成果简介：

针对顺义冷轧机组在生产板带钢过程中出现的各种板形质量问题、板形控制方案单

一与板形质量影响因素不明确等问题，进行冷轧机组板形大数据分析与挖掘利用的研究。

基于顺义冷连轧的历史大数据并结合板形控制机理和经验知识，从数据挖掘和系统 分析角度揭示板形质量的影响因素，以此进行板形控制及工艺优化。对历史大数据进行 预处理工作并建立数据集。通过对现场板形描述方法进行调研和分析，针对性提出了新 的板形缺陷描述方法；基于数据集运用机器学习算法建立了板形分类与定量预测模型， 并对板形进行异常监测和分析；对板形控制相关资料进行了消化整理，对顺义冷轧板形 反馈控制策略进行了仿真分析；在上述工作基础上，系统地总结了目前机组板形大数据 存在的问题及可能产生的原因，提出了相应的对策并针对可实施的对策方案进行了现场实验。

成熟程度及推广应用情况：

目前处于何种研发阶段：☒研发 ☐小试 ☐中试 ☐小批量生产 ☐产业化；样机：☐

有 ☒无 其他：☐如选择“其他” ，请说明：。

推广应用情况：板形预设定优化与工艺参数优化已在现场上机应用。

技术优势：

基于工业大数据信息，将机器学习与深度学习的方法与工业生产过程中的机理以及 经验知识相融合，挖掘复杂工业生产过程中的未知信息，并对复杂工业过程进行多目标优化，以提升产品的生产质量，提高产品的生产效率，助力实现“碳达峰”与“碳中和”。

性能指标：

1.  提升产品质量。

2.  提高生产效率。

市场分析：

该项成果可以为钢铁企业或流程工业，提供工业大数据分析以及技术支持。

经济效益分析：

该项成果能够提高产品的生产质量，为产品在市场中取得良好的竞争优势；能够提 升生产效率，扩大产品的产量，提高产品在市场的占有率；同时，还能够降低生产过程 中的能源消耗以及避免原材料的浪费，减少能源损失。综上所述，该项成果能在整体上提高目标行业的总体经济效益，实现绿色生产。

成果亮点：

1.  具有自主知识产权，研究成果：已申请发明专利 3 项。

2.  成果来源：企业横向项目。

3.  国内领先，及概括描述成果核心技术的先进性：利用机器学习以及深度学习与实 际经验知识相融合的方法建立数据模型，将数据模型与机理模型相互协作以弥补机理建模过程中理想化的假设，从而提高工业生产的精度。

成果相关照片：

联系人：姚老师 

电  话：010-62333881 ，13718384597