宝山钢铁股份有限公司研究院   郭朝晖、王巍、 、苏异才、张群亮、夏瑛、张丕军 

    摘要：经过了几十年的发展，热轧带钢力学性能预报技术仍然存在不少问题。本文对问题的本质进行了深入分析，并结合宝钢的实际条件给出了解决思路，建立了全局通用型热轧带钢力学性能预报模型（Glosp)。全局通用型模型覆盖了80%以上的钢种，完全具备了大规模推广应用的条件。

    关键词：热轧带钢；力学性能预报；模型 

    1 前言

    钢材性能预报就是利用数学模型预测钢材组织演变和最终的力学性能。钢铁研究总院院长干勇院士认为：钢材组织性能预报系统的离线和在线应用是世界钢铁工业昨天的梦想、今天的努力和明天的现实, 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[1]。

    这一想法最初由Irvine 和Pickering在20世纪50年代提出[2-3]。此后，世界上许多国家政府、国际组织、科研院校和企业都相继开展了大量研究。其中，英国Sheffield大学的Sellars[4]和加拿大McGill大学的Jonas[5]等人在性能预报的基础研究方面做出了开创性贡献。上世纪90年代，在美国能源部和美国国家钢铁局的巨额资助和主持下, 加拿大不列颠哥伦比亚大学冶金过程工程中心和美国国家标准局以及北美14家大型钢铁企业共同开发了一套板材热连轧的过程模拟软件(HSMM)。西门子和澳钢联也分别推出了VAI-Qst rip[6]和BM_MM。在国内，钢铁研究总院、中科院金属所、东北大学、北京科大等在性能预报应用方面也进行过有益的探索[1]。

    尽管如此，该技术在实际应用中仍存在很多问题，应用效果和取得的效益并不理想。事实上，造成这种现象的客观原因在于模型精度不能满足具体的应用要求，主观原因是用户对模型的可靠性持有怀疑态度，根本原因还是在于多数模型技术本身的不成熟[7]。本文从实际应用角度出发，剖析了该项技术所面临的各种问题，并给出了解决思路与对策，成功研制出全局通用型热轧带钢力学性能预报模型(GlOSP)。其中，全局通用是指同一个模型能用于特定成份和工艺范围内的所有钢种。全局通用型模型可以用来预报从未生产过的产品、可用于从未采用过的工艺制度。

    下面介绍了宝钢性能预报模型技术的优势与特点，以及在应用方面的工作与思考。

    2 常见问题及创新思路

    长期以来，性能预报技术在世界范围内备受关注，然而却未因此而走向成熟，本质上是没有解决好用户需求和现实条件之间的矛盾。

    成功的新技术必须能更好地满足用户需求。同样，性能预报模型必须在精度、应用范围等方面超越经验公式。然而，笔者却在实践过程中发现，模型精度存在一个难以超越的极限，而好的经验公式却能接近这一极限。数据分析结果表明：成分、工艺参数、性能测试等环节误差所导致的预报误差，往往接近经验模型预报误差。换言之，如果针对特定钢种建立的模型，检测误差大体决定了模型精度的上限。可见，数据质量差是性能预报模型技术多年来难以取得突破的本质原因。

    事实上，能够取得突破的地方在模型的适用范围，而适用范围对实用性的影响很大。例如：如果模型仅仅针对特定钢种，可取得较高的平均精度。但是，设计新钢种时无模型可用；优化工艺和成分时，发现在模型精度急剧下降；判断带钢是否合格时，发现对合格品预报精度高，不合格品预报精度低。所以，要达到实用性的目标，需要在材料学规律的基础上，建立跨钢种、跨工艺、跨产线的通用的性能预报模型。

    建立通用的力学性能预报模型是人们长期以来的梦想，只是由于难度太大，多数研究工作只针对特定钢种展开。一般来说，长期得不到解决的难题，往往是解决条件尚不齐备。但是，随着新技术的不断发展，条件也在不断发生变化。近年来，计算机技术和数据存储技术突飞猛进，使得海量生产数据的记录与存储变成了现实。以宝钢为例，经过10多年的积累，适合模型研究的数据就多达40多万条，这就为性能预报技术的突破奠定了条件。当然，在此基础上，不仅需要从一个崭新的角度认识冶金机理，还要在数据处理分析技术上采用一套全新的思路。

