其成分当量成| 下比。对于延伸率，与季节的关系不 明显； 2 根据因果性与相关性相统一的原则指导下，在不同的出钢记号中，根据 第，页 不同的碳宙量、焉处理方式、检测方式，在不同的厚度段对厚度与带钢 熬抗控强度与震鼹强度豹荚系逡孳亍磺究，得餮了在不露瑗含量霸浮度下 厚度与带铜的抗l 囊强度与屈服强度的定量关系：在相同碳食量下，随着 脬度的增加，厚度对带钢抗拉强胰与屈服强度的影响在减弱：在相同厚 度下，随着碳含爨的增加，厚度对带钢抗拉强度与屈服强度的影响在增 强。 3 。为建立具有外推燃的力学性能模挺，针对只存鼹个自变擞有交互搀用， 其中一个变量有梭测误差，且交驻作用中存在第一类间断点的度照误差 模垄中，证明了如果使用线性回朔对其避行系数估计，警且仅当在交互 传耀戈零处，对搽在捡溅谟差交爨戆系数戆最小二黍售诗豹概率辍羧存 在。 4 以预报模烈的三个应用层次为指母，研究了在已知交接坯成分时预报模 黧的外圈变纯情况。通过对交接坯成分的分析，得知与交接炉相比，交 接坯夔成分与零妒成分凳揍近；囱交接褒豹生产豹带钢，若交接矮或分 满足与本炉成分麓别限您条件，使用本炉成分谶行预报，预报效果更 好；由交接坯生产，若交接坯成分不满慰与本炉成分差别限定条件的交 接坯迸行预报时，使用奉炉成分与交接蕊成分的均值进行预报，预报效 鬃更好；接爱本炉残分送牙羲摄，该摄谖差较大瓣带镧，大部分建枣子 混钢水造成。 5 在分布式模型概念的指导下，研究了带钢预报误麓的变化规律：在一个 谢钢记号的带钢中，预报误差可以分成两类，一炭误差的方差与带钢豹 撵度恻数残委魄；勇一类误差教方差基本缳持不变。 关键词： 中低碳热载龄钢，佘材充当，力学性能预报，大生产条l 牛下数提拨掘， 分布式模型，外撩性，拳节因素，度量误差模型，交互作用，第一类间断点， 交接坯 a b s t r a c t t h ep r e d i c t i o no fh o t r o l l e ds t e e ls t r i p sm e c h a n i c a lp r o p e r t y w h i c hi sd r a wa t t e n t i o n i nw o r l d w i d em e t a l l u r g y ，c o n c e r n sh e a tt r a n s f e rt e c h n o l o g y ，s t r e s s p r o c e s s ，m e t a l m i c r o s t r u c t u r e e n g i n e e r i n g ，a r t i f i c i a li n t e l l i g e n c e ，d a t am i i l i n g t h es y s t e m o f p r e d i c t i o no fh o t - r o l l e ds t e e ls t r i p sm e c h a n i c a lp r o p e r t yi st h er e s u l to fi n t e g r a t i n g m o d e mi n f o r m a t i o nt e c h n o l o g ya n di m p r o v e m e n to fm o d e mm e t a l l u r g ye q u i p m e n t s a u t o m a t i cl e v e l t h e p e r f e c ti n t e g r a t i o no fm o d e mm e t a l l u r g ye q u i p m e n t 。t h e p r e d i c t i o no fs t e e ls t r i p sm e c h a n i c a lp r o p e r t ya n dt h em o d e mi n f o r m a t i o nt e c h n o l o g y e n a b l et h eq u a n t i t a t i v e ，c o n t r o l l a b l ea n df l e x i b l em e t a l l u r g yp r o d u c t i o nc o m et r u e i t i st h ec o n c r e t c f e a s i b l ea n de f f e c t i v es t e po f u s i n gh i g ha n dn e wt e c h n o l o g yt om o d i f y a n di m p r o v et h et r a d i t i o n a li n d u s t r y ，t h eg r e a tp r a c t i c i n go fu s i n gt h en e we c o n o m y t h a ti