热轧带钢轧制规程

板形与能耗协同优化

面向热连轧多目标强耦合过程，用分布式智能优化框架实现带钢质量、工艺稳定与能耗的同步提升。

姬亚锋 · Borun, Wu · Yu, Wen · Sun, Jie

Journal of Manufacturing Processes 2025

参数信息

轧制力预测误差

0.55 %

精轧出口平均凸度

10 μm

厚度偏差

0.4 %

轧制张力矩波动

0.1953 %

三阶段总能耗降低

2.13 %

技术优势

轧制力预测更准

AGA-BO-ADNN 模型融合了注意力机制和贝叶斯优化，使轧制力关键参数的高精度预测和校正成为可能，误差控制在 0.55% 以内。

板形指标接近目标

优化方案使精轧与粗轧出口的平均凸度接近 10 μm，厚度偏差稳定在 0.4% 以内，带钢的几何精度得到显著改善。

生产稳定性更好

轧制张力矩的波动被控制在 0.1953% 以内，避免了轧制过程中的张力突变，保证了生产过程的平稳运行。

能耗有所下降

三阶段整体能耗降低 2.13%，有助于降低生产成本和碳排放，提高经济效益。

应用场景

• 热连轧产线：为现有热连轧线提供即插即用的优化控制器，在不改造设备的情况下提升成材率并降低能耗。
• 先进金属材料：将板形与厚度精度控制在更窄公差带，支撑汽车用高强钢、管线钢等先进金属材料的稳定生产。
• 智能制造：把强化学习与注意力机制嵌入轧制过程控制，让产线具备自学习、自寻优的智能决策能力。
• 工业过程控制：用分布式优化替代传统集总控制，使多变量强耦合的轧制过程实现全局协调与快速响应。