    宝钢自1998年起耗时12年，最终研制成功全局通用型热轧带钢力学性能模型。其基本思路是：将力学性能模型分解成若干子模型。在所涉及的钢种中，各个子模型采用相同的计算方法，这就体现了模型的全局性。

    3 宝钢模型介绍

    如无特殊说明，下面的分析结果均基于2000~2009年的宝钢2050产线的实际生产数据所得。

    3.1 模型预报的范围和比例

    （1）模型预报的范围包含了普通CMn钢、耐候钢、IF钢、析出强化钢等四个类型。在671个钢种中，可保证预报精度或具高参考价值的钢种581个，占86.6%。不能保证预报精度的钢种90个，占13.6%。 另外，在不能保证预报精度的钢种中，有大约2/3实际上仍然取得了较高的预报精度，只是无法事先判断能否准确预报。

    （2）排除关键数据不完整、明显出错数据共计337608条。其中，可保证预报精度或具高参考价值的带钢303702条，占89.95%；不能保证预报精度的33906条，占10.05%。

    3.2模型偏差

    受模型输入数据误差和随机不可见因素的影响，特定带钢的预报误差并不能代表模型本身真实的误差。要衡量模型真实的误差，可针对特定钢种，分别计算预报值和实际值的平均值。当取样量足够大时，两个平均值之间的差异可以代表模型本身精度，称为模型偏差。

                  

                   图1 抗拉强度预报值与实际值            图2 屈服强度预报值与实际值 

    图1、图2分别为2050产线自2005年至今，抗拉和屈服强度的检测和预报平均值之间的关系。

    3.3针对特定带钢的预报误差

    在宝钢2050产线上，抗拉强度和屈服强度误差的标准差分别是17.5MPa和21.3MPa。预报误差分布如下。需要强调的是：受随机不可见因素及输入数据误差的影响，即便模型正确，预报误差也不可能彻底消除。

                

                          图3 抗拉强度误差分布               图4 屈服强度误差分布 

    表1为2050产线典型钢种的预报偏差和误差标准差的对比情况(单位MPa)。

     表1典型钢种的预报偏差和误差

   

    表2为2050产线不同强度级别预报误差和偏差的分布(单位：MPa)。

    表2不同强度级别的预报偏差和误差

   

    3.4 预报误差的均匀性

    多数模型的精度与建模样本的密集程度有关：样本多时误差小，样本少时误差大。这样的模型难以用于钢种的设计和优化。全局型通用型模型则完全不存在这种问题。

    （1）对小样本钢种的预报

    容易理解，小样本钢种的预报效果与新钢种设计的预报效果大体相当。笔者选取了24个只有一个样本的钢种，对应预报结果如图5、图6所示。

                

                   图5 抗拉强度预报值与实际值 图6 屈服强度预报值与实际值 

    在这24个样本中，标准差分别为16.7MPa和19.1MPa。由此可见，模型对小样本钢种的预报误差与平均误差大体相同。

    （2）对不合格样本的预报

    表3 针对复检不合格样本的预报结果

   

    表4 针对预报不合格样本的检测结果

   

    注1：检测或预报结果与强度上下限距离20MPa以内时，就可以判断为近似不合格。这是因为对于性能不合的带钢，同一位置两次取样平均相差20MPa以上。

    注2：为减少随机因素造成的判废损失，企业规定将两次测试不合的带钢能判定为不合格。

    3.5 产线适用性

    宝钢有3条热轧产线，在建立性能预报模型时，使用了2050热轧产线的数据。但稍加修订，模型就能用于其它产线：

                   

                        图7 1880抗拉强度预报值与实际值 图8 1880屈服强度预报值与实际值 

                

                    图9 1580抗拉强度预报值与实际值 图10 1580屈服强度预报值与实际值 

    4 模型应用的思考及实现

    4.1 模型功能与作用

    （1）辅助新钢种开发。对100吨的冶炼炉来说，一次试验失败的损失一般不少于10万元。采用性能预报技术，有望降低试验炉的用量，进而降低试验费用、缩短研制周期、提高新产品开发的能力。对新建产线来说，意义更大。

    （2）支撑柔性制造技术。为满足合同需要，板坯产量肯定大于合同的订货量。剩余材料过多会增加库存，迫使企业将产品“以优充劣”。与国外先进企业相比，国内企业常常要多生产10%的板坯才能满足合同要求。按每吨减少300元利润计算，百万吨级的企业每年净损失数千万元。性能预报技术可提高不同材料之间互用充当的比例，减少不必要的库存和降级。