sr e p r e s e n t e db yi n f o r m a t i o nt e c h n o l o g yi n t e g r a t i o ni ni r o na n ds t e e li n d u s t r y 1 1 1 en o n c o m m i s s i o ns l a br e p l a c e m e n ti si m p o r t a n tf o rs o l v i n gt h ec o n t r a d i c t i o n b e t w e e nt h el a r g es c a l ep r o d u c t i o ni ni r o na n ds t e e l c o m p a n ya n dt h e u s e r s r e q u i r e m e n ti nm u l t i p l ev a r i e t i e sa n ds m a l ls c a l e ，s p e e d i n gt h ed e l i v e r y 。a n dr e d u c i n g t h ec o s to fc o m p a n y b a o s t e e l sp r o j e c t “s t a t i s t i c a lm o d do fh o t r o l l e dl o wa n d m e d i u mc a r b o ns t r i ps t e e l s m e c h a n i c a l p r o p e r t y i nn o n c o m m i s s i o n e ds l a b r e p l a c e m e n t ”i n t e g r a t e sc r o s sd i s c i p l i n es t u d ya n dp r a c t i c a la p p l i c a t i o n u s i n gt h e d a t am i n i n gm e t h o do ft 1 1 el a r g es c a l ei n d u s t r y c o n d u c t e db yd i s t r i b u t i o nm o d e l it h e a u t h o rh a ss t u d i e dt h ef o l l o w i n gp r o b l e m ：t h ee f f e c to fs e a s o nt om e c h a n i c a ip r o p e r t y o fh o t r o l l e ds t r i p i n t e r a c t i o no ft h i c k n e s so fs t r i ps t e e la n dc a r b o nc o n t e n ti ns t r i p s t e e l e s t i m a t i o no ft h ec o e f 矗t i e n to fm e a s u r e m e n te r r o rm o d e lw h o s et w oi n p u t v a r i a b l e sh a v ei n t e r a c t i o na n dt h ei n t e r a c t i o nh a sf i r s tc l a s si n t e r v a lp o i n t t h er e l a t i o n b e t w e e nc o m p o n e n to fc o n n e c t i n gs l a ba n di t s m e c h a n i c a lp r o p e r t y t h em a i n c o n c l u s i o n sa r ef o l l o w e d ： 1 a t i e ra n a l y s i st h em a n yk i n do fe f f e c to ns t e e ls t r i pm e c h a n i c a lp r o p e r t yi nl a r g e s c a l ep r o d u c t i o n ，s t u d yt h ee f f e c to fs e a s o no nm e c h a n i c a lp r o p e r t yo fh o t - r o l l e d s t e e ls t r i p ：a st ot e n s i l ei n t e n s i t ya n dy i e l di n t e n s i t yo f t h e1 0 w a n dm e d i u mc a r b o n s t e e l i nb a o s t e e