轧制节奏及产量在线跟踪

根据轧制节奏及加热炉的出钢节奏，实时预估加热炉的生产率，并根据该成产率情况进行炉温决策，使加热炉与轧机之间按匹配的节奏进行生产，保证加热炉产量的不断提高。
待轧处理模块会对计划待轧和非计划待轧提供相应的操作、控制策略，以避免钢坯过热、减少氧化，同时保证钢坯的加热要求和尽可能节约燃料。待轧控制策略是指加热炉在待轧期间内炉子的热负荷或炉温随时间的调节规律，一般包括炉子的降温、保温和升温等过程的控制。待轧策略用来按一定的规律设定加热炉的炉温，使得待轧结束时能迅速恢复正常生产，并将燃料消耗降低并防止过烧和加热质量降低。下图为待轧期间加热炉的炉温设定模式。


炉群管理：系统可同时管理多台加热炉，对多台炉子可实现自动/手动核对、装钢及出钢管理。
待轧决策：待轧对加热炉的影响：炉内钢坯温度上升；加重钢坯氧化和脱碳；影响钢坯加热质量；浪费燃料。
控制策略：待轧期间内炉子的热负荷奥炉温随时间的降温、保湿和升温等过程的的控制。

L2控制工程案例

AI自学习模型

为提高数学模型计算的精度，使模型对变化的生产条件具有自适应能力，根据实测的钢坯粗轧出口温度信息，采用递推、滤波等算法，实现模型内关键变量的自学习计算和模型修正计算，使得模型具有不断自身修正、逐步提高模型精度的能力。
1、基于轧线反馈温度的学习模型
利用中间坯在粗轧出侧的实测温度和粗轧出侧的目标温度进行比较，对钢坯的目标温度进行学习。


2、钢坯出钢节奏自学习模型
提高钢坯剩余在炉时间的计算精度，从而提高钢坯温度预报模型的精度，用实际抽出节奏和预测抽出节奏的差进行自学习。


3、基于历史记录的自学习模型
根据不同钢种对应不同产量，生成历史记录，对历史记录采用人工或者自动分析方式生成各钢种对应产量的适宜加热曲线，并作为该钢种后续加热的标准曲线，基于生产过程海量数据结合大数据处理方法对钢坯加热过程优化工艺制度进行定周期搜索，完成炉温设定值求取。

日志信息与生产报表