    （3）实施性能动态控制。热轧带钢力学性能不合的发生率大约在0.2%~0.4%，并主要集中在高端产品上。按每吨损失2000元计算，200万吨的热轧线每年损失上千万元。性能预报技术可通过对工艺参数动态优化，实时对L2过程控制模型目标值在线调整，从而减少不合格产品。

    （4）推动技术降本。为保证合格率，企业往往需要在合金和工艺上花费较高成本。利用性能预报技术，可以计算产线的合金含量与性能的关系，减少合金投入量，这类合金优化往往可降低20~1000元的吨钢成本。另外，模型还可用于减少带钢的取样量，降低取样成本、加快物流周期。

    4.2 带钢实例研究

    抗拉或屈服强度低于目标下限是力学性能不合格的主要原因之一。以下笔者选取了4条具有代表性的带钢，说明如何应用性能预报模型解决实际问题。

    表5 预报不合格样本的处理方式

   

    4.3 实际应用情况

    （1）减少带钢取样频率。根据宝钢HFW产线的粗略统计，使用性能预报模型后，取样量较之前下降了约69%，交货期提前了1天时间。

    （2）板坯余材动态充当。2006年7月以来，每年完成两万多吨板坯余材的动态充当，按设计工艺参数生产出来的最终产品质量100%符合用户的要求，每年带来400多万的直接经济效益。

    （3）钢种优化。用性能预报模型优化某钢种成分，避开包晶区域，提高了板坯的无缺陷率。

    5 结论

    热轧带钢力学性能预报技术的发展跨越了几十年，虽然已经有商用化的模型软件出现，但在实际应用中却遇到了众多的问题，根本原因在于建模时忽略了需求和现实条件。因此，虽然很多模型宣称的精度很高，可是却不能很好地与应用相结合。本文结合宝钢在性能预报方面的研究工作，指出了性能预报建模及模型在使用过程中的关键问题，给出了相应的解决思路与方法。宝钢按照冶金机理与统计相结合的研究思路，建立了全局可加的力学性能预报模型，覆盖了CMn钢、耐候钢、IF钢、析出强化钢等500多个钢种。其中部分模型已经在线应用，创造了可观的经济效益。实践证明：宝钢建立的性能预报模型，完全具备了大规模推广应用的条件。

    参考文献

    [1]干勇， 刘正东， 王国栋， 吴迪， 王 巍， 张丕军.组织性能预报系统在宝钢2050热轧生产线的在线应用[J].钢铁，2006，41(3):39-43.
    [2]Senuma T , Suehiro M, Yada H. Mathematical Models for Predicting Microstructural Evolution and Mechanical Properties of Hot Strips [J ] . ISIJ International, 1992 , 32 (3) : 423 - 432.
    [3]Irvine KJ , F B Pickering. ISIJ . 1957 : 292.
    [4]Sellars C M，Whiteman J A． Recrystallization and Grain Growth in Hot Rolling[J]．Metal Science 1978，13(5)：187 -194．
    [5]Siciliano Jr F，Jonas J J．Mathematical Modeling of the Hot Strip Rolling of M icroalloyed Nb，M ultiply Alloyed Cr-Mo and Plain C—Mn Steels[J]． Metallurgical and Materials Transactions A，2000，31(2)：511-530．
    [6]Andorfer J , Hribernig G, Luger A, et al. For the First Time Ever: Full Metallurgical Control of the Mechanical Properties of Hot-rolled Strip With VAI-QStrip[J]. Iron and Steel, 2001, 36(1): 42-46.
    [7]郭朝晖，张群亮，苏异才，夏瑛. 关于热轧带钢力学性能预报技术的思考[J]，冶金自动化, 2009, 33(2): 1-6.

   作者简介：郭朝晖（1968-），山东济南人，工学博士，教授级高工。主要从事冶金自动化与信息化方面的研究。1997年毕业于浙江大学并获博士学位，同年进入宝钢技术中心，2000年获得宝钢最高荣誉“金牛奖章”。2002年起担任宝钢研究院首席研究员，同年获得全国青年岗位能手称号。2003年到牛津大学进行短期学术访问。2005年升为教授级高工。主要社会兼职包括：东北大学博士导师，上海交通大学兼职教授，中国工业与应用数学学会常务理事、中国现场统计学会理事、上海市人工智能学会理事、中央企业青联委员。著有《管中窥道——技术创新的观念与方法》一书。