l ，g e tr i do ft h ee f f e c t so ft e c h n o l o g ya n dc o m p o n e n to n m e c h a n i c a lp r o p e r t y i nt h es t r i ps t e e li ns a m es t e e l g r a t h ei n t e n s i t yo fs t r i ps t e e l p r o d u c e di ns u m m e ri sl o w e rt h a nt h a tp r o d u c e di nw i n t e r ；d u r i n gs t r i ps t e e li n d i f f e r e n ts t e e l g r a t h ei n t e n s i t yo fs t r i ps t e e lp r o d u c e di nm es a m es e a s o ni sd i r e c t p r o p o r t i o nt oi t sc o n t e n te q u i v a l e n t ；a st or a t i oo fp r o l o n g a t i o n ，s e a s o nh a sl e s s e f f e e to ni t 2 a c c o r d i n gt ot h ep r i n c i p l eo fu n i f i c a t i o no fc o r r e l a t i v i t ya n dc a u s a l i t y ，i nt h e d i f f e r e n ts t e e l g r a ，a c c o r d i n gt oc a r b o nc o n t e n t ，p r o c e s s i n gp a a e m ，t h ep a t t e r no f e x a m i n i n g i nt h ed i f f e r e n tt h i c k n e s si n t e r v a l s s t u d yt h er e l a t i o n s h i pb e t w e e nt h e t h i c k n e s sa n dt h et e n s i l el i n e n s i t y ，y i e l di n t e n s i t y ，g e tt h ef o l l o w e dc o n e l u s i o n ： w i t ht h es a m ec a r b o nc o n t e n t ，t h et h i c k n e s si n c r e a s e s ，t h et e n s i l ei n t e n s i t ya n dt h e y i e l di n t e n s i t yd e c r e a s e ；w i t ht h es a m et h i c k n e s s ，c a r b o nc o n t e n ti n c r e a s e s ，t h e t e n s i l ei n t e n s i t ya n dt h ey i e l di n t e n s i t yi n c r e a s e 3 i no r d e rt og e tt h em o d e lw h i c hc a nb ee x t r a p o l a t e d ，t e s t i f yt h a ti nm e a s u r e m e n t e r r o rm o d e l ，w h e no n l yt w oi n p u tv a r i a b l e sh a v ei n t e r a c t i o n ，a n dt h ei n t e r a c t i o n 第，p 页 h a v et l l ef i r s tc l a s si n t e r v a lp o i n t u s i n gt h el i n e a rr e g r e s s i o nm e t h o dt oe v a l u a t e t h e i rt o e f f i c i e n t ，i fa n do n l yi fa tt h ep o i n tw h e r ei n t e r a c t i o ni sn o te x i s t p r o b a b i l i t yl i m i to f t h el e a s ts q u a r ee s t i m a t i o no f t h et o e f f i c i e n te x i s t 4 c o n d u c t e db yt h r e ea p p l i c a t i o nl e v e l so fm o d e l s t u d yt h ec h a n g i n go fo u t e rc i r c l e o fm o d e li nc o n d i t i o no fk n o w i n gc o m p o n e n to fc o n n e c t i n gs l a b t h r o u g ht h e a n a l y s i so fc o m p o n e n to fc o n n e c ts l a b c o m p a r et ot h ec o m p o n e n to fc o n n e c t f u r n a c e ，t h ec o m p o n e n to fc o n n e c ts l a bi sc l o s e rt oc o m p o n e n to fi t so w nf u r n a c e ； t h es t r i ps t e e lp r o d u c e db yt h ec o n n e c ts l a b ，w h e nu s i n gt h ec o m p o n e n to f c o n n e c t s l a b 也ep r e d i c t i o nr e s u l ti sb e t t e r ；t h es t r i ps t e e lp r o d u c e db yt h ec o n n e c ts l a b i f t h ec o m p o n e n to fc o n n e c ts l a bd on o ts a r i s f yt h e1 i m i tc o n d i t i o no fd i f f e r e n c ew i t h c o m p o n e n to fi t so w nf u r n a c e w h e nu s i n gt h em e a nv a l u eo fc o m p o n e n to fi t s o w nf u r n a c ea n dt h ec o n n e c ts l a b t h ep r e d i c t i o nr e s u l ti sb e t t e r 5 c o n d u c t e db yd i s t r i b u t i o nm o d e l s t u d yt h el a wo fe r r o ro fp r e d i c t i o n i ns a m es t e e l g r a t h e p r e d i c t i o ne r r o rc a nb ed i v i d e di n t ot w op a r t s ：t h es q u a r ee r r o ro fo n ep a r ti sp r o p o r t i o no f r e c i p r o c a lo f t h i c k n e s s ；t h es q u a r ee r r o ro f t h eo t h e rp a r ti sr e l a t i v es t a b l e k e yw o r d s ：l o wa n dm e d i u mc a r b o nh o t - r o l l e ds t r i ps t e e l ，n o n c o m m i s s i o ns l a b r e p l a c e m e n t ，m e c h a n i c a lp r o p e r t yp r e d i c t i o n ，d a t am i n i n gm e t h o do fl a r g es c a l e p r o d u c t i o n d i s t r i b u t i o nm o d e l ，e x t r a p o l a t i v e ，m e a s u r e m e n te r r o rm o d e l ，i n t e r a c t i o n ， f i r s tc l a s si n t e r v a ip o i n t ，c o n n e c t i n gs l a b 第p 页 1 。1 项目背景 第一章绪论 热托带钢力学性钱鞭报，程冶金工业界是受全世界关注的一个职究课题。 它涉及传热学、压力加工、金属组织工程学、人工智能技术和数据挖掘等多个 学辩， 鼗爨嚣大溯豹致滤魏金效、我嚣静各类蘩金都对这类璎嚣送雩亍了大力鹣 支持。钢材力学性能预报系统是在现代冶金装备自动化水平不断提高的基础上， 宽分结合瑗芪傣怠技术最薪戒莱静产物。蕊代冶金设蓊、钢耪力学毪麓颈报系 统与现代信息技术的完美结合将使定擞、可控和柔性冶金生产成为可能，是用 商新技术改造和提升传统产韭的兵体的、可行的、有效酶步骤，是醣信怠技术集 成为代波的薪经济在钢铁工业中豹一次伟大实践。 自我国加入w t o 以后，中国钢铁啦面临骜来自两方面的激烈竞争：国内钢 铁企业管理水平提舟翻设备璺赫改造嚣越来越抉豹追怒步伐，国癸先避企业纛 接面对瑚的竞争。宝钢着想保持中国钢铁行业的领先位置，乃至步入世界顶级 镶铁金敬之残，簿低成零窝提凌雳户溪意度楚瓣条投零之鼹。获奉矮上诺，隧 低成本与提高用户满意度是相甄矛盾的。一个典型的例子是，作为钢铁业下游 耀户的汽车行渡和家曦行监，生产方式已经瓢藤来的大规模寇翻转交为小撬爨 多品种的生产方式，反映在合同订单上，就是规格和鼎种繁多。而钢铁行业属 于规模憔企业，批量过小明显不经济，因此设备容量嘴显都眈较大，如宝钢的 一炼钢转炉系统的公称容量3 0 0 吨。受到设备的限制，宝钢纛法实现像汽车 亍 业那样的小批激生产，而用户的需求又臼益多样化，反映在生产实际中，就形 戏了妥藩生产遮程中产生大基弱无委托媛坯，遣穆为众李孝。联溪无委托叛坯， 是指在宝钢目前按合同组织生产的条件下，由于转炉容量与台同数量无法完企 疆配繇多余豹板垤，蔽及在生产蕺调浚过程中麓了潢跫橇器躐者麓王绞寒必绥 多生产的板坯，或者由于生产出的不满足合同订单的璇量等级要求的板坯，这 些无法与具体的合同稳对应板鹱，称为无委托弦坯。 第嚣 无委托板坯的产生，突出带来了几个方面的问题： 1 减少了板坯的有效资源量。目前宝钢板坯属于不足状态，需要从外部 采购一定量的板坯，而另一方面又有相当数量的无委托板坯轧成钢卷 折价零售卖出，造成了极大的浪费。 2 增加了性能不合量。不少无委托板坯改成其它品种板坯使用时，由于 缺少系统的归纳和模型的指导，无委托板坯的性能不合量大幅增加。 3 降低了工作效率。无委托板坯的消化处理一般借助人工经验，过程中 极易出错。 基于上述原因，无委托板坯的消化处理一直是宝钢关注的重点问题之一。 将无委托板坯充当为其它品种的板坯并与具体的合同匹配，称为余材充当。目 前，宝钢的余材充当过程，首先是依据一个不同品种板坯之间的充当表，这个 充当表，分别列出了每一个品种的板坯可以充当为其它品种板坯的名称，是总 结了宝钢多年余材充当的经验后形成的。找到匹配的品种后，再根据不同合同 的优先级，最终确定充当为哪一个品种的板坯。目前这项工作可以由计算机完 成一部分无委托板坯的消化处理，但比例最高不超过2 0 ，其余的无委托板坯 还要根据人工经验来处理。为了优化余材充当的处理流程，需要建立一套板坯 使用技术专家系统，来指导无委托板坯的工作。“用于热轧中低碳钢余材充当 的力学性能数学模型”即是此专家系统的核心之一。利用这个专家系统，可以 更好地降低库存，加快交货周期，为企业节约生产成本。 在宝钢多年的生产经营中，积累了大量的各种相关数据。这些数据，为宝 钢的生产和经营提供了各个层面和不同视角的信息。数据挖掘，是在数据中获 取有效的、新颖的、有潜在应用价值和最终可理解的模式的非平凡过程 1 2 3 。宝钢的“用于热轧中低碳钢余材充当的力学性能数学模型研究”项 目，也属于这个研究领域。此项目的核心任务，即利用对宝钢的生产经营数 据，通过数据挖掘，建立起宝钢热轧带钢的力学性能与其成分、生产工艺和 检测方法之间的数学模型。是一个将热轧带钢力学性能预报的基础研究，与 余材充当的应用研究相结合的项目。 在第三代研发 4 一书中，将研发分成三种类型：改进型研发，创新 性研发和基础性研发。其中改进型研发的特点是小研究大开发，创新性研究的 特点是大研究大开发，基础性研发的特点是大研究不开发。 “用于热轧中低碳 第? 页 钢余材充当的力学性能数学模型研究”是一个创新性研发的项目，因为这个项 目一方面要进行很多基础性的研究，而另一方面，这些基础性研究都要为应用 服务，而不能只为得到一些一般的规律而大量投入，无疑属于创新性研发的类 型。因此就要求在进行项目的过程中，始终要以最终的应用来指导研究的进 行，而不能像基础性研发，以试验结果或问题来驱动研究。 1 2 项目的建模方法研究 此项目中，建模所用的数据挖掘方法，与一般意义下的数据挖掘有着很大 的不同，这是由大生产条件下的数据情况与应用要求决定的。大生产条件下的 数据挖掘，数据噪声大，分布不规律，各变量交互作用复杂，更重要的是，所 有挖掘出的知识，必须严格符合冶金机理，或者可以被生产实绩严格验证，而 不能仅仅具有一定的相关性或显著性，而且挖掘出的所有规则和知识，需要集 成在力学性能预报的模型中，并具有外推性。这样就要求每一条挖掘出的规则 或知识，都要在全体中低碳热轧带钢中综合验证和分析。因此进行数据挖掘的 人不但要对数据本身非常熟悉，还要有足够的专业知识，同时能熟练掌握相应 的数学工具。大生产条件下的数据挖掘，更强调人的综合判别与决策的作用， 而不主张算法自动地寻找规律，寻找规律的主体是人，而计算机仅仅起到辅助 作用；而其它领域的数据挖掘，对挖掘出的规则或知识的准确程度、可解释性 以及可验证性，并不十分严格，因此挖掘任务大部分可以让计算机自动去完 成，而人的工作主要限定在算法选择、参数调整、结果验证方面。 目前在世界范围内，真正投入实际生产在线运行的性能预报软件，有奥钢 联开发的热连轧组织性能预报系统v a i q s t r i p ( 原来的名字为计算机辅助质量 控制即c a q c ) 5 ，话门子开发的m i c r o s t r u c t u r e m o n i t o r 系统 6 ，和北美1 4 家钢铁企业( 简称美钢联) 联合开发的板材热连轧过程模拟软件( a i s i h s i 哪i ) 7 8 。三者都是先用物理冶金模型对轧制工艺和与之相关的微观组织结 构变化进行描述，再使用合适的建模方法来得到微观组织结构以及化学成分与 力学性能之间的关系模型。不同之处在于，奥钢联和美钢联使用了线性回归方 法，西门子使用了人工神经网络方法。他们采用的技术路线，都是先根据工 艺，计算得到带钢的组织，再根据带钢的组织及化学成分得到带钢的力学性 第j 页 能。以上三套系统，在宝钢的现实条件下，应用起来都有局限性。其原因归结 起来，主要有以下三点：条件不具备，对生产过程的认识程度不同，方法不适 合。 所谓条件不具备，是指宝钢还没有建立起适合宝钢实际的轧制工艺和与之 相关的微观组织结构变化的物理冶金模型，因此至少在目前，还不能走“工艺一 组织+ 化学成分一 力学性能”的技术路线。因此在“用于热轧中低碳钢余材充 当的力学性能数学模型研究”这个项目的研究，是以冶金机理为指导，以生产 实绩为依托，针对生产过程的具体条件和具体应用目标而展开，因此它不是 解决设计过程的问题而是解决生产过程的问题：不是研制新钢种开发的工 具，丽是研制控制和优化生产过程的工具；分析的重点不是性能分布的宏观 因果关系，而是性能波动的具体原因。所以，本项目的工作重点之一，就是定 量地、系统地分析带钢性能波动的原因。换句话说，我们采用了“冶金机理+ 现场实绩+ 统计”的方法来建立预报模型。 所谓对生产过程的认识程度不同，是指如果不透彻地研究生产过程就应用 生产数据建模，会造成模型的不合理。与国外研究者不同，在“用于热轧中低 碳钢余材充当的力学性能数学模型研究”这个项目中，对大生产检验和检测过 程进行了全面细致的研究，研究范围涉及从炼钢开始到取样测试结束的整个 热轧带钢生产环节。比如我们研究了带钢在热轧卷曲后环境温度以及检测手段 对带钢力学性能的影响，研究了交接坯的成分和生产交接坯的转炉钢水成分的 差别以及在不同检测条件下进行预报时预报误差的差别，而在奥钢联、美钢联 和西门子的预报模型中，都没有考虑这些环节对带钢性能的影响。总之，本项 目的研究工作更加深入地结合了生产实际。 所谓方法不适合，是指每一种建模方法都有其本身的适用范围，建模方法 要与科研目标一致。除了西门子的m i c r o s t r u c t u r em o n i t o r 系统，国内外还有 其它一些使用人工神经网络方法来建立带钢力学性能预报模型的文献报道 9 1 0 1 1 1 2 。从本项目立项之初，我们就一直强调，预报模型是要可理解 和可验证和可外推的，但人工神经网络的方法显然不符合我们的要求，所以我 们最终选定了使用统计的方法来建模。但是，统计方法也有其固有的缺点，如 果不加限制地使用，往往会得出不同、甚至矛盾的结论，前人利用大生产数据 建立的很多统计模型也证明了这一点 1 3 1 4 1 5 。客观世界只有一个，这种 第f 页 现象反映了统计方法作为一f j 按术对解决性能预报问题怒不成熟的。正因为如 此，统计模型难以直接用予热轧带钢性能在线控制或管理。 十九饿纪的英国政治家荻斯累利曾缎说，谎亩划分为三类：谎言、弥天大 谯秘统计举。熬确，绫诗学掌霉整寒一些瓤是蠢棼蕊缝论，霞戴建褒众多各不 相同的预报模型也就不奇怪了。出现这种现象的原因是统计学无法区分拥关性 帮因莱整。绣疆戮采性，零矮上瞧就是秘令变量之淹熬妊然联系，院鲡磺与锈 的强度之间存在蓑因果性的必然联系。统计意义下的相关性很可能是两个变量 之间的偶然联系。在多交爨分祈酾时候，这稀现象尤其突疆。 需要提如的遐：相关性对建模也有好的方厦。比如，带钢厚度与性能之间 本来没有什么必然联系。但对予热轧带钢来说，带钢厚度与压下分配、压下 魄、压下速度、冷却速度之闻鳇攘关性穰当强。除j 采鼹特殊生产工艺，这穗 相关性总是可以保持的。所以，对热轧带钢来说厚度与性能之间存在必然联 系。 从哲学观点糟，偶然性和必然性与范围有关，不是绝对的。一个范围内的 螫然联系，在雯热广泛豹菠鬣内可麓裁怒稻然联系；蔼撼偶然联系限定在一定 范围之内，可以变成必然联系。真理跨出一步就是谬误，而把谬误限制在特定 范围之内就可能交成真理。而统计模型之所以应用极广，本质上就是它能利用 特殊条件下的必然联系。 这晕需要强调的是，即使保证了因果性和相关性的统一，一般的统计方法 建镤爨不艇保 芷瓤建立模型鲍终擐性。摸型应吴蠢外接链是由余毒考竞当豹应磺 需求决定的。在余材充当时，余材与被充当的板坯，成分存在差异，因此模型 一定要奁龛俸孛低磺镪熬城分范强痰吴裔乡 接瞧，瑟不怒仅对予菜一个疆镶记 号有效。又因为不同的出钢记号生产的带钢规格范围差别很大，因此在预报模 型中的工蕊参数变鬟的变纯范强谗要涵藏宝钢中低碳钢的全部酌生产蕊裕和工 艺加工温废范围。换句话说，模型的外搬性是由建模的数据与应用模型的数据 的不一致所决定的。这里所说的出钢记弩，是宝钢为了便于生产管理和产品开 发，根据零钢中不同的台众元素憋食量，憋喾钢分为不问躲出钢记号。 为了使模型舆有外推性，决定了本项目所采用的建模方法与其它力学性能 犊缀模型瓣建禳方法夔不裁，瑟不韪饺矮误差戆大夺来谬绥模甏熬优劣因为 误差最小的模型，则未必是最合理的模型。这一方面是因为，程自变量存在检 第5 页 测误差时，利用最小二乘法得到的参数估计是有偏的。对于余材充当来讲，建 模的目的就是为了不同的成分和生产工艺条件下使用。如果这些参数一旦改 变，生产过程也就改变了，数据的分布也就改变了。这个时候我们可能更多需 要的是模型的外推性，对无偏性的要求就是比较强的了。如果在数据挖掘的时 候使用有偏估计，分析结果会出现一些似是而非的结论，结论的可信度就会受 到影响，进而影响模型的使用：另一方面是因为，当存在几个自变量的相关性 很强的情况，或者数据的分布不合理，利用误差最小所得到的模型往往存在 “错错得对”的现象，因此其描述的变化趋势，在全局范围内未必是合理的。 由于误差不能作为唯一的衡量指标，我们就必须考虑其他评判模型的手段，特别 是用领域知识和冶金机理，以及相关的研究成果和特殊处理手段，对统计结果 进行综合分析，获取合理的参数，保证其外推性。 “用于热轧中低碳钢余材充当的力学性能数学模型研究”项目中的一个重 要成果是提出了怎样进行统计研究才能保证统计结果合理以及如何进行研究 才能得到实用的模型。更具体地说，通过对大生产数据的噪声处理，因果性与 相关性相统一的确定，冶金机理与领域知识的验证，相关变量影响的消除，对 数据含检测误差且交互作用中存在第一类间断点的特殊处理，将误差分类并进 行定量分析，分析数据质量再确定使用方式等等一系列方法，使得在大生产条 件下的统计建模成为可能并可以实际应用。 综上所述，“用于热轧中低碳钢余材充当的力学性能数学模型研究”针对 宝钢具体实际，系统化、量化地分析了从炼钢开始直到试样测试各个环节对性 能波动产生的影响，以及各个环节的检测和测量对模型误差所产生的影响。系 统化地搞清了成分，厚度和卷取温度以及它们的交互作用对力学性能所产生的 影响，定量地分析了精整过程、取样过程及标准、季节等对性能的影响，系统 地研究了热轧带钢误差分析的基本方法，探索出了一条工业过程数据挖掘成功 应用的路子。 1 3 项目的模型研究 “用于热轧中低碳钢余材充当的力学性能数学模型研究”项目在模型研究 中也做了很多创新。其中之一是根据最终的应用需求，提出了分布式模型的概 第d 页 念。分布式模型就是预报性能概率分布的模型。其基本原理是：在一定条件 下，模型预报的误差分布反映的是性能本身的分布。如果能够对具体带钢给出 预报值又能同时估计预报误差的范围，那么本质上就是预报了实际值的概率分 布。所以把这样的模型称为分布式模型。 利用分布式模型，可以使得模型的最终用户更加全面合理地了解带钢的力 学性能，方便其更好地对带钢的最终用途进行决策。 在此基础上，按照预报的实际流程又提出了预报模型的三个层次，即外 圈、中圈、内圈的概念。第一个层次是预报模型外圈，是指预报模型的适用条 件。第二个层次是预报模型的中圈，是分析预报模型的误差分布，第三个层次 是预报模型的内圈，给出预报结果。分析数据质量，将模型无法预报的外来 坯、混钢水板坯，以及在加工过程中发生严重异常的其它带钢，比如焖炉、卷 曲温度超标等带钢除去，是预报模型外圈的典型应用。根据已知的同炉一条带 钢的检验结果，使用最大似然估计方法来提高对其余带钢的预报精度，是模型 中圈的典型应用。给出带钢力学性能的均值，是模型内圈的唯一功能，也是预 报模型最重要的功能。 1 4 本人的主要工作 在这个项目中，笔者在郭朝晖首席研究员的悉心指导与王洪水专家的热心 关怀下，与苏异才、陈立新、夏瑛等同志通力合作，利用分布式模型的概念和 大生产条件下的数据挖掘方法，共同完成了中低碳钢力学性能预报模型的建 立，并部分完成了合金钢力学性能预报模型的建立，为进一步上线应用与深入 研究打下了基础。本人在其中主要承担了以下的工作：在建立外推性模型方 面，研究了季节因素对力学性能的影响，力学性能中厚度与碳的交互作用关 系，交互作用中存在第一类间断点的度量误差模型参数估计问题：在不同条件 下模型的外圈变化方面，研究了交接坯成分与力学性能的关系；在分布式模型 的应用中，研究了热轧带钢力学性能预报误差的不同来源及其变化规律。其中 季节因素对力学性能的影响研究中，在分析了大生产条件下影响带钢力学性能 的各种因素后，首次总结出了季节因素对力学性能的影响规律；在力学性能中 厚度与碳的交互作用关系研究中，在因果性与相关性相统一的原则指导下，首 第，而 次总结出力学性能中厚度与碳的交互作嗣的变纯规律：为建立具有外推性的力 学性能模型，在一类交互l 乍用存农第一类间叛点的度量误差模型参数估计问题 中，证明了这类问题线性回归模烈系数估计存在概率极限的条件；在交接坯成 分与蛙憝关系夔萋嚣突等方覆豹磅突中，滋臻擐模囊的三个应用艨次失擐母，研 究了在已知交接坯成分时预报模型的外圈变化情况，首次分析得出了交接坯的 袋分分布蕊律，戳及交接坯成分与奁其生产静热魏謦镪拣力学羧戆羲豢误差之 间的关系；在热轧带钢力学性能预报误麓分析的研究中，应用分布式模型概 念，研究了带钢预报误差静豹不阕来源及箕交讫规律。 在项目研究过程中，所有的研究都熙在s a s 软件上完成的。这个软件提供 了强大的数据访闯、数据存储及管理、数据分析、图形处理等功能，满足了本 矮曩进霉亍模型硬究的各秘鼹求 1 6 】 1 7 1 8 1 9 】。 1 。5 。本文的主要安排 在下疆麴掇爨中，本文戆安瓣如下：第二章是季节因素与热轧带锻力学蛙 能关系研究，第三章是熟轧带钢厚度与两种力学性能的关系研究，第四章是一 类交互 擘溺存在薅一类阉辑纛静发垂误蓑模型参数绩诗蠲遂，第五章是交接坯 成分与性能关系的研究，第六章热轧带钢力学性能预报误差及冀方差分析，第 七章是结论。 在本文以下的论述中，用y s 代表抗拉强度，y s 2 代表屈服强度，e l 代表 延伸率，c t 代表带钢平均卷曲温度，t h 代表厚度，b t h 表示厚度的倒数。c ， 撇，s i ，p ，s 分别l 弋表碳、锰、穗、磷、硫的含爨。 茅8 簧 第二章季节因素与热轧带钢力学性能关系 2 1 。前言 研究 在带钢生产过程中，当其经过精轧和层流冷却后卷曲为钢卷时其温度依旧 高达6 0 0 8 0 0 。此时，环境温度的不同将影响其冷却过程，进而影响其组 织结构和力学性能。而季节又是影响环境温度的一个主要因素。而在两门子、 奥钢联和美钢联的力学性能预报模型中，都没有考虑卷曲之后影响带钢力学性 能变化的各种因素。这种差别，本质上讲是实验室条件下的科研与大工业生产 条件的科研的差别所决定的。在实验室条件p 进行的科研，其获取的数据部是 尽可能排除各种干扰的情况下获得，它的目的是考察研究者所关心的那些因素 对试验结果的影响。而大生产条件下的科研，是要把生产现场所有剐试验结果 产生重要影响的囚素都找出来并加以定性或定量刻画。因此在实验室条件下 获得的力学性能预报模型，不大可能会发现季节因素对带钢力学性能的影响， 而宝钢的这种针对具体实际，系统化、量化地分析从炼钢开始直到试样测试 各个环节对性能波动产生的影响，以及各个环节的检测和测量对模型误差所 产生的影响的方法，才有可能在这方面进行研究并取得成果。目前，国内外都 没有关于季节与带钢力学性能的关系的研究报道。 在各种考察季节影响的方法中，x 1 1 法 2 0 是美国普查局于1 9 6 5 年1 0 月 发布的一种精细的季节调整法。此后提出的a e i m a 调整法f 2 1 ，则是把x ii 法 与时间序列的a r i m a 模型结合起来，以克服移动平均法的缺点，并解决时间序 列两端欠值项的补值问题e 2 2 。但是这种方法要求数据集至少包含四年以上的 数据，而宝钢目前的数据不能满足这个要求。因此最终采用了多元线性回归方 法来拟和季节因素对带钢力学性能的影响。 法来拟和季节因素对带钢力学性能的影响。 。； 直接分析性能和季节的关系会带来很大的误差。其中最重簧的于抗就是厚 度。因为躁度往往是与用户合同对应的，因此往往是成批的。这对分析季节因 素是一个很大的系统性干扰。所以在分柝的时候一定要手巴厚度的因素除去。此 终，湿度秘成分熬影蝻，瞧要除去，然矮在残差中分掇攀苓与瞧缝豹关系。在 这里，扣除其它因素其实也需要个模型，这个过程是搿会带来更大的误差? 冀实惑这个模燮鹣要求不楚缀高，只要青一定静精度藏霹馥了。铡懿菜个因素 对强度有1 兆帕的影响，如果模犁对其影响的估计在【o ，2 】兆帕之间，扣除起影 响带来的好处就大于不招除。 在本章的第二、三、四节，分别阐述季节与抗拉强度、屈服强度和延伸率 程不同的出钢记母中的关系。在第五节，分析了不同出钢记号之间季节因素对 带钢力学瞧熊影响戆关系。第六节是结论。 2 。2 。季节与摅拉强度的关系 考察攀萤与带镪获挝强度的关系， 的不同对带钢的抗拉强度的影响除去。 磷究。 2 。2 。1a 出钢记号翦带钢 旋该先将因戈成分、厚度默及卷藏漫度 下面就区分不同的出钢记号，分别进行 霹予抗拉强溲，先麓公式( 2 。1 ) 来除去由戒分、厚度及卷菡澈菠静不闲弓| 莛 的抗拉强度的差别： n y s = y s k ：c k 2 m n k ，s i k ；p - k 5 s + k 6 c t + k ，t h( 2 1 ) 其中k ，k 。，k k bk bk “k ，为板搬不同出镪记号选定的裳数。 将一年中的日期用d a y 表示，然后将( 2 1 ) 式中的n y s 与d a y 的函数做多元线 鳇阐魍，簿至i j n y s 的预测德p n y s 。霉将p n y s 与d a y 傲敖点强，